伺服电机驱动的连铸结晶器振动系统受限状态下预设性能控制

以伺服电机驱动的连铸结晶器振动位移系统为研究对象,针对系统输入和状态受限问题,考虑系统存在的参数不确定性和负载转矩扰动影响,设计一种基于观测器的预设性能自适应控制器.首先,针对系统存在的参数不确定性、负载转矩扰动等问题,基于Lyapunov函数设计变增益扩张状态观测器,在保证观测精度的同时,削弱峰值现象;其次,考虑状态和输入受限的情况,将预设性能函数与Backstepping技术相结合设计控制器,构建指令滤波器解决“计算膨胀”问题,引入动态补偿量对观测器及受限状态产生的误差进行补偿,并对所设计的控制器进行稳定性分析;最后,通过仿真对比实验验证控制器的有效性.     

并网逆变器逆系统自学习滑模抗扰控制

针对三相并网逆变器模型的多变量、非线性、强耦合等特点,采用开关函数法建立其开关周期平均模型,在此模型的基础上采用逆系统方法实现反馈线性化和解耦控制,对伪线性系统设计自适应滑模抗扰控制器,使用非线性光滑函数设计扩张状态观测器以实现内部建模误差与外部扰动的扩张状态估计,并将非线性扩张状态观测器和跟踪微分器与自学习滑模控制器结合使用.仿真结果表明,该方法具有响应速度快、控制精度高、抗扰能力强的特性,在并网逆变器中具有较大应用价值.     

移动机器人轨迹跟踪快速终端滑模自抗扰控制

针对移动机器人动力学模型难以精确建立、运动过程中各种干扰对高精度轨迹跟踪造成偏航等问题,构造出一种快速终端滑模自抗扰控制器,实现了高速高精度轨迹跟踪控制目标.首先建立非完整移动机器人的干扰控制模型;然后运用扩张状态观测器实时监测系统未建模动态与各种干扰;同时将扩张状态量和系统反馈量作为快速终端滑模算法的系统变量;最后设...     

一类非线性系统的微分平滑反步自适应输出反馈控制

研究了一类含不确定参数且存在未知扰动的严反馈非线性系统输出反馈控制问题,设计了一种新型的反步递推(Backstepping)自适应控制器.为实现输出反馈,设计过程引入了虚拟的全维状态观测器.由于Backstepping的虚拟控制量与未知参数逼近值及其高阶导数有关,为此通过微分平滑算法对原系统进行相应的动态扩展.在稳定性分析中,利用Lyapunov定理,得到了系统全局一致有界稳定的条件,并求出系统的稳态跟踪误差.最后给出的仿真算例验证了本文方法的有效性和可行性.     

带状态观测器的船舶路径跟踪预测滑模控制

为解决具有速度不易测量、模型不确定与外界干扰的欠驱动船舶路径跟踪问题,提出一种结合线性扩张状态观测器(LESO)的滑模控制算法.首先对船舶路径进行预测,据此预测值和参考路径值计算路径未来误差,并基于Backstepping算法设计参考艏向角.其次,采用双曲正切函数设计滑模控制器,对艏向进行控制.引入LESO对外界干扰和不确定参数进行逼近,以提高控制器的鲁棒性.并利用非线性观测器和LESO对船舶纵向速度、横向速度以及转艏角速度进行估计,避免速度不易测量问题.最终的仿真结果验证了所设计控制器的有效性.     

考虑控制饱和的连铸结晶器振动位移系统预设性能控制

针对伺服电机驱动的连铸结晶器控制系统执行器输入饱和和状态受限问题,同时考虑系统存在负载扰动、参数摄动等不确定性问题,提出一种基于扩张状态观测器的跟踪误差预设性能反步控制策略.首先,针对执行器输入饱和问题,建立系统的数学模型;然后,采用一种线性扩张状态观测器实时观测系统时变负载扰动、参数摄动等不确定性,并对观测误差的收敛性进行分析;接着,针对伺服电机电流饱和与跟踪误差预设性能控制问题,通过引入辅助状态变量确保系统跟踪误差限定在允许范围内,设计基于扩张状态观测器的反步(Backstepping)控制器;最后,根据Lyapunov稳定性理论证明闭环系统的稳定性,并通过系统仿真验证所提出控制策略的有效性.     

基于无迹卡尔曼滤波的旋转倒立摆LQR控制

LQR控制器在含有系统噪声与量测噪声的旋转倒立摆系统应用中,难以获得精确的状态向量实现对系统的最优控制.为了提高LQR的控制精度,引入了无迹卡尔曼滤波(UKF)状态观测器,以获得系统的最优状态估计量,实现基于动态规划的自抗扰二次型最优反馈控策略.与卡尔曼滤波(KF)相比,UKF用于非线性系统的状态估计的主要优势是不需要线性化去计算状态转移矩阵,避免了系统线性化带来的模型误差.在含有系统噪声与量测噪声的旋转倒立摆仿真模型下,对基于KF和UKF的LQR控制器进行了仿真对比分析.仿真结果表明,UKF对系统响应时间、控制精度、鲁棒性的优化效果更好.     

基于观测器的输出反馈电子节气门控制器设计

针对电子节气门系统的状态变量不完全可测量, 设计了一个基于观测器的输出反馈电子节气门控制系统. 该系统由一个估计不可测量状态的降阶观测器和一个非线性状态反馈控制器组成. 同时在控制器中引入了跟踪误差的积分项以抑制跟踪静差. 将建模误差和观测器误差等不确定性看作外部扰动, 在输入到状态稳定性(Input to state stability, ISS)理论框架下分析了跟踪误差系统的鲁棒性, 并据此给出了选择控制器参数的指导性原则.仿真及实验结果表明, 基于观测器的输出反馈控制器能够很好地实现电子节气门的跟踪控制.     

基于扩张状态观测器的车辆横摆稳定模型预测控制器设计

针对车辆横摆稳定性控制问题,本文提出一种基于扩张状态观测器的线性模型预测控制器设计方法.首先,将非线性车辆模型线性化,建立带有模型误差干扰项的线性模型,其中线性化导致的模型误差采用扩张状态观测器估计得到,并证明了观测器的稳定性.然后基于此模型设计线性预测控制器,近似实现了非线性预测控制器的控制效果,同时降低了计算量.最后,通过不同路况下的仿真实验结果,验证了所提方法的计算性能和控制效果.     

基于扩张状态观测器的车辆横摆稳定模型预测控制器设计（英文）

针对车辆横摆稳定性控制问题,本文提出一种基于扩张状态观测器的线性模型预测控制器设计方法.首先,将非线性车辆模型线性化,建立带有模型误差干扰项的线性模型,其中线性化导致的模型误差采用扩张状态观测器估计得到,并证明了观测器的稳定性.然后基于此模型设计线性预测控制器,近似实现了非线性预测控制器的控制效果,同时降低了计算量.最后,通过不同路况下的仿真实验结果,验证了所提方法的计算性能和控制效果.     

运动控制中的鲁棒自适应死区补偿

在高精度PD控制器中,死区可能会产生极限环,而且,死区参数往往未知.本文针对有非对称死区的直流伺服系统,设计了一种鲁棒自适应预补偿控制器,这种控制器不仅对死区的不确定性具有鲁棒性,而且对惯性及粘性摩擦等参数的不确定性,及外部扰动都有较强的鲁棒性.采用Lyapunov理论证明了这种控制器能够保证跟踪误差一致最终有界.并且调整调节控制器的参数可以改变跟踪误差.仿真结果表明了这种方法的有效性.     

汽车转向/防抱死制动协同控制

为了解决汽车转向过程中防抱死制动稳定性问题,提出一种新的协同控制系统.该协同控制结构由转向控制器和制动控制器组成.在转向控制中设计滑模鲁棒自适应控制器和横摆力矩控制器力求改善汽车动态响应,鲁棒自适应性和稳定性.此外定义协同误差,建立汽车协同误差模型并设计汽车防抱死制动鲁棒自适应控制系统.为了减少转向系统和制动系统之间的补偿控制律难以确定的困难,提出耦合误差补偿原理与同一给定控制相结合的新的耦合控制策略.最后用仿真结果验证所设计控制算法的有效性.     

直流PWM伺服系统的模糊变结构控制的研究

以直流PWM伺服系统为对象,在建立数学模型基础上,从变结构控制理论出发,结合模糊控制的优点,设计了一种新型模糊变结构控制器,即在误差较大时采用滑模变结构控制,充分利用其响应速度快的特点,在误差较小时改用增量式模糊控制,并进行分级处理,以减弱抖振,提高控制精度,改善系统的动态性能。理论分析与仿真结果证明,该系统响应快、抖振小、鲁棒性较强,能够获得良好的控制效果。     

具有自适应功能的新型时滞系统控制器

将Smith预估器和内模控制结构结合起来 ,利用模糊控制方法研究出一种智能控制器 ,能在一定的模型误差范围内得到良好的控制品质。主要控制量来源于模糊控制器 ,通过智能积分对模糊控制器不能消除的稳态误差进行克服 ,并对系统性能进行监测 ,使用模糊控制对控制量进行校正。经仿真研究发现 ,这种智能控制器在一定的模型误差范围内有很好的鲁棒性 ,稳态误差为 0。     

基于神经网络的机器人轨迹跟踪控制

针对机器人模型未知情况，讨论了用神经网络和反馈控制实现机械手的跟踪控制。提出一种基于参考误差的投影算法来训练网络权值，训练后网络输出能逼近期望的前馈力矩，并从理论上证明跟踪误差的收敛性。仿真结果表明方案具有较好的跟踪性能和较强的抗干扰能力。     

大纯滞后系统的自适应补偿控制

针对工业过程中普遍存在的纯滞后对象的控制问题,提出了一种带误差补偿环节的模型参考自适应控制方法。仿真结果表明,这种自适应控制器对于一类大纯滞后系统的控制具有比较好的控制效果,且结构简单,有一定的鲁棒性。     

机械手臂基于神经网络动态补偿的自适应控制

研究了模型具有不确定性的机械手臂的跟踪控制问题.由于模型不确定性的存在,基于精确模型设计的控制律很难达到理想的控制效果.针对这种情况,在基于标称模型设计的控制律的基础上,采用神经网络来补偿模型的不确定性,由于神经网络存在逼近误差,因此在控制器设计时,引入了H_∞ 鲁棒项,使得网络逼近误差达到指定的削弱水平并且跟踪误差渐近收敛到零,仿真结果表明了该方法的有效性.     

Development of a Novel Self‐Tuned Adaptive Supervisory Cerebellar Model Articulation Controller for Induction Motor Drive

This work presents a novel speed control scheme for an induction motor (IM) using an adaptive supervisory differential cerebellar model articulation controller (ASDCMAC). The ASDCMAC has a supervisory controller and an adaptive differential cerebellar model articulation controller (ADCMAC), and the ASDCMAC is utilized as the speed controller. The supervisory controller monitors the control process to keep speed tracking error within a predefined range, and the ADCMAC learns and approximates system dynamics. The connective weights of ADCMAC are adjusted online, according to adaptive rules derived in Lyapunov stability theory, to ensure system stability. The robustness of the proposed ASDCMAC against parameter variations and external load torque disturbances is verified via simulations and experiments, respectively. Three control schemes, the ASDCMAC, fuzzy control, and PI control, are investigated experimentally, and a performance index, root mean square error (RMSE), is utilized for each scheme. The experimental results demonstrate that the ASDCMAC outperforms the two other control schemes with external load torque variations.     

一类不确定系统的最优鲁棒控制

运用最优方法探讨了一类模型不确定系统的鲁棒控制问题。定义了一个实际敏感度和标称敏感度之间的加权敏感度误差,并通过调整标称控制器最小化加权敏感度误差在整个频段上的方差,从而为一类不确定系统提供了一种最优的鲁棒控制器设计方法,可使系统性能对模型误差具有良好的鲁棒性。针对控制工程领域典型的一阶时滞系统进行仿真研究,其结果说明了该方法的有效性。     

四旋翼无人机的高度控制

为实现对四旋翼无人机飞行高度的控制,采用气压高度计对高度信息进行反馈,同时使用竖直加速度数据进行补偿.为了减少由建模误差对控制效果产生的影响,并使系统具有较强的鲁棒性,设计了模型参考滑模控制器(MRSMC,model reference sliding mode controller),同时对于无法直接测量的状态量使用卡尔曼滤波器来进行推测.实验结果表明所设计的控制器具有良好的稳定性和鲁棒性.