利用广义内作用矩阵对多变量非最小相位系统进行最小相位/全域通分解(英文)

对于任意可检测和左可逆多变量非最小相位系统 ,给出了其最小相位 /全域通分解的显示解 .本文的结果表明全域通因子是系统的广义内作用矩阵的逆矩阵 .因此 ,直接求解系统的广义内作用矩阵便可得到上述频域分解的显示表达式 .由于本文的方法是频域法 ,它可以成为对现有时域法的补充 .

多变量非最小相位系统的自校正控制

基于最小方差预报理论和极点配置原理.本文提出一种类似于组合自校正器的自适应控制方案,消除了组合自校正器跟踪参考信号时所发生的滞后现象,确实做到了保存现有极点控制器的优点,又克服了伺服跟踪性能和渐近最小方差调节性能难于兼顾的缺点,并给出了数字仿真的结果。

非最小相位法向电磁应力驱动快速刀具伺服系统轨迹跟踪控制

基于快速刀具伺服(FTS)的金刚石车削是复杂光学表面超精密制造的一种高效手段。为进一步提高具有非最小相位特征的电磁法应力驱动FTS的控制性能,将系统逆动力学补偿嵌入主控制回路中以改善被控对象动力学特征。对改善后的被控系统以比例微分积分(PID)和前馈补偿作为主控制器,并以基于内模原理的并联谐振控制器实现周期性轨迹的超高精度跟踪。考虑系统非最小相位特征,结合因子分解和镜像极点配置方法获得了系统稳定逆动力学模型。实验测试结果表明:该文所设计的控制方法,获得了1070 Hz(-3 dB)闭环带宽;100 Hz正弦轨迹实际跟踪误差小于±0.375%,并可对5 nm台阶轨迹进行稳定闭环跟踪,证明所设计的FTS控制系统可有效实现nm精度切削。

一类非最小相位系统的多变量多模型解耦控制器

为解决系统暂态响应变差问题 ,提出一种基于多模型切换的多变量直接自适应控制器。通过加权多项式矩阵的选择 ,可消除稳态误差 ,实现静态解耦控制。该控制器由多个参数已知固定模型和两个自适应模型构成 ,多个固定参数控制器模型可由系统参数模型通过映射直接得到 ,并与邻域一起完全覆盖控制器参数模型集。仿真结果表明 ,对于非最小相位系统 ,暂态响应可得到明显改善。

一类非最小相位多变量系统的自适应控制设计

利用一种有界输入计算方法，根据对象的左互质分解（ＬＣＦ） 特性，对一类多变量离散时间模型跟踪控制系统（ ＭＦＣＳ） 进行设计，进而给出相应的非最小相位系统自适应控制器的设计方法。

非最小相位系统控制器的优化设计

抑制非最小相位系统的右半平面零点所造成的负调至今仍是个开放问题 .以同时抑制非最小相位系统的超调、负调和调整时间为目的 ,合理融合遗传算法的并行搜索结构和模拟退火的可控性概率突跳 ,提出了设计一类PID控制器的混合优化策略 .基于典型系统的数值仿真验证了混合策略的有效性和对系统的适应性 ,以及所设计控制器的优越性 .

非最小相位系统跟踪控制综述

非最小相位系统是指包含不稳定零动态的系统.经典的跟踪控制理论,特别是非线性系统跟踪控制理论,是以最小相位系统为基础建立的,不能直接用于非最小相位系统.研究非最小相位系统跟踪控制理论,是对经典控制理论的扩展和补充,具有重要的意义.本文对目前非最小相位系统跟踪控制领域取得的成果进行综述.首先梳理各种非最小相位系统跟踪控制方法的基本思想,并按照近似跟踪和精确跟踪进行归类,建立非最小相位系统跟踪控制的基本框架.然后围绕该框架对各种方法进行详细介绍.接着讨论非最小相位系统的跟踪性能限制.最后总结现有研究存在的一些问题及对今后的发展方向进行展望.本文的目的在于使控制工作者对非最小相位系统的跟踪控制有一个较为清晰的认识.

非最小相位系统预测函数控制

针对开环稳定非最小相位系统(NMPS),提出了一种参考轨迹自调整预测函数控制(PFC策略。由于开环稳定NMPS可以方便地用有限脉冲响应(FIR)模型来描述,因此采用基于FIR模型的PFC对其实施控制,并推广到多变量情形,实现对多变量NMPS的有效控制。为了在减小负调缩短调节时间和减小超调之间达到合理的折中,提出了参考轨迹自调整方案,在系统响应初始阶段采用较大的期望闭环性能特性系数,以减小负调;当系统克服负调进入正常响应阶段,采用适当的期望闭环性能特性系数,以缩短调节时间和减小超调。将该策略应用到水轮机调速系统中,仿真结果表明,系统具有良好的动态性能和较强的鲁棒性。

非最小相位非线性系统的简单递归神经网络控制(英文)

从简单递归神经网络的统一结构出发设计了简单递归神经网络控制器 ,在引入了控制加权的目标函数下优化神经网络权值学习 ,因此是通常意义的神经网络控制器的推广 .证明了整个系统的稳定性 ,并通过仿真验证了控制器的有效性 .

一种新的非最小相位系统的控制方法

非最小相位系统的控制中,需要抑制由不稳定零点引起的负调并同时缩短系统的调节时间.针对非最小相位系统负调与调节时间的相互影响及负调与不稳定零点的相互关系,提出将控制过程分为抑制负调阶段和跟踪输入阶段,并适时改变系统不稳定零点数,用遗传算法统一优化各阶段的控制器参数.仿真结果表明该控制方法大大减弱了负调,并同时缩短了调节时间,达到了良好的控制效果.*

液压数字自适应控制系统的非最小相位问题及其对策

通过理论分析，给出了液压非最小相位系统与采样周期的内在关系．提出了应用速度反馈及极点配置的控制策略，解决了这类系统的自适应控制问题。通过大量仿真及在线实物试验，说明这种控制方法的可行性与实用性．

基于稳定逆的非最小相位系统的迭代学习控制

针对迭代学习控制在非最小相位系统上应用效果差的缺点,根据最优化性能指标和非因果的稳定逆理论,提出了一种基于稳定逆的最优开闭环综合迭代学习控制,分析了学习律的收敛性并给出了此种非因果的学习律在实际应用中的运用方式.

非最小相位系统具有强鲁棒性的广义预测控制

将被控对象零点分解为最小相位项和非最小相位项，并形成新的预测方程，基于ＧＰＣ算法的目标函数，得到非最小相位系统的ＧＰＣ控制算法，保证了在加权系数为零的极限情况下系统的稳定性。仿真结果表明了这一算法的有效性。

非最小相位系统的扩展Laguerre基函数迭代学习控制

针对非最小相位系统的跟踪问题,提出了一种新的基函数迭代学习控制算法.该算法利用新型的非因果Laguerre扩展基函数逼近系统逆传递函数,设计最优迭代学习律使系统输入收敛到系统的稳定逆,保证了控制性能.算法不依赖于系统的先验模型,仅需以基函数信号作为系统输入进行模型辨识,减少了模型不确定性的影响.通过对单连杆柔性机械臂这样的典型非最小相位系统跟踪问题的仿真,验证了该方法的良好效果.

非最小相位控制系统的智能设计方法

提出了两种非最小相位控制系统的智能设计方法，并以此设计了控制系统，证实了设计方法能同时满足系统的稳定性、鲁棒性、静态动态性能，以及控制器的简单性和控制器本身的稳定性等方面的要求。

一类非线性非最小相位系统的直接自适应控制

针对一类不确定的离散时间非线性非最小相位动态系统,提出了一种基于神经网络和多模型的直接自适应控制方法．该控制方法由线性直接自适应控制器,神经网络非线性直接自适应控制器以及切换机构组成．线性控制器用来保证闭环系统输入输出信号有界,非线性控制器用来改善系统性能．切换策略通过对上述两种控制器的切换,保证闭环系统输入输出有界的同时,改善了系统性能．理论分析以及仿真结果表明了所提出的直接自适应控制方法的有效性．

一类非线性非最小相位系统的神经网络逆控制

基于对象的逆动力学模型,提出一种RBF神经网络逆控制的在线自学习控制方案。辨识器采用RBF神经网络和最近邻聚类学习算法,实现对象逆模型的动态辨识。并引入优化策略对聚类半径进行自动调整,以保证聚类的合理性。为克服逆控制对非最小相位系统的不足,利用构造伪系统的方法,构成一种对非最小相位系统仍然有效的神经网络逆控制器。仿真实验证明该控制策略不仅能使非线性非最小相位系统具有良好的动态跟踪性能,而且具有较好的抗干扰能力。

广义内模预测控制在非最小相位系统中的应用

对广义内模预测控制做了简单的介绍,并针对水轮机调节系统的非最小相位特性,进行大量仿真试验。结果表明,非最小相位系统的广义内模预测控制具有许多优点,如:响应速度快,实际应用时计算量小,鲁棒性强特点,特别是对模型的失配具有较大优势。

非最小相位系统的终端滑模控制

在重新定义系统输出方法的基础上,提出一种终端滑模控制策略,解决了非最小相位系统难以控制的问题。首先,重新定义系统的输出,通过输入输出线性化,得到系统的输入输出子系统。然后,设计终端滑模控制策略,使输入输出子系统在有限时间收敛到零,并根据系统性能指标要求选择适当的输出定义参数,使零动态子系统在原点附近渐近稳定,从而保证原系统的渐近稳定。仿真结果验证了提出方法的有效性。

一类非最小相位非线性系统的自适应控制

针对一类非最小相位的非线性系统，通过引入一个近似系统，提出了一种简单的间接自适应控制方法，并分析了采用该方法后系统输出的跟踪性能，给出了输出跟踪误差的上限。该方法可克服现有的非线性自适应控制方法只能控制最小相位的非线性系统并且容易产生过度控制的缺点。