基于T-S模型和小世界优化算法的广义非线性预测控制

提出一种新型的基于T-S模糊模型和小世界优化算法的广义非线性预测控制策略.采用基于混沌遗传算法的T-S模糊模型描述复杂非线性系统的动态特性,构成模糊多步预报器.同时,针对现有基于二进制和十进制编码小世界优化算法运行时间长等缺点,提出一种新型的基于实数编码的小世界优化算法,函数测试和应用于非线性预测控制的滚动优化反映了其较强的寻优能力.最后,将其应用于基于实际数据的T-S模糊模型的广义非线性预测控制,满足了系统实时性和快速稳定性的要求.

基于滑模干扰观测器的近空间飞行器非线性广义预测控制

近空间飞行器(NSV)的飞行包络很大,特别在高超声速飞行过程中,系统将具有强烈非线性、耦合性和快速时变性,同时将受到较大的外干扰及不确定性影响,这对控制系统提出了很大的挑战。为此,提出了基于滑模干扰观测器(SMDO)的非线性广义预测控制(NGPC)策略,将滑模控制的强鲁棒性和预测控制良好的动态性能相结合,设计了高超声速条件下NSV的姿态制导控制律,进一步仿真实验,结果表明该飞控系统具有良好的控制性能和抗干扰能力。

基于小波变换的非线性广义预测控制

提出了基于小波变换的非线性广义预测控制算法。预测模型采用Hammerstein模型,对于其静态非线性部分采用小波网络来辨识,动态线性部分用最小二乘法来辨识。这种辨识方法比传统的多项式拟合的模型误差要小得多。基于这种预测模型广义预测控制器弥补了传统广义预测控制的模型失配问题。以CSTR为例对所设计的控制器进行仿真研究,结果表明控制器能够取得良好的控制效果。

水轮发电机组改进型非线性广义预测控制器设计

为提高水轮发电机组调速器的鲁棒性和稳定性,设计了一种基于瞬时线性化模型的水轮发电机组改进型非线性广义预测控制器(JNGPC)。为了使初始状态的建模误差最小,依据机组历史运行数据,采用遗忘因子递推增广最小二乘法辨识控制系统的初始参数。在此基础上,引入一种改进广义预测控制算法,并对控制系统在每个采样时刻进行瞬时线性化,设计了一种基于控制系统CARIMA模型瞬时线性化的改进的非线性广义预测控制器。以我国某水电站为试验对象,对水轮发电机组调节系统不同水头下开机启动进行仿真试验,并与PID、FOPID、GPC控制器进行比较。结果表明,与PID、FOPID控制器相比,所设计的JNGPC能有效抑制开机启动工况下的转速振荡,具有更强的鲁棒性和稳定性;与GPC控制器相比,JNGPC具有更高的计算效率,更符合工业现场实时性要求。

动车组的多变量非线性预测控制研究

通过分析动车组的牵引-制动系统,建立动车组的各动力单元的线性模型,考虑到动车组运行过程中空气阻力、未知干扰等非线性因素,将实际输出与线性模型输出的误差描述为未建模动态,将动车组运行过程这一非线性问题描述成为线性模型与非线性未建模动态两部分组成的集成模型,利用BP神经网络在线估计未建模动态项,利用递推辨识算法在线更新模型参数。在控制器设计中将广义预测控制器、未建模动态补偿器相结合,设计了多变量非线性广义预测控制器。基于CRH380A型动车组为对象进行仿真,实现了对给定速度的高精确跟踪控制,以及动车组的准时、舒适、安全的运行要求。

高速列车自动驾驶非线性广义预测控制方法及应用研究

针对高速列车运行过程中具有的强非线性、运行参数时变等问题设计列车自动驾驶的非线性广义预测控制方法。首先采用双线性变换将列车动力学模型离散化为线线模型,将非线性空气阻力描述为未建模动态项,线性模型和未建模动态项组合成集成模型;根据高速列车线路实际运行数据,采用递推辨识算法更新模型中因列车运行环境变化而时变的运行参数,利用极限学习机神经网络估计未建模动态项,建立列车运行过程模型。基于高速列车集成模型,设计以运行速度跟踪为主要控制目标的列车非线性广义预测控制方法。非线性广义预测控制器中,反馈控制器用来控制输出跟踪参考输入,补偿器用来消除未建模动态项对闭环系统的影响,保证列车的速度跟踪精度。仿真结果表明集成模型输出与实际输出的均方根误差为0.1653 km/h,小于线性模型的均方根误差1.454 km/h;并通过与多模型广义预测控制方法的比较显示本文的控制方法跟踪误差更小;所提出算法较BP神经网络方法更加快速。

无人驾驶飞行器姿态的非线性扰动抑制控制

本文研究了无人驾驶飞行器(unmanned aerial vehicle,UAV)的姿态跟踪控制问题.针对在飞行器姿态跟踪时存在的系统模型不确定性和外界扰动,提出了一种基于四元数的姿态跟踪控制方法,基于UAV的姿态误差模型分别设计系统的观测器和控制器.首先,以四元数为姿态参数建立系统的非线性误差模型;在此基础之上,设计一种非线性干扰观测器(nonlinear disturbance observer,NDOB)用以在线估计误差模型中的复合扰动,并在控制输入端进行相应的补偿.然后通过设计非线性广义预测控制律设镇定误差系统,实现姿态跟踪.最后基于频域理论分析了非线性干扰观测器的扰动抑制性能.仿真与实验结果表明本文提出的方法在系统存在复合扰动的情况下能使系统姿态有效的跟踪期望值.

基于降阶负载转矩观测器的永磁同步电机广义预测控制

针对永磁同步电机(PMSM)转速控制,提出了一种基于降阶负载转矩观测器的非线性预测控制(NPC)策略。在速度环控制律中负载转矩通常作为扰动值来考虑,将降阶负载转矩观测器与广义预测控制相结合,利用得到的转矩估计值代替实际值。仿真试验结果表明,所提控制策略能有效实现转速跟踪,与传统PI控制相比,趋于稳定的时间短、超调量小、抗干扰能力强、转速环控制的鲁棒性较高。

卫星姿态直接自适应模糊预测控制

对具有模型不确定性和未知外干扰的卫星姿态系统提出了多输入多输出直接自适应模糊预测跟踪控制设计方法.此方法先基于卫星姿态动力学模型设计出非线性广义预测控制律,再构造直接自适应模糊控制器逼近预测控制律中因模型不确定性引起的未知项.文中证明了所设计的控制律能使卫星跟踪给定的期望姿态轨迹,跟踪误差收敛到原点的小邻域内.仿真结果验证了此方法的有效性.

基于ISMDO的高超声速再入机动预测控制

首先,针对高超声速飞行器(Hypersonic Vehicle,HSV)再入过程中的横侧向机动控制问题,参考BTT控制方式,通过对航迹和姿态角回路的控制,实现了HSV的无侧滑横向机动转弯;其次,针对机动飞行中的不确定控制问题,提出了改进滑模干扰观测器(Improved Sliding Mode Disturbance Observer,ISMDO)来对参数不确定及外界干扰进行估计。在此基础上,提出了基于ISMDO的非线性广义预测控制方法作为HSV的机动飞行控制算法。仿真结果表明,该控制策略对再入横向机动具有良好的控制和干扰抑制能力。

基于SMDO-NGPC的无人机姿态控制律设计

针对无人机在飞行过程中存在的强非线性、快时变、强耦合,以及参数不确定和外部干扰情况下的鲁棒性差等姿态控制问题,采用了基于滑模干扰观测器的非线性广义预测控制算法对姿态控制律进行了设计。该方法融合了非线性广义预测控制算法的良好动态性和滑模干扰观测器的强鲁棒性,将无人机的姿态分为快、慢两个回路并分别将该方法应用到两个回路的控制律设计中,最后设计出快、慢回路控制律表达式及滑模干扰观测器模型。仿真结果表明:基于滑模干扰观测器的非线性广义预测控制算法的无人机姿态控制律能够克服外界干扰及气动参数大范围摄动的影响,具有良好的控制性能和抗干扰能力,可以更好地适应无人机快时变、高精度和强鲁棒的控制要求。