一种约束输入输出的隐式广义预测控制新算法

基于CARIMA模型提出了一种约束输入输出的隐式广义预测控制算法。针对广义预测控制问题,在整个预测时域和控制时域,对输入幅值,输入增量和输出幅值施加了约束,引入了输入输出柔化系数,从而简化了目标函数,减小了计算量,该算法不必求解逆矩阵;并采用了隐式广义预测自校正控制算法,利用并列预测控制器间的特点,直接辨识输出预测器中的参数,从而避免了在线求解Diophantine方程。该算法占用内存小,计算速度快,仿真结果表明该算法具有良好的控制性能。

具有输入和输出约束的高阶随机系统神经网络控制

针对高阶非线性系统,开展自适应神经网络跟踪控制器设计,系统受到随机扰动的影响.首次把输入和输出约束问题引入到高阶系统的跟踪控制中,并假定系统动态是未知.首先借用高斯误差函数表达连续可微的非对称饱和模型以实现输入约束,和障碍Lyapunov函数保证系统输出受限;其次,针对高阶非线性系统,径向基函数(RBF)神经网络用来克服未知系统动态和随机扰动.在每一步的backstepping计算中,仅用到单一的自适应更新参数,从而克服了过参数问题;最后,基于Lyapunov稳定性理论提出自适应神经网络控制策略,并减少了学习参数.最终结果表明设计的控制器能保证所有闭环信号半全局最终一致有界,并能使跟踪误差收敛到零值小的邻域内.仿真研究进一步验证了提出方法的有效性.

基于神经网络的逆变器约束自适应PI控制

针对负载扰动以及输入输出约束条件下逆变器的电压跟踪控制问题,根据同步旋转(dq)坐标系下的电压电流时域数学模型,提出一种基于神经网络的约束自适应PI控制策略。首先,利用状态转换函数将带约束的系统转换为等价的无约束系统,同时引入动态辅助系统处理输入约束问题;其次,通过反步法进行控制器设计,并为解决传统反步法“微分爆炸”问题,运用神经网络逼近包括虚拟控制律导数在内的非线性项;最后,所设计的虚拟控制律和控制律由PI项和前馈项组成,且PI控制器的增益可在线调整;理论分析表明,所提控制策略能保证闭环系统的所有误差信号最终一致有界,Matlab/Simulink平台仿真结果则进一步验证了该方案的可行性和有效性。

基于MPC的I/O约束容错控制数值化设计方法

针对一类离散系统的传感器故障,研究同时具有控制输入幅值及变化率约束、可测输出幅值约束下的主动容错控制问题。借鉴预测控制策略和多约束优化算法,仅利用故障传感器输出信号和控制输入信号,以及状态估计滤波器,通过构建二次型优化目标的多约束凸优化算法模型,在线递推计算容错控制输入信号,得到了一种基于MPC策略的数值化容错控制设计方法。通过改进现有MPC稳定性结果的不足,证明了闭环故障容错系统的渐近稳定性,且具有给定的I/O操作约束和优化的二次型性能。最后,通过对某汽车电子节气门的容错控制仿真实验,验证了该方法的有效性。

考虑约束条件的串级连续搅拌反应釜的自适应命令滤波控制

提出了串级连续搅拌反应釜(CCSTRs)的具有输入输出约束的模糊自适应命令滤波控制,采用模糊逻辑系统克服系统动力学模型的非线性;借助命令滤波技术简化控制器的结构,从而减少控制器的在线计算量;利用Barrier Lyapunov函数(BLF)和输入饱和函数对系统的输入、输出进行约束;Lyapunov稳定性分析保证了闭环系统的稳定性和系统信号的有界性;Simulink模拟仿真验证了所提控制器能使输出信号精准快速地跟踪参考信号。与现存的控制器相比,该控制器结构简单、控制精度高,由于考虑了系统的输入、输出约束,更贴近于实际工业过程。

基于神经网络的集中供暖系统约束控制

为提高集中供暖系统的热效率,提出了一种基于神经网络的集中式供暖系统的水阀开合度控制策略,引入了障碍李雅普诺夫函数和一个特殊设计的辅助系统来解决控制系统中出现的输入输出约束的问题。采用了一种神经网络逼近器来在线估计系统模型,解决系统传递模型未知的问题。通过模拟仿真同时测试了所提出系统的性能,与传统PID控制系统进行对比,该系统具有良好的适应性和稳定性,有一定的实用价值。

基于收缩约束模型预测控制的无人车辆路径跟踪

针对存在有界扰动的非线性无人驾驶车辆避障过程中最优路径规划跟踪问题,提出一种基于预测时域内系统输入输出收缩约束(PIOCC)的模型预测控制(MPC)方法.首先在构建目标函数时,为扩大可行性解的范围引入软约束思想,将最优规划路径的跟随问题转化为对模型预测控制优化问题的求解;其次为避免短预测时域造成闭环系统发散而导致在约束条件限定下出现无可行性解的情况,采用预测时域内系统输入输出收缩约束的方法,设计模型预测控制器;再次基于Lyapunov稳定性理论证明所设计的模型预测闭环控制系统是渐近稳定的;最后通过仿真实例验证了所提出基于PIOCC的控制策略在解决扩大可行解范围和避免闭环系统发散问题时的有效性,实现了无人驾驶车辆在路径跟踪时具有良好的快速性和稳定性.