迭代学习控制器参数的数据驱动自适应整定方法

针对PID型迭代学习控制(iterative learning control,ILC)方法,提出了两种数据驱动自适应整定(data-driven adaptive tuning,DDAT)方法。首先采用紧格式迭代动态线性化(compact form iterative dynamic linearization,CFIDL)方法将原始的非线性系统转化为等价的线性数据模型,设计了一个目标函数来动态地调整PID型ILC的学习增益。其次,通过对设计的目标函数进行优化,提出了一种基于CFIDL的DDAT方法。该方法只使用实际的I/O数据,而不需要任何机理模型信息。进一步,引入偏格式迭代动态线性化(partial form iterative dynamic linearization,PFIDL)方法对结果进行扩展,提出了一种基于PFIDL的DDAT方法。所提出的两种DDAT方法都可以提高PID型ILC对不确定性的鲁棒性。最后,通过仿真验证了两种方法的有效性。

基于无模型自适应控制的船舶微电网二次调频控制策略

针对复杂海况下船舶微电网由于负载投切导致频率偏移越限及船舶微电网二次调频控制器设计的问题,提出一种基于无模型自适应控制(MFAC)的船舶微电网二次调频控制策略。对包含未知船舶负载扰动的虚拟同步发电机转子运动方程进行离散化处理,通过紧格式动态线性化处理方法给出关于虚拟同步发电机输出角频率与虚拟输入机械功率离散后的数据模型,并将未知负载扰动合并到一个非线性项中;根据数据模型设计MFAC控制器,并给出伪偏导数估计算法;采用径向基神经网络观测器对包含船舶负载扰动的非线性项进行观测,并结合无模型自适应控制改进虚拟同步发电机控制策略,给出船舶负载扰动下的船舶微电网二次调频控制方案;构建船舶微电网二次调频系统;最后在仿真模型中验证了所提控制策略的准确性和有效性。

基于智能自学习控制的船舶微电网预同步控制策略

针对船舶靠港期间微电网并网预同步控制过程的频率偏移越限问题,提出一种基于智能自学习控制的船舶微电网预同步控制策略。首先,通过利用已知虚拟同步发电机输出相角计算船舶微电网与船舶主电网之间的相位差。然后,基于改进的动态线性化方法将离散后相位差非线性系统转化为紧格式局部线性化数据模型。之后,根据数据模型设计智能自学习虚拟同步发电机预同步控制算法。最后,通过船舶虚拟同步发电机预同步过程中功频下垂系数的自适应调整避免船舶微电网输出频率的偏移越限。通过对比仿真实验,所提控制策略可实现快速平滑的并网预同步控制并有效规避了频率越限,实现了船舶本地异步电机负载的正常稳定工作,验证了该控制策略应用于靠港船舶微电网的优越性和精确性。

高阶无模型自适应迭代学习控制

针对一类非线性非仿射离散时间系统,提出了高阶无模型自适应迭代学习控制方案.控制器的设计和分析仅依赖于系统的输入/输出(I/O)数据,不需要已知任何其他知识.该方法采用了高阶学习律,可利用更多以前重复过程中的控制信息提高系统收敛性,且学习增益可通过"拟伪偏导数"更新律迭代调节.仿真结果验证了所提出算法的有效性.

间歇过程最优迭代学习控制的发展:从基于模型到数据驱动

本文综述了间歇过程的基于模型的和数据驱动的最优迭代学习控制方法.基于模型的最优迭代学习控制方法需要已知被控对象精确的线性模型,其研究较为成熟和完善,有着系统的设计方法和分析工具.数据驱动的最优迭代学习控制系统设计和分析的关键是非线性重复系统的迭代动态线性化.本文简要综述了基于模型的最优迭代学习控制的研究进展,详细回顾了数据驱动的迭代动态线性化方法,包括其详细的推导过程和突出的特点.回顾和讨论了广义的数据驱动最优迭代学习控制方法,包括完整轨迹跟踪的数据驱动最优迭代学习控制方法,提出和讨论了多中间点跟踪的数据驱动最优点到点迭代学习控制方法,和终端输出跟踪的数据驱动最优终端迭代学习控制方法.进一步,迭代学习控制研究中的关键问题,如随机迭代变化初始条件、迭代变化参考轨迹、输入输出约束、高阶学习控制律、计算复杂性等.本文突出强调了基于模型的和数据驱动的最优迭代学习控制方法各自的特点与区别联系,以方便读者理解.最后,本文提出数据驱动的迭代学习控制方法已成为越来越复杂间歇过程控制发展的未来方向,一些开放的具有挑战性的问题还有待于进一步研究.

液压锚杆钻机转速的无模型自适应控制

大多数液压锚杆钻机转速控制主要依赖于工程技术人员的现场经验,在人工钻进不同岩层时,多采用固定转速,导致作业效率低、设备故障率高。本研究提出了钻机转速的无模型自适应控制算法。该算法仅利用系统的I/O数据,而不需要系统的精确机理模型信息,其可适应钻孔过程中岩层的变化以及快速性的要求。文中分别对无外界干扰和存在外部扰动两种情况进行仿真验证,结果表明:本研究所提出的无模型自适应控制方法能够实现对期望转速的快速跟踪,相比于PID控制,具有更好的控制性能和较强的鲁棒性。

非线性离散时间系统的最优终端迭代学习控制(英文)

仅利用系统的终端输出误差而不是整个输出轨迹,提出了一种最优终端迭代学习控制方法.控制信号可直接通过终点的误差信息进行更新.主要创新点在于控制器的设计和分析只利用系统量测的I/O数据而不需要关于系统模型的任何信息,并可实现沿迭代轴的单调收敛.在此意义上,所提出的控制器是数据驱动的无模型控制方法.严格的数学分析和仿真结果均表明了所提出方法的适用性和有效性.

快速路入口匝道的的非参数自适应迭代学习控制

基于快速路交通系统重复性和周期性的特征,引入"拟伪偏导数"概念,给出了宏观交通流模型沿迭代轴的非参数动态线性化形式.进一步,提出了快速路入口匝道的非参数自适应迭代学习控制(NP-AILC)方案.该控制方法本质上是无模型的,并且学习增益可迭代调节.收敛性分析表明当系统初始状态随迭代次数随机变化时,该方法可实现几乎完全跟踪性能.仿真结果进一步验证了方法的有效性.

快速路交通分布参数系统的迭代学习控制方法

本文基于快速路交通流分布参数系统模型,利用快速路交通流系统具有重复运行的显著特点,设计一种新的入口匝道分布参数迭代学习边界控制方案.所提出的方法采用带有反馈的PD-型控制律,不仅可以从以前重复过程中学习有用的知识,提高系统的控制精度;还可以有效的抑制当前运行过程中系统的量测噪声和扰动等不确定影响因素.该方法的另一个显著特点在于充分利用了快速路交通系统的分布参数模型描述,更全面地利用了系统的时空控制信息,从而提高了整个路段的控制性能.本文基于Matlab仿真进一步说明所提出方法的有效性和适用性.

基于学习自适应估计环的迭代学习控制

针对一类具有强非线性和不确定性的离散时间系统,文章给出了一种基于学习自适应估计环的迭代学习控制方法。在迭代学习控制器的基础上设计了一个学习自适应估计环,用来镇定系统,给出迭代学习控制初始的控制输入值,同时根据估计出的系统参数来确定迭代学习增益的取值范围。文章基于状态空间描述,分析了迭代学习控制系统的收敛性。仿真研究表明,该控制器能够实现完全跟踪,减少系统的初始输出误差,并加快了收敛速度。

快速路交通密度的自抗扰控制器设计及不同扰动情况下的性能评价(英文)

本文针对快速路主道交通密度的控制问题,提出了一种新的自抗扰匝道调节方法.该方法包括跟踪微分器(TD)、扩展状态观测器(ESO)和非线性输出误差反馈控制律(NLOEF)3个部分.通过微分跟踪环节安排的过渡过程,可有效降低系统的超调;而系统外部不确定性可通过ESO估计,并将估计信息用于NLOEF更新控制信号.本文分别基于宏观MATLAB和微观PARAMICS平台进行了仿真研究,验证了所提出方法抑制不同类型外部扰动的有效性.

快速路入口匝道模糊自整定PI控制方法

入口匝道调节是快速路交通控制中较有效的一种方式,现基于快速路交通系统的常微分模型,设计了一种新的入口匝道的模糊自整定PI控制方法,充分利用了上游路段流入的交通流量和向下游路段流出的交通流量信息进行控制律更新,有效抑制了系统扰动等不确定性因素的影响。设计了相应的模糊控制逻辑,实现了复杂交通系统实际控制过程中的PI控制器参数的模糊自整定。仿真研究中,与传统PID和ALINEA方法进行了充分比较,说明了所提出方法的有效性。

离散时间系统自适应迭代学习控制的研究进展

离散自适应迭代学习控制是针对在有限时间区间上运行的不确定非线性离散时间系统提出的一类方法,可有效抵抗系统的不确定性,并放宽了传统迭代学习控制中要求相同初始条件和参考轨迹这两个关键假设。即可在随机初始条件下实现对迭代变化参考轨迹的几乎完全跟踪性能。本研究给出了迭代学习控制方法的分类,对其中的自适应迭代学习控制方法的设计思路和适用背景进行了阐述。重点综述了离散时间系统自适应迭代学习控制方法的发展过程,讨论了所提出离散时间自适应控制方法的特点和适用范围,提出了基于数据驱动的自适应迭代学习控制发展的必然趋势和有待于进一步研究的问题。

离散时间非线性系统的数据驱动无模型自适应迭代学习控制(英文)

本文基于迭代域的动态线性化方法,提出了一类单入单出离散时间非线性系统的数据驱动无模型自适应迭代学习控制方案.无模型自适应迭代学习控制本质上属于一种数据驱动控制方法,仅利用被控对象的输入输出数据即可实现控制方案的设计.理论分析表明无模型自适应迭代学习控制方案可以保证最大学习误差的单调收敛性.数值仿真和快速路交通控制应用验证了无模型自适应迭代学习控制方案的有效性.

环卫车辆轨迹跟踪系统的无模型自适应迭代学习控制

针对环卫车辆周期重复性工作特点,考虑模型时变以及未知扰动问题,提出一种基于无模型自适应迭代学习的环卫车辆轨迹跟踪控制方法.首先,针对环卫车辆建立了两轮移动机器人的运动学模型,然后,给出带时变参数和非线性不确定项的迭代域下全格式动态线性化数据模型,引入时间差分估计算法,设计基于最优性能指标的轨迹跟踪无模型自适应迭代学习控制方法,并进行仿真分析.结果表明,环卫车轨迹跟踪系统车身角随迭代增加超调减小,与传统迭代学习控制算法相比,具有松弛的条件限制和较好的鲁棒性,同时提高了控制系统精度.

具有未知负载扰动的水井钻机电液伺服系统无模型自适应控制

针对电液伺服系统在水井钻机推进工况下存在的参数不确定以及未知负载扰动突变等非线性因素,提出了基于径向基(RBF)神经网络扰动观测器的无模型自适应控制方法.首先,通过改进的无模型自适应控制动态线性化方法,将被控系统线性化为与输入输出相关的增量形式,并将未知负载扰动合并到一个非线性项中;然后,设计了径向基神经网络扰动观测器对含有未知负载扰动的非线性项进行估计,作为对未知扰动的补偿;最后,设计了时变参数估计律,通过在线调整伪偏导数,给出了电液伺服系统的控制更新律.仿真结果表明,所设计的控制器能够对未知负载扰动突变进行补偿,并能确保跟踪误差有界收敛.

虚拟仿真实验教学中心建设研究与实践

分析了虚拟仿真实验教学的技术特征和本质特征,从研究虚拟仿真实验教学基本理论出发,探讨了虚拟仿真实验教学的本质特征、功能组成以及实验教学中心建设的重要关系,为高校虚拟仿真实验教学中心建设和可持续发展提供理论和实践指导,并对今后申报国家虚拟仿真实验教学中心工作提供相应的建议。

基于智能PD型迭代学习控制的清扫车路径跟踪控制

针对清扫车在园区固定路段的周期重复性工作特点,提出采用智能PD型迭代学习控制方法的清扫车路径跟踪控制问题。首先,将非线性控制系统转化为紧格式局部线性化数据模型,设计针对清扫车运动学模型的参数更新率,并基于投影算法对未知的梯度参数进行估计,此外,引入迭代差分估计算法,用于估计路面颠簸、车身垃圾重量不断变化等带来的未知扰动,最后,通过直线和曲线两种路径的仿真分析验证其有效性。结果表明:随着系统运行迭代次数的增加,车辆位置与期望坐标误差不断减小,跟踪误差是收敛的,可以实现较高精度的路径跟踪。

快速路交通流分布参数系统的模糊PI边界控制方法

基于快速路交通流分布参数系统模型,利用模糊逻辑整定PI控制器参数,提出了一种入口匝道模糊自整定PI边界控制方法。该方法可同时利用快速路交通流各个路段在时间和空间上的反馈信息,且其控制器参数可在线调整。仿真研究结果进一步说明了所提出方法的有效性和适用性。

船舶吊舱推进电机控制策略发展综述

随着船舶节能减排要求的提高,吊舱推进系统因其具有常规电力推进无法比拟的优点而成为目前国内外造船界的研究热点。本文对船舶吊舱推进电机的类型及特点进行分析,归纳和总结了国内外在船舶吊舱推进电机的结构、类型、负载特性以及电机控制等方面的研究及应用现状,并对推进电机的控制策略进行分析。在此基础上,对未来船舶吊舱推进电机控制策略的发展做了展望,并对基于无模型自适应控制的船舶吊舱推进电机控制系统进行研究。