【摘 要】
：
针对基本PID控制的快速性问题或被控对象的非线性问题,变参数PID控制可能是一种很好的解决方案.但是变参数PID控制的实现需要一定的经验.本文将专家控制与变参数PID控制相结合,深入讨论变参数PID专家控制器的设计方法与参数整定问题.仿真研究表明,变参数PID专家控制器具有较好的快速性和一定的鲁棒性.
【机 构】
：
福州大学电气工程与自动化学院,福州,350002
论文部分内容阅读
针对基本PID控制的快速性问题或被控对象的非线性问题,变参数PID控制可能是一种很好的解决方案.但是变参数PID控制的实现需要一定的经验.本文将专家控制与变参数PID控制相结合,深入讨论变参数PID专家控制器的设计方法与参数整定问题.仿真研究表明,变参数PID专家控制器具有较好的快速性和一定的鲁棒性.
其他文献
相关反馈技术提供了填补图像检索中低级特征与高层语义之间的巨大鸿沟的方法.本文从解决反馈图像信息量不足入手,提出了一种利用簇的主动学习构建伪相关反馈样例挑选算法.首先利用KNN将样例聚类成簇,在簇挑选后进行基于簇主动学习的伪相关反馈方法构建SVM超平面,挑选超平面附近样例进行反馈,并完成SVM检索器的构造.利用多例主动学习思想减小了主动学习中分类器抖动问题,在检索中表现优于伪相关反馈算法和主动学习算
传统的信息系统建模都是采用数据建模的方法,但这些数据模型在表示本质上相同的事物的时候也会存在不一致性,导致这些数据模型的复用性不高,共享度不高.由于本体是对领域知识的一致理解的明确规范说明,是高度共享,可复用,形式化的模型,是解决数据模型存在的不足的最自然的方法,因此,我们在信息系统建模中引入了本体技术.现有的本体建模方法有很多,但都不是用于信息系统建模的,所以,针对信息系统建模的特点,我们提出了
数据仓库里面存在大量脏数据,为了更好的支持决策分析,必须清洗数据.本文提出一种新的基于数据挖掘关联规则的清洗算法,并对其进行了实验分析.
技术与科学的发展历来是互动的.人工智能技术的开发为智能科学提供了有益的思想资源,同时它的进一步发展也需要得到智能科学的指导.智能科学是整个信息科学的重心,它的建立和完善,如同众多的领域信息学一样,需要理论信息学的基础.本文的目的是说明信息科学的概念与结构,介绍理论信息学的基本框架和主要内容,并着重指出信息能是智能科学的基础概念,因为智能是一般信息能的特例,即在人类社会层次上的信息能.人工智能技术的
在智能科学中,脑科学和心理学从人的信息系统硬件和软件两个方面分别研究智能活动的规律.在智能技术中,符号主义和联接主义的技术路线相应地采用了功能模拟和结构模拟的方法,来实现人类智能的机械化与电子化.本文从跨学科研究的角度,通过人类大脑与认知活动的可塑现象,分析智能技术的巨大潜力和某些局限性.笔者认为,生物脑的可塑性和心理活动的社会性是人工智能技术所不可能完全模拟的,智能机器硬件和软件的进步存在着不可
基于所定义的产品模块及模块化设计基本概念,综合运用人工智能(AI)知识表达直观方便、数据库(DB)数据存取快捷高效、对象分析(OOA)层次分明等各自的优点,系统地建立了基于知识的广义的参数化的模块模型,以及关系化的产品模块化数据库以及层次化的产品模块化设计的体系结构,可充分满足产品全生命周期数据分析与管理、产品配置管理、产品快速原型设计、虚拟制造等现代设计与制造技术要求,为绿色产品模块化设计提供了
本文在研究基于实例推理(CBR,Case-basedReasoning)基本原理基础上,引入批量因子描述生产批量变化,建立了面向变批量生产的CBR的工艺规划模型,包括零件模型、实例工艺库、实例检索机制、实例修正和存储等.根据CBR原理,提出了CBR工艺规划算法,采用层次分析法进行实例特征属性权重的确定,并通过加大批量因子的权重来提高生产批量变化对工艺的影响.根据这种算法,最后以箱体类零件为例对面向
蚁群算法是近几年来迅速发展起来的、得到广泛应用的优化算法.本文针对蚁群算法存在的问题,从选择策略、信息素更新、变异、蚂蚁数目变化等多方面对蚁群算法提出了改进,并用于解决TSP问题,应用结果表明这一改进算法具有良好的性能.
本文介绍了智体在通讯网络管理中的应用,指出了基于智体的网络管理系统相对于传统客户/服务器网络管理系统的优点,并给出了基于智体的网络管理系统的设计思路:采用移动智体、群智能、经济模型的设计方法,最后介绍了各种设计方法在网络管理中的应用实例.
基于Newton算法,本文导出了一种用于TLS估计的自学习算法,讨论了它在自适应滤波器方面的应用.证明LMS算法和约束反Hebbian自学习算法(ConstrainedAnti-HebbianLearningAlgorithm)是本文提出的算法的两个特例.仿真结果表明,该算法的噪声剔出能力和收敛速度优于LMS算法和ConstrainedAnti-Hebbian自学习算法.