一种基于逆模糊模型的自适应逆控制方法

利用模糊逆建模方法,结合自适应逆控制思想,提出了一种基于模糊逆模型的自适应逆控制方法。首先利用模糊系统理论对未知非线性对象进行离线逆建模,得到模糊逆模型;然后将对象与初始逆模型进行串联,利用LMS算法在线调节逆模型,同时将其进行数字复制作为系统控制器,与对象进行串联。该方法可用较少的模糊规则数达到很好的跟踪控制效果,将该方法用于一混合非线性系统及球形液位控制中,仿真结果验证了该方法的有效性与实用性。

基于混合逻辑动态模型的三相逆变电路有限控制集模型预测控制策略

逆变电路传统开关函数模型只能描述电路的控制变迁而忽略了电路的条件变迁,为此,建立了三相逆变电路混合逻辑动态(mixed logical dynamical,MLD)模型。在此基础上,将其作为预测模型,提出了电路的有限控制集模型预测控制(finite control set model predictive control,FCS-MPC)策略。FCS-MPC充分考虑了电路的离散特性,选择有限控制集中使目标函数值最小的开关状态作为电路开关管的控制信号,从而控制电路的输出电压,无需任何调制器,可简化MPC的优化问题。此外,基于全维状态观测器设计了电路负载电流观测器,增强了控制器的鲁棒性。仿真和实验结果验证了所提方法的有效性。

基于动态逆模型的电液位置伺服系统复合控制

电液位置伺服系统是典型的非线性系统,且往往存在较强的外部干扰。正是由于系统非线性及不确定性,传统方法设计的闭环控制器往往不能满足系统的高性能需求。基于系统动态逆模型设计出复合控制器,包括前馈控制器和鲁棒控制器,分别用于提高系统的控制精度及鲁棒性,给出电液位置伺服系统鲁棒控制器的一般设计方法,并针对电液伺服系统的主要非线性参数,给出在线预估的自适应方法。最后给出复合控制器的验证实例,并对所建数学模型及参数预估方法进行验证,试验结果表明,所提出的基于动态逆模型的复合控制策略提高了系统控制精度,增强了系统抑制外干扰的能力,拓展了系统双十频宽。

基于模糊树模型的自适应直接逆控制

基于模糊树模型,结合神经网络中的逆向学习和专门化学习,提出了自适应直接逆控制方法.首先离线辨识对象的逆模型作为初始的控制器,然后与对象串联,用最小均方差(Least mean square,LMS)算法在线调节控制器中的线性参数.本方法辨识得到的逆模型控制器可以减少需要的模糊规则数目,同时达到较好的跟踪控制效果.仿真结果表明了方法的有效性.

基于PI迟滞模型的压电驱动器自适应辨识与逆控制

压电陶瓷驱动器的迟滞非线性特性严重影响了其跟踪定位精度,甚至引起闭环系统失稳.本文采用经典PI模型描述压电驱动器的迟滞非线性,利用自适应投影算法对PI模型的权向量进行在线辨识,并与传统的最小二乘辨识方法进行比较.迟滞PI模型的优点是模型存在解析逆,因此本文对压电驱动器采用自适应逆跟踪控制,利用驱动器的输出位移与参考位移之差使用自适应投影算法在线辨识PI模型的权向量,并计算PI逆模型的权向量和阈值,最终得到要输入的电压值.最后实验结果表明自适应逆跟踪控制比传统的逆模型跟踪控制精度提高了49.8%.

制粉系统球磨机的动态数学模型及分布式神经网络逆系统控制

通过机理分析的方法建立了中间储仓式制粉系统球磨机的动态数学模型 ,给出了其解析表达式 ,从理论上揭示了球磨机系统的非线性、强耦合特征。针对制粉系统运行的不同模式 (包括正常模式和堵磨等故障模式 ) ,根据逆系统控制原理和球磨机系统的特点 ,提出了对球磨机系统控制的逆系统控制方案和基于分布式人工神经网络的逆系统控制 ,给出了适于分布式控制的模糊工况划分方法 ,并对逆系统控制进行鲁棒PID综合。计算机仿真结果证实了所建模型和所提控制方法的有效性 ,新的方法可在大范围内克服系统的非线性和强耦合问题 。

基于逆模型的火电机组自适应解耦控制

提出了一种基于逆模型的火电机组负荷对象自适应解耦控制方法。根据系统的输入输出信息,建立机组负荷对象逆系统的模糊规则模型,并依据该逆系统模型实现对被控对象的近似线性化和基本解耦。论证了逆系统模型特征参数与控制系统中各控制器特征参数之间的内在联系,在此基础上形成了一种与机组负荷对象特性相匹配的自适应控制系统。文中通过仿真实例验证了该方法的有效性。

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。

三相逆变电路的离线模型预测控制研究

针对电力电子电路传统开关函数模型只描述电路的控制变迁而忽略了电路的条件变迁,可能导致电路动态信息丢失这一问题,建立了电力电子电路的混合逻辑动态模型,并将其作为预测模型。在此基础上,以电路可行解代替最优解,将可行解及移动闭塞的思想用于电路的模型预测控制(MPC),可有效减少控制序列总数、降低开关频率,实现电路MPC的快速求解,克服了电路MPC的计算难题。详细研究了电力电子电路控制序列的求解算法及实现过程,并以三相逆变电路为例验证了控制方法的可行性与有效性。

基于LS-SVM的非线性系统直接逆模型控制

针对非线性系统逆模型建立难的问题,提出了基于最小二乘支持向量机(LS-SVM)的非线性系统逆模型辨识建模的方法,在此基础上,提出了基于LS-SVM的非线性系统直接逆模型控制的方法。仿真试验结果表明,采用LS-SVM建立的非线性系统逆模型具有很高的建模精度和较强的泛化能力,基于LS-SVM的直接逆模型控制方法的控制效果好,简单易行,从而验证了这两种方法的有效性和先进性。

基于逆系统模型的配电网静止同步补偿器双变量非线性控制策略

通过分析配电网静止同步补偿器(distribution static synchronous compensator,DSTATCOM)的输出电压与电网电压的相角差δ与装置吸收的无功功率和有功功率的关系,建立了DSTATCOM稳态逆系统数学模型。提出以稳态逆系统数学模型为主控制器、电流反馈闭环控制为辅助控制器的双变量(δ和M)电流控制策略,并通过调节δ角控制直流侧电容电压。同时在补偿电流与直流侧电容电压控制中引入非线性PID控制技术,使得装置具有很好的自适应能力。最后经DSTATCOM模拟装置证明了所提控制方法的可行性和有效性。

Preisach逆模型补偿的压电陶瓷执行器自适应滑模控制

为了降低压电陶瓷执行器迟滞特性对纳米定位平台精度的影响,利用Preisach逆模型补偿迟滞特性,并针对逆模型未能完全补偿的迟滞特性、模型参数的不确定性以及其他扰动设计了自适应滑模控制律.仿真实验结果表明,与普通滑模控制器以及逆补偿PID控制器相比,逆补偿的自适应滑模控制器提高了定位系统的跟踪精度,对系统不确定性和外界扰动有较强的鲁棒性.

基于逆模型解耦的绿茶烘焙变论域模糊控制

绿茶烘焙过程,伴随着复杂的物质交换和热交换,温、湿度变化耦合严重。针对这一问题该文提出了一种基于逆模型解耦的变论域模糊控制方法。采用支持向量机(support vector machine,SVM)方法辨识绿茶烘焙过程,建立精度相对较高逆模型,根据试验结果,电热丝电流平均误差为4.3%,而风机转速为8.5%。将该模型并与被控对象进行串联,建立伪线性系统,实现温、湿度解耦。同时采用模糊控制器对温、湿度分别进行独立控制,同时对模糊控制器的论域进行改进,增强系统的环境适应能力。性能试验结果表明,该控制系统能够将温度误差控制在小于1.4℃,相对湿度控制误差仅为2.8%;品质试验表明,绿茶橙花叔醇成分平均提升15.2%,α-法呢烯成分平均提升17.4%,芳樟醇成分平均提升14.2%。该文方法能够有效提升绿茶烘焙过程的控制效果,提供了一种控制绿茶烘焙过程的新途径。

非线性系统的支持向量机逆模型辨识及控制

针对非线性系统逆模型建立难的问题,提出了基于回归型支持向量机(support vector re-gression,SVR)的非线性系统逆模型辨识建模的方法,在此基础上,提出了基于SVR的非线性系统逆模型控制的方法。仿真试验结果表明:采用SVR建立的非线性系统逆模型具有很高的建模精度和较强的泛化能力,基于SVR的逆模型控制方法的控制效果好,简单易行。

基于粗糙-神经网络的非线性系统逆模型控制

粗糙控制是近年来兴起的一种新的智能控制方法,作为对粗糙控制理论的探索,提出了粗糙规则逆模型的概念,并分析了粗糙规则逆模型的一致性和完备性问题,引入了基于径向基函数网络的粗糙决策规则推理方法,构造了粗糙-神经网络逆模型。对粗糙-神经网络逆系统模型的辨识以及基于粗糙-神经网络逆模型的控制理论和方法进行了分析和讨论,并通过实例仿真计算与实验分析,验证了粗糙-神经网络逆模型控制方法的可行性。

非线性结构自适应模型逆飞行控制律设计研究

文章结合自适应控制、模型参考控制和动态逆控制理论提出了结构自适应模型逆非线性控制系统,设计了飞行控制器。通过李亚普诺夫稳定性定理推导了自适应规律,保证了闭环系统的稳定性。仿真表明该方法对模型参数不准确和外界干扰具有很好的自适应能力,能够满足飞机在过失速机动条件下的控制指令跟踪,且系统具有良好的控制性能及鲁棒性。

模型参考逆方法及其在非线性时变控制系统设计中的应用

给出一种基于模型参考最优化方法和逆系统方法的非线性时变控制系统的设计方法，并将其同模型参考自适应方法和逆系统方法进行了比较。将这一方法用于非线性与时变控制系统，仿真研究表明，该方法不仅简单易行、鲁棒性强，而且具有极好的控制效果。

基于模型预测控制的汽车操纵逆问题研究

为解决汽车操纵动力学研究往往存在驾驶员建模难的问题,提出一种汽车操纵逆动力学研究方法。基于模型预测控制(MPC)方法,以驾驶员对汽车施加的转角输入为控制变量,以精确地跟踪给定的路径为控制目标,将汽车操纵逆动力学中的高速情况下完成给定路径跟踪的最优控制问题转化为二次规划问题,并利用有效集法求解。计算结果表明,模型预测控制方法在求解多控制变量和多复杂约束的车辆运行轨迹的最佳转向输入问题时具有较高计算精度的优势,能够控制车辆在高速情况下完成给定路径的跟踪。该方法能够用于汽车超车换道操纵性能的分析。

基于BP网络逆模型的轧辊偏心自适应逆控制

针对冷轧带钢生产中的轧辊偏心控制问题,将神经网络与自适应逆控制相结合,提出一种基于BP网络逆模型的自适应逆控制方法。将系统的动态特性控制和对象的噪声控制分成两个独立的过程,当动态性能达到最优时,对象扰动的影响也减到最小。将该方法应用到350 mm四辊可逆液压轧机上,仿真结果表明,系统具有良好的动态和稳态特性。

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。