直线电机的无模型周期自适应控制

针对直线电机具有周期性运行的特点,提出了直线电机速度控制的无模型周期控制方法。控制器的分析和设计仅依赖于从以前周期中获得的I/O数据,不需要被控系统精确的数学模型。仿真比较结果表明了所提出方法跟踪周期轨迹的有效性,而无模型自适应控制不具有从周期中学习的能力,不适合处理周期性跟踪任务。

柔性关节空间机械臂传感容错无模型自适应控制

针对传感信号畸变、丢失等故障状态严重影响空间机械臂控制系统性能的问题,提出基于空间机械臂运动传感器故障观测的无模型自适应容错控制方法。采用动态线性化和递推参数估计思想设计传感故障监测器,实现对传感畸变及数据丢失等故障的判定,并进行运动状态预测估计;建立包含跟踪误差变化率项的无模型自适应控制准则函数,有效惩罚由传感故障引起的参数估计突变问题;设计面向柔性关节空间机械臂的新型传感容错无模型自适应控制(SFT-MFAC)算法。仿真结果表明,在不同传感故障情况下,所提控制策略均能快速准确识别传感故障信息,避免系统瞬时发散,有效延长系统响应时间,增加控制系统的鲁棒性。

基于无模型自适应控制的半潜式平台运动性能研究

南海海域油气资源极其丰富,半潜式平台在该海域工作时常常面临着系泊失效这一重大危险情况。该研究以一艘装配有悬链式系泊系统和DP-3动力定位系统的半潜式平台为研究对象,利用AQWA软件开展系泊失效前后半潜式平台运动性能研究。同时,借助于AQWA软件二次开发功能,将无模型自适应控制作为动力定位系统控制理论,以研究半潜式平台系泊失效后运动性能恢复。数值仿真模拟结果表明,采用无模型自适应控制作为动力定位系统控制理论的半潜式平台能很好地恢复系泊失效后的运动性能,有效地减小系泊失效带来的危害;基于偏格式动态线性化和全格式动态线性化的无模型自适应控制比基于紧格式动态线性化的无模型自适应控制能让半潜式平台更快地恢复运动性能。

基于LabVIEW的无模型自适应控制算法实现与应用

为了有效地将无模型自适应控制算法(MFAC)应用于实际场景,该文研究LabVIEW开发环境中实现基于紧格式动态线性化的无模型自适应控制(MFAC-CFDL)。实验结果表明,对于相同的被控对象,LabVIEW实现与Matlab的仿真运行结果一致,证明该方法准确性。进一步与传统的PID控制方法相比较,MFAC-CFDL显示出更强的鲁棒性,并能保证闭环系统的稳定性以及输出误差跟踪的收敛性,通过实验说明该方法工程实践应用有效性和可行性。

基于改进无模型自适应控制的漂浮式海上风机转矩-变桨协调控制策略研究

针对漂浮式海上风机建模困难、频繁变桨造成的严重疲劳损伤等问题,提出一种基于改进无模型自适应控制的转矩-变桨协调控制策略。该策略不依赖漂浮式海上风机的数学模型,通过集成迭代学习控制策略改进无模型自适应控制方法,设计发电机电磁转矩和桨距角作为控制变量的多输入多输出控制器进行协调控制,允许非零度桨距角下风机用做动能缓冲,在平滑输出功率的同时减少变桨动作量。为证明所提出控制策略的有效性,在多种风场景下,与增益调度PI控制等方法进行了对比实验。结果表明:所提出的控制策略使漂浮式海上风机在满足发电功率平稳性的同时减缓了漂浮平台的俯仰运动,可有效降低漂浮式海上风机的疲劳载荷。

船舶光伏发电最大功率点跟踪无模型自适应控制

针对船舶光伏发电系统输出功率优化控制问题,并充分考虑复杂海况天气、船舶横摇和海盐结晶导致的船舶光伏发电系统模型参数时变,提出一种船舶光伏发电最大功率点跟踪无模型自适应控制方法。首先,根据光伏发电系统的输出和输入数据建立了离散非线性系统;其次,采用基于紧格式动态线性化的数据模型设计最大功率点跟踪无模型自适应控制器;最后,给出了伪偏导数估计算法。通过对比仿真实验,所提控制方法提高了船舶光伏发电系统的输出功率的稳定性。在恒定25℃环境温度及辐照度900 W·m^(-2)下,采用无模型自适应控制和基于扰动观察法的最大功率点跟踪时间分别为0.1、0.3 s,功率振荡幅度分别为5、18 W;在2 s时刻辐照度变化为500 W·m^(-2)时,采用无模型自适应控制和基于扰动观察法的最大功率点跟踪时间分别为0.02、0.06 s,功率振荡幅度分别为100、250 W。可以看出,采用无模型自适应控制的最大功率点跟踪方法可改善船舶光伏系统最大功率跟踪性能,验证了所提控制方法的有效性和优越性。

紧格式无模型自适应控制在四旋翼飞行器中的应用

为解决难以建立自适应离散变结构控制的受控系统数学模型问题,提出一类改进的基于紧格式离散时间非线性系统的无模型自适应控制(ICF-MFAC)方法。首先,在仅有一项时变积分项的CF-MFAC方法中加入误差反馈输出控制项,使得控制器具有在线整定内部参数的优势,提高系统的动态性能。然后,通过严格的数学推导对ICF-MFAC方法进行收敛性证明,理论分析表明,ICF-MFAC方法提高了伪偏导数估计值的利用率,加快了系统的响应速度。最后,在四旋翼飞行器中进行仿真实验,与CF-MFAC方法相比,改进的控制方法控制误差减小6.12%,且无超调、跟踪误差小,始终保持良好的控制效果和鲁棒性。

磁耦合谐振式无线电能传输系统的无模型自适应控制研究

为解决磁耦合谐振式无线电能传输(magnetically coupled resonant wireless power transfer, MCR-WPT)系统因频率失谐而使得传输效率降低的问题,提出一种无模型自适应频率跟踪方法。该方法以发射端电流和电压间的相位差值为控制器输入,以控制器输出来调控发射端的交流电源频率;控制器设计不依赖于系统的精确数学模型,而且可通过伪雅可比矩阵的自适应估计律来提高应对发射端频率失谐的控制自适应性。MCRWPT系统的控制仿真结果表明,相比传统的PI控制,该方法不仅在较长的无线传输距离情况下能实现维持系统发射端的谐振工作状态,而且具有更好的谐振频率跟踪性能,对保持较高的系统无线电能传输效率具有明显优势。

基于无模型自适应控制的视觉伺服

传统的机器人视觉伺服控制技术需要已知机器人精确的动力学和运动学模型以及机器人的手-眼参数。然而,由于机器人建模、手-眼标定等过程存在一定误差,因此很难精确获得视觉伺服控制模型,从而影响机器人视觉伺服系统的精度和收敛速度。针对这一难题,本文提出一种基于无模型自适应控制方法(MFAC)的机器人视觉伺服技术。利用视觉伺服系统的输入与输出数据,实现自适应视觉伺服控制,即通过MFAC在线估计机器人伺服控制器中的雅各比矩阵,并结合滑模控制器,实现机器人对目标的快速精确跟踪。实验结果表明,本文提出的方法在系统参数变化引起的未知扰动情况下仍能保证伺服控制器平稳收敛,并且能够减小视觉跟踪误差。

基于集中式卡尔曼滤波干扰观测器的无模型自适应控制

针对一类具有测量扰动的离散时间非线性系统,提出一种基于集中式卡尔曼滤波干扰观测器的无模型自适应控制方法。利用动态线性化方法构造被控系统的线性化数据模型;根据线性化数据模型和传感器的测量数据,设计最优集中式卡尔曼滤波干扰观测器;并利用观测器的输出在线调整伪偏导数,提出系统的控制更新方案。该方案的设计和分析不依赖于除输入输出数据的任何模型信息,可避免常规无模型自适应控制方法容易受测量扰动的影响。仿真结果表明:与基于单个传感器卡尔曼滤波干扰观测器的无模型自适应控制方法相比,提出的基于多传感器最优集中式卡尔曼滤波干扰观测器的无模型自适应控制方法具有更好的跟踪性能和更大的数据信噪比。

燃烧后CO_(2)捕集系统的复合无模型自适应控制

燃烧后CO_(2)捕集(PCC)系统作为一种有效的碳减排技术,其优化控制对提高CO_(2)捕集效率和降低能耗具有重要意义。针对PCC系统的控制问题,提出一种复合无模型自适应控制(MFAC)方法,旨在解决传统控制方法依赖精确模型、难以适应系统参数变化和不确定性的问题。该方法将扩张状态观测器引入MFAC中,利用扩张状态观测器估计系统总扰动,提高系统的跟踪和抗干扰能力。进行不同控制方案下的PCC系统对比仿真,其中,在跟踪CO_(2)捕集率设定值的仿真中,复合MFAC展现出了良好的跟踪性能,上升时间95.69 s,比传统的MFAC快4.65 s,较比例-积分-微分(PID)控制快78.02 s。在抗扰性能的对比仿真中,复合MFAC在受到扰动时所产生的偏差最小,绝对误差积分和平方误差积分的数值均小于MFAC和PID控制器,具有良好的抗干扰能力。仿真验证了所提出控制方案的有效性和适用性。

基于模型跟随自适应控制的电液位置伺服系统重构控制

航空机电系统中电液位置伺服系统(EHPSS)组件故障易引发连锁反应,对此,本文提出了一种基于模型跟随自适应控制的重构控制器。首先,根据电液位置伺服系统的组成结构、工作原理以及典型组件故障机理,分别建立其标称模型与故障模型;然后,结合模型跟随理论与Lyapunov稳定性理论,设计了模型跟随自适应重构控制器,该控制器不需要故障先验信息,仅根据故障系统的状态与参考模型状态之间的广义误差,在线调整自适应控制器参数,使得当时间趋向无穷大时,广义误差信号逐渐收敛于零,不仅可以保证系统的稳定性,还具有自适应速度快的优点;最后,通过多种故障情况下的位移跟踪试验,验证了该重构控制方法的重构控制能力和鲁棒性。本文所提出的建模与控制方法对于机电系统重构控制的未来研究具有参考价值。

基于SCN数据模型的SISO非线性自适应控制

针对一类难以建立精确模型的单输入单输出(Single-input single-output,SISO)非线性离散动态系统,提出了一种数据驱动模型的自适应控制方法.所提方法首先设计具有直链与增强结构的随机配置网络(Stochastic configuration network,SCN),建立了一种可同时表征非线性系统低阶线性部分与高阶非线性项(未建模动态)的数据驱动模型,并采用增量学习方法与监督机制,对模型结构与模型参数进行同步更新优化,保证了数据驱动模型的无限逼近能力,解决了传统自适应控制采用交替辨识算法存在的建模精度低、模型收敛性无法保证的问题.进而利用直链部分与增强部分,分别设计了线性控制器及虚拟未建模动态补偿器,建立了基于SCN数据驱动模型的自适应控制新方法,分析了其稳定性与收敛性,通过数值仿真实验和采用交替辨识算法的传统自适应控制方法进行对比,实验结果表明了所提方法的有效性.

基于特征模型的永磁同步直线电机自适应控制

为了解决永磁同步直线电机系统的参数不确定性、建模不确定性及饱和非线性等问题,提出一种基于特征模型的自适应控制器。依据特征模型理论描述永磁同步直线电机系统,采用自适应和鲁棒控制方法设计控制器。建立永磁同步直线电机的特征模型,并给出具体建立步骤,使得控制器设计变得简单,易于工程实现。通过设计参数自适应律对系统未知特征参数进行估计,可实现对系统模型的精确补偿,同时在控制器中添加带有误差积分的鲁棒控制项,提高系统对不确定参数及未知干扰的鲁棒性。此外,由于饱和特性的存在,导致控制器产生windup问题,给系统的控制性能和稳定性造成不利影响。因此,该控制器中还带有抗饱和控制项,能够提升系统的抗饱和能力。最后,通过对比实验验证了所提控制器的有效性。

比例减压阀控缸输出力的非线性自适应控制

针对所研制的一款采用双直动式三通比例减压阀控非对称液压缸驱动的刮板型输送带清扫器进行研究,提出了一种基于PI(Prandtl-Ishlinskii)逆模型前馈补偿的自适应控制算法,改善了比例减压阀固有的压力滞环、死区、增益等非线性,保证了清扫器刮板驱动扭矩的精度,实现了以恒定扭矩在刮板全寿命周期内的高效清洁.针对比例减压阀的滞环特性,采用带遗忘因子的递推最小二乘法在线辨识比例减压阀的PI模型参数,进而求解其逆模型作为线性自抗扰控制器的前馈补偿.仿真和实验结果表明,所提算法有效减小了比例减压阀的滞环、死区和增益等非线性,改善了比例减压阀控缸的动态响应,相较于PID算法,跟踪速度提升了65%,在100~700N·m范围内刮板驱动扭矩误差可控制在±2N·m以内.

变流器虚拟惯量和阻尼协同自适应控制策略

针对变流器传统虚拟同步发电机控制(virtual synchronous generator,VSG)在暂态过程中出现的频率超调等问题,提出一种虚拟惯量和阻尼系数协同自适应控制策略。首先,对VSG变流器系统进行数学建模;然后,通过分析VSG有功和角频率暂态特性曲线,提出一种虚拟惯量和阻尼系数协同自适应控制策略,同时借鉴传统同步发电机小信号模型分析方法建立有功功率环路传递函数,给出参数的选取范围;最后,基于MATLAB/Simulink仿真,验证了所提自适应控制策略在改善频率和功率暂态特性方面的有效性。

五相感应电机变采样周期模型预测控制策略

针对无调制模块的模型预测控制器MPC(model predictive controller)存在的谐波含量高问题,提出1种新型基于模型的变采样周期MPC策略,并将其应用于五相感应电机驱动系统。分析了MPC对时间固定离散化所带来的问题,而引入调制或调制替代来解决此问题将使控制系统复杂度增加,故遵循更简单、自然的思路,基于追击算法来改变采样间隔,结合MPC确定最优控制动作和实施时间,实现变采样周期MPC方案。利用五相感应电机驱动系统开展实验,实验结果验证了新型变采样周期MPC优良的参考跟踪和电流谐波性能。

基于模糊滑模控制器的机械臂自适应控制研究

为提高机械臂自适应控制精度,研究了基于模糊滑模控制器的机械臂自适应控制方法。通过设计干扰观测器,可以估计机械臂动力学模型内的外界干扰值;依据外界干扰值,对机械臂进行前馈补偿控制;以前馈补偿控制力矩为基础,设计模糊滑模控制器,完成机械臂自适应控制。实验结果表明,该方法可有效自适应控制机械臂,令机械臂各关节运行轨迹精准跟踪指定轨迹,且控制后的运行轨迹平滑,无抖动现象,即该方法可提升机械臂自适应控制精度与抗干扰性。

化工厂区建筑全生命周期碳平衡BIM控制模型仿真

为了更准确评估化工厂生产工艺中化学反应产生的碳排放平衡,提出了化工厂区建筑全生命周期碳平衡BIM模型仿真方法。使用AutoDesk Revit BIM软件,构建化工厂范围及建筑的BIM模型,计算碳化吸收、生物燃料碳排放回收、回收阶段碳吸收,获取建筑全生命周期碳吸收量总和。将计算结果输入BIM模型中,设计数据加工过程,计算碳排放总量与碳吸收总量差值,以此为输入数据构建碳平衡BIM模型,实现碳平衡控制。通过仿真实验可知,使用所研究方法除了在3~5月内碳排放量等于碳吸收量外,其余时间碳排放量均小于碳吸收量,所有时间内化工厂区建筑全生命周期均处于碳平衡状态,具有较强碳平衡效果。

基于多模型自适应方法的智能汽车路径跟踪控制

路径跟踪控制是智能汽车的一项核心技术,跟踪效果的精确性和在各种路面附着条件下的鲁棒性是该技术的两大关键要素。但汽车动力学模型的不确定性,尤其是轮胎侧偏刚度的摄动使这两者难以同时得到满足。针对这一问题,将多模型自适应理论引入到智能汽车运动控制中处理不确定性系统的控制。首先,推导了多模型自适应控制律,提出了凸包构架下各个顶点的子模型对真实模型的自适应逼近律,并通过李雅普诺夫函数证明了所提出自适应律的收敛能力。在此基础上建立了汽车动力学模型和车辆-路径联合模型,并由多个顶点子模型构建可覆盖汽车轮胎侧偏刚度摄动范围的凸多面体,利用汽车动力学模型求解自适应率,通过车辆-路径联合模型,基于线性二次型方法(linear quadratic regulator,LQR)求解各个顶点的子模型处的反馈控制律,并通过所得出的自适应权重进行加权。基于Carsim/Simulink的联合仿真结果表明,所提出的多模型自适应路径跟踪控制器在保证鲁棒性的同时克服了传统鲁棒控制方法的保守性问题,与基于名义模型的LQR控制器和鲁棒保性能控制器相比,在高附着路面和低附着路面上都可以取得更好的控制效果,很好地解决了路径跟踪控制中精确性与鲁棒性之间的两难问题。最后,通过快速原型测试平台对算法进行了进一步的实验验证。结果表明,所提出的多模型自适应算法实时性良好,具有较好的工程应用潜力。