Primary exploration of nonlinear information fusion control theory

By introducing Information fusion techniques into a control field, a new theory of information fusion control （IFC） is proposed. Based on the theory of information fusion estimation, optimal control of nonlinear discrete control system is investi- gated. All information on control strategy, including ideal control strategy, expected object trajectory and dynamics of system, are regarded as measuring information of control strategy. Therefore, the problem of optimal control is transferred into the one of information fusion estimation. Firstly, the nonlinear information fusion estimation theorems are described. Secondly, an algorithm of nonlinear IFC theory is detailedly deduced. Finally, the simulation results of manipulator shift control are given, which show the feasibility and effectiveness of the presented algorithm.

基于信息融合最优估计的非线性离散系统预测控制

针对非线性离散系统的二次型最优预测控制问题,提出了一种基于信息融合最优估计的迭代预测控制算法.通过融合二次型性能指标函数中包含的未来参考轨迹和控制能量的软约束信息,以及系统状态方程和输出方程的硬约束信息,获得协状态序列和控制序列的最优估计.通过二自由度机器人操作手的转移控制仿真,表明了该控制算法具有良好的稳定性和鲁棒性.

非线性离散系统的信息融合最优预见控制

将信息融合思想引入非线性离散系统的预见控制,提出了信息融合最优预见控制,将对控制系统的所有性能要求和系统动力学转化为可融合信息;然后从信息融合估计的角度,使原问题转化为求控制量的"融合估计"问题.推导了基于卡尔曼滤波器的最优预见控制算法,讨论了预见步数的选取问题,并通过对机械手的转移控制仿真研究说明了信息融合最优预见控制算法的有效性.

时滞非线性离散动态系统最优控制的信息融合估计方法

对非线性时滞离散动态系统的最优控制,提出了一种信息融合估计(information fusion estimation,IFE)方法,把非线性控制问题的所有信息转化为关于控制量的"测量信息",从而使非线性控制问题转化为关于控制量的"非线性估计"问题.通过算例表明,IFE方法明显优于动态系统优化与参数估计的集成(dynamic integrated system optimization and parameter estimation,DISOPE)方法.

基于多传感器融合信息的移动机器人速度控制方法

为提高移动机器人在复杂环境下的速度控制精度和适应能力,提出了一种基于多传感器融合信息的移动机器人速度控制方法。首先,根据多传感器非线性优化融合理论,通过最小化运动观测残差的方法来构建移动机器人运动状态优化估计模型。然后,对利用单目相机、轮式里程计及惯性测量单元(inertial measurement unit,IMU)观测移动机器人运动的方法进行介绍,并计算了各传感器对移动机器人运动的观测残差及其雅可比矩阵。最后,结合移动机器人运动状态估计信息与增量式PID(proportion integration differentiation,比例积分微分)控制策略,设计了移动机器人速度控制系统,并通过多项试验验证了该控制系统的性能。试验结果表明,所提出的移动机器人速度控制方法有效减小了速度估计误差,较基于轮式里程计信息的速度控制方法在精度与稳健性方面有较大提升。研究结果对提升移动机器人在复杂环境下的工作性能有显著意义。