基于改进跟踪微分器的增量动态逆控制器设计

针对大迎角飞行控制过程中存在的强气动非线性和模型不确定性,提出一种基于改进跟踪微分器的增量动态逆控制方法。考虑飞行器大迎角飞行姿态控制动力学特性,设计了外环为动态逆、内环为增量动态逆的控制器。针对采用传统跟踪微分器获得增量动态逆所需的角加速度信息时存在的信号颤振和滤波效果差的问题,采用非线性函数和线性函数结合的方式,设计了一种改进的跟踪微分器。通过大迎角飞行数值仿真,验证了设计的跟踪微分器在准确提取角加速度的同时具有一定的抗噪性,基于此微分器设计的增量动态逆控制器对气动不确定性具有鲁棒性。

自适应逆控制的研究综述

自适应逆控制是一种很新颖的控制系统设计方法。本文对自适应逆控制的研究现状与存在的问题进行综述,主要包括自适应逆控制的模型描述、自适应滤波算法的性能分析、自适应逆控制的无模型方法和神经网络方法等内容,并介绍了自适应逆控制的一些应用成果。最后探讨了有待进一步研究的课题方向。

基于复合正交神经网络的自适应逆控制系统

目前,在自适应逆控制系统中常采用BP神经网络,而BP网络存在算法复杂、易陷入局部极小解等不足。而正交神经网络能克服BP网络的不足,但由于正交神经网络学习算法存在某些局限性,提出了一种复合正交神经网络,该正交网络结构与三层前向正交网络相同,不同的是正交网络的隐单元处理函数采用带参数的Sigmoid函数的复合正交函数,该神经网络算法简单,学习收敛速度快,并能对网络的函数参数进行优化,为非线性系统的动态建模提供了一种方法。仿真实验表明,网络在用于过程的自适应逆控制中具有很高的控制精度和自适应学习能力。该动态神经网络比其它神经网络具有更强的建模能力与学习适应性,有线性、非线性逼近精度高等优异特性,非常适合于实时控制系统。

基于干扰观测器的新一代歼击机鲁棒飞行逆控制器设计

基于干扰观测器设计了新一代歼击机的鲁棒飞行逆控制器。根据时标分离的原则 ,将机动飞机分为快慢不同的回路。采用动态逆方法设计了快回路和慢回路控制器 ,并在慢回路用干扰观测器估计飞机所受的扰动 ,同时 ,用于在线补偿动态逆误差。仿真结果表明 。

非线性逆控制研究浅析

回顾和总结逆控制系统的研究现状,从理论和应用的角度分析已用于非线性系统的逆控制方法,包括神经网络逆控制,自适应逆控制和将神经网络引入逆控制的一种基于神经网络自适应逆控制。最后,提出进行非线性系统逆控制设计需要解救的一些关键问题。

稳定平台的自适应逆控制

为提高稳定平台的性能指标,满足其高精度、快响应的要求,实现对目标的实时跟踪,对稳定平台的控制方法进行了研究。首先,根据自适应逆控制的基本原理设计出稳定平台自适应逆控制系统的结构。然后,采用模型参考自适应逆作为控制器来完成稳定平台转轴的控制并尝试利用其开环特性来改进稳定平台的控制性能。稳定平台模型辨识和控制器的设计算法都采用最小二乘法(LSM),最后分别采用传统的PID控制和自适应逆控制分析比较其输出效果。仿真结果显示,采用自适应逆控制时的定位精度可达29″,表明采用自适应逆控制的稳定平台具有响应快、无超调、抗干扰能力强以及稳态误差小等优点,其动、静态性能均优于常规的PID控制。

一种基于逆模糊模型的自适应逆控制方法

利用模糊逆建模方法,结合自适应逆控制思想,提出了一种基于模糊逆模型的自适应逆控制方法。首先利用模糊系统理论对未知非线性对象进行离线逆建模,得到模糊逆模型;然后将对象与初始逆模型进行串联,利用LMS算法在线调节逆模型,同时将其进行数字复制作为系统控制器,与对象进行串联。该方法可用较少的模糊规则数达到很好的跟踪控制效果,将该方法用于一混合非线性系统及球形液位控制中,仿真结果验证了该方法的有效性与实用性。

自适应逆控制的异步电机变频调速系统研究

将自适应逆控制应用于异步电机变频调速控制,对给定信号、参数摄动和外部扰动分别施以控制,使二者同时达到最佳控制效果,无需在二者之间进行折衷.利用变论域变步长的LMS自适应滤波算法,使自适应逆控制的异步电机变频调速系统及其逆系统辨识的初始收敛速度、时变系统跟踪能力及稳态精度3个指标同时达到最优.仿真实验表明了该控制的先进性和有效性.

基于自抗扰控制器的两电机变频调速系统最小二乘支持向量机逆控制

针对多输入多输出(multiple input multiple output,MIMO)非线性强耦合的两电机变频调速系统,对其数学模型进行可逆性存在分析,进一步设计最小二乘支持向量机(least squares support vector machines,LSSVM)逆系统,串联于两电机系统之前,组成基于阶逆的伪线性复合系统,实现MIMO系统的线性化与解耦。在此基础上,采用自抗扰控制器(active disturbances rejection control,ADRC)抑制伪线性复合系统中非线性因素的作用,引入扩张状态观测器对不确定性的估计,使之参与LSSVM逆模型的构造。仿真和实验结果表明,新型控制策略可以有效减小负载扰动和LSSVM建模误差的影响,具有良好的解耦控制效果和鲁棒性。

恒压频比变频调速系统的神经网络逆控制

采用以恒压频比方式工作的通用变频器来直接驱动感应电机在工业生产领域中应用很广泛。在不改变原有的恒压频比变频调速系统结构的前提下,进一步提高该系统的控制性能意义很大。该文根据恒压频比控制的特点,把通用变频器和感应电机看成一个整体——恒压频比变频调速系统,给出了相应的数学模型,并得出了适用于带补偿和不带补偿的恒压频比运行方式的逆系统模型,进一步构造神经网络逆系统并与恒压频比变频调速系统串联复合成伪线性系统,再设计线性闭环调节器实现高性能控制。实验结果证明了采用神经网络逆控制方法可以使恒压频比变频调速系统获得优良的运行性能。

永磁同步电机的自适应逆控制

设计了自适应逆控制的永磁同步电机(PMSM)控制系统,控制系统采用双闭环结构的矢量控制,将自适应逆控制方法引入速度控制。运用非线性自适应滤波器,实现系统的建模与逆建模,并引入滤波器构成了速度控制器,采用最小均方差(Least Mean Square,LMS)自适应滤波算法在线调整其权函数,实现速度的精确控制。在基于DSP的永磁同步电机速度控制系统平台上的实验结果表明,非线性滤波器能够建立电流环模型,提出的非线性自适应逆控制方法能够实现精确的速度控制。与PID控制方法相比,具有更精确的速度跟踪性及更快的响应速度。

超机动飞机的非线性动态逆控制

讨论了应用非线性动态逆进行超机动飞机飞行控制系统的设计。对快变量角速率进行非线性逆控制器的设计，由此来稳定纵向短周期运动，并通过气动舵面与推力矢量的融合，来改善大迎角范围的侧向响应，对慢变量姿态角进行非线性逆控制器的设计可使飞行员控制飞机慢运动。

STATCOM的自适应逆控制方法

为了研究静止同步补偿器STATCOM运行过程中存在的非线性特性对补偿特性的影响,在考虑了电压源型逆变桥中IGBT的通态损耗、开关损耗以及直流侧的电容损耗基础上,建立了基于该逆变桥的STATCOM数学模型,并根据其数学模型的非线性特性,提出了STATCOM的自适应逆控制方法和逆系统模型。根据该模型对STATCOM进行直接控制,并根据系统参数的不可预知以及其时变的特点,对系统模型中的参数在运行过程进行在线识别,并进行了仿真。结果表明,自适应逆控制能够有效地克服运行过程中系统参数的变化对补偿效果的影响,从而提高了控制系统的鲁棒性和装置的控制精确度;给定系统参数的初值准确与否,对装置最终的控制精确度没有影响。该控制方法具有实用性,而且随着处理器计算能力的不断增强该方法存在广泛的应用前景。

感应电动机调速系统的自适应逆控制

针对电压源型逆变器供电的感应电动机调速系统,提出了一种自适应逆控制方法,实现了电磁转矩和定子磁链的解耦控制．应用得到的逆系统将多变量、非线性、强耦合的感应电动机调速系统解耦为电磁转矩和定子磁链两个一阶线性子系统,从而简化了各个闭环线性调节器的设计难度．为了提高系统的鲁棒性,利用递推最小二乘算法实时辨识电动机参数,降低了参数变化对系统性能的影响．使用MATLAB软件进行了仿真实验,实验结果验证了理论分析的正确性和控制方案的可行性．

多线切割机速度同步系统的自适应逆控制

分析了多线切割机放线系统张力锤的速度调节和张力控制的机械结构原理;针对高速运行时数字PID控制系统存在的问题,提出了一种自适应逆随动控制系统结构,该系统以主电机为参考模型,是由一个系统辨识环节和一个自适应控制器环节构成,引入虚拟模型自适应地调整控制器,使放线电机与主电机具有类似的动态特性;样机的实验结果证明了该系统的可行性;对跟随误差进行了全面的分析并提出了提高控制精度的方法.

基于RBF神经网络的导弹鲁棒动态逆控制

讨论了一种基于神经网络的导弹鲁棒动态逆控制方法。导弹的基本控制律采用动态逆方设计,针对存在动态逆误差的慢回路设计神经网络鲁棒逆控制器。用RBF神经网络逼近导弹慢模态数学模型,并把逼近误差引入到网络权值的调节律以改善系统的动态性能;鲁棒控制器用于减弱模型不确定性及神经网络的逼近误差对跟踪精度的影响。所设计的控制器不仅保证了闭环系统的稳定性,而且使模型不确定性及神经网络的逼近误差对跟踪精度的影响减小到给定的性能指标。最后通过仿真分析,验证了该方法的有效性。

基于PI迟滞模型的压电驱动器自适应辨识与逆控制

压电陶瓷驱动器的迟滞非线性特性严重影响了其跟踪定位精度,甚至引起闭环系统失稳.本文采用经典PI模型描述压电驱动器的迟滞非线性,利用自适应投影算法对PI模型的权向量进行在线辨识,并与传统的最小二乘辨识方法进行比较.迟滞PI模型的优点是模型存在解析逆,因此本文对压电驱动器采用自适应逆跟踪控制,利用驱动器的输出位移与参考位移之差使用自适应投影算法在线辨识PI模型的权向量,并计算PI逆模型的权向量和阈值,最终得到要输入的电压值.最后实验结果表明自适应逆跟踪控制比传统的逆模型跟踪控制精度提高了49.8%.

NARX网络在自适应逆控制动态系统辨识中的应用

针对动态神经网络的学习算法问题,提出了一种适用于带外加输入的非线性自回归 (NARX)动态网络的改进型RTRL学习算法. 该算法基于LM算法的思想,取代传统RTRL中的梯度寻优算法,以改善RTRL的学习速度, 并将该方法应用于NARX动态网络自适应逆控制的对象辨识中. 数值仿真结果表明该改进学习算法是可行而有效性的,并且也验证了NARX动态神经网络具有很强的动态描述能力.

气动加载系统的模糊自适应逆控制方法

气动加载系统具有时滞、时变及强非线性等特点,为了提高气动加载系统的控制精度,克服传统PI控制算法的不足,提出一种气动压力加载系统的模糊自适应逆控制方案。利用模糊辨识理论对气动加载系统进行离线逆建模,得到初始逆模型,并将该初始逆模型作为初始控制器,控制气动加载系统的输出压力,运行过程中采用最小方均根(Least mean square,LMS)滤波算法在线修正控制器的参数。基于VC++6.0软件开发平台设计系统实时控制程序,在一套电气比例压力阀控气动加载系统上进行试验研究。通过与PI控制算法、模糊比例积分微分(Proportion,integration,differentiation,PID)控制算法进行比较,结果表明设计的气动加载系统控制器控制精度高、响应速度快、抗扰能力强。

基于自适应逆控制的液压振动台功率谱复现

为了改善液压振动台功率谱密度复现的精度和实时性,引入了自适应逆控制的系统辨识技术。在分析液压振动台功率谱密度均衡原理的基础上,推导时域自适应逆控制(Adaptive inverse control-AIC)和频域逆控制来实时获得振动系统的阻抗函数用以高精度实时修正控制谱密度。文中给出一种多处理器协同工作的硬件平台方案,将实时控制的任务进行分解;最后通过双端口RAM实现数据共享,从而实现功率谱密度的实时复现。仿真实验结果表明:频域自适应逆控制较时域自适应逆控制更利于改善功率谱密度复现的精度和实时性。