基于RBF神经网络的一类不确定非线性系统自适应H_∞控制

基于RBF神经网络提出了一种H∞ 自适应控制方法 .控制器由等效控制器和H∞ 控制器两部分组成 .用RBF神经网络逼近非线性函数 ,并把逼近误差引入到网络权值的自适应律中用以改善系统的动态性能 .H∞ 控制器用于减弱外部干扰及神经网络的逼近误差对跟踪的影响 .所设计的控制器不仅保证了闭环系统的稳定性 ,而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标 .

发电用微型燃机PWM整流器自适应H_∞控制

通过分析发电用微型燃机系统中PWM整流器的工作原理和永磁同步发电机模型,建立了PWM整流器模型,组成了基于有功和无功理论的功率控制系统.考虑微型燃机发电系统容量小,受负载波动影响大,以及负载不确定性的特点,在功率控制的基础上,提出了直流侧电压自适应H∞控制方案,在李亚普诺夫稳定意义下,通过自动补偿负载变化,实现直流侧电压稳定和高功率因数.仿真和实验结果表明:应用自适应H∞控制时,在保证高功率因数的基础上,直流侧电压波动范围很小,从而验证了所提方案的有效性和实用性.

强风下高速列车滑膜自适应鲁棒H_∞控制方法

大风环境下高速列车的运行是一个强耦合、高度非线性过程,且随着风速增大和车速增加,这种特性逐渐增强,因此需要更高要求的自动驾驶系统。基于李亚普诺夫稳定性理论设计高速列车自动驾驶滑模自适应鲁棒控制器,该控制器采用自适应控制实时逼近列车不确定性特征的系统输入系数,采用鲁棒H∞控制将自动驾驶系统中模型误差、大风和其他干扰造成的参数变化等所有不确定量减小到最小范围,同时也消除了系统抖振现象。计算出高速列车需要施加的牵引/制动力,通过滑模控制消除系统安全运行速度跟踪误差,实现不同风速下高速列车对给定安全运行速度的高精度跟踪。仿真结果证明了该方法的有效性。

非线性时滞系统鲁棒自适应H_∞几乎干扰解耦

研究了一类非线性时滞系统的鲁棒自适应H∞控制问题.基于Lyapunov函数的递推设计方法,设计了一种新的自适应控制律和H∞控制器.通过巧妙的选取Lyapunov函数解决了时滞问题,实现了递推设计的推广.数值例子和仿真结果验证了结论的有效性.

摇臂推杆式电磁主动悬架的鲁棒控制与优化

针对被动悬架和半主动悬架在抑制车辆振动方面存在的不足,提出一种摇臂推杆式电磁主动悬架并试制样机,它具有结构新颖、加工容易和模块化设计等特点。对该悬架系统非线性特性进行分析,得到等效刚度和等效簧下质量等参数的摄动区间。在保证系统鲁棒稳定性的前提下,以车身加速度、悬架动行程、轮胎动位移和主动力最小作为优化目标,设计鲁棒H∞控制器。为降低控制器保守性,将车身质量参数摄动范围分段,优化设计自适应鲁棒H∞控制器,通过静态查表方式离线控制,保证实时性,且无需切换控制器,避免对乘员产生的冲击感。