具有给定闭环极点的最优控制系统的设计

文中给出了线性二次型性能指标函数中的加权系数矩阵 Q 和 R 与控制系统的闭环极点之间的关系.只要给定系统的最优闭环极点,就能方便地求得矩阵 Q 和 R.     

一种新的随机多变量自适应极点配置控制器

本文提出的随机多变量自适应极点配置控制器,由于采用了一种新的极点配置结构,它不仅可以避免求解伪交换矩阵方程而实现任意极点配置,跟踪时变参考输入,而且可以抑制随机噪声干扰.该控制器不仅可以控制开环不稳定或非最小相位系统,而且还可以控制具有任意、未知或变化的延时结构和具有任意输入输出个数的随机多变量系统。     

线性二次型最优控制闭环系统极点的必要条件

本文推导了线性二次型（LQ）最优控制闭环系统极点应满足的必要条件，以及与加权阵Q和R的等式关系     

鲁棒性指标分析及其在多变量控制系统极点配置中的应用

本文详细分析了文献[3,4,6]中采用的鲁棒性指标的优缺点,进而提出了一种改进的鲁棒极点配置方法.其收敛性比文[8]的结果好,计算复杂性明显优于文献[4,6,11]的方法.     

多变量自适应极点配置的递推算法

本文提出一个递推计算控制器参的方法，得到具有两层迭代过程的多变量自适应极点配置算法，大幅度减少了在线计算量，同时在辩识算法中利用投影方法，证明了该算法的稳定性和收敛性。     

多变量组合极点配置自校正控制器

本文提出一种多变量组合极点配置自校正控制器,它优于现有的其它控制方案,该控制器能够控制开环不稳定、非最小相位以及B0阵为奇异的不同时延系统,其突出优点是在线计算量很小以及应用灵活,具有很强的工程实用价值.     

一种具有极点在线优化的复合自适应控制系统

极点配置自适应控制,通常存在如何选择合理的闭环极点问题。本文在极点配置控制基础上,运用优化理论并基于跟踪误差指标最小的原则,建立起一种具有极点参数在线优化的复合自适应控制方法,使系统在参数自适应的同时,实现动态响应最优化。     

线性二次型最优控制闭环系统极点的必要条件

本文推导了线性二次型(LQ)最优控制闭环系统极点应满足的必要条件,以及与加权阵Q和R的等式关系。     

具有固定闭环极点的同时稳定*

本文讨论了具有固定闭环极点的同时稳定问题,给出了该问题有解的充要条件和控制器的计算方法。     

多变量离散时间系统的自适应LQ控制

考虑了多变量离散系统的自适应ＬＱ（线性二次）控制问题,利用ＬＳ（最小二乘）算法和ＷＬＳ（加权最小二乘）算法的自收敛性和随机正则化的思想「１」,证明了修改的估计模型是几乎处处自收敛的、一致可控和一致可观的,基于上面的估计,提出了两种自适应ＬＱ控制律,证明了闭环系统是稳定的和最优的。     

奇异系统的不定号二次型指标最优控制问题

讨论奇异系统的不定号LQ问题 (二次型指标中的权矩阵含有负特征值的最优控制问题). 首先指出问题的可解性, 并给出了问题等价转化为奇异系统的奇异LQ问题的充要条件. 然后基于等价的奇异系统奇异LQ问题, 给出问题存在唯一最优控制—轨线对的充分条件. 最后用一个算例说明结论的正确性.     

ITAE最优控制系统设计

研究ＩＴＡＥ最优控制系统的设计问题。针对这类性能指标中含有绝对值的最优控制问题，先将镇定控制器参数化，再用Ｌ１理论将其转化为求解线性规划和代数方程。所得的控制器是有理的、线性的，易于工程实现。     

多变量系统的广义预测控制解耦设计

针对在系统关联严重的情况下,通过选择合适的权矩阵,预测控制可以实现间接解耦控制,但是系统的跟踪性能将大大降低的问题,提出了一种带设定值观测器的多变量广叉预测解耦控制算法,结合前馈解耦控制策略与广义预测控制律,将其他通道对当前通道的影响作为扰动,从而实现近似解耦.在目标函数中用控制量的增量代替控制量,使控制增量变化不至于...     

LQ最优控制系统加权矩阵Q的一种数值算法

利用ＬＱ最优控制逆问题的参数化解,将求解对称、非负定加权矩阵Ｑ的问题变为一类Ｆ－范数优化问题,给出一种求解ＬＱ最优控制指标函数中的加权矩阵Ｑ的简便而系统的方法。算法的优点在于任意给定一组自变量,通过解这类优化问题就可求得满足闭环特征要求的加权矩阵Ｑ,而且具有良好的收敛性。     

控制系统可视化组态平台的设计与实现

针对传统的使用脚本语言实现控制算法组态的专业性强、易出错等特性,提出一种控制系统可视化组态平台的设计与实现方法.在该平台上可以方便快速地实现多变量解耦控制、模糊-PID控制、Smith预估控制、预测控制等多种复杂控制系统的组态,并可以通过仿真设定和调整控制系统参数.组态结果可直接加载运行平台.对某电厂机组锅炉的燃烧控制系统的应用表明,运用该平台对多变量时滞控制系统进行组态灵活方便,控制效果令人满意.     

Closed-loop P-type Iterative Learning Control of Uncertain Linear Distributed Parameter Systems

An iterative learning control problem for a class of uncertain linear parabolic distributed parameter systems is discussed, which covers many processes such as heat and mass transfer, convection diffusion and transport. Under condition of allowing system state initially to have error in the iterative process a closed-loop P-type iterative learning algorithm is presented, and the sufficient condition of tracking error convergence in L2 norm is given. Next, the convergence of the tracking error in L2 and W1,2 space is proved by using Gronwall-Bellman inequality and Sobolev inequality. In the end, a numerical example is given to illustrate the effectiveness of the proposed method.