利用神经网络对白噪声、红噪声和正弦波进行辨识.进而采用单片机对以上3种噪声和尖峰脉冲干扰进行自适应滤波处理.实验结果表明该方案正确

应用事件树方法确定了汽车缺陷风险传递路径,将缺陷风险转化为失效风险进行等效研究.根据汽车缺陷风险特点,建立了风险评估SPN模型,并以三维矩阵图描述汽车缺陷风险;针对汽车的不合理风险及汽车缺陷数据离散和波动的状态,提出了基于灰色理论的风险预测方法;以失效预测数据作为风险评估的风险概率预测基础,建立汽车缺陷的失效预测模型,采用残差辨识法检验模型精度.研究结果表明:在掌握实际的汽车售后零部件故障数据情况下,模型对汽车缺陷风险概率预测具有较好的适用性

针对在AGC板厚控制系统中存在时滞、时变、大惯性、非线性等问题,提出了采用自适应集中延时神经网络辨识、最优预报和模糊免疫PID控制相结合的控制方案,有效地提高了系统的控制精度和动态性能.经MATLAB仿真实验表明,各项指标均好于传统的控制方式,取得了令人满意的控制效果

为了提高热连轧带钢成材率和宽度精度,在精轧末机架后一般配置了测宽仪,利用机架间张力对宽度动态控制,达到调整带钢宽度目的;由于精轧末机架中心线到测宽仪的距离较远,使得系统具有大滞后性及时变性等特点,很难建立精确的数学模型.采用对模型要求宽松的广义预测控制方法,基于广义误差估计值对控制器参数进行自适应调整,直接辨识控制律参数,省略Diophantine方程的求解、矩阵的求逆,缩短在线计算的时间,适用于快速的轧钢过程.仿真结果表明,该方法对精轧宽度这一大时滞、不确定性系统有较好的控制效果

针对板形板厚综合系统,提出一种基于遗传算法的多变量模糊预测控制新方法.该方法通过模糊预测来建立多变量系统的模糊模型,给出了辨识参数.同时,利用遗传算法优化控制律.仿真结果表明该方法是有效的

综合了Raibert和Craig提出的机器人位置/力的Hybrid Control及Yoshikawa提出的机器人动态混合控制算法的基本思想,针对作业环境及其力学扰动难以辨识及机构振动等问题,提出了基于机器人装配作业的PI自学习混合控制方法,并根据此方法实现了三自由度机器人的圆柱二维插入作业。实验结果表明,该方法可以有效地实现机器人的销孔装配作业并抑制或缓冲机构的振动现象

提出了一种基于自适应模糊算法的防抱制动系统控制方式,针对汽车纵向双轮模型,设计了模糊控制器和滑移率校正器,校正器通过车辆的输入输出参数辨识最佳滑移率,并调整系统控制参数,以提高系统的控制性能,仿真实验验证了控制算法的有效性

基于过程辨识理论,依据三相异步电动机在αβ坐标系下的数学模型,建立了定于绕组温度预测的数学模型,并以80C552单片机为核心构成三相异步电动机定子绕组温度在线监测硬件与软件系统,通过实验验证了此方法的正确性与可行性

在直流电弧炉炼钢过程控制系统中,由于它的复杂机理,高度非线性加大了建模的难度.为提供适用于直流电弧炉炼钢过程优化控制的模型,提出一种引人遗传算法的神经网络建模方法,并将其用于某厂直流电弧炉炼钢过程模型的建立,获得了很好的效果.同时给出了基于现场实测数据的仿真结果

给出了1种隐式自校正动态矩阵控制器。利用两个辨识器证明了其全局收敛性。并给出了仿真实例