基于输入输出线性化方法的一类多输入多输出非线性系统的观测器设计

研究一类多输入多输出仿射非线性系统的状态观测器设计问题.基于输入输出线性化方法提出了一类多输入多输出仿射非线性系统的状态观测器设计的新方法,并给出保证状态估计误差渐近趋于零的充分条件.算例表明了所得结果的有效性.

多输入多输出非线性静态系统神经网络辨识的研究

本文通过对现有的系统辨识特点的分析，提出使用神经网络理论与方法对多输入多输出非线性静态系统进行辨识，并给出了一个实际系统使用具有自适应学习率反传算法辨识的有关结果。

多输入多输出有界变时滞非线性系统的绝对稳定性判据

以时滞反馈控制系统为背景 ,通过建立Liapunov Razumikhin函数来分析多输入多输出变时滞系统零解的绝对稳定性 ,通过对时滞界估计来达到系统零解的绝对稳定性判定。

多输入多输出非线性系统的间接自适应模糊跟踪控制

针对多输入多输出非线性系统,把自适应模糊控制和自适应模糊辨识结合起来,提出了一种间接自适应模糊控制方案.由跟踪误差和辨识误差给出了参数调节规律,两种误差同时调节参数改善了系统性能.应用推广的模糊逻辑系统来估计多维未知函数,补偿器可抵消模糊逼近误差和外部扰动.控制方案保证了系统的稳定性,实现了跟踪.

多输入多输出非线性系统ZG控制方法框架展望

非线性系统的跟踪控制及其奇异点问题求解已在科学和工程领域引起广泛关注。基于作者团队前期主要关于单输入单输出非线性系统跟踪控制的工作,本文进一步提出了面向多输入多输出非线性系统跟踪控制的ZG控制方法的框架与展望。利用该ZG控制方法,可以设计能同时解决多输入多输出非线性系统的跟踪控制问题及可能出现的奇异点问题的ZG控制器。

一类基于高增益观测器的多输入多输出非线性时滞系统的自适应模糊动态面控制

针对一类多输入多输出且状态不可测非线性时滞系统,提出了一种自适应模糊backstepping输出反馈控制方案。因为模糊逻辑系统的逼近性,利用其对未知函数进行逼近,设计高增益非线性模糊观测器估计不可测状态。并结合自适应backstepping技术和动态面控制技术,提出了自适应模糊backstepping输出反馈控制策略。证明了系统中所有信号都一致有界,此外,选择适当的参数能够保证跟踪误差和观测误差收敛到很小的一个领域内。通过仿真验证了所提控制策略的有效性。

基于输出反馈的同步发电机非线性鲁棒励磁控制

对一种适用于一般结构多输入多输出非线性系统的鲁棒输出反馈控制理论进行改进,扩展了其应用范围。针对单机无穷大系统,以发电机的角速度、机端电压及有功功率作为输出反馈信号,建立系统的可观测映射,推导出可观测域,并基于改进理论设计出非线性鲁棒输出反馈励磁控制器。该控制器无需测量发电机的转子角与暂态电势,实施方式简单。仿真结果表明该控制器对扰动有很好的抑制效果。

多变量非线性系统的间接模糊输出反馈自适应控制

针对一类多输入多输出非线性不确定系统,提出一种基于观测器的模糊间接自适应控制方法,并基于李亚普诺夫函数方法,导出了输出反馈控制律以及参数的自适应律,证明了整个控制方案不但能保证闭环系统稳定,而且取得了良好的跟踪控制性能。

基于多输出最小二乘支持向量回归建模的自适应非线性预测控制及应用

提出一种可有效提高常规预测控制方法控制性能与计算效率的数据驱动自适应非线性模型预测控制方法.首先,为了提高多输出非线性系统最小二乘支持向量回归(least squares support vector regression, LS–SVR)建模的精度,考虑各维输出间的耦合关系,采用在目标函数中加入样本整体拟合误差项,实现多输出LS–SVR(multi-output LS–SVR,M–LS–SVR)预测建模,同时采用粒子群算法优化模型参数;其次,针对动态过程建模的模型失配问题以及由于M–LS–SVR模型复杂导致传统智能算法求解预测控制律缓慢的问题,提出自适应非线性模型预测控制策略,包括两个非线性优化层:第1层采用梯度下降算法实时优化模型和实际过程输出的偏差,以自适应调节模型参数;第2层采用具有全局收敛性和超线性收敛速度序列二次规划(sequential quadratic programming, SQP)算法设计非线性预测控制器,以加速预测控制律的求解速度. Benchmark仿真实例及在高炉炼铁过程的数据试验表明:所提基于M–LS–SVR预测建模的自适应非线性模型预测控制具有较快的求解速度、较好的设定值跟踪和干扰抑制性能以及较强的鲁棒性.

基于T-S模型的非线性系统主从控制器设计

针对同时具有输出和输入非线性的系统,通过中间虚拟控制量的设置,转化为两个非线性子系统的串联,从而简化系统结构并解决最终控制量不宜直接获取的问题。针对无人水面艇的航迹和横摇控制,设计了基于反演控制的从控制器,实现了输入非线性中虚拟控制量到舵角的映射,通过T-S模型将输出非线性系统,转化为线性时变系统,并考虑舵机的角度与角速度约束,设计了广义预测主控制器。该方法不仅简化了系统结构,同时仿真结果表明,所设计的主从控制器可以获得较好的控制效果。

独轮车机器人的动力学建模与非线性控制

为了实现对于独轮车机器人非线性系统的姿态控制。以独轮车机器人车体的俯仰角度、横滚角度和航向角度作为广义坐标,基于拉格朗日定理提出了一种独轮车机器人的非线性动力学模型。并使用MIMO仿射非线性系统描述了该动力学模型。基于MIMO仿射非线性系统的精确线性化理论设计了独轮车机器人的控制算法,实现了对于输入的解耦。基于该动力学模型和控制算法搭建了仿真系统,仿真结果验证了动力学模型的正确性和反馈线性化控制算法的有效性。

基于MMST分组的一类MIMO非线性系统执行器故障自适应补偿控制

在多输入多输出(Multiple-input multiple-output,MIMO)非线性系统的执行器故障容错控制问题中,控制器能够处理的执行器故障集合的大小与执行器分组方法有很大关系.为扩大系统可处理的执行器故障集合,本文针对一类具有执行器故障的MIMO非线性最小相位系统,提出基于多模型切换(Multiple model switching and tuning,MMST)执行器分组的自适应补偿控制方法.考虑系统的执行器卡死、部分失效和完全失效故障,在微分几何反馈线性化的基础上,研究基于多模型切换的执行器分组切换指标和切换策略,设计了基于反演控制的自适应补偿跟踪控制律,所设计的控制律能保证系统在执行器故障时闭环稳定,渐近跟踪给定的参考信号,且提出的分组方法扩大了可补偿的执行器故障集合.仿真结果表明了本文设计方法的有效性.

大型同步发电机非线性最优预测综合控制

针对静止励磁方式和电液调速系统的汽轮发电机组,基于多输入多输出非线性预测控制理论,设计出具有解析解控制律的汽轮发电机非线性预测综合控制器。该设计方法避免了非线性预测控制在线优化带来的巨大计算负担及由此产生的控制算法的稳定性问题。控制器的输入均为当地可测信号且与网络参数无关,设计参数只有滚动预测时间及控制阶。仿真结果表明,该控制器对提高电力系统稳定性和维持机端电压调节精度是有效的。

基于定量模型的MIMO非线性系统定性控制

对模型中含有不确定因素的MIMO非线性系统给出了一种基于定量模型的定性控制方法,避免了模糊控制器设计中存在主观性和模糊规则难以获取等缺点。此方法具有模糊控制的控制效果,仿真表明了该方法的有效性。

多变量非线性系统RBF直接广义预测研究

为了避免Diophantine方程求解和矩阵求逆运算,提高广义预测控制算法的实时性,对一类参数未知多变量非线性系统提出一种径向基函数神经网络的直接广义预测控制(GPC)算法。该算法将多变量非线性系统转换为多变量时变线性系统,然后利用径向基神经网络来逼近控制增量,对控制器参数向量,即网络权值中的未知向量基于跟踪误差进行自适应调整。理论证明,该方法可使跟踪误差收敛到原点的一个小邻域内。仿真结果验证了此算法的有效性。

自行车机器人动力学建模与MIMO反馈线性化

基于拉格朗日方法建立了自行车机器人的多输入多输出动力学模型.为了达到使自行车机器人保持自平衡的目的,将车把转动角度、车体倾倒角度和后轮转动速度作为系统输出;将转动车把的力矩、调节质心的力矩和后轮的驱动力矩作为系统输入,从而构建了具有3个输入、3个输出的仿射非线性系统.基于多输入多输出仿射非线性系统的输入输出线性化理论对其进行分析,通过精确线性化得到了等效的线性系统,并对该等效线性系统进行了分析,通过状态反馈实现了极点配置.通过计算机仿真验证了该控制律的有效性.

基于多智能体深度强化学习的解耦控制方法

[目的]在现代工业生产过程中,实现复杂非线性多输入多输出系统的解耦控制对于生产过程的操作和优化都具有至关重要的意义.[方法]本文基于多智能体深度确定性策略梯度(MADDPG)算法,提出了一种解决复杂非线性多输入多输出系统解耦控制问题的设计方案,并通过连续搅拌反应过程的解耦控制仿真计算,验证了设计方案的有效性.[结果]验证结果表明:本文所提出的方案能够同时对连续搅拌反应过程中反应温度、产物摩尔流量两个被控量的设定控制目标进行跟踪调节,且在同样的控制目标下,该设计方案比单智能体方案和PID(proportional-integral-derivative control)控制方案都具有更好的稳定性与更小的稳态控制误差.[结论]仿真结果表明:针对复杂非线性多输入多输出系统的解耦控制问题,多智能体强化学习算法能够在不依赖于过程模型的基础上,实现复杂非线性多输入多输出系统的解耦控制,并保证较好的控制性能.

多变量非线性系统的模糊自适应输出反馈H^∞控制

针对一类多输入多输出非线性不确定系统,提出了一种模糊自适应输出反馈控制方法.该方法不需要系统状态已知的条件,而是设计模糊观测器来估计系统的状态,证明了所提出的模糊自适应控制方法不但保证闭环系统的稳定性,而且在系统状态不可测的条件下,输出跟踪误差取得H∞跟踪控制性能,通过仿真研究表明了所提出的方法的有效性.

基于自适应神经网络的低速AUV变质心控制

为克服低速情况下舵效低的问题,研究了自治水下航行器(AUV)的变质心控制方法.通过控制布置在AUV三个惯性主轴上的三个可移动质量块的运动,改变系统的质心,进一步改变了AUV受到的流体动力,从而实现对于AUV的控制.基于Kane的多刚体动力学理论推导变质心控制AUV的4刚体9自由度动力学模型,为设计AUV变质心控制系统奠定了基础.之后基于多输入多输出(MIMO)不确定非线性系统理论,设计自适应神经网络控制系统,并用李亚普诺夫稳定理论对该系统进行了稳定性分析.仿真验证了控制方法的合理性.

考虑动态性能的一类MIMO非线性系统执行器故障自适应补偿控制

对于一类具有执行器故障的多输入多输出非线性最小相位系统设计了自适应补偿控制律.考虑系统的执行器卡死和部分失效故障,在微分几何反馈线性化的基础上,设计了基于PPB(prescribed performance bound)方法和反演控制的自适应补偿跟踪控制律.设计的控制律能够保证系统在执行器故障时闭环稳定,渐近跟踪给定的参考信号,而且具有确定的动态性能.仿真结果表明了本文设计方法的有效性.