基于状态反馈线性化的阀控非对称缸系统模型预测控制

针对使用PID方法对阀控非对称液压缸位置控制中出现的超调问题,以及传统非线性模型预测控制优化求解计算时间较长的问题,提出了一种基于状态反馈线性化的阀控非对称缸模型预测控制方案。首先建立了阀控系统状态空间模型,运用微分几何理论讨论系统可反馈线性化的充要条件,并将非线性系统映射为新坐标空间内的线性系统模型;设计了反馈线性化模型预测控制器(Feedback Linearization Model Predictive Controller, FLMPC),讨论了线性系统下的约束问题,其中由于系统仿真预测时域远小于系统响应时间,对模型预测控制的损失函数加以修正。结果证明,在相同输入情况下,反馈线性化系统与原系统的位置误差满足控制需要,且在保证被控对象快速稳定控制的条件下,对比该算法与非线性模型预测控制的单步计算时间,证明该算法能够缩短计算时间。     

免疫粒子群控制在CVT电液伺服系统中的应用

CVT电液伺服系统在工作时,由于工作元件动力学性能的改变,造成系统的非线性和参数时变,为了降低建立系统控制模型的误差,采用最小二乘递推算法对系统参数进行辨识。提出了免疫粒子群控制算法,设计出免疫粒子群PID控制器,对最优指标和PID参数进行寻优,并将该控制方法应用于CVT电液伺服系统中。仿真结果表明,与模糊控制算法相比,基于免疫粒子群算法的CVT电液伺服系统的动态特性得到了有效的改善,提高了系统抗干扰能力以及参数时变的鲁棒性。     

基于GA优化的模糊控制液压伺服直驱泵控技术研究

为了提高伺服直驱泵控系统的精度,提升控制系统瞬时响应性能,设计了一种基于GA优化的模糊PID控制方法。首先在本实验台已有非对称泵控缸数学模型的基础上,设计了模糊PID控制器,构造了遗传算法对模糊规则优化的模型,并进行优化实例计算。在此基础上,对优化后的模糊控制器使用MATLAB SIMULINK进行了仿真,并在伺服直驱泵控实验平台上进行实验。仿真和实验结果表明,基于GA优化的模糊控制伺服直驱泵控系统的控制精度与响应性能得到明显的提升。     

基于蚁群算法的数控进给伺服系统PID参数优化

数控机床进给伺服系统的好坏,极大地影响了机床的加工性能。以蚁群系统和蚁群算法为基础提出了将蚁群算法与PID结合起来利用其全局寻优的能力对PID控制器参数进行优化的一种新的设计方法。在简要介绍蚁群算法基本思想的基础上,推导了蚁群算法PID参数优化方法,并给出了新算法的具体实现步骤,最后将该优化方案应用于控制数控机床进给伺服系统中的执行电机。计算机仿真结果表明,与传统的PID控制器相比,这种基于蚁群算法的PID参数优化控制器具有良好的动态和稳态性能。     

阀控非对称伺服缸基于粒子群优化的模糊PID控制器研究

针对阀控非对称伺服缸非线性、参数时变的特点,考虑到油液压缩特性的影响,建立了包含变体积弹性模量的系统数学模型。提出一种基于粒子群算法优化(PSO)的模糊自适应PID控制方法(简称PSO_FPID)。模糊逻辑推理在线调整PID控制器的比例、积分和微分系数,以粒子群算法实现对模糊控制比例因子和量化因子的参数寻优,两种方法的组合保证了系统最佳参数匹配下的自适应控制。同时,利用AMESim与Simulink联合仿真研究不同含气量的阀控缸模型在传统PID与PSO_FPID两种控制方法下的动态响应特性。结果表明:PSO_FPID综合了PID控制器高精度的优点和模糊控制器快速、适应性强的特点,能够有效抑制油液动态压缩特性的非线性影响,使系统具有良好的动、稳态特性。     

ABC算法在非线性系统辨识与控制中的应用

针对非线性系统辨识和控制器的设计,提出一种混沌映射产生初值的人工蜂群优化算法,并将该算法应用于非线性系统中的参数辨识和PID控制器的设计。参数辨识的仿真结果表明,基于混沌映射理论的人工蜂群优化算法比其他传统的算法具有更好的收敛特性和辨识性能;自动电压调节系统的仿真结果表明,基于混沌人工蜂群优化的PID控制自动电压调节系统是可行性的,且具有良好的动态调节性能。     

基于遗传算法的模糊神经网络控制器在烘干炉温度控制系统中的设计与仿真

以烘干炉温度为被控对象,由于烘干炉温度控制具有非线性、大滞后和无法建立精确数学模型等特点,传统的控制器很难达到理想的控制效果,为此设计了一种基于遗传算法的模糊神经网络控制器.基于遗传算法的模糊神经网络控制器是将遗传算法的全局寻优和BP算法的在线学习结合起来,先用遗传算法对神经网络的参数进行离线训练,然后再用BP算法对模糊神经网络控制器进一步在线学习.仿真结果表明,基于遗传算法的模糊神经网络控制器与模糊控制、传统PID控制相比较,改善了系统的动态性能和静态性能,能使非线性、大滞后等特殊的系统达到良好的控制效果.     

单级倒立摆系统中模糊控制理论的应用

在分析了单级倒立摆非线性模型的基础上,设计了一种利用模糊控制器进行倒立摆系统控制的方法,并对计算机控制倒立摆系统进行了实际调试.结果表明控制过程具有良好的动态性能和稳态性能,该方案可以得到较为满意的控制效果.     

单级倒立摆系统中模糊控制理论的应用

在分析了单级倒立摆非线性模型的基础上,设计了一种利用模糊控制器进行倒立摆系统控制的方法,并对计算机控制倒立摆系统进行了实际调试。结果表明控制过程具有良好的动态性能和稳态性能,该方案可以得到较为满意的控制效果。     

带遗忘因子的预测迭代学习控制在阀控非对称缸系统中的应用研究

弹性负载下的阀控非对称缸是典型的非线性、时变系统,针对传统PD型迭代学习控制容易造成系统抖动这一问题,设计一种带遗忘因子的预测迭代学习控制器。建立阀控非对称缸系统的模型,比较分析其工作特性。介绍迭代学习控制基本原理,并分析常规PD型算法存在的问题。为克服迭代学习控制算法在阀控非对称缸控制中的抖动问题,设计具有遗忘因子的迭代学习算法,并通过仿真分析不同遗忘因子取值对控制效果的影响。为补偿遗忘因子造成的迭代性能降低问题,加入预测给定环节。仿真与试验研究均表明,这种带遗忘因子的预测迭代学习控制算法能够很好应用于阀控非对称缸系统,它有效克服系统抖动问题,并且具有很好的迭代精度。     

SVR优化算法及其在蓄电池容量预测中的应用

提出一种优化的支持向量机回归算法(SVR)并应用于阀控密封铅酸蓄电池(VRLA)的容量预测.选定径向基函数作为支持向量机同归算法的核函数,分别使用遗传算法和遗传退火算法对核参数进行寻优,在此基础上建立了蓄电池容量预测模型.比较了在遗传算法和遗传退火算法两种参数优化方法下支持向量机回归算法对VRLA容量预测的精准度.仿真结果表明,基于遗传退火算法寻优的支持向量机回归算法用于VRLA容量预测的性能优于单一的遗传寻优算法.     

车辆磁流变半主动悬架滑模变结构优化控制

对悬架系统所用磁流变阻尼器进行阻尼特性试验,利用Levenberg-Marquardt优化算法对磁流变可调Sigmoid模型进行参数辨识,运用最小二乘法对辨识的参数进行拟合;基于天棚阻尼系统,设计了四分之一车辆悬架系统滑模控制器;采用极点配置法确定切换面参数,使用饱和函数代替符号函数,缓解滑模控制系统抖振问题,运用模糊控制、RBF神经网络对半主动悬架滑模控制器进行优化;以随机路面激励作为输入,分别对模糊控制、RBF神经网络优化的滑模控制器半主动悬架进行仿真分析.仿真结果表明:该优化算法辨识的可调Sigmoid模型具有良好的控制性能,利用该模型可实现对阻尼力的准确控制,所设计的RBF优化滑模控制器具有比模糊滑模控制器更优异的性能.     

基于改进PSO算法的电液位置伺服系统MRAC跟踪控制

针对电液位置伺服系统控制性能不佳的问题,提出一种基于改进PSO算法优化的模型参考自适应(Model Reference Adaptive Control,MRAC)跟踪控制方法。首先,建立电液位置伺服系统数学模型,设计出模型参考自适应控制器;其次,分析PSO算法、APSO算法在参数寻优过程中的不足,提出一种改进的PSO算法;最后,将改进的PSO算法用于模型参考自适应控制器以改善其控制性能。结果表明,改进PSO算法优化的模型参考自适应控制具有响应速度快、跟踪精度高的优点。     

改进蜂群算法在风机变桨距控制中的应用

风力发电系统建模过程复杂,具有很强的非线性,受参数变化和外部干扰严重,且运行环境恶劣。因此,在控制器部分提出用自抗扰控制理论解决风力发电系统的变桨距控制问题,实现最大功率跟踪。并采用改进人工蜂群算法对自抗扰控制器的参数进行优化,解决其整定过程繁琐,具有很多不确定性的问题。MATLAB的仿真结果表明,优化后的控制器调整参数减少,简化了调节过程,弥补了人工蜂群算法搜索过程寻优速度慢,迭代后期容易陷入局部最优的不足,提高了优化精度。     

零差移频式干涉图形相位锁定系统的超精密控制

利用全息曝光法制造大口径全息平面光栅时,常引入零差移频式干涉图形相位锁定系统来提高全息曝光质量。本文针对直接影响最终干涉曝光精度的系统控制精度开展研究。首先,介绍了新型的零差移频式干涉图形锁定系统的原理和结构,在系统理论建模及模型辨识的基础上,针对非线性系统模型进行了高阶线性化拟合,并结合系统振动测试实验结果,设计了系统控制器。然后,对设计的控制器进行了实际控制调试,实现了系统的超精密控制。最后,针对系统控制误差纹波,采用频域分析方法揭示了影响系统控制精度的主要因素,提出了未来提升系统控制精度的方法。测试结果显示:系统相位锁定控制精度可达±0.046 1rad(3σ)且以高频误差纹波形式呈现。分析了高频误差纹波的成因,指出受系统噪声、延迟、控制器参数等因素限制,控制器很难完全抑制频段跨度大而连续的高频微振动引起的干涉图形相位漂移。     

PILCO框架对飞行姿态模拟器系统的参数设计与优化

PID控制是飞行器控制中应用最广泛的控制方法,但是PID参数的调节往往十分繁琐。为了实现飞行模拟器控制系统自主优化PID控制器的参数,从而完成系统的稳定控制,本文使用强化学习中的概率推理学习控制算法(Probabilistic Inference for Learning Control,PILCO)自主优化PID控制器的参数。首先,利用输入输出数据拟合出系统的概率动力学模型,并使用策略评估的方法对当前PID控制器进行评价;最后,使用策略提升的方式对当前PID控制器进行优化。在系统采样频率为100Hz,每次采集8s数据的实验中,经过10个回合的离线训练之后,系统控制效果已经可以满足要求,PID控制器参数已经收敛。经过PILCO优化的飞行姿态模拟器在定点实验中表现出良好的鲁棒性,表明PILCO算法可以优化PID控制器的参数,并且在解决非线性控制和参数优化方面具有很大潜能。     

改进PSO算法优化的电液位置伺服系统滑模控制

针对电液位置伺服系统因参数不确定性、复杂时变性与非线性而导致控制性能不佳的问题,提出了一种基于改进PSO算法的电液位置伺服系统滑模控制方法。建立电液位置伺服系统的误差状态空间方程,通过设计滑模面和控制律推导出滑模控制器结构,利用李雅普诺夫函数验证了控制器的稳定性,采用柯西变异和自适应速度更新策略改进了PSO算法,并把改进后的PSO算法应用至滑模控制器中进行参数优化,基于AMEsim/MATLAB联合仿真研究了几种方法下系统对位置的跟踪情况。结果表明,相比于PSO算法和APSO算法,改进PSO算法寻优性能更好,从而验证了该方法是有效的;通过对比分析,采用改进PSO算法的滑模控制器极大地提高了系统的控制性能,在抑制抖振的同时实现了系统对状态轨迹的快速精确跟踪。通过现场试验研究,验证了所提方法的应用可行性。     

一种欠驱动AUV模型预测路径跟踪控制方法

本文针对欠驱动自主水下航行器(AUV)的约束路径跟踪问题,设计了一种模型预测路径跟踪控制器。首先定义路径参数的二阶导数作为路径虚拟控制律,并将参考路径的模型扩展到AUV路径跟踪预测模型;然后采用非线性模型预测控制设计了欠驱动AUV的约束路径跟踪控制律,通过对约束优化问题的滚动求解,得到满足约束的扩展控制输入。最后采用REMUS AUV的模型参数对提出的控制律进行了仿真研究,结果说明了控制器在显式处理约束的同时,表现出良好的跟踪效果。     

考虑横摆稳定性的无人车轨迹跟踪控制优化研究

横摆稳定性和轨迹跟踪性能对无人车至关重要。为此,提出一种基于模型预测控制的轨迹跟踪控制器,将考虑瞬时极限性能的稳定性判据添加到控制器约束中,并且利用性能驱动的方式对控制器的参数进行优化。首先根据车辆3自由度动力学模型建立横摆角速度-质心侧偏角相平面,分析前轮转角对相平面平衡点的影响,通过建立相平面的等倾几何曲线,分析车辆的稳定性特征,设计出基于包络线的横摆稳定性判据。然后将模型预测控制器的代价函数参数化,根据性能目标设计特定场景的全局代价作为评价函数,利用贝叶斯优化进行预测时域和代价函数权重两类参数的优化,实现目标任务全局性能最优。仿真和实车试验表明,所提算法在保证车辆稳定的前提下,发挥了车辆的动力学极限,采用的贝叶斯优化方法对轨迹跟踪模型预测控制器的参数进行了优化,实现了轨迹跟踪性能的提高。     

非线性最优和PID结合的风机变桨距研究

对于非线性、大惯性的永磁直驱风力发电系统而言,当它偏离系统工作点或系统受到较大扰动时,如果仍然采用基于PID技术的变桨距控制器,就会出现较大误差甚至振荡。为此,对其采用非线性最优控制控制器进行代替可以获得控制性能的改善。但是,非线性最优控制调节器存在着对大惯性系统控制严重滞后的缺点。所以,提出一种通过蚁群算法优化,将PID和非线性最优控制结合的新型变桨距控制器的设计原理,从而实现对发电机组有效的控制。结果表明:该方法是有效的、可靠的。