一类隐式广义预测自校正控制及MATLAB仿真

在自校正调节器的基础上提出的广义预测控制,作为一种新型的远程预测控制方法,集多种算法的优点为一体,具有较好的性能。隐式广义预测自校正控制是广义预测控制的一种修正算法,不辨识对象参数模型,而是根据输入输出数据直接辨识求取最优控制律中的参数,因而避免了在线求解Diophantine方程所带来的大量中间运算,减少了工作量,节省了时间。仿真结果表明,算法具有控制性能良好,使用范围广,鲁棒性强等特点。     

最小方差自校正控制仿真研究

文章主要介绍了自校正控制和最小方差自校正控制的基本原理,设计用Matlab软件在计算机上如何完成最小方差控制的算法。被控对象参数往往是未知的,利用自校正控制技术,可以在线实时辨识参数,使输出量的稳态值方差最小,并和常规PID控制进行比较,体现出最小方差自校正控制的优越性。最后通过Matlab软件在Simulink环境下对其进行仿真研究。     

基于炼油过程的克服纯滞后的广义预测控制

针对炼油工业过程中存在的纯滞后问题,提出一种克服纯滞后的广义预测控制方法。由神经网络辨识出非线性系统的纯滞后时间参数,在每个控制周期内,递推预测非线性滞后系统在未来时刻的工作点,在工作点附近对非线性系统进行线性化,根据得出的线性化模型进行广义预测控制,预测出未来对应时刻的系统输出,从而达到预期的控制目的,仿真结果表明,此方法能快速有效地跟踪系统给定值,控制效果良好。     

基于BP网络的广义预测控制的研究与应用

本文提出了一种基于BP神经网络的广义预测控制算法,利用BP神经网络求取广义预测控制的最优控制律,对广义预测控制算法进行了简化,使广义预测控制适用于快速控制系统。选用倒立摆系统作为研究的对象,将新算法应用于倒立摆的控制,取得了较好的控制效果,验证了方案的可行性。     

基于温度修正J-A模型的交流继电器电磁热耦合仿真

温度是影响交流继电器稳定运行重要指标，对其进行温度分析具有重要意义。提出一种改进的温度修正J-A磁滞模型，并提出一种对该模型参数辨识的混合优化算法。通过混合优化算法辨识的参数得到磁滞曲线，并与实测磁滞曲线对比，验证了该算法在磁滞特性模拟研究中的有效性和实用性，并验证了改进的温度修正方法的可行性。运用推导的电磁热耦合控制方程建立不同工况下继电器仿真模型，发现材料温度特性对温升结果影响很大，故不可忽略。     

PID控制器参数自整定技术分析

文章介绍PID控制的基本理论，包括基本原理、算法以及特点；控制规律以及采样周期的选择；介绍PID控制器各个参数的性能以及控制器的分类等问题，为今后求PID控制器参数的自整定技术，以适应复杂的工况和高指标的控制要求奠定基础。     

基于模糊自适应控制的电液伺服系统研究

对于不确定性的非线性电液伺服控制系统的控制问题,文章提出了一种模糊自适应控制方法,消除非线性误差对控制性能的影响,实现强鲁棒性和参数自整定的优点。为了证明这种控制器的可行性,仿真结果验证了所提方法的有效性。     

基于模糊自适应控制的电液伺服系统研究

对于不确定性的非线性电液伺服控制系统的控制问题,文章提出了一种模糊自适应控制方法,消除非线性误差对控制性能的影响,实现强鲁棒性和参数自整定的优点。为了证明这种控制器的可行性,仿真结果验证了所提方法的有效性。     

螺旋焊缝轨迹跟踪控制算法的分析与研究

分析和研究了超声波螺旋焊缝自动检测的轨迹跟踪控制算法。在对经典PID控制采用参数自整定算法、对模糊控制采用自调整因子算法的基础上,提出了一种新型复合控制算法。该算法结合了比例控制、模糊控制及PID控制,仿真结果表明,其具有响应速度快、超调量小、无静差等优点,提高了轨迹跟踪的实时性及精度。     

基于模型分析的液压伺服系统性能参数预测

为了提高液压伺服系统的控制精度,文章对液压伺服系统中的一些非线性参数进行了预测与估计。参数估计之前,首先对目标液压工作系统进行了建模与参数化描述,抽取了其控制和工作模型,计算并推导了模型中主要的液压参数直接的数学关系,如液压受力分析、受力传递函数、噪声信号过滤函数等。在此基础上,采用最小二乘估计算法对液压伺服系统中的非线性参数进行预测,给出了详细的参数分析过程和预测参数推导过程,建立了主要参数的估计计算公式。最后,对所估计的非线性参数进行了仿真和测试。结果表明,文章所选择的参数预测结果与实际的运行结果基本吻合,预测算法参数估计误差小。     

AGV航向跟踪预测优化自适应PI控制器

应用预测控制理论对AGV航向的轨迹跟踪进行了研究。采用以AGV实时航向角为输出量的非线性约束方程作为预测模型，推导出基于非线性模型预测控制比例积分自整定控制率，实现对受到高斯白噪声干扰的AGV参考航向角轨迹的跟踪，并与普通的比例积分控制算法相比较。仿真结果表明，所设计的非线性模型预测控制能较好的实现轨迹跟踪。与经典的比例积分控制算法相比，该算法无超调现象，克服不确定干扰的能力也有所提高。     

基于模型分析的液压伺服系统性能参数预测

为了提高液压伺服系统的控制精度,文章对液压伺服系统中的一些非线性参数进行了预测与估计.参数估计之前,首先对目标液压工作系统进行了建模与参数化描述,抽取了其控制和工作模型,计算并推导了模型中主要的液压参数直接的数学关系,如液压受力分析、受力传递函数、噪声信号过滤函数等.在此基础上,采用最小二乘估计算法对液压伺服系统中的非线性参数进行预测,给出了详细的参数分析过程和预测参数推导过程,建立了主要参数的估计计算公式.最后,对所估计的非线性参数进行了仿真和测试.结果表明,文章所选择的参数预测结果与实际的运行结果基本吻合,预测算法参数估计误差小.     

基于改进BP算法的短期电力系统负荷预测

BP算法较强的自学习能力使之可对短期电力负荷进行预测,将一种改进的BP神经网络学习算法应用于短期电力负荷预测中,该算法由于加入动量项修正权值阈值提高了BP神经网络本身的精度,使得预测结果具有更高的精度,算例验证了该算法处理短期电力系统负荷预测的高效性。     

基于PCA的CS-RBF网络的股票预测研究

针对传统的RBF神经网络在选取中心矢量参数时的不足,提出用具有较强跳出局部最优的布谷鸟算法(CS)优化RBF神经网络的中心矢量的改进算法,并将该算法应用于股票价格的预测,仿真结果表明:该算法的预测精度比传统的RBF算法的预测精度高,是一种有效的股票预测方法。     

一种改进的基于意图挖掘的航迹预测

意图推断和航迹预测是提高空中交通容量的重要ATC工具,混合估计算法和意图推断算法相结合的基于意图的预测模型是比较崭新的用于长期航迹预测的算法。本文提出一种改进的基于意图的航迹预测算法。使用高分辨率聚类挖掘ADS-B历史航迹数据得到一条典型航迹,将典型航迹而不是传统的计划航迹用于提取意图信息,再与IMM算法结合完成航迹的预测。使用新疆地区真实的ADS-B历史航迹数据验证本文提出的算法的预测性能,仿真结果显示改进的预测算法具有更好的预测性能。     

基于STC单片机的恒温热水器模糊控制

模糊控制是基于规则的智能控制方式,特别适合对具有多输入—多输出的强耦合性、参数的时变性、严重非线性与不确定性的复杂系统或过程的控制,且控制方法简单。将模糊控制技术应用于一般的电子产品已是很普遍的现象,单片机常用的控制器件,把二者结合起来,可使控制器的性能指标达到最优的目的。本文提出了一种模糊控制在恒温热水器中的实现算法,该算法对于热水器的控制系统具有自调整的智能特征,同时还给出了该算法在STC单片机中实现的软件设计思路。     

三容水箱预测PID控制方法研究

三容水箱液位控制系统,常应用于工业上。但由于非线性,大时滞,参数时变等特点,使其发展受到一定限制。本文针对其缺点,介绍基于对象特征信息的多模型建模方法,获得近似的多模型表示,并利用PID快速响应的特性,将PID算法与预测控制相结合,提出了预测PID控制方法。实验表明,预测PID控制能实现良好跟踪控制,使下水箱液位保持在目标范围之内,克服了传统控制带来的一些不足,进而满足控制的要求。     

模糊PID控制在恒压供水系统中的应用

针对供水系统具有时变、惯性与滞延的特性，提出一种模糊PID控制方法，并对该控制算法进行研究和计算机仿真，给出了基于MALTLAB的系统仿真结果。仿真实验表明：模糊PID控制克服了传统PID控制设计中参数调整困难等问题，同时具有动态响应快、稳态性能好、超调量小和鲁棒性强等优点，实现了对供水系统中的管网压力恒值控制。     

SVM分类器在继发性干燥综合征诊断中的应用

本文为解决SLE患者并发继发性干燥综合征不易诊断及确诊主观性较强等问题,提出了一种可供计算机学习的支持向量机智能算法预测诊断模型。首先对材料中141名患者的26种相关诊断指标进行数据预处理,使之成为能够适合支持向量机计算的量化数据;其次运用交叉验证法、网格搜索法、改进的粒子群优化算法分别对支持向量机模型中的惩罚系数C与核参数g进行优化选择,并利用MATLAB软件分别画出以上3种优化方式得出的支持向量机参数模型;最终对比选出对SLE患者并发继发性干燥综合征疾病诊断预测度最高的预测模型。结果表明,基于改进的粒子群算法优化的支持向量机分类模型参数的自优化,对该疾病预测诊断精度最高。     

基于PSO优化LSSVM在基坑开挖过程中周围建筑物沉降预测研究

本文提出一种用粒子群优化算法来确定LSSVM参数的方法。该方法是在对LSSVM进行分析的基础上,融合PSO的群搜索特征来提高LSSVM预测精度。文章最后采用昆明市某基坑周围建筑物沉降数据对此模型进行了验证,并与其他算法进行了对比分析,计算结果表明用该模型进行沉降预测相比其他算法具有较快的收敛速度和更高的预测精度。