本章要求： 1.理解传递函数的定义，能够在传递函数和微分方程间相互转换。 2.根据动态结构图会运用等效变换和梅森公式求系统传递函数的方法。 3.熟练记忆典型环节传递函数的标准式。 4.会求与输出相关的传递函数和与误差相关的传递函数。 2.1 拉氏变换 2.2 传递函数 2.3 动态结构图及其等效变换 2.4 典型环节的传递函数 2.5 控制系统的传递函数

第一章 引论（控制理论的一般概念） 第二章 线性系统的数学模型 第三章 时域分析法 第四章 根轨迹法 第五章 频率特性法 第六章 线性系统的校正方法 第七章 非线性的系统

第一章 引论（控制理论的一般概念） 第二章 线性系统的数学模型 第三章 时域分析法 第四章 根轨迹法 第五章 频率特性法 第六章 线性系统的校正方法 第七章 非线性的系统

一、确定系统的输入量和输出量 二、根据系统所遵循的基本定律,依次列写出各元件的运动方程 三、消中间变量,得到只含输入、输出量的标准形式

（1）确定系统的输入量和输出量。 （2）根据系统所遵循的基本定律依次列写出各元件的运动方程。 （3）消中间变量,得到只含输入、输出量的标准形式

为提高无法准确建立数学模型的非线性约束单目标系统优化问题的寻优精度,并考虑获取样本的代价,提出一种基于支持向量机和免疫粒子群算法的组合方法(support vector machine and immune particle swarm optimization,SVM-IPSO).首先,运用支持向量机构建非线性约束单目标系统预测模型,然后,采用引入了免疫系统自我调节机制的免疫粒子群算法在预测模型的基础上对系统寻优.与基于BP神经网络和粒子群算法的组合方法(BP and particle swarm optimization,BP-PSO)进行仿真实验对比,同时,通过减少训练样本,研究了在训练样本较少情况下两种方法的寻优效果.实验结果表明,在相同样本数量条件下,SVM-IPSO方法具有更高的优化能力,并且当样本数量减少时,相比BP-PSO方法,SVM-IPSO方法仍能获得更稳定且更准确的系统寻优值.因此,SVM-IPSO方法为实际中此类问题提供了一个新的更优的解决途径

为了保证浓密机在高料位下不压耙,一般通过增设循环系统使料浆始终处于活化状态,降低耙架运行阻力.然而,目前循环参数对底流的影响规律不明确,造成系统的设计及应用缺乏科学依据,为此开展了循环参数对底流的调控研究.分析循环系统的作用原理,将循环系统作用范围划分为两大区域,揭示循环参数对底流的调控机制,运用微积分原理对区域内的底流体积分数变化进行求解,最终建立浓密机底流调控数学模型.最后,利用该模型对底流循环实验参数进行验证.研究结果表明:开启底流循环后,底流体积分数开始降低并最终趋于稳定,底流体积分数差随着循环流量及循环高度增大而增大,体积分数变化幅度为0.7%~2.2%,稳定所需时间随流量及高度增加而减小.该理论模型完全吻合验证结果函数,为循环系统的设计及运行提供理论依据

从安钢电极控制的实际应用出发,应用数据挖掘技术建立了电极预测模型并应用于电极控制系统的参数整定.首先介绍了建立电极预测模型的数据挖掘过程;然后在数据挖掘算法中提出了一种新的变结构遗传Elman网络方法,该算法用改进的混合遗传算法对网络结构和权值及自反馈增益同步动态寻优.将基于BP算法的Elman网络和本文提出的变结构遗传Elman网络都应用于安钢交流电弧炉的电极预测模型中进行比较.通过基于安钢现场数据的计算机仿真实验表明:采用变结构遗传Elman网络的数据挖掘算法比BP算法具有更好的动态性能、更快的逼近速度和更高的精度.在此基础上,把建立的模型应用于安钢电极控制系统的参数整定,取得了良好的控制效果

针对联合循环发电厂(combined cycle power plant,CCPP)煤气系统因工况变化频繁带来的模型与过程不匹配的问题,提出一种基于OS-ELM (online sequential extreme learning machine)的CCPP副产煤气燃料系统在线性能预测方法.首先通过分析副产煤气系统各主要组成部件的工作原理,利用流体力学、质量守恒以及能量守恒等关系,建立起以离心压缩机、煤水分离器、冷却器等为核心部件的副产煤气系统机理模型.利用OS-ELM算法和滑动窗口技术对机理模型的输出误差进行修正,实现副产煤气系统出口参数的精确预测和模型的快速在线更新.仿真实验证明,该方法能够准确地预测副产煤气系统的输出压比和温比,并能够跟踪煤气系统工况的变化和特性的漂移,满足实际工业生产的需求

矿用车辆无人驾驶是实现矿山无人化开采的关键技术, 而路径跟踪控制是无人驾驶系统的核心技术之一.路径跟踪控制系统是多变量、多约束系统, 采用传统方法在多约束条件下存在执行器饱和等问题.针对上述问题, 本文引入模型预测控制方法, 通过考虑车辆的姿态与位置之间的关系, 以跟踪路径的横向偏差最小化和车辆的航向角偏差最小化为目标对预测控制的目标函数进行优化, 以获得车辆速度和铰接角度的最优控制量, 实现对多变量、多约束系统的求解.针对模型预测控制算法不能提前判断道路曲率突变而导致跟踪超调的问题, 提出基于预瞄距离的控制方法, 通过提前判断道路突变信息, 提高车辆路径跟踪精确性和稳定性.使用Matlab/Adams仿真软件进行对比仿真试验, 结果表明: 使用模型预测跟踪控制器能够解决多变量、多约束系统控制问题, 有效防止执行器饱和; 而使用基于预瞄距离的模型预测跟踪控制器能够使车辆的横向位置偏差保持在±0.04 m, 航向角偏差保持在±1.8°范围内, 相较于改进前的控制器, 其横向位置偏差减少了80.9%, 航向角偏差减少了59.1%, 证明改进后的控制器具有更好的横向稳定性和精确性