一、基于遗传算法的神经网络控制器的设计及应用（论文文献综述）
孙建其[1]（2021）在《基于FPGA的皮肤打印机控制系统设计与研究》文中研究说明近年来,因烧伤、交通事故等原因,皮肤损伤或功能缺失的病例数量持续上升,生物再生材料和移植皮肤的缺口逐年增加,这对我国健康医疗事业提出了新的挑战。因此,在十四五规划中,国家将生命科学和信息技术上升到国家科技战略层面,期望研发新技术以改变传统的自体移植皮肤烧伤治疗方案。在此基础上,3D生物打印技术逐渐兴起,被广泛的应用于皮肤组织再生领域,为皮肤烧伤治疗提供了新方向。然而,现有的3D生物打印技术在皮肤打印的稳定性和打印速度方面还不理想。针对现有问题,本文将设计一款专用于打印皮肤的3D打印机控制系统,加快打印速度,提高打印的稳定性。主要研究内容如下:（1）设计了生物3D皮肤打印机的硬件结构。以FPGA为主控制器,设计了其外围电路、雾化电路和加热电路,同时采用电磁阀和气压挤出相结合的方式解决了现有打印机的拖尾和出料不均匀的问题。（2）实现了基于遗传算法优化神经网络的步进电机转速控制方法。本文利用基于遗传算法优化神经网络的PID控制器来实时调节步进电机的转速,改善了传统PID控制器只能应用于线性和时不变的工作场景,解决了现有打印机的速度和稳定性的问题。同时将训练好的网络在FPGA上实现,利用FPGA并行性和流水线的特性,大大提高了算法的运行速度,节约了功耗。（3）构建了基于FPGA的生物3D皮肤打印软件控制系统。本文利用FPGA并行性和流水线的特性,在FPGA上设计了打印机的软件控制系统,提高了系统的速度和稳定性,缓解了电机在快速启动和停止过程中造成的电机磨损问题。主要包括系统的通信模块、加减速控制器以及神经网络在FPGA上实现。（4）完成了生物3D皮肤打印机集成测试。研究了0-60℃温度范围内的系统温控精度,使温控精度达到0.3℃以内;对PC端和FPGA的通信进行重复实验,证明了系统通信正确性以及稳定性;最后研究了实物打印方法,打印时间缩短近10%;明显改善了打印线条和皮肤支架的稳定性
温慧婷[2]（2021）在《偏压式扫描离子电导显微镜关键技术研究》文中进行了进一步梳理扫描离子电导显微镜（SICM）作为扫描探针显微镜（SPM）家族的一员,自1989年问世以来,历过三十年的发展,已实现表面形貌测量、纳米尺度操作、细胞体积测量、细胞机械性质研究、细胞动力学研究等功能,并广泛应用于生命科学、医学、材料学及纳米加工等领域。在实际应用中,SICM具有原位非接触扫描、生理条件下实时观测、高时空分辨率等优势,在表面柔软样本的无损检测方面有显着的优势,成为了活体生物样本的重要测量工具。随着SICM应用的不断推广,性能的改进和功能的扩展成为了研究的必然趋势。由于现有SICM系统结构不尽合理,系统振动对测量精度产生不利影响;探针夹持器功能单一、探针制作难度大、成本高,这些都不利于SICM推广使用;压电微动平台对外表现出迟滞特性,影响定位精度;扫描模式单一、控制方式无法选择等,使SICM在追求高精度纳米测量领域的应用受限。基于现有的SICM系统具有优势但又存在明显不足的发展现状,对SICM的关键技术进行研究,研制出偏压式扫描离子电导显微镜（B-SICM）,并通过系统结构、扫描模式、迟滞建模和控制方法等方面的优化和创新,降低了经济成本、拓展了使用功能、实现了高精度扫描,使B-SICM具有广阔的市场价值。本文的主要研究内容如下:（1）通过对SICM的工作原理分析和工作模式比较,确定了偏压式扫描离子电导显微镜的工作原理,进行了系统模块划分和方案设计。对比多种工作模式的原理、优缺点和适用条件,偏压模式因其具有稳定、抗干扰、长时间工作的优点,适合对复杂样本进行扫描成像,将其应用于本文B-SICM的优化设计。根据探针尖端电阻模型和偏压模式等效电路图,证明了流经扫描探针中的电极与放置于培养皿溶液中的电极之间的离子电流仅与探针尖端-样品距离d有关,与其他因素无关,因此将B-SICM回路电流作为反馈信号控制探针在样本表面上的位移,探针的移动轨迹即为样本的三维形貌。在此基础上,进行B-SICM系统方案设计和功能模块划分,为B-SICM系统关键部件设计及原型机搭建打下基础。（2）根据偏压式扫描离子电导显微镜设计方案,基于理论分析和有限元仿真结果,对B-SICM系统进行了优化。采用悬臂梁理论设计了夹持器安装架的结构,并用限元分析验证夹持器安装架参数的合理性,减少共振对测量安全性和准确性的影响。在此设计的基础上,根据夹持器安装架模态分析结果,即不同模态下的固有频率均高于7.52k H,为压电陶瓷驱动器的选择提供了依据。对光学照明系统进行了优化,设计了可同时实现玻璃微探针固定和观测探针尖端位置光线照明的玻璃探针夹持与照明装置,克服了传统探针光路易被遮挡、结构松散易引入扰动等弊端（专利已授权）。利用聚氨酯泡沫塑料的减震性质,在M-112.1和P-753.21之间加装聚氨酯泡沫塑料材料制作的减振块,并以此构建系统减震结构,使M-112.1滑块的形变量降低了93.87%,仅为0.073nm,有效降低了振动形变对系统控制精度的影响。（3）为降低压电陶瓷迟滞特性对控制精度的影响,优化了自适应进化BP神经网络算法,采用了基于鲸鱼算法的BP神经网络算法,建立了拟合度高、适用于B-SICM的迟滞模型。根据关键少数法则优化遗传算法的选择算子,在交叉和变异阶段增加自适应因子,并采用改进的遗传算法优化BP神经网络的初始值,提高了算法的收敛速度,使其具有良好的全局最优性及鲁棒性,避免陷入局部最优解。基于鲸鱼算法的BP神经网络算法采用元启发式鲸鱼算法建立多项式迟滞模型,利用此多项式模型扩张输入空间,采用神经网络算法实现一对一的映射关系,通过此模型对压电陶瓷驱动器迟滞非线性进行高度拟合。实验结果表明:自适应进化BP神经网络算法和基于鲸鱼算法的BP神经网络算法的辨识效果明显优于其他辨识方法,基于鲸鱼算法的BP神经网络算法的曲线拟合误差平方和仅为0.399μm2,最大拟合误差较常用算法降低了42.69%-77.42%,因此将其作为迟滞逆模型的建模方法应用于B-SICM微动平台的前馈控制。（4）为提高探针在样本测量时的定位精度,提出了FRAMAC控制法。利用基于鲸鱼算法的BP神经网络建模方法直接建立压电陶瓷驱动器的输出位移和输入电压的迟滞逆模型,利用此模型对压电陶瓷的迟滞特性进行补偿线性化,即省去了求逆的复杂运算,也保证了前馈逆模型的准确性。在此基础上,引入滑动平均控制作为反馈环节,并采用自校正的方式时时更新控制率参数,提高反馈控制的鲁棒性,将前馈控制和RAMAC反馈控制结合在一起,形成FRAMAC复合控制法。实验结果表明:该算法使迟滞量从17.64%降低为2.51%,定位误差远小于当今广泛使用的PID算法。（5）通过实验验证了自主构建的偏压式扫描离子电导显微镜具有合理性和可靠性,通过扫描方式和控制方法的优化获得了样品的高精度图像,质量高于SICM。通过均分法试验,总结探针拉制参数的规律,利用其结果拉制符合实验要求的探针。采用B-SICM测量回路电流计算玻璃探针尖端半径,并将此数据与SEM、膜片钳技术测量的结果进行比较,验证了B-SICM实验平台的有效性。进行探针-样本接近实验及重复性实验,连续多次的测量结果表现出了明显的一致性,验证了B-SICM实验平台的稳定性。在以上实验的基础上,采用不同路径对标准样品进行三维成像,验证了FRAMAC控制方法在探针微动定位方面的准确性,实现了B-SICM对样品的非接触式高分辨率实时成像。
顾瑞恒[3]（2021）在《车辆磁流变半主动空气悬架系统控制策略研究》文中指出随着经济的发展和科学技术的进步,人们的生活质量逐渐提高,汽车已成为必备的出行工具,与此同时车辆的乘坐舒适性以及行驶平顺性成为了人们关注的焦点,其中抑制车辆振动的悬架起着至关重要的作用。磁流变阻尼器（Magnetorheolocial Damper,MRD）作为一种新型的智能隔振器件,因具有耗能低、响应速度快、输出阻尼力顺逆可调,且有价格低、制造工艺简单、阻尼效果良好等优点,在车辆悬架减振控制中得到广泛应用。由于主动悬架的制造成本过高,其将被动悬架的阻尼元件以及空气弹簧采用主动作动器代替,导致耗能增大,且至今国内外研究人员还没有解决这一难题,因此基于磁流变阻尼器的半主动悬架刚好解决了被动悬架与主动悬架所存在的缺陷,使半主动悬架的研究成为国内外的热点。基于此,本文以空气悬架系统为研究对象,开展了以下几个方面的研究:1、阐述了磁流变液以及磁流变阻尼器的原理,并在此基础上设计加工了一款双出杆剪切阀式磁流变阻尼器。搭建了阻尼悬架的振动试验系统,对阻尼器的性能进行测试分析。对磁流变阻尼器的正向动力学模型进行详细的总结,选用了改进双曲正切模型,利用遗传算法辨识该模型参数,并比较辨识结果与试验数据的吻合度,结果显示所辨识的模型精度较高,可用于后续的半主动控制中。同时设计了磁流变阻尼器的ANFIS逆模型,通过仿真验证其有效性。2、考虑实际车辆行驶路况,分别建立了随机路面与冲击路面输入模型。对空气弹簧刚度进行建模,并以此建立了1/4车空气悬架模型,通过仿真得到时域内的动力学特性。同时,对空气悬架模型进行拉普拉斯变换得到悬架性能指标的传递函数,利用幅频特性曲线分析了悬架阻尼、悬架刚度以及轮胎刚度对减振效果的影响。3、在上文搭建的磁流变阻尼器模型与空气悬架模型的基础上设计了模糊PID控制器。针对模糊PID控制策略中,PID控制器参数整定复杂,模糊规则不确定,提出了Fuzzy-PID开关切换控制策略（FPSC）。当误差较小时,采用PID控制能减小系统的超调量,使系统尽快稳定;当误差较大时,采用Fuzzy控制能获得良好的动态特性,从而改善半主动悬架的控制效果。最后,通过在随机路面下的时域与频域仿真以及在冲击路面下时域的仿真分析可知,模糊PID控制器与Fuzzy-PID开关切换控制策略都能有效的改善悬架的性能,且Fuzzy-PID开关切换控制策略效果更佳。另外,基于磁流变阻尼器的ANFIS逆模型,设计了滑模控制器。针对滑模变结构控制出现的“抖振”现象,引入了模糊控制策略,设计了模糊滑模控制器,通过在随机路面下的时域与频域仿真分析可知,模糊控制与滑模变结构结合可有效抑制“抖振”对控制精度的影响,又确保了系统的稳定性。最后,对本文所设计的四种控制算法进行比较分析可知,本文所提的fuzzy-PID开关切换控制与Fuzzy-SMC在悬架减振效果方面要优于常规的模糊PID与滑模控制。
王承强[4]（2021）在《动力换挡变速箱控制器故障检测系统研究》文中认为动力换挡变速箱（Power Shift Transmission PST）是拖拉机传动系统的核心部件之一,所以PST控制器需满足高可靠性、低故障率的要求。在投入使用前,控制器需要进行大量的测试,本文研究动力换挡变速箱控制器故障检测和测试序列优化方法,基于硬件在环（Hardware in loop HIL）平台开发了动力换挡控制器故障检测系统。本文结合动力换挡控制器的工作原理,分析控制器测试需求,确定了控制器故障检测系统功能,设计了动力换挡控制器故障检测系统总体方案,完成动力换挡控制器HIL测试平台硬件选型,设计开发了功率级负载箱,并通过试验验证负载箱的安全性。利用AMESim建立了动力换挡变速箱模型,基于Veri Stand和Lab VIEW开发故障检测系统上位机软件,实现了动力换挡控制器的功率级HIL测试。基于神经网络研究动力换挡控制器故障检测算法,分析LVQ神经网络进行故障检测的原理,对LVQ神经网络存在的初始权值敏感问题进行优化改进,分别将MEA和PSO算法与LVQ神经网络结合,构建出MEA-LVQ和PSO-LVQ神经网络模型,再利用动力换挡控制器的测试数据进行训练。将优化后的MEA-LVQ神经网络和PSO-LVQ神经网络分别用于测试集验证中,经测试结果分析得出,基于MEA-LVQ神经网络的故障检测算法用于动力换挡控制器的故障检测效果较好。本文分析了测试用例设计方法,设计了动力换挡控制器测试用例,研究了测试序列优化生成方法,将遗传算法、组合式算法应用于测试序列的优化中,优化生成测试序列并进行对比分析,利用测试序列实现了动力换挡控制器部分自动化测试。利用标定软件标定所开发的动力换挡控制器故障检测系统电流电压等信号,建立动力换挡控制器振动模型,完成控制器的振动仿真和振动试验,经仿真与试验结果分析得出控制器的危险易损频率,采集控制器在经历危险易损频率后的各项数据用于故障检测算法训练验证。完成动力换挡控制器故障检测系统的动力换挡、故障注入与检测等试验,验证了动力换挡控制器故障检测系统的各项功能。
郭博辉[5]（2021）在《鸡腿菇采摘机器人轨迹跟踪控制研究》文中研究指明传统鸡腿菇的采摘和加工主要靠人工劳作,其中不可食用的根部切削是整个加工流程最费时费力的一道流程,实现根部自动化切削是目前急需解决的关键问题,机器人的应用给解决这一问题提供了契机。因鸡腿菇自身较脆,采摘加工过程对机器人的核心-“控制器”要求较高;基于运动学位置误差控制对伺服驱动器要求较高,且机器人发生意外,不能及时做出响应,造成机器人损坏甚至对工作人员的生命安全产生威胁。基于动力学模型力矩误差控制,可以保证机器人关节高精度轨迹跟踪控制,同时也改善了机器人的动态特性,提高了误差收敛速度。本文在鸡腿菇采摘加工流程设计的基础上,对夹取机构的机器人展开基于动力学模型力矩误差控制研究,实现机器人高效、平稳、快速的抓取鸡腿菇。本文主要研究内容有:首先设计了整套鸡腿菇采摘加工的工艺流程。将整个采摘流程的机械系统分为采摘机构、传送机构、夹取机构、切削机构。通过对目前市面上主要机器人的应用分析决定利用SCARA机器人作为夹取机构的机器人。其次建立了夹取机构机器人的运动模型和动力学模型;利用机器人的D-H参数变换解出机器人的正运动学和逆运动学模型,求出机器人的雅可比矩阵实现机器人工作空间和任务空间的坐标转换;以拉格朗日法建立夹取机构的机器人动力学模型,对于机器人关节存在摩擦,利用线性函数逼近Stribeck摩擦模型。通过线性变换消去一些线性相关的动力学参数,求出了机器人动力学最小参数集。然后由于夹取机构的机器人动力学参数未知,采用理论辨识法对其动力学参数辨识。为了提高参数辨识精度,重点对辨识算法进行了优化改进,采用改进优化后的遗传算法替代传统最小二乘法。然后按照动力学参数辨识基本流程对夹取机构的机器人的参数辨识。最后通过实验验证了优化改进的遗传参数辨识的精度比最小二乘法高,可以替代最小二乘法作为参数辨识的算法,对抓取机构机器人轨迹跟踪控制提供了动力学模型。最后对夹取机构的机器人的轨迹跟踪控制展开研究。辨识的动力学参数无法与实际值完全相等,影响动力学模型精度的因素主要为建模时摩擦模型不精确和外界干扰。因此以计算力矩控制作为主控制器,然后对未建模（外界干扰和摩擦建模不精确）非线性部分采用模糊RBF神经网络自适应补偿控制策略。设计的模糊RBF神经网络是一个具有五层结构的Mamdani型,动态调整径向基函数的中心和宽度。利用模糊RBF神经网络逼近动力学未建模部分非线性部分进行反馈控制,引入滑模面抑制机器人抖动。仿真实验表明,采用了模糊RBF神经网络补偿控制策略比单纯的计算力矩控制降低了关节跟踪误差和时滞性。实现了机器人高精度轨迹跟踪控制和平面定位,为机器人抓取鸡腿菇提供了高效、平稳、快速的控制策略。
李宏伟[6]（2020）在《前端调速式风电机组并网运行自适应预测控制研究》文中进行了进一步梳理交通能源互联网的发展为风电、光伏等新能源的消纳提供了新的途径,在加速交通信息化、网格化、多元化的同时推动了新能源的多场景应用,促进了交通、电力、能源行业的深度融合和协同发展。前端调速式风电机组作为一种电网友好型机组,采用液力变矩装置实现对机组转速的调节,并利用电励磁同步发电机与电网直接耦合,在结构上解决了传统机组依赖变流器进行并网控制和转速调节的局限性。本文通过深入分析前端调速式风电机组的结构特性和影响其运行控制的诸多因素,从机组建模入手,针对机组并网控制性能不佳的问题,重点开展了以下几方面创新性研究工作:（1）详细分析了前端调速式风电机组的基本运行原理,根据机组并网自适应预测控制的需求,基于机组的能量转化过程,建立了风力机输出功率模型、机组传动链的动态模型、电励磁同步发电机的五阶模型和励磁系统模型,为机组的并网自适应预测控制的提供了基础。（2）针对前端调速式风电机组液力变矩器恒转速控制难以实现的问题,设计了基于变论域的导叶可调式液力变矩器的模糊控制器,并采用多种群遗传算法进行了参数优化,实现了论域伸缩因子的智能寻优,提高了液力速度控制的精度和速度,使得前端调速式风电机组在受到风速波动、电网侧干扰等因素的影响时,其输出转速能够保持在一定误差范围之内,确保了液力变矩器泵轮和发电机输入轴的恒转速运行,为机组输出电压频率的稳定性提供了保障。（3）针对前端调速式风电机组输出功率不稳的问题,将多模型预测控制思想引入机组的输出功率控制,通过对机组实测运行数据的模糊聚类建模,将模糊C-均值聚类与多模型预测控制方法相结合,确定了机组的各种运行场景并设计了相应的模型切换预测控制器,有效解决了机组并网功率控制中存在的随机性和不确定性问题,提高机组输出功率的稳定性。（4）针对机组并网运行过程的电压波动问题,基于预测控制的思想,设计了用于机组并网电压控制的广义自适应预测控制器,将广义预测控制算法与反向传播神经网络相结合,对机组的输出电压进行跟踪控制,减小了机组并网电压的波动;根据电网对机组低电压穿越的要求,进一步设计了基于多目标遗传算法的预测控制器,在实现机组各子系统协调控制的同时保障了机组的低电压穿越特性。（5）为明确机组并网电压稳定性,建立了由前端调速式风电机组组成的风电场并网的微分代数方程,基于非线性动力学思想,利用分岔理论对机组并网后的运行电压从稳定到失稳、直至崩溃的整个过程进行了研究,揭示了无功功率与风速对前端调速式风电机组的影响规律,发现随着负荷侧无功功率的增大,负荷节点的电压将逐渐减小,当无功功率超过某一定值时,系统平衡解流形上将会出现鞍结分岔点,机组达到运行极限状态;当风速小于额定风速时,其变化对负荷节点处的电压影响较小,当风速超过14.8m/s时,系统电压开始逐渐失稳。
李远凯[7]（2020）在《基于RBF神经网络的挖掘机工装轨迹控制研究》文中认为挖掘机作为土方工程机械,以其高适应性、高性价比的优点广泛应用于国民经济建设的各个领域。传统挖掘机工作装置（工装）系统运行存在时间迟滞性和控制精度差的问题,阻碍了挖掘机自动化发展。随着机械智能控制理论的逐渐深入,挖掘机智能化控制备受关注。本文将RBF神经网络引入挖掘机工装轨迹控制进行研究,以寻求更佳的控制效果,研究工作如下:（1）分析挖掘机工装轨迹控制的基本组成,现有存在问题与不足,制定RBF神经网络工装轨迹控制的总体研究方案;通过工作装置建模,基于ADAMS分析挖掘装载作业的基本特点及工作装置各铰接点的载荷变化。（2）建立挖掘机工装轨迹控制系统的数学模型,选用徐工XE65D型挖掘机工作装置基本参数,确定工装系统动臂、斗杆及其他环节的传递函数,对动臂与斗杆控制系统基于Simulink建模,仿真分析其控制效果。（3）对工装轨迹控制系统进行PID控制器设计以调节系统误差,对比分析加入PID算法的控制效果,采用神经网络智能化控制理论,分析基于神经网络PID的工装轨迹控制策略,通过MATLAB的S-Function分别对动臂及斗杆等控制系统进行BP神经网络和RBF神经网络的PID控制器设计,仿真得到系统在测试信号下的响应效果。（4）分析遗传算法的基本特点和优化流程,引入粒子群算法位置更新原理对其改进,对RBF神经网络工装轨迹控制进行优化,并基于工装控制系统仿真平台得到系统测试信号下的响应结果;通过实验环节分析工作装置铲斗末端在水平挖掘模拟实验的控制效果,进一步验证优化后的RBF神经网络工装轨迹控制的可行性。本文通过误差调节对挖掘机工装轨迹控制进行研究,仿真与实验结果表明:GA-RBF工装轨迹控制精度较高、鲁棒性好,控制误差较PID控制减少了 10mm,精度提高77%,研究结果对挖掘机自动化发展具有一定的借鉴意义。
孙雨萌[8]（2020）在《永磁同步电机ADRC参数自整定设计及实现》文中指出永磁同步电机因结构简单、易于维护、能够适应恶劣环境等优势,被广泛应用于数字工业控制领域中,但其属于非线性、多变量、强耦合的时变系统,对于控制策略的性能要求较高。自抗扰控制策略利用非线性函数的特殊组合,将被控对象简化为积分串联型,以实现对扰动的抑制及补偿,解决PID控制策略中响应速度与超调性间的矛盾,使非线性控制系统呈现更强的鲁棒性。因此,将自抗扰控制策略应用到永磁同步电机调速系统中,进一步提升调速系统的动态性能。为减轻自抗扰控制器应用过程中的高频颤振现象,分析标准自抗扰控制器各组成部分及控制原理,设计在原点周围连续、光滑的esctfal),,（??函数对其内部原有非线性函数进行改进,并基于esctfal）,,(??函数设计新型状态观测器。应用Lyapunov渐近稳定引理推导出新型观测器收敛的充分条件,通过非线性系统的仿真对比,验证了新型观测器的跟踪值动态曲线具有更好的连续性与光滑性。设计永磁同步电机电流、速度、位置环一阶自抗扰控制系统。通过总结智能算法在自抗扰控制器参数整定中的优势与不足,给出一种核模糊聚类划分子种群的双种群遗传算法（KFC-DPGA）,并应用多类型测试函数验证KFC-DPGA算法的性能。基于KFC-DPGA算法设计自抗扰控制器参数离线自整定策略,通过转速突变、负载突变情形下的仿真对比,验证了该ADRC参数离线寻优方法设计的有效性。为进一步提升位置环自抗扰控制系统的响应速度,将位置、速度环数学模型进行整合,设计永磁同步电机双闭环二阶自抗扰控制系统。针对永磁同步电机实际运行过程中内部参数时变的现象,设计一种基于RBF神经网络在线辨识的状态观测器,以减轻观测压力。通过负载突变、负载波动情形下的仿真对比,验证了该ADRC参数在线自整定方法与非线性、时变的位置、速度环控制模型的适配性。为验证仿真结果在实际工程中的可实施性,结合高性能数字集成电路及STM32微处理器搭建伺服系统硬件实验平台,依据永磁同步电机自抗扰控制系统数学模型,设计系统主程序、中断服务子程序及永磁同步电机自抗扰控制系统子程序。通过永磁同步电机位置、速度信号的实测实验,验证了改进非线性函数及自抗扰控制策略参数自整定结果的强鲁棒性。
陈炜[9]（2020）在《模型失配情形下典型热工过程PI控制器性能评估及优化重整定》文中提出PI控制在热工过程控制中得到了广泛的应用,在控制回路投运后,随着运行时间的推移,被控对象特性往往会发生变化,使得描述当前被控对象特性的过程模型（简称实际模型）与当初控制器设计阶段使用的过程模型（简称设计模型）不再匹配,这种现象被称为模型失配。模型失配可能会对控制性能造成不良影响,轻则导致控制品质下降,重则威胁热力设备的安全运行。因此,有必要在模型失配发生后对过程模型进行重新辨识、对控制性能受到的影响进行量化评估并对控制器进行重新整定以改善控制性能。本文针对上述三方面内容开展了优化研究,主要的研究内容和成果如下:（1）针对模型失配情形下的过程模型辨识问题,提出一种基于BP神经网络回归建模的模型辨识方法。该方法定义了闭环设定值阶跃响应的特征量,并利用BP神经网络建立了过程模型参数与上述特征量之间的关联关系,根据建立的关系可以利用闭环响应特征量辨识出失配后的过程模型。仿真结果表明,与传统的基于BFGS、GA优化算法的辨识方法相比,所提出的方法具有较好的辨识精度和稳定性。（2）针对模型失配情形下PI控制器的性能变化评估问题,提出一种基于模型参数辨识的控制性能量化评估方法,对模型参数变化给控制性能造成的影响进行量化评估。该方法通过推导失配后的过程模型参数与控制性能指标之间的关系式从而获得模型失配后的控制性能指标,进而通过性能指标归一化的方式对控制性能受到的影响进行量化评估。评估结果可为控制器参数是否需要重整定提供判断依据。与已有研究相比,所提出的方法将过程模型的适用范围从一阶时延模型拓展到二阶时延模型和二阶等容时延模型,并将控制性能的评估范围从负载扰动抑制性能和鲁棒性两个方面增至设定值跟踪性能、负载扰动抑制性能和鲁棒性三个方面。（3）针对模型失配情形下的PI控制器参数重整定问题,提出一种以鲁棒性为约束条件、以设定值跟踪性能和负载扰动抑制性能折中优化为目标的控制器参数整定方法。该方法将控制器整定问题转化为基于遗传算法的寻优问题,优化目标是使两种控制性能指标尽可能逼近各自可实现的最优值,并选择鲁棒性指标作为约束条件。与已有研究相比,本文提出的方法能够使设定值跟踪和负载扰动抑制性能在优化后取得更好的折中效果,并且综合来看控制性能较整定前得到了更大程度的改善。
张磊[10]（2020）在《电磁主动隔振系统建模与控制方法研究》文中认为大型设备和精密仪器在运行时,产生的振动不仅会对周围环境造成影响,还会降低自身性能。为了保证设备和仪器的正常运转,各种隔振系统和振动控制方法已经被开发出来用于振动控制。电磁主动隔振系统因为刚度和阻尼可变、可控性灵活、控制方法多样、响应速度快等优点近年来得到重点关注,开始应用于机械加工装备、精密仪器和机械系统等领域。本文在查阅和分析国内外相关研究现状的基础上,对电磁隔振系统的内部元件优化与系统设计、非线性分析与建模、电磁隔振系统控制策略、多隔振单元并联的电磁隔振系统控制问题进行了深入研究。论文的主要工作如下:（1）基于COMSOL仿真软件,对隔振元件设计进行了参数优化,在对常见的主动隔振系统模型进行分析的基础上,设计了一种简单、合理的电磁主动隔振系统结构。基于COMSOL仿真数据和实验数据,建立了电磁隔振系统中电磁力与线圈电流和间隙之间的非线性关系。针对电磁隔振系统的控制模型建立困难问题,根据电磁力与控制电流和间隙的关系,结合隔振单元的力学过程,提出了基于数据和机理的建模方法。为了验证提出的建模方法的有效性,应用常规PID控制器对电磁主动隔振系统进行仿真和实验。仿真和实验结果验证了隔振系统建模方法的有效性和主动控制的可实现性。（2）提出了一种基于等效刚度和阻尼系数的控制方法,根据隔振系统动态性能指标的期望范围,计算得到电磁力的等效刚度系数和阻尼系数的范围,并利用遗传算法在该范围内计算最优的等效刚度和等效阻尼系数,从而避免PID控制器的参数整定问题。通过拟合电磁力与线圈电流和间隙之间的非线性关系表达式,从而建立线圈电流与等效刚度和阻尼系数之间的关系,实现控制线圈电流满足隔振系统动态性能指标的目的。此外,为了实现电磁隔振系统的变参数控制,减小系统的最大超调量和振荡次数,借助分段控制思想,提出了基于分段等效刚度和阻尼系数的控制方法,实现在每个控制时刻采用最优的控制参数,解决系统时域性能中超调量和稳定时间的冲突。仿真和实验结果表明,基于等效刚度和阻尼系数的控制方法可以获得较为理想的系统动态性能指标,而基于变参数控制的分段等效刚度和阻尼系数的控制方法不仅可以减小系统的稳定时间,还可以保证电磁隔振系统和负载具有平稳性。（3）以电磁隔振系统的状态空间表达式为基础,提出了基于线性二次型调节器和协同小生境遗传算法的电磁隔振系统控制方法,实现隔振单元控制电流的优化控制目的。针对LQR控制器中目标函数的权值取值问题,提出利用协同小生境遗传算法计算最优参数,通过计算目标函数得到最优控制电流。为了实现电磁隔振系统的时变控制,在每个控制时刻根据实际情况获得不同的最优控制参数,进一步提高最优控制器的性能,提出了基于滚动时域控制和协同变染色体长度遗传算法的电磁隔振系统控制方法。针对RHC控制器中目标函数的参数取值问题,提出了一种基于协同变染色体长度的遗传算法,利用染色体的长度来代表并优化预测水平和控制水平,染色体的大小来代表并优化位移变化量以及电磁力的权重。根据得到的最优权值矩阵,求解目标函数获得每个时刻的最优控制变量。仿真和实验以及与状态反馈控制方法的对比仿真验证了所提出的主动控制方法均可以有效地控制振动,使电磁隔振系统和被隔振体具有平稳性。（4）针对单个隔振单元隔振范围和隔振力受限问题,设计了多隔振单元并联的电磁隔振系统,并提出了多隔振单元并联系统的LQR和RHC控制器。对于多隔振单元并联系统的LQR和RHC控制问题,根据建立的多隔振单元并联的电磁隔振系统模型,将多单元控制性能指标转换为目标函数,并分别利用协同小生境遗传算法和协同变染色体长度遗传算法对目标函数中的权值矩阵进行优化。仿真和实验结果表明基于所提出的目标函数的主动控制方法对可以有效地控制振动,保证多个隔振单元在受到扰动后具有相同的运动轨迹,使多隔振单元并联的电磁隔振系统和被隔振体保持平稳性,减小耦合振动对双隔振单元并联系统的影响。
二、基于遗传算法的神经网络控制器的设计及应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于遗传算法的神经网络控制器的设计及应用（论文提纲范文）
（1）基于FPGA的皮肤打印机控制系统设计与研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.2 生物3D打印技术 |
| 1.2.1 基于材料挤压的3D生物打印技术 |
| 1.2.2 基于光的生物打印技术 |
| 1.2.3 负空间打印生物打印技术 |
| 1.3 3D打印机研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 课题研究意义和主要研究内容 |
| 1.4.1 课题研究意义 |
| 1.4.2 本文章节安排 |
| 第2章 皮肤打印机的整体设计及硬件平台的搭建 |
| 2.1 皮肤打印机需求分析 |
| 2.2 皮肤打印机整体设计 |
| 2.2.1 皮肤打印机的方案选择 |
| 2.2.2 皮肤打印机的总体设计 |
| 2.3 FPGA的选择及其外围电路的搭建 |
| 2.3.1 电源电路的设计 |
| 2.3.2 时钟电路的设计 |
| 2.3.3 USB转UART电路的设计 |
| 2.3.4 下载电路的设计 |
| 2.3.5 QSPI FLASH电路的设计 |
| 2.4 打印机的喷头电路设计 |
| 2.4.1 电磁阀喷头控制电路 |
| 2.4.2 气压控制电路 |
| 2.5 打印机的雾化电路设计 |
| 2.6 打印平台温度控制电路设计 |
| 2.6.1 温度采集电路 |
| 2.6.2 加热电路 |
| 2.7 电机控制电路设计 |
| 2.8 系统硬件电路实物图 |
| 2.9 本章小结 |
| 第3章 遗传算法优化BP神经网络的PID控制器 |
| 3.1 引言 |
| 3.2 常见的PID控制器原理 |
| 3.2.1 传统PID控制原理 |
| 3.2.2 模糊PID控制原理 |
| 3.3 基于改进BP神经网络的PID控制器 |
| 3.3.1 BP神经网络 |
| 3.3.2 遗传算法的相关理论 |
| 3.3.3 遗传算法优化BP神经网络 |
| 3.3.4 基于遗传算法优化BP神经网络的PID控制器 |
| 3.4 本章小结 |
| 第4章 FPGA软件设计 |
| 4.1 引言 |
| 4.2 通信模块的实现 |
| 4.2.1 通信协议的设定 |
| 4.2.2 UART协议 |
| 4.2.3 解析模块 |
| 4.3 加减速控制器模块的实现 |
| 4.3.1 梯形加减速控制器 |
| 4.3.2 FPGA实现加减速控制器 |
| 4.4 神经网络的硬件实现 |
| 4.4.1 定点数计算 |
| 4.4.2 加法树的实现 |
| 4.4.3 乘法器的实现 |
| 4.4.4 参数存储部件的实现 |
| 4.4.5 激活函数的实现 |
| 4.5 本章小结 |
| 第5章 3D皮肤打印机集成测试 |
| 5.0 引言 |
| 5.1 硬件测试 |
| 5.1.1 喷头控制测试部分 |
| 5.1.2 温度控制测试 |
| 5.2 通信测试 |
| 5.2.1 测试软件简介 |
| 5.2.2 串口通信测试 |
| 5.3 打印实物展示 |
| 5.3.1 皮肤支架的打印以及测试 |
| 5.3.2 打印细胞测试图 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（2）偏压式扫描离子电导显微镜关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 扫描探针显微镜概述 |
| 1.1.2 扫描离子电导显微镜概述 |
| 1.2 SICM关键技术国内外研究现状 |
| 1.2.1 SICM系统设计研究现状 |
| 1.2.2 SICM扫描模式研究现状 |
| 1.2.3 微动平台建模研究现状 |
| 1.2.4 微动平台控制研究现状 |
| 1.3 论文的研究意义、内容及技术路线 |
| 第二章 偏压式扫描离子电导显微镜方案设计 |
| 2.1 B-SICM系统工作模式选择 |
| 2.1.1 SICM系统主流工作模式对比 |
| 2.1.2 B-SICM系统工作模式的确定 |
| 2.2 B-SICM系统工作原理 |
| 2.3 B-SICM系统模块划分 |
| 2.4 B-SICM系统设计方案 |
| 2.5 本章小结 |
| 第三章 偏压式扫描离子电导显微镜关键部件设计及原型机搭建 |
| 3.1 B-SICM扫描头设计 |
| 3.1.1 B-SICM夹持器安装架结构设计 |
| 3.1.2 玻璃探针夹持与照明装置系统设计 |
| 3.1.3 B-SICM三维扫描平台设计 |
| 3.2 B-SICM软件系统设计 |
| 3.3 B-SICM减振屏蔽系统设计 |
| 3.3.1 B-SICM减振块设计 |
| 3.3.2 B-SICM减震台的选择 |
| 3.3.3 B-SICM屏蔽罩设计 |
| 3.4 B-SICM其他部件选择 |
| 3.5 B-SICM整体系统构建 |
| 3.6 本章小结 |
| 第四章 偏压式扫描离子电导显微镜微动平台的迟滞建模 |
| 4.1 压电陶瓷微动平台的迟滞特性及模型比较 |
| 4.1.1 压电陶瓷驱动器的特性 |
| 4.1.2 迟滞模型的比较与选择 |
| 4.2 基于自适应进化BP神经网络算法的迟滞模型构建 |
| 4.2.1 BP神经网络算法 |
| 4.2.2 基于迟滞特性改进遗传算法 |
| 4.2.3 自适应进化BP神经网络算法 |
| 4.3 基于鲸鱼算法的BP神经网络算法的迟滞模型构建 |
| 4.3.1 鲸鱼算法 |
| 4.3.2 基于鲸鱼算法的BP神经网络算法 |
| 4.4 B-SICM微动平台迟滞模型建模对比 |
| 4.4.1 自适应进化BP神经网络建模结果 |
| 4.4.2 基于鲸鱼算法的BP神经网络建模结果 |
| 4.4.3 基于B-SICM微动平台的建模结果比较 |
| 4.5 本章小结 |
| 第五章 偏压式扫描离子电导显微镜微动平台的非线性控制 |
| 5.1 基于鲸鱼算法的BP神经网络算法的前馈控制器设计 |
| 5.2 基于鲁棒自适应控制算法的反馈控制器设计 |
| 5.2.1 滑动平均控制 |
| 5.2.2 自适应控制 |
| 5.2.3 鲁棒控制 |
| 5.3 基于B-SICM微动平台的FRAMAC复合控制器设计 |
| 5.4 基于B-SICM微动平台的FRAMAC复合控制仿真结果 |
| 5.5 基于B-SICM微动平台的FRAMAC复合控制实验结果 |
| 5.6 本章小结 |
| 第六章 偏压式扫描离子电导显微镜的实验 |
| 6.1 B-SICM的原理验证实验方案 |
| 6.2 玻璃微探针尖端形貌测量对比实验 |
| 6.2.1 玻璃微探针的拉制 |
| 6.2.2 SEM测量尖端形貌 |
| 6.2.3 膜片钳测量尖端电阻 |
| 6.2.4 B-SICM测量尖端电阻 |
| 6.3 探针-样本接近实验 |
| 6.3.1 实验步骤 |
| 6.3.2 实验结果 |
| 6.4 基于B-SICM系统的样品扫描实验 |
| 6.4.1 实验步骤 |
| 6.4.2 实验结果 |
| 6.5 本章小结 |
| 第七章 结论与展望 |
| 7.1 主要结论 |
| 7.2 本文创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 攻读博士学位期间科研成果简介 |
| 致谢 |
（3）车辆磁流变半主动空气悬架系统控制策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号说明 |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 磁流变液与磁流变阻尼器的研究现状 |
| 1.2.1 磁流变液的研究现状 |
| 1.2.2 磁流变阻尼器的研究发展现状 |
| 1.3 空气弹簧与空气悬架的研究现状 |
| 1.3.1 空气弹簧的分类及对比 |
| 1.3.2 空气悬架的研究现状 |
| 1.4 磁流变半主动空气悬架的研究发展现状 |
| 1.5 磁流变阻尼器的控制方法研究进展 |
| 1.6 本文主要研究内容 |
| 第二章 磁流变阻尼器设计试验及动力学建模 |
| 2.1 磁流变液的流变特性 |
| 2.2 磁流变阻尼器的工作原理及模式 |
| 2.3 磁流变阻尼器的结构设计 |
| 2.3.1 总体结构设计 |
| 2.3.2 结构参数设计 |
| 2.4 磁流变阻尼器的性能测试分析 |
| 2.5 磁流变阻尼器正向动力学模型及其参数辨识 |
| 2.5.1 正向动力学模型 |
| 2.5.2 遗传算法基本原理 |
| 2.5.3 基于遗传算法的改进双曲正切模型参数辨识 |
| 2.6 磁流变阻尼器逆向动力学模型的建立 |
| 2.6.1 逆向动力学模型 |
| 2.6.2 自适应神经模糊推理系统 |
| 2.6.3 磁流变阻尼器的ANFIS逆模型 |
| 2.7 本章小结 |
| 第三章 车辆空气悬架系统建模及减振性能分析 |
| 3.1 悬架系统性能评价指标 |
| 3.2 路面输入模型 |
| 3.1.1 随机路面输入模型 |
| 3.1.2 冲击路面输入模型 |
| 3.3 车辆半主动空气悬架系统建模 |
| 3.3.1 空气弹簧的弹性模型 |
| 3.3.2 车辆空气悬架模型 |
| 3.3.3 二自由度1/4车空气悬架时域仿真分析 |
| 3.4 悬架参数对1/4 车辆空气悬架减振效果的影响分析 |
| 3.4.1 悬架阻尼对减振效果的影响分析 |
| 3.4.2 悬架刚度对减振效果的影响分析 |
| 3.4.3 轮胎刚度对减振效果的影响分析 |
| 3.5 本章小结 |
| 第四章 车辆半主动空气悬架Fuzzy-PID开关切换控制研究 |
| 4.1 模糊控制基本理论 |
| 4.2 PID控制基本原理 |
| 4.3 模糊自适应整定PID控制器设计 |
| 4.4 Fuzzy-PID开关切换控制策略 |
| 4.4.1 模糊控制器设计 |
| 4.4.2 PID控制器设计 |
| 4.5 Fuzzy-PID开关切换控制仿真研究 |
| 4.5.1 随机路面输入仿真 |
| 4.5.2 冲击路面输入仿真 |
| 4.6 本章小结 |
| 第五章 车辆半主动空气悬架模糊滑模控制策略研究 |
| 5.1 滑模变结构控制理论 |
| 5.1.1 滑模变结构控制定义 |
| 5.1.2 滑模变结构控制的基本性质 |
| 5.2 半主动空气悬架滑模控制器设计 |
| 5.2.1 滑模控制器的参考模型 |
| 5.2.2 误差动力学方程 |
| 5.2.3 滑模切换面的设计 |
| 5.2.4 滑模控制率的设计 |
| 5.3 模糊滑模控制器的设计 |
| 5.4 模糊滑模控制仿真研究 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 个人简历在读期间获得的科研成果及奖励 |
| 致谢 |
（4）动力换挡变速箱控制器故障检测系统研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 控制器测试技术国内外研究现状 |
| 1.2.1 控制器测试技术概述 |
| 1.2.2 故障检测技术研究现状 |
| 1.2.3 测试序列自动生成优化方法研究现状 |
| 1.3 本文研究内容 |
| 2 动力换挡控制器故障检测系统开发 |
| 2.1 故障检测系统总体方案设计 |
| 2.1.1 故障检测系统需求分析 |
| 2.1.2 故障检测系统总体方案 |
| 2.2 故障检测系统硬件设计 |
| 2.2.1 PXI系统硬件选型 |
| 2.2.2 功率级负载箱设计 |
| 2.3 动力换挡传动系统建模 |
| 2.4 故障检测系统上位机软件开发 |
| 2.5 本章小结 |
| 3 基于人工神经网络的控制器故障检测方法研究 |
| 3.1 人工神经网络概述 |
| 3.1.1 人工神经网络模型 |
| 3.1.2 人工神经网络的特点及分类 |
| 3.2 基于神经网络故障检测方法 |
| 3.3 LVQ神经网络优化研究 |
| 3.3.1 LVQ神经网络模型 |
| 3.3.2 MEA-LVQ神经网络 |
| 3.3.3 PSO-LVQ神经网络 |
| 3.4 动力换挡控制器故障检测试验 |
| 3.4.1 动力换挡控制器故障数据获取 |
| 3.4.2 故障检测试验结果对比分析 |
| 3.5 本章小结 |
| 4 动力换挡控制器测试用例设计及序列优化 |
| 4.1 动力换挡控制器测试用例设计 |
| 4.1.1 测试用例设计方法 |
| 4.1.2 基于正常工况的测试用例设计 |
| 4.1.3 基于故障状态的测试用例设计 |
| 4.1.4 测试用例导入 |
| 4.2 动力换挡控制器测试序列优化方法研究 |
| 4.2.1 测试序列研究方法 |
| 4.2.2 基于遗传算法的测试序列优化 |
| 4.2.3 基于组合式算法的测试序列优化 |
| 4.2.4 测试序列优化方法对比 |
| 4.3 本章小结 |
| 5 动力换挡控制器故障检测系统试验 |
| 5.1 故障检测系统开环标定 |
| 5.1.1 系统信号标定 |
| 5.1.2 负载箱标定 |
| 5.2 动力换挡控制器振动试验 |
| 5.2.1 控制器振动建模及仿真 |
| 5.2.2 控制器振动试验 |
| 5.3 故障检测系统测试试验 |
| 5.3.1 正常工况下动力换挡测试试验 |
| 5.3.2 故障注入与故障检测试验 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）鸡腿菇采摘机器人轨迹跟踪控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景意义 |
| 1.2 机器人动力学研究现状 |
| 1.2.1 动力学建模研究现状 |
| 1.2.2 动力学参数辨识研究现状 |
| 1.3 基于动力学模型轨迹控制研究现状 |
| 1.4 本文研究内容 |
| 第2章 鸡腿菇采摘加工流程及控制方案设计 |
| 2.1 引言 |
| 2.2 鸡腿菇采摘加工整体流程设计 |
| 2.3 夹取机构机器人选型 |
| 2.4 总体控制方案的设计 |
| 2.4.1 动力学参数辨识步骤 |
| 2.4.2 影响动力学参数辨识精度的因素分析 |
| 2.4.3 鸡腿菇控制总体方案 |
| 2.5 本章小结 |
| 第3章 机器人运动学与动力学 |
| 3.1 引言 |
| 3.2 运动学分析 |
| 3.2.1 运动学建模 |
| 3.2.2 机器人正运动学 |
| 3.2.3 机器人逆运动学 |
| 3.2.4 雅克比矩阵 |
| 3.3 动力学分析 |
| 3.3.1 拉格朗日动力学方程推导 |
| 3.3.2 摩擦模型 |
| 3.3.3 机器人动力学建模 |
| 3.3.4 动力学最小参数集 |
| 3.4 本章小结 |
| 第4章 动力学参数辨识设计 |
| 4.1 引言 |
| 4.2 激励轨迹设计 |
| 4.2.1 激励轨迹优化 |
| 4.2.2 激励轨迹参数求解 |
| 4.3 算法改进 |
| 4.3.1 遗传算法 |
| 4.3.2 遗传算法的改进 |
| 4.4 数据的处理方式 |
| 4.5 实验验证 |
| 4.6 本章小结 |
| 第5章 基于动力学参数辨识模型轨迹控制研究 |
| 5.1 引言 |
| 5.2 计算力矩控制 |
| 5.3 模糊RBF神经网络控制优化设计 |
| 5.3.1 机器人模糊控制系统结构设计 |
| 5.3.2 模糊控制简述 |
| 5.3.3 模糊控制器设计 |
| 5.3.4 RBF神经网络 |
| 5.3.5 模糊RBF神经网络结构设计 |
| 5.3.6 模糊RBF神经网络控制器设计 |
| 5.4 仿真验证 |
| 5.4.1 计算力矩控制仿真 |
| 5.4.2 模糊RBF神经网络控制 |
| 5.4.3 仿真结果对比 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 致谢 |
（6）前端调速式风电机组并网运行自适应预测控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 前端调速式风电机组的研究现状 |
| 1.2.2 风电机组并网自适应预测控制的研究现状 |
| 1.3 本文的主要研究内容 |
| 2 前端调速式风电机组的建模 |
| 2.1 前端调速式风电机组的基本原理 |
| 2.2 风力机的建模 |
| 2.2.1 风电机组的能量转化过程 |
| 2.2.2 风力机输出功率模型 |
| 2.3 前端调速式风电机组传动链建模 |
| 2.4 电励磁同步发电机模型 |
| 2.5 同步发电机励磁系统的模型 |
| 2.6 小结 |
| 3 基于变论域模糊控制的机组导叶可调式液力变矩器控制 |
| 3.1 导叶可调式液力变矩器的工作原理 |
| 3.2 基于多种群遗传优化算法的变论域控制器设计 |
| 3.2.1 变论域模糊控制 |
| 3.2.2 变论域伸缩因子 |
| 3.2.3 控制器设计 |
| 3.3 仿真结果及分析 |
| 3.4 小结 |
| 4 前端调速式风电机组并网功率自适应预测控制 |
| 4.1 机组实测数据的模糊聚类建模 |
| 4.1.1 数据集模糊聚类 |
| 4.1.2 最小二乘法建模 |
| 4.2 广义预测控制器的设计 |
| 4.2.1 广义自适应预测控制的原理 |
| 4.2.2 目标函数的建立 |
| 4.2.3 最优输出的确定 |
| 4.2.4 最优控制律设计 |
| 4.2.5 性能指标函数的确立 |
| 4.3 仿真分析 |
| 4.4 小结 |
| 5 前端调速式风电机组并网电压自适应控制 |
| 5.1 并网电压的广义自适应预测控制 |
| 5.1.1 广义自适应预测控制器设计 |
| 5.1.2 仿真分析 |
| 5.2 基于多目标遗传算法的机组低电压穿越预测控制 |
| 5.2.1 前端调速式风电机组低电压运行原理 |
| 5.2.2 低电压穿越协调控制策略 |
| 5.2.3 基于遗传算法的机组多目标预测控制 |
| 5.3 对称故障下机组低电压穿越特性仿真分析 |
| 5.4 不对称故障下机组低电压穿越特性仿真分析 |
| 5.5 小结 |
| 6 前端调速式风电机组并网电压稳定性分析 |
| 6.1 前端调速式风电机组并网模型建立 |
| 6.1.1 分岔理论基础 |
| 6.1.2 含前端调速式风电机组电力系统微分代数方程的建立 |
| 6.1.3 含前端调速式风电机组的风电场并网模型 |
| 6.2 前端调速式风电机组并网电压稳定性的分岔分析 |
| 6.2.1 系统无功负荷变化对其电压稳定性的影响 |
| 6.2.2 风速变化对系统电压稳定性的影响 |
| 6.3 小结 |
| 结论与展望 |
| 致谢 |
| 参考文献 |
| 附录A 附录内容名称 |
| 攻读学位期间的研究成果 |
（7）基于RBF神经网络的挖掘机工装轨迹控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 挖掘机工装轨迹控制研究现状 |
| 1.2.1 挖掘机自动化发展历程 |
| 1.2.2 国外研究现状 |
| 1.2.3 国内研究现状 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 2 挖掘机工装轨迹控制系统分析 |
| 2.1 工装轨迹控制系统基本组成 |
| 2.1.1 驱动控制系统 |
| 2.1.2 液压控制系统 |
| 2.1.3 信号采集系统 |
| 2.2 工作装置三维模型的构建 |
| 2.3 动力学分析 |
| 2.4 本章小结 |
| 3 工装轨迹控制建模与仿真分析 |
| 3.1 工装轨迹控制系统数学模型建立 |
| 3.1.1 动臂与斗杆液压缸的传递函数 |
| 3.1.2 电液比例阀及角度传感器的传递函数 |
| 3.1.3 其他环节传递函数 |
| 3.2 工装轨迹控制仿真分析 |
| 3.2.1 动臂控制仿真结果 |
| 3.2.2 斗杆控制仿真结果 |
| 3.3 工装轨迹PID控制算法 |
| 3.3.1 常规PID控制 |
| 3.3.2 数字PID控制 |
| 3.3.3 自校正PID控制 |
| 3.3.4 仿真结果分析 |
| 3.4 本章小结 |
| 4 神经网络工装轨迹控制策略 |
| 4.1 神经网络PID控制算法 |
| 4.1.1 神经网络模型结构 |
| 4.1.2 神经网络PID控制 |
| 4.1.3 BP神经网络控制 |
| 4.1.4 仿真结果分析 |
| 4.2 RBF神经网络控制基本原理 |
| 4.2.1 RBF神经网络与BP网络的比较 |
| 4.2.2 RBF神经网络结构 |
| 4.2.3 RBF神经网络学习算法 |
| 4.3 工装轨迹RBF神经网络控制结果 |
| 4.4 本章小结 |
| 5 RBF神经网络工装轨迹控制优化 |
| 5.1 RBF神经网络控制优化过程 |
| 5.1.1 遗传算法基本特点 |
| 5.1.2 粒子群算法位置更新原理 |
| 5.1.3 改进的遗传算法优化流程 |
| 5.2 工装轨迹控制优化仿真分析 |
| 5.2.1 网络的训练 |
| 5.2.2 控制器的仿真分析 |
| 5.3 工装轨迹控制模拟实验 |
| 5.3.1 挖掘实验设定 |
| 5.3.2 实验结果对比分析 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（8）永磁同步电机ADRC参数自整定设计及实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 永磁同步电机控制策略概述 |
| 1.3 自抗扰控制器及其参数整定策略 |
| 1.3.1 自抗扰控制策略概述 |
| 1.3.2 自抗扰控制器参数整定策略 |
| 1.4 本文的主要研究内容 |
| 第二章 永磁同步电机数学模型及自抗扰控制策略 |
| 2.1 永磁同步电机矢量控制技术 |
| 2.1.1 矢量控制策略及坐标变换 |
| 2.1.2 永磁同步电机数学模型 |
| 2.1.3 空间矢量脉宽调制技术 |
| 2.2 标准自抗扰控制策略 |
| 2.2.1 微分跟踪器 |
| 2.2.2 状态扩张观测器 |
| 2.2.3 非线性状态误差反馈控制率 |
| 2.3 新型自抗扰控制策略 |
| 2.3.1 连续光滑非线性函数设计 |
| 2.3.2 新型状态观测器收敛性证明 |
| 2.3.3 新型状态观测器光滑性验证 |
| 2.4 本章小结 |
| 第三章 永磁同步电机三闭环ADRC参数离线自整定设计 |
| 3.1 三闭环ADRC模型设计 |
| 3.1.1 电流环一阶自抗扰控制器设计 |
| 3.1.2 速度环一阶自抗扰控制器设计 |
| 3.1.3 位置环一阶自抗扰控制器设计 |
| 3.2 改进双种群遗传算法 |
| 3.2.1 双种群遗传算法 |
| 3.2.2 改进双种群遗传算法 |
| 3.2.3 算法性能测试 |
| 3.3 基于改进双种群遗传算法的ADRC参数离线自整定设计 |
| 3.3.1 ADRC参数离线自整定设计步骤 |
| 3.3.2 内环ADRC参数自整定仿真 |
| 3.3.3 外环ADRC参数自整定仿真 |
| 3.4 本章小结 |
| 第四章 永磁同步电机位置、速度环ADRC参数在线自整定设计 |
| 4.1 位置、速度环二阶ADRC模型设计 |
| 4.1.1 二阶微分跟踪器设计 |
| 4.1.2 三阶状态扩张观测器设计 |
| 4.1.3 非线性误差反馈控制率设计 |
| 4.2 基于RBF神经网络的ADRC参数在线自整定设计 |
| 4.2.1 RBF神经网络概述 |
| 4.2.2 ADRC参数在线自整定设计 |
| 4.2.3 位置、速度环RBF-ADRC仿真分析 |
| 4.3 本章小结 |
| 第五章 永磁同步电机ADRC软硬件系统设计及实现 |
| 5.1 控制系统硬件模块设计 |
| 5.1.1 主控制器模块 |
| 5.1.2 信号采样模块 |
| 5.1.3 功率驱动模块 |
| 5.1.4 外围电路模块 |
| 5.2 控制系统软件程序设计 |
| 5.2.1 系统主程序设计 |
| 5.2.2 中断服务子程序设计 |
| 5.2.3 ADRC算法子程序设计 |
| 5.3 控制系统实验结果及分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（9）模型失配情形下典型热工过程PI控制器性能评估及优化重整定（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状与分析 |
| 1.2.1 过程模型闭环辨识研究现状 |
| 1.2.2 PI控制回路性能评估研究现状 |
| 1.2.3 PI控制器参数整定研究现状 |
| 1.3 本文研究内容及论文框架 |
| 第二章 模型失配情形下的过程模型闭环辨识 |
| 2.1 引言 |
| 2.2 PI控制回路结构及过程模型 |
| 2.3 闭环设定值阶跃响应的特征量 |
| 2.4 基于BP神经网络回归建模的模型辨识 |
| 2.4.1 BP神经网络 |
| 2.4.2 模型参数与闭环响应特征量关系建模 |
| 2.5 模型辨识精度指标 |
| 2.6 仿真研究与分析 |
| 2.6.1 过程模型为FOPTD模型的情形 |
| 2.6.2 过程模型为SOPTD模型的情形 |
| 2.6.3 过程模型为CSOPTD模型的情形 |
| 2.7 本章小结 |
| 第三章 模型失配情形下PI控制器的性能变化评估 |
| 3.1 引言 |
| 3.2 PI控制器性能评价方法 |
| 3.2.1 设定值跟踪性能 |
| 3.2.2 负载扰动抑制性能 |
| 3.2.3 鲁棒性性能 |
| 3.3 模型失配与PI控制器性能变化的关系 |
| 3.3.1 模型失配与设定值跟踪性能变化的关系 |
| 3.3.2 模型失配与负载扰动抑制性能变化的关系 |
| 3.3.3 模型失配与控制回路鲁棒性变化的关系 |
| 3.4 控制性能变化评估仿真研究 |
| 3.4.1 过程模型为FOPTD模型的情形 |
| 3.4.2 过程模型为SOPTD模型的情形 |
| 3.4.3 过程模型为CSOPTD模型的情形 |
| 3.5 本章小结 |
| 第四章 模型失配情形下PI控制器的重整定 |
| 4.1 引言 |
| 4.2 PI参数稳定域 |
| 4.3 遗传算法基本原理 |
| 4.4 基于遗传算法的PI控制器折中优化方法 |
| 4.4.1 PI参数优化问题的目标函数和约束条件构建 |
| 4.4.2 控制性能下降和改善程度的综合评价指标 |
| 4.5 PI控制器参数优化仿真研究与分析 |
| 4.5.1 过程模型为FOPTD模型的情形 |
| 4.5.2 过程模型为SOPTD模型的情形 |
| 4.5.3 过程模型为CSOPTD模型的情形 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 致谢 |
| 参考文献 |
| 作者在硕士研究生阶段发表的论文 |
（10）电磁主动隔振系统建模与控制方法研究（论文提纲范文）
| 论文创新点 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究的背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 主被动隔振系统研究现状 |
| 1.2.2 电磁隔振系统结构研究现状 |
| 1.2.3 主动隔振系统建模研究现状 |
| 1.2.4 隔振系统控制方法研究现状 |
| 1.3 问题的提出 |
| 1.4 本文的主要工作 |
| 2 电磁隔振系统元件优化与建模 |
| 2.1 引言 |
| 2.2 电磁隔振系统元件的优化设计 |
| 2.2.1 电磁隔振系统元件的形状优化 |
| 2.2.2 电磁隔振系统元件的参数优化 |
| 2.3 电磁隔振系统模型分析 |
| 2.4 电磁隔振系统的结构设计与建模 |
| 2.4.1 电磁隔振系统的结构设计 |
| 2.4.2 电磁隔振系统的建模 |
| 2.4.3 基于数据建模和PID控制器的仿真分析 |
| 2.4.4 基于数据建模和PID控制器的实验分析 |
| 2.5 本章小结 |
| 3 基于等效刚度和阻尼系数的主动控制方法 |
| 3.1 引言 |
| 3.2 隔振系统非线性关系和动力学方程 |
| 3.2.1 电磁隔振系统非线性关系 |
| 3.2.2 电磁隔振系统动力学方程 |
| 3.3 基于等效刚度的主动控制方法 |
| 3.3.1 系统动态性能指标 |
| 3.3.2 等效刚度系数优化 |
| 3.3.3 基于等效刚度系数的控制框图 |
| 3.3.4 基于等效刚度系数的仿真结果 |
| 3.4 基于等效刚度和阻尼系数的主动控制方法 |
| 3.4.1 系统动态性能指标 |
| 3.4.2 参数优化和控制框图 |
| 3.4.3 基于等效刚度和阻尼系数的仿真结果 |
| 3.4.4 基于等效刚度和阻尼系数的实验分析 |
| 3.5 基于分段等效刚度和阻尼系数的控制方法 |
| 3.5.1 分段策略 |
| 3.5.2 基于分段等效刚度和阻尼系数的控制框图 |
| 3.5.3 基于分段等效刚度和阻尼系数的仿真分析 |
| 3.5.4 基于分段等效刚度和阻尼系数的实验分析 |
| 3.6 本章小结 |
| 4 基于状态空间和协同遗传算法的主动控制方法 |
| 4.1 引言 |
| 4.2 系统状态空间描述 |
| 4.2.1 基本定义 |
| 4.2.2 隔振系统状态空间表达式 |
| 4.2.3 离散化 |
| 4.3 基于LQR和协同小生境遗传算法的控制方法 |
| 4.3.1 线性二次型最优控制 |
| 4.3.2 小生境遗传算法 |
| 4.3.3 协同算法 |
| 4.3.4 仿真分析 |
| 4.3.5 实验分析 |
| 4.4 基于RHC和协同变染色体长度遗传算法的控制方法 |
| 4.4.1 滚动时域优化 |
| 4.4.2 协同变染色体长度遗传算法 |
| 4.4.3 仿真分析 |
| 4.4.4 实验分析 |
| 4.5 仿真对比分析 |
| 4.6 本章小结 |
| 5 多隔振单元并联的电磁隔振系统控制方法 |
| 5.1 引言 |
| 5.2 多隔振单元并联的电磁隔振系统结构设计与建模 |
| 5.2.1 双隔振单元并联系统的结构设计与建模 |
| 5.2.2 三隔振单元并联系统的结构设计与建模 |
| 5.3 双隔振单元并联的电磁隔振系统控制方法 |
| 5.3.1 基于LQR和 NGA的双隔振单元并联系统控制方法 |
| 5.3.2 基于RHC和 CGAVLC的双隔振单元并联系统控制方法 |
| 5.4 三隔振单元并联的电磁隔振系统控制方法 |
| 5.4.1 基于LQR和 NGA的三隔振单元并联系统控制方法 |
| 5.4.2 基于RHC和 CGAVLC的三隔振单元并联系统控制方法 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻博期间发表的科研成果目录 |
| 致谢 |
四、基于遗传算法的神经网络控制器的设计及应用（论文参考文献）
- [1]基于FPGA的皮肤打印机控制系统设计与研究[D]. 孙建其. 太原理工大学, 2021(01)
- [2]偏压式扫描离子电导显微镜关键技术研究[D]. 温慧婷. 四川大学, 2021(01)
- [3]车辆磁流变半主动空气悬架系统控制策略研究[D]. 顾瑞恒. 华东交通大学, 2021
- [4]动力换挡变速箱控制器故障检测系统研究[D]. 王承强. 北京交通大学, 2021(02)
- [5]鸡腿菇采摘机器人轨迹跟踪控制研究[D]. 郭博辉. 兰州理工大学, 2021(01)
- [6]前端调速式风电机组并网运行自适应预测控制研究[D]. 李宏伟. 兰州交通大学, 2020(01)
- [7]基于RBF神经网络的挖掘机工装轨迹控制研究[D]. 李远凯. 西安科技大学, 2020(01)
- [8]永磁同步电机ADRC参数自整定设计及实现[D]. 孙雨萌. 大连交通大学, 2020(06)
- [9]模型失配情形下典型热工过程PI控制器性能评估及优化重整定[D]. 陈炜. 东南大学, 2020(01)
- [10]电磁主动隔振系统建模与控制方法研究[D]. 张磊. 武汉大学, 2020(03)