阀门电动装置智能速度控制器研究与仿真

针对阀门电动装置难以实现阀门快速准确定位和柔性关断的问题,采用位置和速度双闭环调节控制方法,通过参数自调节控制策略,设计了基于模糊PID控制原理 的智能速度控制器.仿真结果表明,智能速度控制器可以实现阀门变速调节、快速准确定位和柔性关断.     

磁浮列车悬浮控制器的电流环分析与优化设计

电流环是磁浮列车悬浮控制器的重要子系统。在分析PI型电流环及最速电流环的控制特点的基础上,设计了一种次速电流环控制器,它具有调节速度快、抗信号扰动能力强、对对象参数不敏感等优点。仿真表明次速电流环的调节速度和最速电流环相当,但在系统中存在干扰信号时,抖动会明显减小。实验表明,次速电流环调试方便,能结合悬浮控制子系统很好地完成悬浮任务。     

基于序列二次规划算法的控制律寻优设计

针对某型无人机设计的纵向控制系统,运用经典控制器设计,然后通过参数优化而进行时域自动调节控制律参数的方法设计控制律,优化算法采用序列二次规划法.自动调参的过程是直观可视的.仿真结果表明运用该方法所设计出的控制律满足飞行品质要求,比传统的人工调节控制器参数效果更好,并提高了工作效率.这种方法可以应用于其他控制对象.     

船用柴油机PID神经网络控制系统的设计

给出了PID NN控制器的结构形式、计算公式,并将其应用于船舶柴油机的转速控制系统中.从仿真结果可知,该算法的控制性能和鲁棒稳定性良好,具有较好的自学习和自适应性.     

基于RBF网络的滑模变结构控制在无刷直流电机伺服系统中的应用

无刷直流电动机的参数强耦合、高度非线性特性增加了对其速度控制的难度，针对这一特点，设计了一种神经网络滑模变结构速度控制器。将无刷直流电机速度伺服系统分成名义模型和不确定模型，采用状态反馈方法对名义模型进行控制，以RBF神经网络为滑模动态补偿器对不确定系统进行控制。该方法不仪具有变结构控制的抗参数摄动、抗干扰以及速度快等优点，神经网络控制的加入还有效地减弱了单纯滑模变结构控制所带来的“抖振”现象。Matlab仿真结果表明，该控制器具有良好的控制性能和鲁棒性能。     

伺服系统直流调速系统的改进型内模PD-I控制方法

为提高直流调速系统的控制性能,提出了一种改进型内模PD-I控制器的设计方法。根据直流电机的运行原理,建立了电机输出转速与输入电压变化率之间的数学模型,基于内模控制(Internal Model Control,IMC)原理和Taylor级数展开,设计了一种内模PD控制器,且可通过选择系统的截止频率实现控制器参数的整定。为了获得系统调节所需的控制作用,可将内模PD控制器与积分环节相串联构成改进型内模PD-I控制器,仿真和实验结果表明本方法可使系统获得更好的控制性能。     

核动力折中稳态运行方案下稳压器压力控制的模糊控制器

运用模糊控制理论,针对稳压器压力控制的特点,为解决核动力装置折中稳态运行方案下低工况运行时一回路压力随负荷变化波动较大的问题,设计了压力模糊控制器。即利用模糊控制器实现稳压器压力调节系统工作参数的在线优化自整定,并以某核动力装置为对象进行了仿真实验。仿真结果表明,本控制器在对原系统不作大改动的前提下,能有效地抑制一回路压力波动,比原有调节系统具有好得多的调节品质。     

三种RBF网络函数逼近性能对比及应用研究

非线性函数逼近问题是神经网络数据处理的具体应用之一,在相同误差指标和目标参数的情况下,以具体的非线性函数为例,仿真对比了径向基神经网络(Radical Basis Function,RBF)、模糊RBF和基于遗传算法的模糊RBF网络的逼近性能。结果表明,3种RBF网络结构都能够较好的逼近目标函数,但模糊RBF与GA-RBF网络结构较基本RBF网络结构而言能够更早达到较小的逼近误差范围。在此基础上,仿真验证了模糊GA-RBF网络应用于间接型自校正控制的有效性。     

弹药自动装填机器人免疫遗传模糊神经滑模控制

提出了一种基于改进免疫遗传算法的弹药自动装填机器人自适应模糊神经滑模控制器(IIGAAFNSMC)。用径向基神经网络来近似等效滑模控制中的不确定参数,通过自适应免疫遗传算法在线调整径向基神经网络非线性隐含层的结构和参数。利用最小二乘法计算线性输出层的权值,自适应模糊系统调节滑模控制的增益,减小了网络逼近误差和外部干扰并消除了传统滑模控制中的抖振问题。仿真结果表明,该方法比传统的神经网络滑模控制器具有更高的逼近精度和速度。     

RBF神经网络在异步电机故障诊断中的应用

将径向基(RBF)神经网络应用到电机的故障诊断中,建立了异步电机的RBF神经网络诊断模型。为了克服RBF神经网络学习算法的不足,引入了差分进化(DE)算法,并且利用了差分进化(DE)算法的全局搜索能力来优化RBF神经网络基函数的中心、宽度以及网络的连接权值,以获得最优的网络模型。仿真结果表明优化后的RBF神经网络的泛化能力和诊断精度都得到了大幅度提高。     

一类不确定时滞混沌系统的全局鲁棒自适应神经网络同步控制器设计

研究一类不确定时滞混沌系统的全局鲁棒自适应神经网络同步控制器设计,其系统中的不确定时滞项不是简单的线性有界条件,而是允许其存在高阶项,因此具有全局特性．在控制器的设计上;首先通过选取合适的径向基函数（RBF）神经网络的权向量去逼近时滞系统中的未知连续有界部分;然后在RBF神经网络输出的基础上,选用一个鲁棒自适应控制器来趋近时滞系统的不确定部分;同时,利用Lyapunov稳定性理论对混沌同步的条件给出了论证;最后,数据仿真的结果表明该方法的有效性．     

基于神经网络的四轮转向车辆辨识和控制

车辆的动力学受各种非线性因素(如轮胎特性和路面状况)的影响,因此,利用两自由度线性车辆模型很难描述车辆的动力学.本文提出了一个新的基于神经网络非线性建校和控制能力的4WS控制系统.首先将车辆动力学辩识为一个RBF冈给车辆模型,然后利用该RBF网络车辆模型设计RBF网络控制器.通过计算机仿真说明了所提方法的有效性.     

自治式潜水器规避航行神经网络控制器设计

在规避机动状态下,为了实现对自治式潜水器良好的航行控制,通过分析潜水器的运动状态,建立了运动状态方程,确立了非线性单输入/单输出系统.同时,将复杂的非线性模型通过微分同胚的方法转化为降阶的线性模型,并在此基础上提出了一种基于神经网络的控制方法:将滑模控制思想、反馈线性化理论及神经网络在线建模方法相结合,提出了基于神经网络的鲁棒自适应控制算法,并将此方法用于自治式潜水器高度保持的仿真中,从仿真的结果来看,控制器具有满意的控制效果,证实了该方法的有效性,能为自治式潜水器航行控制提供一定的参考.     

未知非线性系统的神经网络建模与控制仿真研究

针对一类未知非线性系统的建模与控制问题,采用基于神经网络的多步预测控制算法进行了仿真研究,仿真对象选取控制工程界常用的单摆试验装置.该算法的实现步骤为:获取系统开环试验数据;辨识神经网络正向动态模型;设计非线性优化控制律.仿真研究结果表明,所提出的建模与控制方法是有效的.     

船舶航向非线性系统离散变结构控制

基于非线性模型研究船舶航向自动舵的离散变结构控制设计问题。通过状态反馈精确线性化方法设计了二次型最优滑模面,采用离散趋近律方法求得变结构控制律。研究结果表明,所设计的离散变结构控制器能够快速准确地跟踪设定航向,并对参数摄动和外界风浪干扰具有很强的鲁棒性。     

变结构控制器的仿真模型研究

变结构控制器集中了非线性控制与线性控制的优点,既保证了系统的快速性,又具有良好的跟踪精度。运用控制理论及牛顿运动规律,阐述了变结构控制器的建模机理,重点研究在MATLAB/SIMULINK动态系统仿真环境下,利用已有模块搭建变结构控制器的仿真模型。该仿真模型已被成功地应用于某型自行高炮随动系统的仿真研究中。     

舰船航向保持的变结构控制及仿真

运用变结构控制理论和计算机仿真技术研究舰船航向保持过程的变结构控制问题,针对舰船定向航行要求航向准、舵角小的控制特点,采用二次型最优控制方法设计滑动模态超平面,设计了满足滑模超平面到达条件的指数趋近律,导出了对应的控制律。同时,为进行比较研究,设计了PID控制器并整定了相关参数。理论分析与仿真研究表明:对于舰船定向航行,变结构控制方案正确可行,控制效果优于PID控制方案。     

AUV纵倾角动态面滑模自适应控制

对于自主水下机器人(AUV)纵倾角跟踪问题,提出一种基于动态面滑模思想的自适应控制方法。首先对自治水下机器人纵倾角运动模型进行简化,其次针对不确定外干扰的情况,设计了自适应规律,对外干扰进行估计,在此基础之上设计了动态面滑模自适应控制器,并通过李雅普诺夫稳定性理论证明了系统的稳定性,最后通过给定参数的仿真实验结果可知,所设计的控制器在系统受到不确定外干扰时,表现出良好的鲁棒性。     

起重机吊重摆角的自适应神经网络补偿控制

为了控制起重机吊重摆动幅度在最短时间内衰减到规定范围或平衡点附近,同时考虑到由于外界不确定性因素导致的系统模型的不确定性,设计了自适应径向基函数Radial Basis Function（RBF）神经网络补偿控制器。RBF神经网络对系统模型的未知函数进行辨识,并将辨识信息提供给控制器。实验结果表明：吊重摆角约在5s时跟踪给定幅度的正弦信号,并在参考信号发生突变时,摆角仍在给定的范围内;RBF神经网络约在5s后几乎以零误差辨识未知函数。所设计的控制器对不确定性因素具有较强的鲁棒性,这也验证了控制系统稳定性证明结论。