冷连轧机动态规格变换时各机架的入口厚度一般变化较大,采用传统自适应控制的辨识算法的收敛速度不能跟随参数实际变化速度,控制效果不佳.针对这一问题,提出一种多模型自适应控制方法.通过对五机架冷连轧机进行仿真表明,多模型自适应FGC系统具有较好的控制精度、跟踪速度以及稳定性

10.1 遗传算法的基本原理 10.2 遗传算法的特点 10.3 遗传算法的发展及应用 10.4 遗传算法的优化设计 10.5 遗传算法求函数极值 10.6 基于遗传算法优化的RBF网络逼近 10.7 基于遗传算法的伺服系统静态摩擦参数辨识 10.8 基于遗传算法的TSP问题优化

综合考虑冷轧厚度计型AGC(automatic gauge control)控制对象模型的渐变性以及在低速轧制时大时延引起的厚度反馈较大时滞,提出一种冷轧厚度计型AGC控制的改进方法来减弱这些系统不确定性和厚度反馈时滞带来的不利影响.推导出针对任意阶对象的增益自适应调节律,并给出了在保证系统鲁棒稳定条件下的控制器和滤波器参数选取原则.仿真结果证明这一新方法可有效地抑制干扰,而且在对象参数摄动时系统具有鲁棒稳定性

本文结合极点配置的基本设计思想,提出了一类具有输出跟踪的多变量自校正控制算法。该算法将工程应用中提出的要求与系统的性能指标联系起来,实现了闭环极点配置的广义最小方差控制,而性能指标中加权多项式矩阵R(z-1)的选取是根据使闭环系统输出对参考信号实现稳态无偏跟踪的原则进行的。进而运用Martingle收敛理论对算法进行了研究,导出了控制器的无偏收敛条件。数字仿真研究表明了该算法的可行性和有效性

研究了一类具有未知扇区非线性输入且含有未知不确定性和外部干扰的主从混沌系统的投影同步问题.首先选择了一个合适的滑模面,然后基于Lyapunov稳定性理论设计滑模控制器和自适应更新规则.所设计的控制器不受未知不确定性和外部干扰的影响,具有很强的鲁棒性.通过对不确定主从Duffing-Holmes系统的仿真研究,验证了所设计控制器的有效性

提出采用多层局部回归神经网络建立多变量非线性系统多步预测模型的方法,神经网络模型可提供多步预测控制所需要的系统输出预测值及输出向量对控制向量的雅可比矩阵.仿真试验表明这种动态神经网络的预测模型具有较高的精度

为了镇定混沌系统的不稳定周期轨道,提出了一种基于单神经元自适应PSD算法的状态延迟反馈法用于混沌的镇定控制.仿真结果表明,该算法不仅能够自适应地完成控制参数的整定过程,而且具有适用范围广、镇定时间短、抗干扰能力强等优点

研究了具有控制输入约束和外部干扰的轮式移动机器人的轨迹跟踪问题.在轨迹跟踪位姿误差的T-S模型和并行分布补偿框架下,利用分段模糊Lyapunov理论给出了满足控制输入约束的H∞控制器设计方法,并证明了闭环系统的稳定性.仿真结果验证了所提方法的有效性

给出了一种能适用于开环不稳定且非最小相位系统的鲁律自校正内模控制器,证明了闭环系统的鲁棒性和全局收敛性.仿真研究证实了算法的可行性

提出了加热炉广义对象模型概念和一种跟踪参考输出的模糊自适应控制方案,以及最佳炉温工艺曲线专家系统构成及根据产品质量模糊评价的概念.系统仿真证明了上述方案的、有效性