海上风电直流输电的控制策略研究

海上风电场的功率输出使得新型直流输电技术成为近期研究热点之一。在分析含VSC的交直流混合输电系统模型后,得出VSC-HVDC直流输电系统的数学模型,并对系统的非线性模型进行了线性化分析,通过运用分散协调控制理论得出系统的最优控制规律,依照此规律设计了VSC-HVDC的非线性控制器。最后使用仿真软件PSCAD/EMTDC,对文中设计的非线性控制器进行了仿真研究。仿真结果表明文中采用的控制策略是有效的,并能改善输电系统的动态性能。     

四轮独立转向电动汽车最优控制器设计

建立整车二自由度模型,以质心侧偏角等于零为目标设计前馈控制器,引入参考模型,根据车辆实际响应值与参考模型理论值的差值,运用最优控制理论设计反馈控制器。通过仿真分析与实验,验证了仿真模型的精确度和控制器的良好品质。     

网络数据波动控制器设计与建模

传统的网络数据波动控制器往往运算量大、操作复杂,造成控制器自身对网络非波动数据持有时间过短、通信误差偏大等缺陷。为此,设计一种更加智能化、实用化的网络数据波动控制器。所设计的控制器通过构建网络数据波动控制模型,给出网络数据波动的最优控制方案,并使用AT91SAM9260微处理器对其进行提取。AT91SAM9260微处理器将最优控制方案插入到网络初始数据的相应节点中,对数据波动小、干扰参数少的网络进行聚集控制,对相反类型的网络进行分布控制。实验结果证明,所设计的控制器对非波动数据的持有时间较长,并具有极小的通信误差,与传统控制器相比,其性能更加优异、应用领域更为广泛。     

倒立摆控制器的鲁棒性研究

在建立倒立摆系统控制对象数学模型的基础上,详细介绍了单级单级控制器的设计过程。首先,采用PID控制算法和状态空间极点配置法对倒立摆进行控制器设计,然后采用最优控制算法设计倒立摆的控制器,最后设计一种基于自适应的控制器。最终采用Matlab软件进行仿真验证了设计结果,证明了自适应的有效性。     

基于机器学习的网络稳定控制器设计与实现

由于网络数据多元化以及网络非法入侵的干扰,当前设计出的网络稳定控制器往往响应时间过长,提出基于机器学习的网络稳定控制器设计方法。设计的控制器主要由开发板、控制电路和机器学习模块组成。机器学习模块利用特定的学习方式对网络被控对象进行监督,监督结果将被传送到控制电路进行多种学习行为的虚拟控制。开发板对虚拟控制结果进行接收,筛选出对网络被控对象的最优控制策略。机器学习模块对最优控制策略进行评价后,向网络被控对象实施稳定控制。实验结论证明,所设计的控制器可在维持对网络有效控制的同时,获取优异响应时间,响应能力较强,可较好地对设计目标进行实现。     

基于模糊CMAC的三连杆机械臂的最优控制器

研究了将模糊CMAC神经网络和最优控制方法Hkamilton-Jacobi-Bellman(H-J-B)相结合来实现三连杆机械臂的最优控制策略。介绍了模糊CMAC神经网络的基本结构,基于二次最优控制信号的模糊CMAC控制器设计,推导了基于Lyapunov稳定性分析理论的神经网络自适应学习算法,并通过一个鲁棒化向量来克服系统模型中不确定项的影响,保证系统的稳定性。     

深空站大天线抗风扰LQG最优控制器设计

针对深空大天线阵风扰动引起天线指向不准、接收信号抖动等问题,提出了基于最优控制策略的天线抗风扰LQG控制器设计方案。从控制对象建模、线性二次型最优控制和卡尔曼最优估计等方面详尽阐述了LQG最优控制器设计。借鉴国外DSN(深空网)相关工程经验与MATLAB工具对LQG控制器性能做了仿真分析。对LQG工程设计值得注意的问题进行了简要说明,目的旨在分析与解决相关工程技术问题,提高天线指向控制精度。     

基于自适应动态规划的鲁棒最优导弹自动驾驶仪滑模控制

利用自适应动态规划算法,研究了带有扰动的导弹自动驾驶仪系统的鲁棒最优控制问题.首先,设计了非线性扰动观测器估计系统中的未知扰动;接着,考虑一类积分滑模面,根据扰动观测器的输出,设计积分滑模控制器,使得系统沿着滑模面进入滑动模态运动;然后,针对等效滑动模态系统,设计带有新权值更新律的评价网络,利用自适应动态规划技术自适应学习最优控制律,通过Lyapunov方法证明了闭环系统的稳定性和权值估计值的收敛性;最后,运用导弹自动驾驶仪系统验证了算法的可行性和有效性.     

基于微分几何的永磁直线同步电机非线性控制方法研究

为了实现永磁直线同步电机在垂直升降系统运行过程中的良好控制性能,从电机学原理出发,分析了永磁直线同步电机的数学模型,提出了一种微分几何非线性最优控制的方法。通过状态反馈精确线性化把直线电动机的非线性系统转换为线性系统,并在此基础上应用非线性最优控制理论设计控制器。最后,通过MATLAB对控制系统进行仿真,仿真结果验证了此控制方法提高了系统的运动性能,增强了系统对参数摄动和外在扰动的鲁棒性。     

LQR最优控制器在精馏塔上的应用

本文将ＬＱＲ（Ｌｉｎｅａｒｑｕａｄｒａｔｉｃ　ｒｅｇｕｌａｔｏｒ）最优控制的理论研究成果应用到精馏塔上,设计了精馏塔的线性二次型最优控制器,并针控制结果与常规ＰＩＤ控制器控制结果进行了比较。仿真证明,在动态变化过程中,ＬＱＲ控制器确实能使目标函数得到代化。     

倒立摆模糊控制器研究

倒立摆系统是一个典型的多变量、非线性、强耦合和快速运动的自然不稳定系统,作为一个典型的控制对象,一直受到不少专家学者的关注与研究。通过推导和分析倒立摆的数学模型,主要讨论了模糊控制器的设计与仿真。仿真结果表明,模糊控制器能对倒立摆进行很好的控制。     

倒立摆系统的智能控制算法研究

倒立摆系统是一种典型的控制系统模型,能够将实际与理论相结合,可以开发出新的控制算法来应用在系统模型之上。采用模糊控制算法研究二级倒立摆系统的控制问题,设计模糊控制器控制倒立摆系统的稳定。实践证明,模糊控制算法对二级倒立摆系统是可行的。     

两轮移动倒立摆的开关切换模糊极点配置控制器设计

为了更好地控制两轮移动式倒立摆,文章以两轮移动式倒立摆动力学数学模型为基础,设计了一种开关切换模糊极点配置控制器,利用该控制器对系统进行控制。通过一个选择型开关把模糊控制和状态反馈的极点配置控制有机的统一起来构成了开关切换模糊极点配置控制器。在Simulink中,对设计的开关切换模糊极点配置控制器进行了仿真,实现了两轮移动式倒立摆的平衡、匀速前进、匀速转弯。仿真结果说明了开关切换模糊极点配置控制器对两轮移动式倒立摆起到一定的抗干扰和理想的控制作用。     

基于倒立摆的PID控制算法的研究

建立了直线一级倒立摆的数学模型,设计出倒立摆系统的PID控制器,并使用“稳定边界法”快速整定了PID算法的控制参数,最后通过Matlab／Simulink进行了仿真实验。结果指出PID算法能够有效控制倒立摆的摆杆角度。     

基于MATLAB的倒立摆系统定性分析

倒立摆系统作为控制理论研究中的一种较为理想的实验手段,是检验控制策略效果的不可或缺的工具,也是控制界中研究的热点.判断系统的稳定性、可控性和可观性是设计倒立摆控制器的前提.应用MATLAB对倒立摆系统进行分析、研究,方法方便快捷,实用性强,尤其适用于多级倒立摆系统.     

模糊控制在二级倒立摆系统中的应用

针对倒立摆系统的非线性、不稳定的控制问题,推导了二级倒立摆系统的数学模型和状态空间表达式,对倒立摆系统在平衡点附近进行了可控性分析,提出了一种基于模糊控制器进行控制的方法,建立了相应的控制规则。实验结果表明,该系统具有鲁棒性、稳定性好的特点。     

二级倒立摆系统的模糊控制

倒立摆系统作为一种典型的实验装置,它具有高阶次、非线性、不稳定、多变量、强耦合等特点,可以很好的验证控制理论,并且与工程中的控制对象具有类似的结构。文中采用模糊控制研究二级倒立摆系统的实时控制问题,设计模糊控制器控制倒立摆系统的稳定。实践证明,模糊控制方法控制二级倒立摆系统的稳定是可行的。     

倒立摆系统的状态空间极点配置控制设计

为实现多输人多输出、高度非线性、不稳定的倒立摆系统平衡稳定控制,将倒立摆系统的非线性模型进行近似线性化处理,获得系统在平衡点附近的线性化模型.利用牛顿一欧拉方法建立直线型一级倒立摆系统的数学模型.在分析的基础上,基于状态反馈控制中极点配置法对直线型一级倒立摆系统设计控制器.由MAT-LAB仿真及对实际系统的调试验证,表明采用的控制策略是有效的,设计的控制器对直线型一级倒立摆系统的平衡稳定控制效果好,提高了系统的抗干扰能力.     

悬臂式倒立摆H_∞控制设计及仿真

针对旋臂式倒立摆的稳定控制问题,建立了二阶旋臂式倒立摆系统的数学模型,运用连续系统线性鲁棒H∞最优控制理论,通过设计旋臂式倒立摆控制系统的鲁棒调节器,使倒立摆系统在闭环状态下稳定并具有较强的鲁棒稳定性。运用Matlab进行仿真,通过与传统线性二次型最优控制配置方法相比较,结果发现鲁棒H∞最优控制效果更好。     

Design and implementation of robust visual servoing control of an inverted pendulum with an FPGA-based image co-processor

This paper presents the design and implementation of robust real-time visual servoing control with an FPGA-based image co-processor for a rotary inverted pendulum. The position of the pendulum is measured with a machine vision system. The pendulum used in the proposed system is much shorter than those used in published vision-based pendulum control system studies, which makes the system more difficult to control. The image processing algorithms of the machine vision system are pipelined and implemented on a field programmable gate array (FPGA) device to meet real-time constraints. To enhance robustness to model uncertainty and to attenuate disturbance and sensor noise, the design of the stabilizing controller is formulated as a problem of the mixed H₂/H_∞ control, which is then solved using the linear matrix inequality (LMI) approach. The designed control law is implemented on a digital signal processor (DSP). The effectiveness of the controller and the FPGA-based image co-processor is verified through simulation and experimental studies. The experimental results show that the designed system can robustly control an inverted pendulum in real-time.