一类中立非线性系统的未知参数谐波扰动补偿

对于一类受到外部未知参数谐波信号干扰下的中立非线性不确定系统,提出了一种基于自适应前馈补偿的控制器设计方法。首先设计非线性观测器将未知扰动估计问题转换为参数辩识问题,并在前馈通道对扰动进行抵消,其次设计具有鲁棒性能的状态反馈控制器来抑制未建模动态,从而在外部扰动和模型参数不确定同时作用下,使系统具有较好的控制性能。对二关节机械臂的仿真证明该方法的有效性。     

高速无人驾驶车辆轨迹跟踪和稳定性控制

针对高速无人驾驶车辆运动控制过程中轨迹跟踪精度和稳定性难以同时保障的问题,提出综合前馈-反馈及自抗扰控制(ADRC)补偿相结合的横向控制算法. 通过车速和道路曲率信息计算前馈稳态前轮转向角,将质心侧偏角引入航向偏差,以车辆航向角偏差和侧向偏差作为参考量进行反馈控制,通过前馈-反馈控制提升瞬态轨迹跟踪性能. 设计自抗扰控制器,通过扩张状态观测器对未建模动态和内外界干扰进行估计,通过将后轮侧偏角控制在参考值附近来补偿前轮转角,提升无人驾驶车辆的转向稳定性和控制器的鲁棒性. 不同工况下的仿真结果表明,利用该方法可以保证高速无人驾驶车辆稳定地跟踪期望路径行驶,轨迹跟踪偏差较小,对车辆参数变化和外界干扰具有较强的鲁棒性.     

有横摇约束的欠驱动船舶航迹跟踪预测控制

针对欠驱动水面船舶在直线航迹跟踪中受到强烈的风、浪、流时变干扰影响时出现大幅度的摇荡运动的情况,采用自适应卡尔曼状态估计和鲁棒预测控制,提出一种具有横摇角约束的控制器综合设计方法。建立时变干扰作用下的仿射切换系统模型及测量模型;基于扩展状态的自适应卡尔曼滤波方法,对船舶模型的状态和随机干扰力矩进行估计,并对估计的干扰力矩进行前馈补偿。考虑船舶的真实状态与卡尔曼观测状态之间存在观测误差,将控制器与观测器综合考虑,提出一种基于状态观测器和H_2/H_∞混合性能指标的直接约束鲁棒预测控制,在性能指标与控制器设计中直接利用观测状态;将状态约束、鲁棒稳定性约束、性能指标转化为LMI(线性矩阵不等式)的凸优化问题。理论证明了所设计闭环系统的一致有界稳定性,并且通过仿真验证了控制器能实现直线航迹鲁棒跟踪,在保证横摇角在约束范围内,对干扰有着有效的抑制作用。     

卫星在轨周期干扰力矩辨识与补偿方法的研究

文章针对三轴稳定卫星受周期干扰影响的情形,研究周期干扰力矩预先未知的情况下卫星在稳态运行期间姿态的高精度控制问题.要实现卫星姿态的高精度控制,需要对未知周期干扰力矩进行在轨估计进而实现补偿.该文首先基于卫星的稳态输出数据,采用特征系统实现法辨识周期干扰力矩的频率,并结合控制系统的闭环传递函数估计干扰的幅值进而获得周期干扰的完整模型.然后提出了使用前馈控制对所估计干扰实现在线补偿的方案.分析和仿真结果表明,上述方案能有效地克服未知周期干扰力矩对姿态稳定度的影响,提高在轨运行卫星的姿态控制精度.     

非线性系统的动态面自抗扰控制器设计及应用

针对一类具有严格反馈形式的非线性系统的控制问题,本文将动态面控制技术和自抗扰控制技术相结合,提出了动态面自抗扰控制算法。控制器包括三个功能:利用跟踪微分器给出期望信号以及其一阶导;利用扩张状态观测器估计外界扰动;扰动补偿。该控制器有效避免了传统反步法中出现的"微分爆炸"现象,并避免了控制器设计对系统数学模型的精确要求。依据李亚普洛夫稳定性理论进行控制器设计,并对扩张状态观测器和动态面部分进行了稳定性分析。通过水下无人航行器模型仿真,仿真结果表明:航迹误差在(-4,4)范围内,验证了该控制算法的有效性。     

带有乘性噪声的时滞系统多传感器信息融合

研究了带有乘性噪声的线性时滞系统的局部最优预报估计和全局最优线性加权信息融合问题。通过虚拟噪声补偿技术,将该问题转化为一类带有未知时变噪声的随机系统的状态最优估计问题。基于等价系统的新息重组分析及Hilbert空间上的投影定理,给出局部最优预报器设计,进而通过求解与各单传感器子系统有相同维数的Riccati方程得到多传感器分布式全局最优加权信息融合算法。与集中式融合估计算法相比,该方法无需扩维。最后通过一个仿真实例证明该算法的有效性。     

基于反步法的板球系统自抗扰控制器设计

针对板球系统中存在的未知扰动、板与球之间的摩擦力等因素影响轨迹跟踪精度这一问题,研究了板球系统的自抗扰控制策略。首先建立板球系统的数学模型,通过适当简化、线性化与解耦得到线性模型;然后采用全程快速微分器对带有噪声干扰的输入信号进行滤波处理,进而设计高阶扩张状态观测器估计系统内部未知扰动;最后基于反步法设计非线性反馈控制器,并利用Lyapunov稳定性理论证明了闭环系统的稳定性。仿真结果表明,改进的自抗扰控制器能够有效滤除噪声干扰,提高了轨迹跟踪精度。     

电磁轴承刚性转子系统前馈解耦控制

为了消除电磁轴承支撑的刚性转子系统径向各自由度间的耦合,提出电磁轴承刚性转子系统径向四自由度的前馈解耦控制策略;针对解耦后系统存在的不平衡振动,提出基于不平衡量辨识的转子不平衡补偿方法;为了提升解耦和不平衡补偿效果,利用最速跟踪微分器来获取前馈解耦控制器及不平衡量辨识器所需的微分信号.仿真及试验结果表明,所设计的前馈解耦控制器可以将电磁轴承刚性转子系统径向原来相互耦合的四自由度系统解耦为4个单自由度系统;利用所设计的不平衡量辨识器辨识出转子不平衡量并对其进行补偿,能够抑制转子系统的不平衡振动;采用最速跟踪微分器,不仅能够削弱测量噪声对解耦效果及不平衡补偿效果的影响,还能够提升控制系统的抗噪能力.     

带有UKF滚动时域估计的动力定位控制器

针对随机扰动下船舶的动力定位控制问题,将基于无迹卡尔曼滤波的滚动时域估计与非切换解析模型预测控制相结合提出一种非线性控制器设计方法。应用基于无迹卡尔曼滤波的滚动时域估计结合差分法所得的离散模型设计非线性滤波器,获取系统状态估计值,并采用无迹卡尔曼滤波方法计算到达代价;参照船舶动力学模型,应用非切换解析模型预测控制方法,设计动力定位非线性控制器。将所提出的方法应用于某供应船动力定位控制器的设计。通过仿真验证了所设计的动力定位控制器的有效性。     

基于自适应神经网络滑模观测器的容错控制

针对机电伺服系统可能发生的故障,提出基于自适应神经网络滑模观测器的快速终端滑模容错控制策略. 在自适应滑模观测器中引入神经网络估计故障,以提高故障发生时观测器的状态估计精度和故障检测准确性. 利用观测器的状态估计值进行状态重构,结合参数自适应技术和快速终端滑模控制方法设计主动容错控制器. 针对参数不确定性设计参数自适应率进行估计,并利用前馈补偿技术补偿故障和参数不确定性. 针对未知上界的扰动设计具有自适应增益的鲁棒项. 利用Lyapunov定理证明所提出的控制方法可以实现系统有界稳定,大量仿真和实验结果验证了控制器在系统发生故障时具有良好的容错能力、控制精度和响应速度.     

基于扩展卡尔曼滤波的永磁同步电机惯量补偿

针对扩展卡尔曼滤波估计算法在突加负载时存在抗扰性不足的问题,提出一种基于扩展卡尔曼滤波的永磁同步电机惯量补偿方法。利用扩展卡尔曼滤波获取电机的位置与转速等状态参数,建立负载扰动观测器,对扰动惯量进行辨识并进行补偿。对比扩展卡尔曼滤波无速度传感器的永磁同步电机矢量控制的仿真结果表明,基于扩展卡尔曼滤波的永磁同步电机惯量补偿的调速系统具有更好的抗扰性能和鲁棒性。     

A comparing design of satellite attitude control system based on reaction wheel

The disturbance caused by the reaction wheel with a current controller greatly influences the accuracy and stability of the satellite attitude control system. To solve this problem, the idea of speed feedback compensation control reaction wheel is put forward. This paper introduces the comparison on design and performance of two satellite attitude control systems, which are separately based on the current control reaction wheel and the speed feedback compensation control reaction wheel. Analysis shows that the speed feedback compensation con- trol flywheel system may effectively suppress the torque fluctuation. Simulation results indicate that the satellite attitude control system with the speed feedback compensation control flywheel has improved performance.     

Kalman滤波算法在自平衡机器人中的应用

针对两轮自平衡机器人系统的单一惯性传感器采集数据不够准确,且极易受到外界噪声信号的干扰的问题,提出了基于片上可编程系统的卡尔曼滤波算法来实现多惯性传感器的数据融合系统.介绍了卡尔曼滤波器的基本原理、特点和应用环境.利用FPGA控制器的硬件可重构特性,搭建了Nios软核处理器的SOPC系统硬件平台,在硬件平台上采用C语言实现多姿态传感器的卡尔曼滤波算法,为两轮自平衡机器人的多传感器姿态数据融合提供了有效工具,获得了自平衡机器人姿态数据的最优估计,解决了陀螺仪和加速度计惯性传感器的数据补偿问题.测试结果表明,采用FPGA硬件平台实现卡尔曼滤波算法效率高,姿态数据融合准确、可靠,能够满足自平衡机器人控制系统的姿态最优估计和倾角数据实时反馈要求,系统工作稳定.     

基于RBF网络上界自适应学习的预警卫星滑模控制

分析了RBF(径向基函数)神经网络的基本结构和数学特性,对于预警卫星动力学系统的不确定性上界值无法测量和未知的情况,采用RBF神经网络可以对较强干扰上界进行自适应学习,并可降低控制和动力学带来的抖振。针对带有摆镜的预警卫星姿态控制问题,提出了一种基于神经网络扰动补偿的姿态滑模控制方法。针对RBF网络正交最小二乘(OLS)学习算法,采用RBF神经网络来学习不确定因素的上界值,并设计了预警卫星的姿态控制规律,解决了预警卫星动力学扰动补偿问题。利用数值仿真估算了基于RBF网络上界自适应学习滑模控制的预警卫星姿态控制系统的性能指标。     

具有干扰抑制的PI观测器的设计及其应用

首先利用线性矩阵不等式设计了比例积分观测器,并在外界干扰是能量有界的情况下,设计了具有干扰抑制的状态观测器,使得干扰对状态估计的影响具有给定的H∞性能。然后将故障估计结果和干扰抑制作用同时加入到控制律当中,使得所设计的系统在跟踪给定的参考模型的同时,也能得到系统所受的外界故障估计。最后通过仿真实例验证了所设计的观测器和所提出的控制方法的有效性。     

船舶运动纵向受扰力和受扰力矩估计方法研究

研究船舶纵向运动受扰力和力矩的估计对于船舶纵向减摇控制是非常必要的.针对典型船舶,建立了船舶纵向运动模型,论述了3种受扰估计方法,中心差分法、有色Kalman滤波方法及扩展Kalman滤波方法.仿真结果表明,以上3种估计方法均可行.若选取相同精度的测量仪表,扩展Kalman滤波估计效果最好,其估计方差相对值在10%以内,有色Kalman滤波估计次之,中心差分法估计最差,但中心差分法计算简便,而扩展Kalman滤波估计方法较繁,且需知干扰力和干扰力矩能量Rw的先验知识.若提高测量仪表精度,则中心差分法估计方差相对值明显改善,可提高到10%以内.     

Kalman滤波用于舰船运动姿态估计的研究

讨论了 Kalman 滤波用于舰船横摇运动姿态估计的应用方法与应用效果针对海浪干扰及测量噪声均为有色噪声的情况下,提出了如何使用 Kalman 次优滤波器和最优滤波器进行舰船横摇运动姿态的估计和预报的理论基础与方法.在IBM 计算机上进行了数字仿真,并给出了仿真的统计结果与仿真曲线.结果表明,采用本文研究的方法进行舰船横摇运动姿态的估计,可获得令人满意的结果。     

卫星组网系统下的多普勒频移估计与补偿

针对目前卫星移动通信系统中卫星组网能力欠缺等问题,在非地面网络基础上提出了一种基于虚拟卫星小区组网的多普勒频移估计和补偿算法.通过引入集中管理单元,移动终端能快速选择多普勒频移最小的卫星,同时根据传输时延和卫星星历对多普勒频移值进行估计、补偿、更新和再补偿.仿真结果表明,与传统算法相比,该算法有效降低了多普勒频移,提高了卫星通信链路的质量和接入成功率.     

永磁同步电机的转动惯量辨识及状态估计

为提高永磁同步电机伺服系统的动态性能和鲁棒性,研究了基于模型参考自适应系统的转动惯量辨识方法以及基于卡尔曼滤波器的自适应状态估计策略。提出了一种适用于宽转速、高噪声环境下的电机角速度、角位移和负载扰动转矩的在线估计方法,分析了该方法的抗干扰能力以及系统参数变化对估计效果的影响,并通过辨识出的伺服系统转动惯量对卡尔曼滤波器的系数矩阵进行实时更新,实现了转动惯量自适应状态估计。仿真和实验结果表明该算法在速度分辨率、实时性和抗干扰能力上均优于传统M／T方法。     

基于L-M方法的迭代容积卡尔曼滤波算法及其应用

针对非线性状态估计中受到较大的初始估计误差和量测方程的非线性的影响致使状态估计精度不高的问题,提出了一种新的滤波算法——基于Levenberg-Marquardt方法(简写为L-M)的迭代容积卡尔曼滤波算法(ICKFLM).该算法将容积卡尔曼滤波算法(CKF)的量测更新过程转换为求解非线性最小二乘解问题,以状态预测和方差预测为初始值,使用L-M方法求解最优的状态和方差估计.把基于L-M方法的迭代容积卡尔曼滤波算法应用到弹道再入目标状态估计中,仿真结果表明,相比于CKF算法,新算法的位置估计误差约降低了70%,相比于基于Gauss-Newton方法的迭代容积卡尔曼滤波算法(ICKF)位置误差降低了40%.新算法具有较高的状态估计精度,且收敛速度快.