一类非线性系统的自适应模型控制

对一类非线性不确定连续系统，提出了一种新的自适应控制方法。此方法用Ｔ－Ｓ模糊系统对未知函数进行逼近，引入Ｈ＾∞控制减弱外部干扰及逼近误差对输出跟踪误差的影响，证明了该方法可保证闭环系统稳定。仿真结果验证了此算法的有效性。

基于自适应模型预测的物伞系统速度跟踪控制

针对空投易碎易爆物品无速度跟踪及速度波动大的问题,提出自适应模型预测控制(model predictive control,MPC)方法对物伞系统速度进行控制跟踪。以线性离散化物伞系统动力学模型为基础,通过迭代法构建速度跟踪预测模型,依据实际需求设计目标函数及约束条件,在自适应MPC控制器内进行优化求解;引入卡尔曼滤波作为状态估计器,让系统具备对自身状态量变化的感知,提供估计状态量给控制器,实现系统整体反馈校正。开展无风条件和有风条件下自适应MPC控制的物伞系统速度跟踪性能研究,结果表明,此控制方法能够实现对期望速度的良好跟踪;在随机扰动下进行物伞系统速度跟踪控制鲁棒性研究,对比分析了自适应MPC方法和PID控制方法的速度跟踪性能,结果表明,自适应MPC控制的物伞系统速度振荡小于PID控制,其具有较强的抗非线性扰动能力,为实现物伞系统速度控制提供了新方法。

永磁同步电机无模型自适应滑模补偿预测控制

针对在永磁同步电机矢量控制系统中应用模型预测控制方法设计控制器时依赖电机数学模型参数,当电机运行过程中参数变化时,引起控制器参数与电机参数失配,导致系统控制性能降低。提出一种无模型自适应预测控制方法,利用系统输入输出数据和时变的伪偏导数建立预测模型;又由于无模型自适应预测控制方法没有反馈校正环节,易受外部扰动的影响,设计一种新型高阶滑模补偿器作为校正部分,以提高控制系统的鲁棒性且抑制滑模自身的抖振,最后MATLAB仿真验证了无模型自适应高阶滑模补偿预测控制方法的优越性。

改进无模型自适应迭代学习的直线电机滑模控制

二维直线电机具有非线性、多变量及强耦合等特点,其精确模型无法获得,同时,在实际过程中由于参数摄动及扰动而造成的运行不稳定现象,致使对其跟踪控制十分困难。针对以上问题,根据无模型自适应迭代学习控制不依赖被控系统精确数学模型的特点,及滑模控制具有可设计且与对象参数和扰动无关的滑动模态,提出一种改进无模型自适应迭代学习的滑模结构复合控制策略。在无模型自适应迭代学习控制方案的准则函数中加入误差变化率,并对其收敛性进行分析论证;然后在紧格式动态线性化基础上,设计指数趋近律滑模控制,使改进无模型自适应迭代学习的滑模控制复合策略能够克服不稳定现象并具有很强的鲁棒性,从而进一步提高系统响应速度和控制精度。最后通过仿真和实物验证,控制精度稳定在1μm范围内,并与其他控制方案相比,验证了所提方法的准确性和有效性。

水下无人平台的模型参考自适应姿态控制研究

水下无人平台通常用于海洋勘探和开发,以帮助研究人员了解水下情况。针对水下无人平台在恶劣海底环境下保持姿态稳定困难,无法有效开展海底矿物资源勘探及实时回传清晰、稳定水下图像的问题,设计一种基于模型参考自适应PID的姿态控制系统。通过控制器不断迭代控制参数,使平台在搭载不同水下勘探设备的情况下依然能够保持水下姿态的稳定。分别在Matlab/Simulink环境和实际工况下对平台的姿态控制进行仿真分析及测试,实验结果表明:该模型无论在大、小角度转向均以较短的调节时间(4.36 s、2.69 s)和几乎为0%的超调量优于其他模型,具有良好的控制效果。尤其对于运行环境及搭载设备会造成控制模型结构及参数发生变化的问题,模型参考自适应PID控制具有更好的鲁棒性。该研究可为今后水下平台快速、准确的调节自身姿态,保持稳定状态提供可靠的技术解决方案。

含参数不确定及时滞的线性系统自适应模型预测控制

探讨了一类含参数不确定和输入延迟的约束多输入多输出线性系统的自适应模型预测控制问题。提出了一种基于时变更新率的自适应更新律,实现了在输入延迟的情况下更新估计系统的不确定参数。为了处理约束,将优化问题转换为源自于min-max优化可解的简单结构。此外,从理论上证明了闭环系统的渐近稳定性,并证明了提出的自适应模型预测控制策略是递归可行的。最后,数值模拟验证了所提方法的有效性。

ASVG自适应模糊控制模型及其暂态仿真研究

提出了一种新型静止无功补偿器ASVG(AdvancedStaticVarGenerator)自适应模糊控制器用于抑制发电机功角振荡,应用一种模糊控制规则自动生成与自校正算法调整控制规则,以改变ASVG交流侧电压值,从而改变给系统提供的无功补偿。仿真结果表明,该控制可以有效地改善电力系统的暂态稳定性和电压稳定性。

两电机调速系统的神经网络逆无模型自适应鲁棒解耦控制

为了解决非线性强耦合的多输入/输出的两电机调速系统存在较大负载扰动的问题,提出一种基于神经网络逆(neural network inverse,NNI)的鲁棒解耦控制策略。首先,根据逆系统理论,分析系统的可逆性,利用神经网络逼近原系统逆模型,将强耦合的两电机非线性系统线性化解耦为一伪线性复合系统。其次,针对两电机调速系统中负载扰动的问题,根据动态线性化理论,设计无模型自适应(model-freeadaptive,MFA)补偿控制器;将MFA补偿控制器与伪线性化复合系统相结合,以提高神经网络逆控制的两电机调速系统在负载扰动下的抗扰性能。基于Matlab/Simulink和PLC实验平台进行仿真和实验。实验结果表明:基于神经网络逆系统的MFA鲁棒控制策略不仅能很好地实现两电机转速与张力的解耦,还对负载扰动具有很强的抗扰性能。

IP网的一种分层自适应服务质量控制模型

针对现有服务质量(QoS)解决方案,如集成服务(InterServ/RSVP)、区分服务(DiffServ)及MPLS模型等,存在的适用性差及需要协议和硬件支持等不足,提出了一种新的可以支持实时分布式多媒体应用的分层自适应QoS控制模型,该模型融合了拥塞控制、视频帧调度、视频分层编码、FEC容错编码、速率自适应编码等多项技术,采用分层结构设计实现,并已经在多媒体同步实时授课系统RealClass中得到实际应用.结果表明:在同等网络条件下,新的QoS模型具有更优的多媒体传输质量,而且具有良好的扩展性,对IP网的路由和交换没有任何依赖等特点.

基于自适应模型预测控制的柔性互联配电网优化调度

针对柔性互联配电网中源荷不确定性问题,提出了一种基于改进模型预测控制的优化调度方法。建立基于模型预测控制的柔性互联配电网日内优化调度模型,采用自适应动态权重方法处理包含综合供电成本和电压偏差的多目标优化问题,在预测模型部分采用动态场景生成及K-means聚类场景削减方法对源荷预测误差进行处理,针对经典模型预测控制滚动优化部分域参数恒定问题,提出一种域参数自适应调整的滚动优化方法。通过四馈线互联的33节点系统仿真算例验证了所提优化调度方法的有效性。

模型参考自适应PID控制在磁轴承中的应用

针对单自由度主动磁悬浮轴承系统的非线性、开环不稳定性特点,将模型参考自适应PID控制算法应用到主动磁悬浮轴承系统的控制器中,通过MATLAB软件的S-Function功能块进行仿真,结果表明:系统的响应速度、动态性能、稳态性能均较好,转子能够实现稳定悬浮,在有扰动情况下有较强的抗干扰及恢复能力,鲁棒性强。

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。

一类非线性系统的自适应模型跟随控制

讨论了一类非线性系统的自适应模型跟随控制问题。首先给出了系统的一般描述,然后研究了该系统模型跟随控制的存在条件,最后讨论了如何设计前馈控制和反馈控制矩阵的迭代调节律,使得系统输出能快速地稳定地跟随参考模型输出。仿真结果表明了这一控制方案具有良好的非线性跟随效果。

基于模拟平台的MPPT无模型自适应控制研究

基于异步电机驱动永磁同步发电机(PMSG)的风力发电模拟平台,提出了一种新的最大功率点跟踪(MPPT)的控制策略。使用MPPT叶尖速比控制方案,上位机将相应风速下风力机最佳转速作为转速给定,根据风力机模型计算出该转速下的风轮输出转矩,通过变频器直接控制异步电动机转矩;PMSG转速采用无模型自适应控制器(MFAC)进行控制,以此来进行MPPT。搭建了基于该控制器的PMSG转速控制模型,并在模拟平台上进行了MPPT实验。实验结果证明该控制器可应用于风力发电系统MPPT控制。

面向人工肌肉驱动器的无模型自适应滑模控制研究

针对人工肌肉驱动器模型的控制策略较为复杂、控制参数较多、调节过程较为繁琐、通用性较差等问题.首先基于梯度法设计了无模型自适应滑模控制器(MFASMC)并对其稳定性进行了证明.然后,利用该控制器分别对离子交换聚合金属(IPMC)以及气动人工肌肉(PAM)两种典型人工肌肉驱动器进行控制仿真实验,从而对其控制精度、适应性及通用性进行验证.由仿真结果可知,通过设计控制器参数的调节规律,MFASMC算法可以实现对控制参数的快速在线调节,故对于不同种类的人工肌肉驱动器避免了繁杂的数学建模过程及控制参数调节过程,具有良好的适应性及通用性.

数控机床位置伺服系统的无模型自适应迭代学习控制

数控机床位置伺服系统在加工过程中受负载、摩擦和电路系统响应特性等因素影响,很难精确建立其加工过程动力学模型。针对批量零件加工过程中的重复执行过程,设计了一种数据驱动的无模型自适应迭代学习控制方案。该方案借助沿迭代轴的动态线性化方法,将数控机床位置伺服系统加工动力学过程等价转化成一个虚拟的迭代数据模型,并根据设计的迭代学习控制律和参数估计律构建数控机床位置伺服系统的无模型自适应迭代学习控制方案。仿真结果表明:该迭代学习控制方案基于数控机床重复运行的特点,仅利用位置和电机电流信息,完成了对零件加工过程的改善,提高了加工精度。

具有未规范化自适应律的直接型模型参考自适应反推控制器

对于相对阶m>3的系统,给出了具有未规范化自适应律的直接型模型参考自适应反推控制器的设计和性能分析,从而解决了对于任意相对阶系统,具有未规范化自适应律的直接型模型参考自适应控制器的设计和性能分析问题.

四自由度机械臂的模型参考自适应双重控制

对于参数存在较大不确定性的系统,自适应控制存在的主要问题是在快速调节过程中过渡过程出现大的超调量.为了解决多关节机械臂在运动过程中转动惯量变化较大的问题,分析了基于确定性等价原则的自适应控制器和谨慎控制器的局限性,提出了一种模型参考自适应双重控制算法,并将其用于机械臂的位姿控制.三种控制算法的仿真和实验研究表明,双重控制器的控制性能优于基于确定性等价原则的自适应控制器和谨慎控制器的性能.

复杂系统的自适应预测控制模型及其仿真

针对贫信息、不确定性系统存在的不确定性、随机干扰以及系统特征参数随工作环境的变化而变化的特点 ,将具有广阔发展前景的灰色系统理论和广义预测控制理论结合起来 ,提出了一种新型的计算机控制策略 :灰色广义预测控制算法 (GGPC)。所做的工作主要有 :提出单变量单步GGPC算法 ,并在Matlab环境下对其进行了仿真研究。仿真结果表明 ,该GGPC算法适用于线性系统以及非线性系统 ,具有较强的抗干扰能力 ,有较好的鲁棒性以及自适应能力 ,通过调整参数 ,可以获得非常满意的动态和静态性能。图 2参

一类非线性系统的模型参考自适应模糊控制

针对一类不确定非线性系统 ,基于一种修改的监督控制方案并利用广义多线性模糊逻辑系统的逼近能力 ,提出了一种模型参考自适应模糊控制器设计的新方案。该方案利用参考模型作为性能指标 ,自适应调节模糊控制器的规则库 ,并通过引入最优逼近误差的自适应补偿项来消除建模误差的影响 ,不但能保证闭环系统稳定 ,而且可使跟踪误差收敛到零。