针对网络控制系统(networked control system,NCS)中随机时延导致系统性能下降的问题,利用粒子群优化(particle swarm optimization,PSO)的最小二乘支持向量机(least square support vector machine,LSSVM)建立NCS中随机时延预测模型,...针对网络控制系统(networked control system,NCS)中随机时延导致系统性能下降的问题,利用粒子群优化(particle swarm optimization,PSO)的最小二乘支持向量机(least square support vector machine,LSSVM)建立NCS中随机时延预测模型,精确预测未来时刻的时延;同时利用该预测算法预测的时延通过快速隐式广义预测控制算法对NCS随机时延进行补偿。仿真结果表明,PSO优化的LS-SVM算法对随机时延具有较高的预测精度,同时快速隐式广义预测控制算法可使系统的输出很好地跟踪参考轨迹,保证系统良好的控制效果。展开更多
在原子力显微镜(atomic force microscope,AFM)扫描样品时,控制参数调节困难,依赖于操作经验.本文基于在线动态模型辨识,提出了一种AFM系统广义预测自校正控制与成像方法.首先,利用CARIMA(controlled autoregressive and moving-average...在原子力显微镜(atomic force microscope,AFM)扫描样品时,控制参数调节困难,依赖于操作经验.本文基于在线动态模型辨识,提出了一种AFM系统广义预测自校正控制与成像方法.首先,利用CARIMA(controlled autoregressive and moving-average)参数模型来描述局部线性化后的AFM系统模型,并通过在线动态模型辨识得到线性化模型的参数;基于该模型,采用基于GPC(generalized predictive control)的优化方法,在线求解类PI(proportional integral)控制器的参数,进而得到一种具有控制参数自动调整功能的AFM成像方法.为了验证本文方法的有效性,进行了仿真与实验测试.结果表明,在AFM扫描速度不同或PI参数选择不恰当的情况下,该方法能够自动地调整控制器参数,从而减小控制误差,提高成像精度.展开更多
文摘针对网络控制系统(networked control system,NCS)中随机时延导致系统性能下降的问题,利用粒子群优化(particle swarm optimization,PSO)的最小二乘支持向量机(least square support vector machine,LSSVM)建立NCS中随机时延预测模型,精确预测未来时刻的时延;同时利用该预测算法预测的时延通过快速隐式广义预测控制算法对NCS随机时延进行补偿。仿真结果表明,PSO优化的LS-SVM算法对随机时延具有较高的预测精度,同时快速隐式广义预测控制算法可使系统的输出很好地跟踪参考轨迹,保证系统良好的控制效果。
文摘在原子力显微镜(atomic force microscope,AFM)扫描样品时,控制参数调节困难,依赖于操作经验.本文基于在线动态模型辨识,提出了一种AFM系统广义预测自校正控制与成像方法.首先,利用CARIMA(controlled autoregressive and moving-average)参数模型来描述局部线性化后的AFM系统模型,并通过在线动态模型辨识得到线性化模型的参数;基于该模型,采用基于GPC(generalized predictive control)的优化方法,在线求解类PI(proportional integral)控制器的参数,进而得到一种具有控制参数自动调整功能的AFM成像方法.为了验证本文方法的有效性,进行了仿真与实验测试.结果表明,在AFM扫描速度不同或PI参数选择不恰当的情况下,该方法能够自动地调整控制器参数,从而减小控制误差,提高成像精度.
