含未知输入非线性系统的扩展平方根容积卡尔曼滤波算法

针对工程实际应用中存在的未知输入会导致经典的非线性滤波器状态估计精度下降甚至滤波发散的问题,提出了一种基于最小方差无偏估计(minimum variance unbiased estimation,MVUE)准则的扩展平方根容积卡尔曼滤波(extended square-root cubature Kalman filter,ESRCKF)算法。首先,结合上一时刻未知输入估计值对状态一步预测值进行修正,得到含未知输入条件下的状态预测值。其次,设计新息并采用加权最小二乘(weighted least squares,WLS)法获取当前时刻未知输入的无偏估计。最后,通过最小化协方差矩阵的迹,同时采用拉格朗日乘子法和舒尔补引理得到系统状态的最小方差无偏估计。仿真结果表明,相比于现有的非线性滤波算法,ESRCKF算法提高了在处理含未知输入非线性系统时的状态估计精度,并能同时实现系统状态和未知输入的最优估计,验证了该算法的有效性。

复合式空气悬架多模式切换终端滑模控制

针对车辆空气悬架系统在复杂工况下车身高度与悬架阻尼难以协调的问题,提出一种复合式空气悬架多模式切换终端滑模控制策略。考虑悬架系统非线性及外界干扰的影响,建立复合式空气悬架非线性动力学模型;设计多模式切换控制器以确定不同车身高度下的最优阻尼控制模式;采用未知输入观测器估计悬架系统状态量,并设计一种基于径向基神经网络的非奇异快速终端滑模控制器,控制直线电机输出对应模式下的电磁推力;最后,对多模式切换终端滑模控制策略下的悬架动态性能进行仿真与台架试验。仿真结果表明:该控制策略可有效协调车身高度与悬架阻尼,提高车辆在复杂工况下的平顺性和操稳性。试验结果表明:相比于被动悬架,系统的簧载质量加速度在时域和频域内分别降低了32.5%和33.7%,验证了该控制策略的有效性。

高速列车牵引电机转子断条和速度传感器联合诊断方法

为提升高速列车牵引系统的稳定性和可靠性,针对其牵引电机提出一种基于未知输入观测器的转子断条和速度传感器故障联合诊断方法.首先,通过非奇异坐标变换,将牵引电机系统解耦为两个分别只包含转子断条故障和速度传感器故障的子系统,实现转子断条故障与速度传感器故障的解耦,并进一步利用一阶低通滤波器将含速度传感器故障的子系统转化为增广系统.其次,对含转子断条故障的子系统和速度传感器故障增广系统分别设计未知输入区间观测器和未知输入滑模观测器.在此基础上,采用未知输入区间观测器上界和下界构建转子断条故障诊断的检测变量和自适应阈值,利用未知输入滑模观测器的等效输出控制原理实现速度传感器故障估计.最后,通过仿真和TDCS-FIB平台实验验证了所提方法的有效性和鲁棒性.

板带轧机主传动系统的鲁棒故障检测与重构

考虑模型的非线性摩擦阻尼和主传动系统在轧制过程中受到外部干扰的情况,建立了板带轧机主传动系统的数学模型。针对该系统,设计了一种非线性未知输入观测器(unknown input observer,简称UIO)并用于轧机主传动系统的故障检测和故障重构。为了增强残差对故障信号的灵敏度,提高观测器故障检测精度,构建未知输入观测器,将外部干扰从残差中解耦。利用H∞性能指标提高观测器对故障重构的鲁棒性,采用Lyapunov稳定性理论进行误差动态系统的收敛性分析。为了改进观测器的设计过程,把增益矩阵求解问题转化为受线性矩阵不等式(linear matrix inequality,简称LMI)约束的优化问题。将产生的残差与设定的阈值进行对比,实现故障的检测并完成故障重构。通过对2 030 mm冷连轧机F4号机架主传动系统的仿真研究,验证了该观测器可以准确地对系统状态进行跟踪,并能够检测和估计出主传动系统的故障。

基于结构随机场的桥梁移动荷载统计矩识别

由于结构、材料不确定等因素,桥梁结构往往具有随机性,因此,基于桥梁结构的响应识别得到的桥梁所受移动荷载也是不确定的,但相关研究还较少。为此,本文研究桥梁结构为空间随机场的情况下,有效识别移动荷载的统计矩。提出的识别方法基于桥梁结构随机场的Karhunen⁃Loeve(KL)展开、未知输入的卡尔曼滤波与改进的两点估计法的结合。桥梁结构参数为空间相关的随机场,通过KL展开将随机场转化为多随机变量的组合。在多随机变量下的不确定传播中,利用改进的两点估计法,将识别移动荷载统计矩问题转化为若干个确定性识别移动荷载识别的逆问题。采用未知输入的卡尔曼滤波进行确定性识别移动荷载,可有效估计识别移动荷载的统计矩。通过数值模拟算例验证了提出的估计方法的有效性。

含未知输入不确定系统的扩展递归滤波算法

对一类具有未知输入、乘性噪声和量测丢失的不确定系统的扩展递归滤波问题进行研究。其中,实际系统存在时变性和不确定性的情形通过乘性噪声描述;量测丢失现象用服从伯努利分布且统计特性已知的随机序列表示;先验信息未知的外界干扰以未知输入的形式存在于系统方程和量测方程中。综合考虑上述因素,首先,利用传统的递归滤波性质和线性无偏最小方差估计准则,设计一种能同时估计系统状态和未知输入的扩展递归滤波器;然后,采用加权最小二乘优化理论和拉格朗日乘子法求取滤波器中待定的增益矩阵;最后,通过数值仿真实验验证了该算法的有效性。

基于深度迁移学习的多点频域振动响应预测

针对多输入多输出神经网络(MIMO-ANN)进行多点频域振动响应预测时需要为每个频率点独立建立神经网络模型、独立随机选择神经网络模型初值导致的训练时间长、预测精度低等问题,提出了一种基于多输入多输出人工神经网络(MIMO-ANN)和模型迁移学习的多点频域振动响应预测方法。本研究对于多源不相关载荷未知条件下的基于数据驱动的振动响应预测问题进行了形式化描述,并比较了其与不相关多源载荷已知情况下基于数据驱动的多点频域振动响应预测问题的不同之处。首先,将某频率点下的多个振动响应已知的测点的自功率谱作为输入,多个振动响应未知的测点的自功率谱作为输出,将两部分历史数据集构造成为训练集,利用MIMO-ANN建立该频率下的未知点振动响应预测模型;其次,根据传递函数在频域的连续性,利用该频率下训练好的MIMO-ANN的权值迁移到相邻频率作为其MIMO-ANN的初值;再次,利用此相邻频率下的历史数据进行训练,从而得到此频率下的预测模型;最后,不断循环此过程,直到所有频率点的模型全部训练完成。该方法解决了矩阵病态求逆问题,可以获得更好的神经网络模型的初值,不容易陷入局部最优,加快了神经网络的收敛速度。在圆柱壳声振实验数据集的多点响应预测结果表明,在多源载荷未知条件下,该方法比基于无迁移学习神经网络、多元线性回归、传递函数的方法,预测精度、训练效率更高。

具有输入时延和干扰的鲁棒仿射机动编队控制

针对具有输入时延和干扰的多智能体仿射机动跟踪控制问题,提出一种新的具有预设的性能鲁棒仿射编队控制算法。首先利用Artstein模型简化技术,将时延系统转化为无时延系统。通过预设性能函数对系统的跟踪误差设定性能边界。利用误差转换函数设计了一种新的控制律,使得多智能体系统在输入时延和干扰的情况下仍可实现仿射编队机动控制。使用输入到状态稳定和基于李雅普诺夫的分析证明了系统的稳定性。最后,通过数值仿真验证所提出的控制律的有效性。

一类分数阶系统的有界H_(∞)事件触发跟踪控制

针对一类具有未知外部扰动以及输入饱和且控制方向未知的非同元次分数阶严格反馈非线性系统,研究其基于事件触发机制的自适应有界H_(∞)跟踪控制问题。结合事件触发策略、有界H_(∞)控制方法以及Nussbaum增益技术,提出一种自适应神经网络有界H_(∞)事件触发跟踪控制方法。所设计的控制器能够保证系统的跟踪误差以及闭环系统中的所有信号是有界的,且系统对外部干扰具有很好的抑制作用。此外,所提出的控制策略既可避免非线性系统H_(∞)控制方法中可能出现的控制器输出值过大的问题,也能使系统的控制输入不再频繁进行更新,进而达到节约通信资源的目的。仿真结果验证了所提出方法的可行性及有效性。

基于状态观测器的广义Markov跳变时滞系统的有限时间鲁棒H_(∞)控制

针对一类带有输入饱和的离散广义Markov跳变时滞系统,考虑转移概率部分未知以及系统状态不可测等因素,研究其有限时间H∞鲁棒控制问题。通过构建状态观测器完成状态反馈控制器的设计,给出了控制器存在的条件以及参数设计的方法,所得控制器能够保证闭环系统满足均方意义下的随机有限时间稳定。通过Matlab验证了方法的正确性和有效性。

一种基于最优未知输入观测器的故障诊断方法

针对含有未知输入干扰和噪音的不确定动态系统,使用全阶未知输入观测器(Unknown input observer,UIO)来消除干扰项,实现状态估计,结合Kalman滤波器算法来求解状态反馈矩阵,以使得输出残差信号的协方差最小,从而增强系统对噪声的鲁棒性,实现了一种基于最优未知输入观测器的残差产生器.采用极大似然比(Generalized likelihood ratio,GLR)的方法对残差信号进行评估,通过设定的阈值来提高诊断率.最后以风力发电机组传动系统出现加性传感器故障和乘性传感器故障为例,进行了残差信号的仿真,仿真结果说明了该方法的有效性.

具有未知输入干扰的观测器设计

提出一种全阶比例积分观测器。该观测器包含有估计误差的比例和积分回路 ,可同时得到状态和未知输入估计。分析了比例积分观测器的结构和估计性能 ,给出并证明了其存在条件 ,由于存在条件弱于未知输入观测器 ,该比例积分观测器可以更广泛地应用于基于观测器的技术方案。通过一个飞行器线性化模型 ,进行了比例积分观测器设计。仿真结果表明 ,比例积分观测器的估计性能优于常规

基于迭代学习观测器的卫星姿态控制系统的鲁棒容错控制

针对卫星在轨运行时存在执行机构故障和空间干扰问题,提出了一种将迭代学习与未知输入观测器(IL-UIO)相结合的鲁棒容错控制方法。该方法在继承了未知输入观测器干扰解耦优点的同时,运用迭代学习技术,利用前一时刻姿态角速度偏差和IL-UIO输入来更新当前故障信息,实现了执行机构的在线故障重构。进一步基于Lyapunov方法从理论上证明了设计的IL-UIO鲁棒稳定性和姿态角速度偏差一致有界性。最后,建立卫星闭环姿态控制系统对方法进行验证,仿真结果验证了方法的有效性。

未知输入下的复合反演研究

回顾了近年来未知输入情况下的结构参数识别算法,并针对未知输入情况下的复合反演算法做了深入研究,总结归纳了这类算法的特点和应用条件,并在此基础上提出了能够用于具有多个未知输入组合下的复合反演算法。此方法是基于最小二乘原则并结合统计平均思想的一类迭代算法,对于在多个未知输入情况下的结构(例如在地震动和风荷载共同作用下等),可以用来识别结构参数并同时反演多个未知输入。与仅适用于具有一个未知输入情况下的复合反演算法相比,本文方法具有更广泛的应用背景,最后以一个4层剪切型结构为例来验证本文方法。有噪声情况下和无噪声情况下的识别结果显示本文方法具有一定适用性。

未知输入条件下的结构物理参数识别研究

研究在输入信息未知条件下识别结构物理参数的问题。根据建筑结构风荷载的作用特点，提出了一类时域识别算法，用于高层建筑结构的结构物理参数识别。文中对算法给出了理论证明。数值分析算例表明：不考虑量测噪声时，文中方法可给出结构参数的精确识别结果；

部分输入未知条件下的结构系统识别研究

本文研究输入信息不完备条件下结构的参数识别问题。在对传统识别算法的特点进行分析的基础上提出了一种新的识别方法——全量补偿法。文中给出了算法的理论证明和具体的数值算例。

部分输入未知时求解动力复合反演问题的补偿算法

将作者提出的全量补偿算法[8] 推广为一类适用于一般多自由度系统的时域补偿识别算法。该方法是基于最小二乘原则的一类迭代计算方法 ,对于结构上的部分作用力已知的情况 ,可用来同时识别结构的参数并反演输入。文中应用不同类型的结构分析实例说明了此方法适用于实际工程动力检测的可能性。

基于UIO/双KF的4WID-EV驱动轮纵向力估计

四轮独立驱动电动汽车(4WID-EV)能独立实现4个轮胎纵向力的控制与分配,实时保证电动汽车的最佳运行状态。基于单个驱动轮的动力学和轮毂电机特性建立了驱动轮模型,采用电流、电压、转速等常用参数设计轮胎纵向力估计模型。考虑系统结构参数的不确定性和传感器噪声干扰,将驱动轮纵向力估计与干扰分离,基于卡尔曼滤波算法,设计了驱动轮纵向力-未知输入观测器。仿真和台架道路模拟试验结果表明,设计的观测系统能实时估计驱动轮纵向力,且具有较高的估计精度和抗干扰性,能满足四轮独立驱动电动汽车动力学控制要求。

Lipschitz非线性系统未知输入观测器设计

针对观测器匹配条件不满足情况下的Lipschitz非线性系统状态估计和未知输入重构问题,提出了一种未知输入观测器设计方法。首先,通过构造辅助输出向量,突破了观测器匹配条件的限制,并设计高阶、高增益滑模微分器实现对辅助输出向量及其微分的精确估计;之后,在辅助输出及其微分精确估计的基础上,设计具有滑模控制律和自适应调节律的自适应鲁棒滑模观测器,并提出了一种未知输入重构方法。该观测器设计方法不需知道Lipschitz常数,其大小可通过自适应调节律调节,且信息重构具有避免直接使用系统输出微分的优点。仿真结果表明,所设计的未知输入观测器不仅在观测器匹配条件不满足情况下可以实现对状态的渐进估计以及对未知输入重构之目的,而且自适应调节律能够在约5s时间内实现对Lipschitz常数的自适应调节。

量测噪声对输入未知条件下结构频率及振型识别的影响

利用输入未知条件下结构模态参数识别的方法 ,通过仿真算例分析了测试噪声对识别的影响 ,最后利用同济大学图书馆地脉动加速度反应实测数据 ,对其模态参数进行了识别 ,得出了一些结论。