前馈控制的神经网络实现

不依赖对象模型,在前馈-反馈定值控制系统中,借助神经网络构成前馈控制器,以反馈输出引导网络权值及输出的调整,使网络逐步学成前馈补偿功能,并最终在控制中占据主导地位,实现对主要可测干扰的补偿.文章分析了神经网络前馈控制器的作用效果,并与根据精确模型设计的常规前馈控制器的作用特性进行了比较.文中采用两种不同方式对神经网络进行训练,仿真结果证实了在模型未知的条件下,利用神经网络实现前馈控制的有效性.     

带脉冲负载多相储能发电机励磁控制系统设计

对于转速和负载同时扰动的多相储能发电机励磁控制系统,传统电压反馈控制难以满足直流侧调压要求。为此,设计了一种具有前馈加电压、电流双闭环反馈控制结构的励磁控制系统。该系统在电压闭环与电流闭环控制的基础上,引入了前馈控制环节,给出了推导前馈控制方程以及获取前馈控制参数的方法。实验结果表明:前馈控制在励磁控制过程中起主导作用,有效提高了励磁电流响应速度;电流反馈与电压反馈控制可对前馈控制误差进行补偿,有效提高了直流侧调压精度。     

基于ATmega8的程控电流驱动器设计

以ATmega8单片机为程控接口的核心控制电流驱动器,实现了程控电流驱动器的设计方案。电流驱动器采用Buck变换器进行输入/输出功率变换,通过电压、电流双反馈调节的反馈环路控制PWM驱动电路使Buck变换器实现输出电压可调,程控接口根据设定值大小以高频PWM输出方式控制电流驱动器输出相应的电流。进行了性能测试实验,结果表明：程控电流驱动器输出可靠性高,响应时间快,满足设计要求。     

基于重复控制的前馈补偿方法研究

军用移动电站的并网系统在向电网馈电的过程中,当电网电压波动,特别是系统工作于轻载时,会使并网系统输出电流畸变,电流谐波含量增高．在研究传统并网电流控制的基础上,首先提出将重复控制引入电网电压前馈控制计算中,达到抑制电网突变对系统前馈的影响和消除电网周期性扰动产生的电流畸变的目的,提高了系统稳定性;然后采用前馈控制和PI控制器串联方式,保证系统的动态性能．实验结果表明,基于重复控制的前馈补偿方法便于实现,该方法能够降低并网电流总谐波,提高系统稳态特性和并网输出电压质量．     

一个人机瞄系统的非线性分析设计

讨论了一个人机瞄系统的非线性分析设计。首先建立了人机瞄系统的非线性模型,然后采用反馈线性化方法,利用状态反馈,完全抵消了非线性因素对系统输出的影响,实现了系统输入－输出的严格线性关系和解耦控制,再利用线性系统方法,进行了系统的极点配置,使系统具有希望的跟踪性能,最后提出有待于深入研究的内容。     

开关电流滤波器的多回路反馈/前馈设计

本文提出了一种具有较低灵敏度和正反两相输出的开关电流（ＳＩ）改进型通用积分器,阐述了以该积分器为积木块,运用多项式变换进行ＳＩ滤波器多回路反馈／前馈设计的系统方法。该方法不需经ＳＣ滤波器中间环节,对Ｎ阶离散转移函数可在Ｚ域中直接进行综合。所得电路结构简单,非常适用于标准ＣＭＯＳ工艺集成。     

基于混合优化的前馈—反馈复合控制器最优设计

为了解决传统PID控制器在电动舵机系统设计中难以满足控制要求的问题,首先设计了一种规范化前馈-反馈控制系统,然后利用混沌优化算法和共轭梯度方法相结合的混合优化算法对前馈-反馈控制器参数进行了优化.仿真结果表明:基于混合优化算法的前馈-反馈控制器具有很好的动态和静态性能,增强了系统的稳定性和鲁棒性,降低了学习参数选择的盲目性和对经验的高度依赖性.     

变负载变转速输入泵控马达调速系统

行车取力泵控马达发电系统可以改变现有装备车辆供电模式。针对泵控马达系统存在转速和外接负载扰动的问题,以输入变转速变负载变量泵-定量马达恒速控制系统为研究平台,建立系统的流量模型,确定了对转速和负载扰动的控制策略以及相应的前馈补偿系数,采用了PID闭环控制与前馈补偿相结合的复合控制方法。并通过Matlab的Simulink模块对建立系统的仿真模型,得到了系统在转速和负载扰动下的控制规律,结果表明控制系统在两种扰动下反应迅速,最后通过实验验证,马达输出转速能保持在较理想的状态,为行车取力发电系统实现提供了借鉴意义。     

一个小功率随动系统的动态分析

用自动调节理论对系统的品质进行分析,对于我们设计、调试和改进系统的动态特性有着重要的指导意义。本文试图用频率法对一个小功率随动系统的品质进行定量分析。首先、扼要地介绍一下这个系统的工作原理。该系统是一个相位一转角随动系统。输入信号是方波电压的相位角;输出量是与输入信号相对应的机械转角。输入的相位信息r_1 与反馈环节送来的相位信息r_2＇进行比较(反馈环节将转角转换成等效的方波相位角),并将比较出来的差值信号r进行变换、放大,用来驱动执行电机,带动减速器和敏感元件,以消除误差,使输出转角与输入的相位角协调一致(如图1所示)。     

反馈线性化导弹末制导自适应控制方法

根据导弹响应快和精度高的基本要求,提出了在导弹变向跟踪接近目标时,用输入-输出的线性化来近似研究导弹的非线性运动控制,重点对导弹制导控制过程中的线性化控制方法进行了研究和数学推导,针对导弹制导设计过程中的非线性控制问题,用消除内反馈和零极点的方法,近似线性化地来研究导弹的非线性运动控制,然后通过自适应控制进一步提高了马赫数和质量在较大范围(35%)内变化时系统的响应精度和稳定性.将该方法应用于导弹跟踪飞行控制,通过计算机仿真,结果比较满意.     

轴向提取反馈式虚阴极振荡器的结构设计与特性

为进一步提高虚阴极振荡器输出微波的功率和效率,同时为使其输出微波的频率更加稳定、模式更加单纯,设计了一种轴向提取的反馈式虚阴极振荡器,并利用粒子模拟方法分析了反馈装置对输出微波的影响,得到了一些规律性的认识。模拟结果表明,在相同的运行条件下,与不加反馈装置时的普通虚阴极振荡器相比,这种反馈式虚阴极振荡器的微波输出功率可以提高两倍以上,而且带宽窄、模式纯。     

卡尔曼滤波器和跟踪微分器在光电跟踪系统中的应用

光电跟踪系统通常采用跟踪偏差反馈闭环控制,若同时采用速度前馈复合控制可以有效提高系统跟踪精度,分别使用了卡尔曼滤波器和跟踪微分器两种算法求取跟踪速度信号,通过仿真分析和工程应用,确认卡尔曼滤波器求取的速度信号更准确,噪声更小,更适合于光电跟踪系统的前馈复合控制。     

脉冲雷达探测的神经网络法

本文介绍一种使用多层前馈神经网络进行脉冲压缩的新方法。利用13元素Barker代码和具有长度为15、31和61位的最大长度序列(m-序列)作为信号代码,并分别制成了四种网络。在每个网络中,输入单元数与信号长度是一样的,而隐藏单元数为3、输出单元数为1。在每个网络的训练中,采用反向传播学习,训练期为500。利用这种方法,可以使输出峰值信号-边瓣比大于40dB。此外,这种容错神经网络可以为脉冲雷达探测提供鲁棒性。     

基于FNNs的闭式循环柴油机配氧前馈控制策略研究

配氧控制是闭式循环柴油机(CCD)系统的关键技术之一,为改善其动态特性,在 PID反馈控制的基础上,设计了基于模糊神经网络(FNNs)模型的前馈控制器,并采用 PID反馈控制输出信号作为网络训练的误差信号,使模糊神经网络逐步具有前馈补偿能力,从而能够有效对负荷扰动进行及时补偿.仿真结果表明,采用FNNs前馈控制器后,可以有效改善氧气控制的动态特性,并且具有快速的学习速度和很强的适应能力.     

基于SOINN增量自编码器的网络异常检测研究

针对批量学习的网络异常检测模型存在内存资源消耗大、无法在线更新的问题,利用自组织增量神经网络(self-organizing incremental neural network, SOINN)的增量学习特性,提出一种增量自编码器构建方式,将改进SOINN的输出神经元作为自动编码器的输入,使得模型在不破坏已有学习成果的基础上,具备增量更新能力。针对SOINN算法获胜神经元邻居节点学习率固定,不利于区分其与输入样本的相似性的问题,提出一种学习率自适应调整方法,来提升获胜神经元邻居节点的学习效率,使得算法输出神经元更能代表样本特性。针对反馈更新样本中正常样本纯度不高的问题,提出一种基于距离度量的样本标签筛选机制,通过计算反馈样本与神经元的距离来对正常样本进行筛选,使得反馈样本中正常样本比例更高,以此来提升模型的在线检测效果。在NSL-KDD数据集上开展了相关实验,实验证明所提方法具备增量学习能力,且改进SOINN的增量学习效果优于原始算法,有效节省了模型的运算和存储开销,通过基于距离的样本标签筛选机制,模型的在线检测能力有效提升。     

定量反馈理论在侧向飞行控制系统中的应用

分析总结了定量反馈理论(QFT)的基本原理、设计步骤和特点,运用该理论对飞行控制系统(FCS)进行了设计研究.针对侧向通道的多输入多输出耦合系统,研究了QFT理论在多变量解耦控制问题中的应用.研究发现,QFT能够很好地解决飞行控制系统由于模型参数具有不确定性而造成的控制系统鲁棒性设计问题.仿真表明该理论具有良好的鲁棒性能和解耦能力.     

SINS/GNSS自适应反馈校正滤波

SINS/GNSS组合导航中,反馈闭环校正比开环输出具有更高的短时精度;但反馈校正的输出会有长时间缓慢发散迹象。传统工程上应用最优奇异值可观测度对反馈向量进行自适应调整,但最优奇异值计算量很大,且不同机动情形下的最优奇异值也不相同,很难确定。通过分析卡尔曼滤波的方差矩阵,提出一种新的可观测度定义,并利用滤波协方差矩阵确定新的可观测度,并结合人工神经网络确定反馈校正的自适应调整系数,仿真表明新方法抑制了反馈校正输出误差的长时缓慢发散,提升了导航精度。     

相关MIMO信道下一种特征波束成型方案的性能研究

提出了相关多输入多输出信道下的一种空时分组码、空分复用与波束成型相结合的新方案.该方案利用了发射分集和空分复用所带来的分集和复用增益,并基于接收机反馈的信道相关矩阵设计了一种波束成型器.仿真结果表明,这种方案的性能较传统的方案在高信噪比时能获得较大的改善.     

有监督学习的模糊Petri网模型和算法

在模式识别中,前向神经网络通常有一个输入层,一个输出层和几个隐藏层.其中,对于实现输入层和输出层之间的精确函数映射,隐藏层增加了额外的非线性,但是,不能对隐藏层与输入层和输出层的语义联系进行合理的证明.提出一种有监督的模糊Petri模型和训练算法,能对隐藏层的语义进行证明,并能对杂乱的训练样本进行学习和推理.通过在模式识别中的应用,结果表明,该模型和算法是可行有效的.     

基于自适应模糊神经网络的弹药消耗预计模型

根据我军弹药消耗预计方法的现状,利用模糊控制和神经元网络原理,提出了一种新的预计方法。量化的作战条件作为系统的输入,预计值作为系统的输出,根据历史的输入、输出数据确定系统的特性,建立预计模型。利用此种方法建立的模型根据历史数据训练后,输入现有战斗估计条件,即可对部队日平均作战消耗做出预计。