考虑非线性执行器的补偿逼近模型控制

考虑执行器的非线性, 研究了一种带补偿的逼近模型控制系统. 该控制系统包含逼近模型控制器与补偿器.逼近模型控制器根据对象的输入输出线性化关系直接得出控制律, 并由支持向量机辨识对象模型来实现. 补偿部分采用反馈环节来提高系统的鲁棒稳定性, 并采用在线估计得到的逆模型来抵消执行器的非线性特征. 文章分析了该控制系统的稳定性, 针对励磁系统的仿真实验验证了其有效性能.     

基于支持向量机广义逆的直线永磁游标电机内模解耦控制

针对直线永磁游标电机这一多变量、强耦合的非线性系统, 提出一种基于支持向量机广义逆内模控制的方法. 在证明其数学模型存在广义逆的基础上, 通过支持向量机来辨识原系统的广义逆系统, 经复合后得到具有线性关系的伪线性系统, 然后引入内模控制方法设计附加控制器以增强整个系统的鲁棒性. 仿真结果验证了所提出方法具有良好的解耦性能和抗干扰特性.

     

基于支持向量机的一类混沌系统自适应逆控制

本文研究了基于支持向量机回归自适应逆控制的混沌控制方法,用支持向量机建立系统的辨识器,同时在控制过程可逆的条件下设计基于支持向量回归的系统逆控制器.将该自适应逆控制的方法应用于Lorenz混沌系统的控制,仿真结果表明在系统带有不确定性和测量噪声的情况下,该方法可以有效的将混沌系统的状态控制到给定状态.     

基于SVM逆模型控制的储能电源逆变器研究

电网供电系统的储能电源变换器是储能电源系统的核心,其控制效果的好坏直接影响输出电能的质量.为进一步提高储能电源逆变输出电压波形质量,增强控制系统的鲁棒性,基于逆系统控制思想,提出一种支持向量机(SVM)直接逆控制与PID控制相结合的复合控制策略,并将其应用在储能电源控制系统中.采用支持向量机离线训练的方法,实现了对系统逆模型的辨识,并将辨识出的逆模型作为控制器,与被控对象串联构成一个伪线性系统,在此基础上,采用增量式PID控制器(IPIDC)进行补偿式控制.Matlab仿真结果表明该控制器有效减少了超调量,抗干扰能力和鲁棒性强,适用于非线性系统.     

基于逆系统多模型内模主动容错控制

针对现有非线性系统对故障容错的快速性和可靠性不足,从而导致容错失败的问题,为解决上述问题,研究了一类具有可能故障先验知识的非线性系统,提出了一种基于最小二乘支持向量机(LS-SVM)建模的逆系统多模型内模主动容错控制方法.采用 LS-SVM 对系统正常以及各种先验故障情形的逆系统进行建模,构造系统的逆模型库,根据逆系统方法将逆模型与被控系统串联形成伪线性系统,设计具有良好鲁棒性能的内模控制器.系统在线运行时,监控决策机制基于对系统性能指标的仿真计算,结果表明在无需改变内模控制器的情况下达到对非线性系统故障容错的快速性和可靠性,证明方法的有效性.     

基于支持向量机的电弧炉逆内模控制器

针对三相交流电弧炉电极调节系统的耦合问题,提出了基于支持向量机的逆内模解耦控制策略.根据广义电弧炉对象的Taylor近似模型直接推导逆控制律,消除三相之间的耦合,避免了在线辨识逆模型计算量过大的问题.另外,在内模结构中引入非线性补偿,当系统参数变化和受到外部干扰时,保证了系统的鲁棒性.系统的稳定性和鲁棒性通过Lyapunov方法进行了分析,最后的仿真与实验结果验证了控制器的有效性.     

基于最小二乘支持向量机的压电陶瓷作动器内模控制

针对率相关迟滞特性对压电陶瓷作动器的影响,研究了基于最小二乘支持向量机的内模控制策略。首先采用最小二乘支持向量机对压电陶瓷作动器进行动态建模,然后得到了基于最小二乘支持向量机的系统逆模型,在此基础上设计了内模控制器以实现对压电陶瓷作动器的精密控制。最后,通过构建的压电陶瓷作动器实验平台进行了实验,完成了对模型和控制方法的验证。实验结果表明,采用所设计的内模控制策略跟踪100Hz以内的单一频率或复合频率信号时,各个频率的相对误差均在10%以下,验证了该控制策略的有效性。     

基于最小二乘支持向量机的自适应逆扰动消除控制系统

研究一种基于最小二乘支持向量机的自适应逆扰动消除控制器的设计问题,给出了基于最小二乘支持向量机的建模和逆建模方法,以及贝叶斯证据框架下高斯核支持向量机估计算法的参数选择方法.仿真结果验证了该方法的有效性.     

基于支持向量机α阶逆系统方法的非线性内模控制

为了提高传统逆系统方法的鲁棒性和抗干扰能力, 提出了基于支持向量机α阶逆系统方法的非线性内模控制新方法. 该方法利用支持向量机辨识非线性系统的α阶逆模型, 并将其串连在原系统之前得到复合的伪线性系统. 对求得的伪线性系统采用内模控制方法进行控制. 仿真结果证明了该方法的有效性. 理论分析和仿真结果均表明, 该方法不依赖于系统的模型, 且较一般的逆系统方法鲁棒稳定性好, 设计简单, 跟踪精度高, 是解决非线性系统控制的一种可行的理论方法.     

基于支持向量机的非线性内模解耦控制

针对非线性内模控制在应用于多变量系统时逆模型难以建立的问题, 提出了支持向量机α阶逆系统的内模解耦控制方法. 该方法利用支持向量机辨识非线性系统的逆模型, 并将其串连在原系统之前, 运用逆系统方法的思想, 将一个多变量、非线性、强耦合的复杂系统通过反馈线性化解耦成多个相互独立的单输入单输出的伪线性复合子系统. 对求得的伪线性系统采用内模控制方法进行控制. 仿真试验表明该方法不需要系统精确的数学模型, 较一般的逆系统方法鲁棒稳定性好, 设计简单, 跟踪精度高, 是解决多变量非线性系统控制的一种可行的理论方法.     

Nonlinear internal model control using neural networks: an application for machining processes

This paper presents a novel approach to the control of the cutting force on the basis of the internal model control (IMC) principle. The main goal is to control a single output variable, the cutting force, by changing a single input variable, the feedrate. A neural model is used as an internal model to determine the control inputs (feedrate) necessary to keep the cutting force constant. Three approaches, the fuzzy logic controller (FLC), the direct inverse controller (DIC) and the IMC, based on artificial neural networks (IMC-NN), are simulated and their performances are assessed in terms of several performance measurements. The results demonstrate that IMC-NN strategy provides a better disturbance rejection than FLC for the cases analysed.     

Maximum sensitivity based fractional IMC–PID controller design for non-integer order system with time delay

A simple approach with a small number of tuning parameters is a key goal in fractional order controller design. Recently there have been a number of limited attempts to bring about improvements in these areas. In this paper, a new design method for a fractional order PID controller based on internal model control (IMC) is proposed to handle non-integer order systems with time delay. In order to reduce the number of tuning parameters and mitigate the impact of time delay, the fractional order internal model control scheme is used. Considering the robustness of the control system with respect to process variations and model uncertainty, maximum sensitivity is applied to the tuning of the parameters. The resulting controller has the structure of a fractional order PID which is cascaded with a filter. This is named a fractional IMC–PID controller. Numerical results are given to show the efficiency of the proposed controller.     

Nonlinear internal model controller design for wastegate control of a turbocharged gasoline engine

Internal Model Control (IMC) has a great appeal for automotive powertrain control in reducing the control design and calibration effort. Motivated by its success in several automotive applications, this work investigates the design of nonlinear IMC for wastegate control of a turbocharged gasoline engine. The IMC design for linear time-invariant (LTI) systems is extended to nonlinear systems. To leverage the available tools for LTI IMC design, the quasi-linear parameter-varying (quasi-LPV) models are explored. IMC design through transfer function inverse of the quasi-LPV model is ruled out due to parameter variability. A new approach for nonlinear inversion, referred to as the structured quasi-LPV model inverse, is developed and validated. A fourth-order nonlinear model which sufficiently describes the dynamic behavior of the turbocharged engine is used as the design model in the IMC structure. The controller based on structured quasi-LPV model inverse is designed to achieve boost-pressure tracking. Finally, simulations on a validated high-fidelity model are carried out to show the feasibility of the proposed IMC. Its closed-loop performances are compared with a well-tuned PI controller with extensive feedforward and anti-windup built in. Robustness of the nonlinear IMC design is analyzed using simulations.     

基于在线支持向量机的非线性内模控制

为了提高传统内模控制的鲁棒性和抗干扰能力,采用在线支持向量机回归(Online Support Vector Machine Regression,OSVMR)理论建立系统的正向模型和设计逆模控制器。首先简要介绍了OSVMR的原理和算法,然后将其应用于内模控制问题,并建立了OSVMR模型。其次,在控制过程可逆的条件下设计了OSVMR控制器,最后将该控制方法应用于可逆非线性系统和具未知干扰的温室环境控制问题,仿真结果表明该方法与RBF神经网络IMC相比,具有较简单的模型和较好的控制性能。     

一类模型不确定系统的最优跟踪性能

在内模控制(IMC)结构下，对控制能量存在约束时一类不确定系统所能达到的最优跟踪性能进行了探讨．首先针对一类相加模型误差的描述，定义了一个平均意义上的包含跟踪误差和控制能量的性能指标．然后通过谱分解极小化该性能指标，导出一个最优的控制器设计方法，可以兼顾模型不确定性和控制能量约束，在实际控制系统设计中可用来对最优跟踪性能和控制能量进行预估．     

NCS系统中二自由度内模控制器的优化设计

针对网络化控制系统中网络时滞与对象模型不确定性,提出了一种二自由度内模控制器的优化设计方法。该控制器能够实现设定值跟踪与扰动抑制过程解耦,同时在对象模型失配情况下,系统具有较强的鲁棒稳定性。对于控制器的参数采用了混沌算法进行优化,以直线伺服系统为对象的仿真实验证实了此方法的可行性。     

基于内模控制（IMC）的主汽温度控制系统设计

主蒸汽温度和再热蒸汽温度直接影响火电厂的热效率和汽轮机等设备运行的安全性。传统PID控制器的控制规律简单,但是不能根据控制过程中的不确定性变化做出相应调整。当被控对象参数实时变化时,控制器参数不能做出实时调整。这样会导致过程的品质指标变坏。针对超超临界机组过热蒸汽温度和再热蒸汽温度,提出了一种基于内模控制(Internal Model Control简称IMC)的PID控制策略,将PID控制、Smith预估控制、确定性及线性二次最优反馈控制和多种预测控制归纳于同一结构之下。以1000MW的电厂机组为对象开展了额定工况下和80%额定负荷下的过热气温和再热气温的PID-IMC控制器设计。     

预测函数控制的内模控制理论

内模控制是一种基于过程数学模型进行控制器设计的新型控制策略,是研究预测控制重要的理论基础。预测函数控制是一种控制量计算方程简单,实时控制效果好的新型预测控制算法。本文用内模控制理论研究预测函数控制,分析了系统的鲁棒性和稳定性,最后进行了参数设计和仿真研究。     

一种基于支持向量机的内模控制方法

在基于数据的基础上,采用SVM回归理论建立系统的正向模型和设计逆模控制器.首先简要介绍了SVMR的原理,然后将其应用于内模控制问题,并建立了SVMR模型.其次,在控制过程可逆的条件下设计了SVMR控制器.最后将该控制方法应用于一可逆非线性系统和具未知干扰的温室环境控制问题,仿真结果表明该方法与神经网络IMC相比,具有较简单的模型和较好的控制性能.