增广非最小状态空间法的稳定平台预测控制研究

针对传统的模型预测控制器鲁棒性较差及模糊PID控制系统比较复杂的问题,提出了利用增广非最小状态空间模型与模型预测控制相结合的稳定平台预测控制。建立了稳定平台广义被控对象的数学模型,以增广形式的非最小状态空间模型为基础,结合滚动时域控制原则和线性二次型最优控制,通过对稳定平台离散模型的非最小状态空间形式进行增广变换,给出了基于Laguerre函数的状态反馈增益矩阵算法,设计了增广非最小状态模型下的预测控制器,实现了对导向钻井稳定平台控制系统的仿真研究。仿真结果表明稳定平台预测控制系统可以很好地满足钻井工程对控制精度和动态特性的要求,而且对有时变性的盘阀摩擦干扰力矩及模型参数摄动具有较强的鲁棒性。

工业过程控制系统迭代学习算法的增益确定

应用频域和时域 (非状态空间法 )相结合的方法对简单工业过程控制系统迭代学习算法进行了收敛性分析 ,在频域得出了用系统参数显式表示的收敛性条件 ,避免了收敛条件的验证对系统时域模型参数的依赖性 ,使验证更简洁 .用平方积分鉴定法确定了首次学习时误差平方积分最小意义下学习增益的最优值 ,明确了学习增益选取的目标 .数字仿真表明 :所确定的学习增益不仅是最优的 。