具有大不确定性对象的分层切换控制方法

针对大模型不确定性对象的控制问题,提出了一种基于鲁棒控制理论的多模型分层切换控制方法.为减少覆盖不确定性需要的模型数量,采用多个乘性不确定模型来描述对象,并应用LMI方法设计控制器集合.考虑鲁棒控制中常用系统增益来度量不确定性,设计了一种基于不确定性增益估计的切换指标函数,并据此将控制器集合中合适的控制器连接到反馈回路中.理论分析表明系统BIBO稳定,且具有一定的扰动抑制能力.仿真实验结果验证了控制方法的有效性.     

基于模糊规则的多模型控制方法在AUV航向控制中的应用

本文研究了基于模糊切换规则的多模型控制方法,通过模糊切换实现了多控制器集的平滑切换,各局部控制器可以采用常规或智能控制规律设计。并在环境干扰条件下,以航向控制为例,对AUV进行航向跟踪,对比基于单一模型下设计的控制器：仿真结果验证了该控制方法具有很好的控制性能和鲁棒性。     

基于多模型模糊自适应PID的无人机纵向姿态控制研究

针对无人机典型的非线性,且气动参数随着工作环境时变的问题,文中研究了基于模糊控制规则下的多模型模糊自适应控制方法,以实现对无人机纵向姿态控制;该方法对局部采用经典PID设计的子控制器进行加权处理,从而达到多控制器集的平滑切换,在利用S函数建立的无人机六自由度模型基础上进行控制仿真,得出仿真曲线;基于无人机纵向姿态俯仰角控制仿真结果表明,设计的多模型模糊自适应PID控制器具有较好的控制性能和鲁棒性。     

基于切换和混合策略的多模型自适应控制

混合与切换是多模型控制器的两种主要设计方法,混合控制不能及时响应参数突变,切换控制的暂态响应不理想。因此提出了一种新的多模型自适应控制结构。首先利用各模型子集的中心点值代替未知参数值得到最小误差,并与当前参数估计值得到的误差进行比较,判断参数是否发生跳变。若参数没有发生跳变,采用混合控制;若参数发生跳变,则把参数估计值重构为子集的中心点值,控制器就切换到对应的子控制器,及时响应参数变化。最后的仿真结果表明,在参数发生跳变时,该方法的控制效果较混合控制有明显的改善。     

基于不同加权因子的随机多模型自适应控制

针对一类噪声方差未知的随机系统,基于不同加权因子设计多个参数辨识器辨识模型参数,在此基础上,构成多模型自适应控制器.在每个采样时刻基于指标切换函数选择最佳辨识模型.并将基于此最佳模型设计的控制器切换为当前控制器.同时,证明了多个模型控制器之间相互切换时整个闭环系统是全局收敛的.仿真结果表明,同单一自适应模型控制器相比,这种基于多个不同加权因子的多模型自适应控制器在模型参数发生跳变时可很好地改善被控对象的控制品质.     

基于控制量补偿的多模型主汽温控制系统

本文针对过热汽温对象的特性参数随机组运行工况的变化而有较大变化的特点,设计了一种基于控制量补偿和多模型切换的串级控制系统,基于不同工况点设计的控制器可根据运行工况进行切换。仿真结果表明这种控制方案实现了系统全工况运行的满意控制。     

多模型自适应控制的分层递阶构造与覆盖性质分析

针对一类非最小相位系统,设计一种多模型自适应控制器.该控制器由固定控制器模型、常规自适应模型和可重新赋值自适应模型构成.固定控制器模型采用分层递阶结构用来减少模型集的数目,根据切换指标选出的上一层最优控制器,动态设计本层固定控制器模型实现对其参数变化范围的覆盖.该控制器采用直接自适应算法,通过加权多项式的选取,消除了稳态误差.文末对系统的覆盖性、模型数目等进行了分析.仿真结果表明当采用相同数目的模型时,其控制效果明显优于常规多模型控制器.     

带有执行器故障汽车驾驶机器人反步自适应容错控制

针对机械腿执行器可能发生的不确定故障,提出了一种自适应容错控制方法。首先基于反步设计基本非线性控制器;然后设计自适应控制器对机械腿控制系统进行故障补偿和扰动抑制,使机械腿在发生故障的情况下仍能旋转到期望位置,进而实现对车速的跟踪控制。最后通过搭建Simulink仿真模型,证明所提的故障补偿控制算法能实现期望的控制目标提高汽车行驶过程中的安全性和可靠性。     

基于牵制控制的切换布尔网络的分布式集合镇定

切换布尔网络是一种典型的网络化控制系统, 在基因调控、信息安全、人工智能、电路设计等领域具有重 要应用. 本文基于牵制控制方法, 研究切换布尔网络在任意切换下的分布式集合镇定问题. 首先, 利用矩阵半张量积 方法,得到切换布尔网络的代数形式. 其次, 基于代数形式, 提出构造性的算法来实现切换布尔网络在牵制控制的 作用下任意切换集合镇定, 并设计出状态反馈牵制控制器. 再次, 利用逻辑矩阵分解技术和分布式控制方法, 设计任 意切换下切换布尔网络的分布式集合镇定控制器, 并提出分布式控制器存在的充分条件. 文中给出3个例子来说明 所获得结果的有效性.     

车速动态特性优化在HEV多能源动力总成系统控制中的运用

根据车辆控制工程理论,建立混合动力电动汽车（HEV）动力驱动模型及汽车闲环控制系统仿真模型,并以此进行计算机动态仿真.通过对设定不同汽车车速以及控制器参数下汽车实际车速响应情况以及响应与系统输入力矩之间关系的分析,发现现有混合动力电动汽车控制策略难以在保证汽车良好动态特性的基础上实现环保与节能.为解决上述矛盾,提出车速动态特性优化在HEV多能源动力总成系统控制中的运用,并论述其原理及实现方法.比较在两种控制策略下特定工况段的发动机油耗,说明车速动态特性优化的现实意义.     

Robust wavelet network control for a class of autonomous vehicles to track environmental contour line

We address the problem of environmental contour line tracking for a class of autonomous vehicles. A reference velocity is designed for the autonomous vehicles to do contour line tracking. Based on Lashall invariance principle, an ideal controller is designed for the vehicle with ideal model and ideal information about the environmental concentration function to track the desired contour line. For the vehicle with possibly modeling uncertainty, we combine a neural controller containing a wavelet neural network (WNN) identifier with a robust control to construct a robust adaptive WNN control for the vehicle to track the desired environmental contour line. Then we give theoretical proof of the efficiency of the designed robust adaptive WNN control. Simulation results and conclusion are presented and discussed.     

胎面生产线辅线速度链模糊自适应PID控制

针对常规PID控制在胎面挤出联动生产线辅线速度链整定中,参数整定不尽人意的问题,设计出一种基于模糊控制理论的自适应PID控制器。通过建立模糊控制规则和进行模糊推理来确定PID的参数,实现对辅线速度的调节。利用Matlab的模糊逻辑控制工具箱对算法进行仿真,仿真结果表明,该控制器与常规PID控制器相比,具有调节时间短、超调量小、跟踪调节性能好、鲁棒性等优点。实践证明,这种模糊自适应PID控制器比常规的PID控制器具有更好的控制特性。     

Integrated direct/indirect adaptive robust motion trajectory tracking control of pneumatic cylinders

This paper studies the precision motion trajectory tracking control of a pneumatic cylinder driven by a proportional-directional control valve. An integrated direct/indirect adaptive robust controller is proposed. The controller employs a physical model based indirect-type parameter estimation to obtain reliable estimates of unknown model parameters, and utilises a robust control method with dynamic compensation type fast adaptation to attenuate the effects of parameter estimation errors, unmodelled dynamics and disturbances. Due to the use of projection mapping, the robust control law and the parameter adaption algorithm can be designed separately. Since the system model uncertainties are unmatched, the recursive backstepping technology is adopted to design the robust control law. Extensive comparative experimental results are presented to illustrate the effectiveness of the proposed controller and its performance robustness to parameter variations and sudden disturbances.     

汽车转向/防抱死制动协同控制

为了解决汽车转向过程中防抱死制动稳定性问题,提出一种新的协同控制系统.该协同控制结构由转向控制器和制动控制器组成.在转向控制中设计滑模鲁棒自适应控制器和横摆力矩控制器力求改善汽车动态响应,鲁棒自适应性和稳定性.此外定义协同误差,建立汽车协同误差模型并设计汽车防抱死制动鲁棒自适应控制系统.为了减少转向系统和制动系统之间的补偿控制律难以确定的困难,提出耦合误差补偿原理与同一给定控制相结合的新的耦合控制策略.最后用仿真结果验证所设计控制算法的有效性.     

电动车制动防抱死自适应鲁棒控制系统

为了改善电动车的可操作性和稳定性,本文进行电动车制动防抱死控制系统的研究.首先针对汽车纵向四轮模型,设计自适应鲁棒控制器.所提出的自适应控制器和自适应鲁棒控制律不仅保证了闭环系统的稳定性,而且实现了所期望的性能.然后通过试验结果证明了控制算法的有效性.尽管道路条件的变化不同,电动车制动防抱死控制系统表现出满意的控制性能.     

Adaptive cruise control of a HEV using sliding mode control

This paper presents adaptive cruise control of a hybrid electric vehicle. First, the mathematical model of the vehicle is formulated. Next, a classical controller is applied to the vehicle model. Swarm optimisation is implemented for self parameter tuning of the controller. The model is simulated and the result of the response to a variable speed is analysed. The results reveal that the controller is not a powerful means to manage the rapid transformation of the desire set point. Accordingly, a sliding mode controller is developed next. The performance of this controller is compared with the classical controller.     

基于模型预测控制的电动车辆队列控制研究

针对车辆队列建模时参数不确定导致控制存在误差的问题,以及队列中跟随车辆稳定性问题,分析车辆纵向动力学,设计一个鲁棒MPC控制器和滑移率控制器来提高队列车辆的控制精度和稳定性.首先对纵向MPC控制器进行改进,提高车辆队列控制精度；同时为防止跟随车辆的轮胎打滑,设计一个MPC滑移率控制器对跟随车辆的轮胎滑移率进行控制约束,保证了跟随车辆的纵向稳定性.最后,进行仿真实验验证其有效性.仿真实验结果表明,与传统的LQR、MPC控制器相比,改进的鲁棒MPC纵向控制器控制精度更高,同时MPC滑移率控制器可防止跟随车辆的轮胎打滑,保证了跟随车辆的纵向稳定性.     

冷带轧机厚控系统自适应鲁棒输出反馈动态控制器设计

冷带轧机厚控系统可被认为是一个受外界干扰的线性不确定时滞系统.本文首先设计了标称系统下的鲁棒输出反馈动态控制器,以改善闭环系统的动静态性能;其次,在系统不需要满足不确定性匹配条件的情况下,将参数和外部扰动不确定性综合考虑.应用Lyapunov稳定性理论设计了系统不确定性上界参数的自适应估计器和系统的自适应控制器,保证了闭环系统的渐近稳定性,减小了设计的保守性;两者结合实现了板带出口厚度的有效控制.最后通过一个仿真实例说明本文所提出的自适应鲁棒控制器的有效性.     

具有未知干扰的无人机鲁棒滑模飞行控制

研究无人机飞行稳定性控制问题,由于无人机飞行控制系统存在时变外部干扰,飞行过程中升阴比变化激烈,控制稳定性难度较大。利用滑模控制良好的鲁棒能力提出一种神经网络的鲁棒飞行控制方法。因神经网络有良好非线性逼近能力,可对无人机飞行系统中的不确定进行在线逼近,并将神经网络权值误差引入到权值的自适应律中用以改善系统的动态性能。利用神经网络的组合,设计无人机鲁棒滑模飞行控制器。控制器分为两部分,一部分是等效控制器,另一部分是滑模控制器,能有效减小系统的跟踪误差。最后将所设计的鲁棒滑模控制对无人机飞行姿态控制进行仿真。仿真结果表明,新方法能提高无人机的鲁棒飞行控制能力且能实现无人机姿态的精确跟踪和稳定性控制。     

Robust and adaptive control: fidelity or an open relationship?

Robust and adaptive control are essentially meant to solve the same control problem. Given an uncertain LTI model set with the assumption that the controlled plant slowly drifts or occasionally jumps in the allowed model set, find a controller that satisfies the given servo and disturbance rejection specifications. Specifications on the transient response to a sudden plant change or “plant jump” are easily incorporated into the robust control problem, and if a solution is found, the robust control system does indeed exhibit satisfactory transients to plant jumps. The reason to use adaptive control is its ability, when the plant does not jump, to maintain the given specifications with a lower-gain control action (or to achieve tighter specifications), and also to solve the control problem for a larger uncertainty set than a robust controller. Certainly equivalence-based adaptive controllers, however, often exhibit insufficient robustness and unsatisfactory transients to plant jumps. It is therefore suggested in this paper that adaptive control always be built on top of a robust controller in order to marry the advantages of robust and adaptive control. The concept is called adaptive robust control. It may be compared with gain scheduling, two-time scale adaptive control, intermittent adaptive control, repeated auto-tuning, or switched adaptive control, with the important difference that the control is switched between robust controllers that are based on plant uncertainty sets that take into account not only the currently estimated plant model set but also the possible jumps and drifts that may occur until the earliest next time the controller can be updated.