含K类函数和附加控制量的自适应L2励磁控制

为了简化常规非线性自适应L_2增益控制计算和加快控制系统状态变量的稳定收敛速度,通过引入附加控制变量和K类函数,克服了每次虚拟函数设计时都要考虑γ–耗散不等式的不足,保证了L_2增益控制能力随误差变量的增加而增强,给出了一种含附加控制变量和K类函数的非线性自适应L_2增益控制的通式,并以具体军用电站谐波励磁系统为对象,进行了仿真实验.仿真结果表明,相对于传统L_2增益控制,该方法可提高状态变量的收敛速度,并可加强军用电站励磁系统的动态稳定性.     

PI控制作用在催化反应模型时变中的应用*

非线性系统最显著的多态特性往往受到操作条件的限制而不可能在开环系统中充分地被揭示,PI控制器的控制增益将增加了闭环系统调节的自由度,以此所揭示的非线性行为为模型识别提供了有力的依据,本文提供了全局分析的计算方法,并以催化反应模型来说明方法的应用。     

大时滞过程的增益自适应内模控制算法的研究与实现

针对大时滞、慢时变对象稳态增益改变对系统性能的影响，提出一种具有三级低通滤波的增益自适应内模控制算法。通过自适应辨识机构识别和计算被控对象稳态增益，自动整定控制器和对象模型增益，使大时滞系统在增益变化较大且模型参数失配的情况下，仍具有良好的跟踪性和鲁棒性。仿真结果表明：增益自适应算法投入后，能有效地克服大增益变化对系统控制性能的影响，明显改善系统的控制品质，证明了该控制算法的有效性和可行性。     

基于LPV的航空发动机鲁棒变增益控制

随着我国现代化进程的不断加快,航天航空技术标准越来越高,对于航空发动机运转工况的鲁棒性和适应性提出了更高的要求。传统的航空发动机变增益设计步骤繁琐,不能将发动机置于整个航空器的运转去考虑设计,使发动机变增益缺乏相应的稳定性和适应性,易出现系统问题。为此,提出一般基于LPV的航空发动机鲁棒变增益控制系统,依据航空发动机结构参数,考虑到航空器在空中负载特性,计算出新的约束极点 模糊变增益,在航空器发动机工作范围连续增益,避免了传统增益切换情况,在转速控制上确定误差等因素,将非线性控制设计分解为多个线性子问题,使航空器控制系统能够沿着LPV参数轨迹保持良好的运转,保持稳定性能。仿真实验证明,提出的基于LPV的航空发动机鲁棒变增益控制系统控制效果优于传统方法,在航空器发动机转速改变时,控制精度能够满足要求 ,改变航空器负载时,有效对目标进行变增益控制。提出的控制方法对航空发动机鲁棒变增益控制问题提供了新的解决办法,具有较大应用价值。     

飞行器动力系统多变量控制结构设计研究

针对飞行器动力系统多变量控制系统结构设计问题,提出了以相关增益矩阵方法确定发动机多变量控制方案中被控参数与控制量的一一对应关系,阐明了相关增益矩阵的意义.以二输入二输出系统为例推导了相关增益矩阵的比值计算方法.并以某型三输入三输出的变循环发动机为仿真算例,计算了其各被控参数和控制量的相关关系.根据其相关关系,确定了该变循环发动机多变量控制系统结构,并分析了其相关关系对飞行器动力系统多变量控制方案确定的意义.仿真算例表明,利用相关增益矩阵方法可以定量地确定系统各控制量和被控参数的相关关系,从而可以避免传统方法仅通过经验定性确定其相关关系的缺点.     

降低鲁棒变结构模型参考自适应稳态控制增益的模糊实时分层方法

提出一种模糊实时分层方法来降低鲁棒变结构模型参考自适应稳态控制增益。利用模糊理论将一些定性经验与已提出的鲁棒变结构模型参考自适应控制相结合,可以在一定程度上克服稳态控制增益高的缺点。仿真结果表明,采用模糊实时分层方法后,稳态控制增益有所降低。     

基于Nussbaum增益滑模自适应控制的 导弹制导控制一体化设计

采用Nussbaum增益滑模自适应控制方法解决导弹制导控制一体化设计问题. 充分考虑一体化模型具有通道间耦合、气动建模不确定性、气动参数摄动和目标机动引起的干扰等特点, 基于自适应控制对未知量的辨识能力和滑模控制的抗干扰能力, 以及Nussbaum增益控制对系数不确定系统所具有的较好的控制能力, 设计Nussbaum增益滑模自适应控制律, 并证明系统的稳定性. 仿真结果验证了所提出方法的有效性.     

基于多面体不变集的变终端约束集RMPC

针对一类状态和输入受约束的多胞不确定线性时变系统,提出了一种基于多面体不变集的变终端约束集鲁棒模型预测控制算法.首先采用基于状态反馈增益的多面体不变集计算方法,给出了一种新的控制不变集序列构造方法,然后以控制不变集序列的并集作为终端约束集,结合在线优化和增益切换,实施变终端约束集双模鲁棒预测控制.该算法不仅有效地扩大了...     

时滞状态反馈控制系统的稳定性增益区域

研究了一阶时滞微分方程的状态反馈P控制、PI控制问题,目的是确定反馈增益的范围使得系统的平衡态是渐近稳定的.对P控制状态反馈控制模型,利用Lambert W函数的主分支给出了确定反馈增益的显式判据以及系统的最优反馈增益;在PI状态反馈控制模型中,运用稳定性切换原理并结合D-划分法确定了在反馈增益平面上系统的稳定性区域,并利用Lambert W函数采用数值方法给出了系统的最优增益曲线.和现有方法相比较,本文方法更直观、计算更简单.     

双层自适应快速super twisting控制算法

为提高super twising算法的收敛速度,解决现有算法存在的增益过估计问题,提出了两种自适应增益快速super twisting算法.分别通过快速终端滑模趋近律和增加线性项加快收敛速度.利用基于等效控制的双层自适应律调节增益,保证滑模存在条件的成立,同时使增益尽量的小.采用Lyapunov方法证明了新算法具有更优良的收敛特性,根据有界实引理和Schur补定理分别给出了两种算法的参数整定策略.仿真算例表明,在相同控制参数下,新算法的能耗与原算法接近,并具有更快的收敛速度和更强的鲁棒性.     

基于广义预测控制的综合控制算法设计与仿真

本文提出了一种融广义预测控制(GPC)与模糊控制(PC)为一体的综合控制算法--多模态控制，重点阐述了综合控制算法的设计思路，并采用MATLAB软件对控制系统进行了仿真。结果表明，这种综合控制算法的控制效果比单一的GP控制明显提高。     

预测控制算法的内模结构及其统一格式

本文应用内模控制（ＩＭＣ）原理，研究了现有各类预测控制算法ＩＭＣ、ＭＡＣ、ＤＭＣ、ＧＰＣ、ＧＰＰ的控制器方程，闭环系统输入输出和误差方程，归纳出它们的统一算式，为理解各类预测控制算法的内在联系及进一步研究提供了方便．     

非最小相位系统的加权预测控制

广义预测控制（GPC）算法对非最小相位系统具有一定的鲁棒性，但理论分析和应用经验都表明，控制参数在极限情况下还不能保证GPC算法对非最小相位系统的强鲁棒性．本文对此提出一种改进的加权预测控制算法．     

基于IGPC的时变大时滞系统自适应控制

针对工业过程中常见的参数时变和大时滞问题，研究了广义预测控制算法在其中的应用问题。为了克服普通广义预测控制算法计算复杂的缺点，采用隐式广义预测控制算法(IGPC)通过直接辩识控制器参数求解最优控制增量，具有计算量小、计算速度快的特点。仿真结果表明，在不需要关于被控对象的先验知识的情况下，隐式广义预测自校正控制器能很好地跟踪设定值的变化，当参数时变时仍具有很好的控制性能，适合于实现时变大时滞系统的自适应控制。     

Generalized predictive control based on neural networks

This paper presents the Generalized Predictive Control (GPC) strategy based on Artificial Neural Network (ANN) plant model. To obtain the step and the free process responses which are needed in the generalized predictive control strategy we iteratively use a multilayer feedforward ANN as a one-step-ahead predictor. A bioprocess was chosen as a realistic nonlinear SISO system to demonstrate the feasibility and the performance of this control scheme. A comparison was made between our approach and the adaptive GPC (AGPC).     

Adaptive Neuro-fuzzy Control System by RBF and GRNN Neural Networks

Recently, adaptive control systems utilizing artificial intelligent techniques are being actively investigated in many applications. Neural networks with their powerful learning capability are being sought as the basis for many adaptive control systems where on-line adaptation can be implemented. Fuzzy logic, on the other hand, has proved to be rather popular in many control system applications due to providing a rule-base like structure. In this paper, an adaptive neuro-fuzzy control system is proposed in which the Radial Basis Function neural network (RBF) is implemented as a neuro-fuzzy controller (NFC) and the General Regression neural network (GRNN) as a predictor. The adaptation of the system involves the following three procedures: (1) tuning of the control actions or rules, (2) trimming of the control actions, and (3) adjustment of the controller output gain. The tuning method is a non-gradient descent method based on the predicted system response which is able to self-organize the control actions from the initial stage. The trimming scheme can help to reduce the aggressiveness of the particular control rules such that the response is stabilized to the set-points more effectively, while the controller gain adjustment scheme can be applied in the cases where the appropriate controller output gain is difficult to determine heuristically. To show the effectiveness of this methodology, its performance is compared with the well known Generalized Predictive Control (GPC) technique which is a combination of both adaptive and predictive control schemes. Comparisons are made with respect to the transient response, disturbance rejection and changes in plant dynamics. The proposed control system is also applied in controlling a single link manipulator. The results show that it exhibits robustness and good adaptation capability which can be practically implemented.     

快速递推广义预测控制

本文利用反向递推方法对广义预测控制的准则函数进行变换，得出一种递推的快速ＧＰＳ算法。     

Regulator configuration design by means of model predictive control

This paper presents new concepts and methods for regulator configuration design for stable and unstable multivariable systems. Nowadays the self-definitions of dynamic relative gain rarely consider the interaction influences of closed-loop controllers, and the interaction measurement can be also showed from the effects from controlled variables to manipulated variables through closed-loop controllers. Model Predictive Control (MPC) is an important multivariable centralized control strategy; by means of SFPC (State Feedback Predictive Control) and MGPC (Multivariable Generalized Predictive Control), two closed-loop interaction analysis methods are first put forward. Based on the control rate optimized, two inverse normalized gain arrays are obtained from SFPC and MGPC which show the dynamic effects of controlled variables on manipulated variables. With the inverse normalized gain arrays, the regulator configuration design of unstable systems can be carried out due to the effect of multivariable centralized control. Finally the advantages and effectiveness of proposed interaction analysis approaches are highlighted via several examples.     

广义预测控制的鲁棒化改进

利用内模控制结构分析了广义预测控制在未建模动态鲁棒性方面的缺陷,提出采用失配滤波器以增强系统的鲁棒性。针对广义预测控制的特点,提出了次优失配滤波器的简单设计方法。