多激励端WPT系统基于模型逆的输出控制

无线电能传输(wireless power transfer,WPT)技术应用已拓展至车间AGV、电动汽车等诸多领域,然而,在技术应用过程中,由于单体容量局限,整体功率传输能力受到一定的限制,具有多激励端(multi excitation unit,MEU)拓扑结构的WPT系统能很有效提升系统功率传输能力,同时赋予更高的功率调节自由度,降低单体电压、电流应力。然而,MEU间交叉耦合与高系统阶数极大地增加了控制的难度。文中利用MEU-WPT系统模态能量集中的特性,提出一种基于模型逆的控制器矩阵设计方法,实现用低阶(仅1阶)控制器对高阶WPT系统(17阶)的控制,并且实现多个激励单元整体的输入电压协调,处理回路之间的交互作用。同时,也为多输入多输出WPT系统控制器的设计提供一种通用的框架。该方法可直接推广到具有多个发射线圈与多个接收线圈的多自由度WPT系统中。最后设计的实物实验验证控制方法的有效性。

基于LS-SVM的非线性系统直接逆模型控制

针对非线性系统逆模型建立难的问题,提出了基于最小二乘支持向量机(LS-SVM)的非线性系统逆模型辨识建模的方法,在此基础上,提出了基于LS-SVM的非线性系统直接逆模型控制的方法。仿真试验结果表明,采用LS-SVM建立的非线性系统逆模型具有很高的建模精度和较强的泛化能力,基于LS-SVM的直接逆模型控制方法的控制效果好,简单易行,从而验证了这两种方法的有效性和先进性。

非线性系统的支持向量机逆模型辨识及控制

针对非线性系统逆模型建立难的问题,提出了基于回归型支持向量机(support vector re-gression,SVR)的非线性系统逆模型辨识建模的方法,在此基础上,提出了基于SVR的非线性系统逆模型控制的方法。仿真试验结果表明:采用SVR建立的非线性系统逆模型具有很高的建模精度和较强的泛化能力,基于SVR的逆模型控制方法的控制效果好,简单易行。

基于T-S模糊模型的模型参考自适应逆控制

针对非线性系统,提出一种基于T-S模糊模型的模型参考自适应逆扰动消除控制方法。所提方法根据模糊辨识理论与模型参考自适应逆控制各自的特点,将两者相结合。首先,根据模糊系统理论,分别采用模糊对角线划分和递推最小二乘算法进行前提和结论参数辨识,离线辨识得到对象模糊模型和逆对象模糊模型。将辨识出的对象逆设为原始控制器,与被控对象串联;为了分离出系统扰动信号,将辨识出的对象模型与被控对象并联,通过被控系统与对象模型输出做比较,再通过逆对象模型反馈到系统输入端,组成扰动消除环节。用最小均方差算法在系统运行过程中在线调节逆对象模糊模型参数,使其输出误差最小。最后,使用所提方法对一混合非线性系统及输入/输出非线性系统进行仿真试验,仿真结果验证了所提方法的有效性。

无刷直流电机系统的CMAC逆模型控制

基于逆系统控制的思想,针对无刷直流电机系统的非线性、强耦合以及不确定因素等提出了一种逆模型智能控制方法。该方法利用小脑模型关节控制器实现无刷直流电机的逆动态模型,与原系统模型构成线性系统,获得较传统PID控制更理想的动静态性能,有效克服各种复杂因素的影响。该方法响应快速、无超调、抗扰能力和鲁棒性强,可显著提高实时跟踪能力和控制精度。仿真证明了该方法的有效性,为无刷直流电机控制提供了一种新途径。

弯曲型导电聚合物驱动器逆模型控制

针对三层弯曲型导电聚合物驱动器,研究了一种无需外部传感反馈装置的逆模型控制方法。通过实验辨识获得驱动器系统传递函数准确,以驱动器系统的4阶传递函数建立的逆模型控制系统结构简单、易于实现。通过补偿驱动器位移漂移特性提高位移控制精度。实验结果表明:其所提出的具有位移漂移补偿的逆模型控制位移输出能够快速有效地跟踪驱动器的实际位移响应,同时精度符合控制要求。

基于模糊调整的神经网络逆模型控制

研究了神经网络的逆模型辨识及其直接逆模型控制,提出了一种基于模糊调整的神经网络逆模型控制方法。采用神经网络建立非线性被控对象的动态逆模型,并用模糊集理论对控制器增益和积分增益进行动态调整。仿真实验结果表明该方法应用于纸浆浓度控制系统中具有良好的控制品质,较强的鲁棒性、适应性和抗扰能力。

基于压电陶瓷微动平台逆模型的复合控制方法

本文研究了用于扫描离子电导显微镜(SICM)中的压电陶瓷微动平台的高精度定位问题。基于压电陶瓷逆模型进行前馈补偿的思想,在实验平台上进行了基于逆模型的前馈控制、基于PID的反馈控制与基于迟滞逆模型补偿PID反馈的复合控制的对比实验。实验结果表明,采用基于迟滞逆模型的复合控制,当压电陶瓷微动平台微位移范围为0-80μm时,最大跟随误差为1.003μm,且最大非线性度为1.25%,该控制方法对提高压电陶瓷微动平台定位精度具有有效性。

基于SVM逆模型控制的储能电源逆变器研究

电网供电系统的储能电源变换器是储能电源系统的核心,其控制效果的好坏直接影响输出电能的质量。为进一步提高储能电源逆变输出电压波形质量,增强控制系统的鲁棒性,基于逆系统控制思想,提出一种支持向量机(SVM)直接逆控制与PID控制相结合的复合控制策略,并将其应用在储能电源控制系统中。采用支持向量机离线训练的方法,实现了对系统逆模型的辨识,并将辨识出的逆模型作为控制器,与被控对象串联构成一个伪线性系统,在此基础上,采用增量式PID控制器(IPIDC)进行补偿式控制。Matlab仿真结果表明该控制器有效减少了超调量,抗干扰能力和鲁棒性强,适用于非线性系统。

基于支持向量机的再热汽温逆模型控制

为提高再热汽温的控制品质,本文提出了基于支持向量机的逆模型控制方法。采用支持向量机进行系统模型及逆控制器模型的建立,并对再热汽温系统进行仿真研究。结果表明,支持向量机具有较高的建模精度及较强的泛化性能,与常规PID控制进行比较,基于支持向量机的逆模型控制表现出良好的控制性能。

焦炉集气管压力系统的逆模型控制

焦炉集气管压力是炼焦生产过程中的重要工艺参数,其值稳定与否,直接影响到煤气质量、焦炉寿命和生产环境,以及冷凝鼓风机设备的安全运行。焦炉集气管压力控制系统是一个强干扰、典型非线性和多变量耦合的复杂系统,难以建立精确的数学模型。采用支持向量机直接逆模型控制器和非线性PID控制器相结合的方法设计出一种复合控制器。在MATLAB软件环境下,建立焦炉集气管压力系统及其控制系统的仿真模型且进行仿真研究。仿真结果表明,所建模型以及该复合控制方法的合理性和有效性,上述控制策略的解耦特性良好,具有一定的抗干扰能力,可以保证焦炉集气管压力稳定在现场工艺要求的范围内。

基于逆系统方法的航空发动机逆模型控制系统设计

航空发动机是一个典型的强非线性系统。传统的PID控制通常是对发动机的设计点进行线性化,但这种方法仅能保证发动机在设计点有较好的控制性能,在其他状态的控制性能则较差。针对这个缺点,利用逆系统方法,建立发动机的逆模型,并基于此逆模型设计发动机的逆模型控制系统。仿真结果表明,逆模型控制系统具有较快的响应速度,同时精度符合控制要求。

基于逆控制策略模型的电动车驾驶机器人车速控制

为满足驾驶机器人利用加速踏板行程信号实现对于电动车速度跟随的需求,提出了一种基于逆控制策略模型的车速控制方法。该方法在传统纵向动力学的车速控制回路基础上,引入了车辆控制策略模型,将原有的通过电机转矩控制车速转换为通过加速踏板行程来控制,从而降低了驾驶机器人对原车辆的改造风险,提高了机器人的适用性。转鼓试验结果表明,与人工驾驶相比,本文中提出的控制方法有效提高了车速跟踪精度,误差不超过±1 km/h,满足国家电动车试验标准。

输出干扰对基于逆模型的迭代学习控制的影响（英文）

针对具有输出干扰的线性时不变单输入单输出系统,首次运用基于逆模型的迭代学习控制理论分析其轨迹跟踪控制问题.通过严格的数学分析,提出了无干扰输出误差的数学期望计算公式(欧几里得范数)并证明了其收敛性.进而给出了其频域分析公式,证明了系统参数、噪声光谱和基于逆模型的迭代学习控制参数对收敛性的影响.系统仿真实验结果验证了以上的理论发现.

一种基于RBF网络的非线性自适应逆控制系统

改进了原有的ε-滤波自适应逆控制系统,引入自适应扰动消除器和反馈补偿,构成一种新的自适应逆控制系统.反馈补偿能消除自适应逆控制系统中的直流零频漂移,自适应扰动消除器能最大限度地消除扰动.将神经网络引入自适应逆控制系统,采用基于径向基函数网络的非线性滤波器,对非线性系统进行建模、逆建模、控制器及自适应扰动消除器的设计.仿真结果验证了该方法的有效性.

基于支持向量机的三相逆变器波形控制策略

针对三相逆变电源传统控制方案控制效果差的特点,提出了比例积分微分(PID)控制和支持向量机的逆模型控制相结合的控制策略。经过坐标变化,利用三相逆变电源在αβ坐标系下的特性,支持向量机学习算法用于预估逆变器的逆模型,从而在线实现对逆变器的补偿,PID控制器实现控制系统的闭环控制。通过对系统在稳态负载、动态负载情况下进行了仿真试验。仿真结果表明,该方案控制下系统能够克服系统外界扰动的影响,输出电压波形畸变少,达到输出波形质量性能的要求。

单侧机翼损伤飞机的神经网络自适应鲁棒非线性控制

针对飞机飞行中单侧机翼突然损伤问题,结合对损伤飞机的特性分析,提出基于神经网络自适应补偿的鲁棒非线性模型逆控制方法。利用未损伤飞机模型伪控制量中的单隐层神经网络自适应项和鲁棒项,并联合e-modification自适应律对模型误差、外界扰动、神经网络近似误差进行补偿。除此之外,利用动态非线性阻尼技术对上述伪控制律进行扩展,从而适应损伤机体未建模舵动态。最后对上述算法进行严格的稳定性证明,并推导了逆过程的实现方法。仿真结果表明在单侧机翼突然损伤并伴随外部扰动和未建模舵动态下,该控制方法具有较强的稳定性和鲁棒性。

基于神经网络算法的桥式起重机防摇摆控制

针对桥式起重机运行过程中载荷摆动造成的运行精度差和工作效率低下问题,提出了一种神经网络直接逆模型控制方法,以降低载荷摆动。介绍了该控制系统中的神经网络逆模型控制器与辨识器的结构和算法;采用了带动量因子的BP算法调整权值,提高了神经网络学习速度;最后,应用Matlab对所设计系统进行了仿真测试。仿真实验结果表明,在不同载荷、绳长情况下,相对于PID控制方法,该方法具有更好的控制性能和鲁棒性。

基于LSSVM-PID的船舶航向控制

针对船舶航向运动控制中船舶模型辨识困难的问题,将最小二乘支持向量机(LSSVM)应用到船舶航向运动模型的辨识建模中,提出了一种基于LSSVM和PID的船舶航向复合逆系统控制方案。利用最小二乘支持向量机良好的非线性映射能力和并行信息处理能力,建立了船舶航向运动系统的逆模型,并把该逆模型作为前馈控制器,形成了船舶航向直接逆控制;同时,为了提高船舶航向控制系统的精度和抗干扰能力,增加了PID控制回路。研究结果表明,LSSVM具有良好的辨识精度和非线性函数拟合能力,该复合控制系统具有比传统船舶航向PID控制系统更优的动态跟踪性能和更好的抗干扰能力。

炼焦炉鼓风机调速系统的多模态智能控制

以鼓风机调速系统为核心的炼焦炉集气管压力控制系统是一个工况复杂多变、大滞后、强耦合、非线性且频发强干扰的工业系统。从炼焦工况复杂多变的角度设计一套基于切换的多模态智能控制策略:在正常工况下,采用RBFNN逆模型控制+PI控制+Smith预估的复合控制;在非正常工况(如推焦、装煤等强干扰操作)下,采用PI控制+Smith预估的复合控制,并在线对PI控制器进行参数自整定。仿真结果表明:该智能控制策略提高了快速性、稳定性,增强了对工况复杂多变情况的适应性和对强干扰的抑制能力,保证了荒煤气的稳定传输。