双连杆柔性机械臂振动主动控制与实验

为了对柔性机械臂在外部扰动或工作时产生的振动进行快速抑振,设计并搭建出一套刚柔耦合机械臂实验平台,大臂为刚性臂,小臂为柔性臂。首先,采用粘贴在柔性臂根部的压电陶瓷片测得的振动信号作为反馈信号,伺服电机用作驱动器带动减速器驱动机械臂;其次,对柔性臂由于外部激励产生的振动,分别设计了基于输入整形技术(input shaping technology,简称IST)的前馈控制器和基于广义最小方差自校正控制(generalized minimum variance self-tuning controller,简称GMVSTC)的控制算法,对柔性臂振动进行主动控制实验研究;最后,为了验证控制算法的效果,对采用常规比例微分(proportion differentiation,简称PD)控制实验进行对比。实验结果表明,输入整形和自校正控制算法可大幅减少柔性臂振动的时间,均可对柔性臂的振动进行快速抑振。

最小方差控制中的最优输入信号设计

为研究最小方差控制中的最优输入信号设计问题,推导了最小方差控制器与闭环反馈结构中对象模型、噪声模型之间的关系。基于闭环反馈系统中频响函数估计的渐近分析,考虑系统对象模型、噪声模型和控制器三者之间的摄动性。分别采用输出端误差平方的均值、输入端误差平方的均值和输出端估计值平方的均值作为评价性能指标函数,推导三种情况下最优输入信号设计问题对应的约束优化问题。通过求解对应的约束优化问题,得到三种情况下最优输入信号的功率谱密度表达式。最后用仿真算例验证本文方法的有效性和可行性。

不确定时滞切换系统的滑模控制方法

基于含有状态和输入时滞的不确定切换系统的滑模控制,与已有的工作不同,消除了输入矩阵相同这一约束条件。通过引入输入矩阵加权方法,设计了含有预测项的公共滑模面,用以补偿系统中输入时滞带来的不良影响。基于最小投影算法设计切换信号,分析了滑动模态的渐进稳定性。设计了滑模控制律,使得存在状态和输入时滞以及外部扰动的情况下,系统状态轨迹最终被趋使到滑模面上。最后数值仿真验证了控制方法的有效性。

神经网络预测控制及其在卫星姿态模拟系统中的应用

针对卫星姿态仿真系统非线性和时变性的特点 ,提出了一种基于最小方差优化算法的神经网络预测控制器 ,同时预测模型采用系统主特性与非线性补偿两部分网络叠加的结构 ,较好地利用了系统的已知信息。实验证明该控制方案鲁棒性强 ,具有较好的动态控制性能 。

基于0/-1特征值的网络可控性优化研究

针对网络可控性的优化问题,本文以 PBH判据为基础,介绍了最小控制输入的求解方法以及网络可控性的定量分析指标;对λkI-A矩阵的行相关情况进行分类,明确了 0/1特征值与行重复相关、λkI-A矩阵行相关性的关系;阐述了 0和 1特征值对应的独立共连和互连共连两种具有规律性的特征结构,以消除这两种结构为基本思路,给出了结构优化的基本步骤。通过实验分析,验证了0/1特征值能够极大地影响网络的可控性,结构优化能够提高网络的可控性。研究结果表明:0/1特征值具有重要性和可控性优化的有效性,可以为可控性的相关研究提供新方法、新思路。

基于MELTAC平台技术的最小试验装置及其应用

MELTAC平台技术在CPR1000核电厂安全级仪控系统中得到了应用,本文介绍一种基于MELTAC平台技术的最小试验装置,该装置设计有两层机架,分别配置主控制器和输入输出模件,同时还可外接扩展机箱,具有结构简单、功能齐全、应用便捷的特点,可用于输入输出模件功能测试、故障排查和复现以及平台技术修改验证等。

离散线性随机系统输入-输出关系的数学描述(英文)

研究离散线性随机系统输入－ 输出间的关系，证明了任何线性随机系统输出方差与其输入无关．因此在任何意义下由方差极小化而得最优控制是不可能的，且已证明，输出与其集点间的期望差依赖于控制信号的选择，得到了最小偏差控制器，考虑了与线性随机系统输入－ 输出关系有关的所谓完全ｉ－ 步输出可达性这一重要概念，并给出了以输入－ 输出随机差分方程所描述的多变量随机系统的完全ｉ－ 步输出可达性的充要条件。

离散线性随机系统中的某些问题

研究了离散线性随机系统输入与输出间的关系。证明了任何线性随机系统的输出方差与其控制输入无关,因而在任何意义下,由极小化方差而得最优控制是不可能的。证明了输出与其集点间的期望差,文中定义为输出偏差,依赖于控制信号的选择。基于这种观点,给出了输出偏差极小化的最小偏差(M B)控制器。另一涉及输入输出关系的重要概念是线性随机系统完全i-步输出可达性。给出了由输入-输出随机差分方程所给多变量随机系统完全i-步输出可达的充要条件和检验输出可达性的简易方法。

基于Backstepping和输入饱和的船舶航向跟踪控制

基于Lyapunov稳定性定理和Backstepping方法,针对非线性船舶航向运动数学模型提出一种考虑输入饱和的直接自适应神经网络控制方法.采用Backstepping方法对系统进行递归式设计并借助一种饱和内补偿辅助系统处理系统中的输入饱和限制问题,同时运用最少学习参数(MLP)技术,以减少控制器的计算负担,便于工程实现和应用.本文设计的控制器保证了闭环系统信号一致最终有界,而且使系统输出能收敛到零的一个较小领域.数值仿真验证了该算法的有效性.