非线性系统RBF神经网络多步预测控制

针对较强非线性的控制问题, 提出一种以RBF 神经网络为模型的多步预测控制方法. 构建多步预测模型, 并给出预测误差关于控制序列的雅可比矩阵的计算方法. 利用Levenberg-Marquardt(L-M) 算法设计滚动优化策略, 过误差修正参考输入的方法实现了反馈校正, 证明了控制系统的稳定性. 仿真结果表明所提出的控制方法效果较好.

     

基于神经网络的时滞非线性系统的广义预测控制

针对一类时滞非线性被控对象,提出一种基于RBF神经网络的广义预测自校正控制方案,在广义预测控制中,采用RBF神经网络建立被控对象的多步预测模型,并不断修正预测输出,提高预测输出的精度.控制器则采用GPC隐式修正算法,不用辨识对象的模型参数,大大减少了计算量.经过仿真研究,与常规的PID自适应控制方法相比较,证明了该方法的优越性,预测控制误差小,实时性好,动态响应快.     

基于反步控制的多AUV编队控制方法研究

针对自主水下机器人(AUV)集群编队任务的实际需求,本文提出了一种基于反步控制思想的多AUV编队控制算法.根据多AUV集群系统的平面Leader-Follower编队模型,推导了多AUV编队控制的数学模型和优化目标.对于积分串联型的AUV非线性系统,借鉴反步控制思想设计了一种新型的控制律函数,采用李雅普诺夫理论证明了AUV集群系统编队控制的稳定性.仿真结果表明,采用本文提出的编队控制方法,AUV集群能够较好实现队形保持与队形切换功能,算法收敛,满足实际编队控制的需求.     

基于多步控制集的鲁棒预测控制器设计

针对有约束多胞不确定系统, 本文提出多步控制集的概念, 并将其作为终端集进而设计鲁棒预测控制器. 由于设计了一系列可变的反馈律, 鲁棒预测控制器可以得到更好的控制性能和更大的初始可行域. 另外, 利用多步控制集的特性, 本文提出了一种将预测控制器的在线计算量转移到离线完成的算法. 通过该算法, 可以有效地平衡鲁棒预测控制器的控制性能、在线计算量和初始可行域. 仿真算例验证了这些算法的有效性.     

控制方向未知的时变非线性系统鲁棒控制

针对一类具有未知时变控制方向、不确定时变参数以及未知时变有界干扰的严反馈非线性系统,给出一种带有死区修正算法的鲁棒控制方法.在控制系数符号未知的情况下,通过在反步法中引入Nussbaum增益和死区修正技术,得到一种修正的鲁棒反步设计方法.该方法不需要未知时变控制系数的上下界先验知识以及不确定参数和外界干扰的上界信息.算法保证了闭环系统所有信号的有界性,同时使得跟踪误差收敛于零的任意小邻域内.     

时滞柔性关节机械臂自适应位置/力控制

针对具有时滞的柔性关节机械臂自适应位置和力控制问题进行了研究.首先,通过坐标变换得出降维的位置/力控制模型.随后,将时间滞后近似表示成一阶滞后,进行时滞补偿.利用自适应算法修正机械臂系统参数,克服模型参数不确定性对系统的影响.同时,采用反步控制技术设计机械臂位置/力控制器,运用Lyapunov稳定性定理证明控制器能使机械臂位置和力跟踪误差收敛.最后的仿真研究验证了控制方案的有效性.     

带有误差修正项的自适应学习控制

本文讨论了二阶系统在任意初态偏差下的自适应控制问题,借助学习控制及其初始修正的思想,提出了两种带有修正初态偏差功能的自适应控制策略:一阶吸引子控制器和零阶吸引子控制器.两种控制器都是将整个控制过程分成若干个等长时间的子过程,在每个子过程中控制算法都会进行误差校正和参数学习.其中,一阶吸引子控制器在每个子过程中同时修正所有状态偏差;而零阶吸引子控制器在每个子过程中先修正高阶状态偏差,再修正低阶状态偏差.并且两种控制器在控制过程中,都利用反正切函数对控制量进行连续化处理,解决了控制过程中的颤振问题.最后,通过计算机仿真验证了算法的有效性.     

基于T—S模糊模型的多变量预测控制

提出一种基于T-S模糊模型的多输入多输出预测控制策略.T-S模糊模型用于描述对象的非线性动态特性,模糊规则将非线性系统划分为多个局部子线性模型.为提高预测控制性能,采用多步线性化模型构成多步预报器,从而将预测控制中的非线性优化问题转化为一个线性二次寻优问题.串接贮槽液位控制系统的仿真结果表明,多步线性化模型预测控制性能优于单步线性化模型预测控制性能.     

梯格形自适应控制

本文讨论并解决了具有d步时延的多变量系统的梯格形自适应控制问题.为此,把自适 应控制下的闭环系统嵌入到ARMA模型中,采用梯格算法进行预报;用简捷方法推导了d步 梯格预报公式,并给出了控制量的确定方法.采用梯格自适应控制可方便地调节模型阶次,从 而可以克服对象阶次不准引起的自适应控制失效问题.     

串联系统广义预测控制及在飞行控制中应用

给出了串联系统广义预测自校正控制器(CSGPC).通过求取两组丢番图方程,优化串联系统的多步预测控制目标函数获得控制律,并针对飞行控制系统的纵向通道控制进行了仿真研究,验证了这种控制方案的优良性能.串联系统是一种复杂的控制系统,存在于工业过程以及航空航天过程中.因此将预测控制推广到串联系统具有重要的应用价值,为飞行控制系统中应用预测控制理论提供了一种先进实用的方法.     

Stable redesign of predictive control

The paper deals with I/O versions of receding horizon controllers based on the minimization of multistep quadratic costs with the constraint that the terminal state goes to zero. The resulting control law yields stable closed-loop systems under sharp conditions. Simulation results are presented to both verify the theoretical analysis and relate the new control law with GPC     

一种新的鲁棒自适应控制律

本文提出了一神新的称为θ-δ修正法的鲁棒自适应控制律.与其它修正法比较,θ-δ修 正法不会使系统性能退化.即在无摄动的理想情况下,这种自适应律可以保证跟踪误差以及 自适应回路里的其它信号为渐近稳定.当系统受到摄动时,该自适应律是鲁棒的且无论设计 常数γ是大是小,输出误差的漂移都很小,因而γ可以取大于零的任意值.     

模型跟踪广义预测鲁棒自适应控制器

本文采用滤波CARMA模型,基于内模原理,提出了一种新的广义预测鲁棒自适应控制器,并分析了闭环系统性能,在新的控制器中,引入适当的前馈作用,使得跟踪和调节问题解耦,利用部分状态跟踪、模型参考以及极点配置方法解决跟踪问题,利用多步预测滚动优化方法解决调节问题;适当选择滤波器可以保证对平稳随机扰动有满意的响应,减少可调参数对闭环系统响应的影响,增强系统对未建模动态的鲁棒性,仿真结果表明:该控制器对确定性和非平稳随机扰动具有不变性,对系统时延和阶次变化具有鲁棒性,适用于非最小相位和开环不稳定系统。     

Composite adaptive control with fast convergence for multilayer neural network

A composite adaptive control (CAC) that combines the benefits of direct and indirect adaptive controls has better parameter adaptation and control response. Multilayer neural networks (NNs) can be employed to enhance a model's representation capacity, but previous composite adaptive approaches cannot easily train the model due to its nonlinearities. A novel CAC is therefore developed in this study to tackle the above limitations. A modified robust version is adopted by focusing on the direct adaptive part to enhance robustness of adaption. Then, the indirect parameter adaptive law is improved by adopting a small learning rate in which a multistep adaption update is executed in one control interval. Moreover, multistep prediction errors are implemented to guarantee the consistency of the approximation errors, and an experience replay technique is adopted to attenuate the requirement of persistent excitation conditions. These improvements not only accelerate the convergence process but also smoothen the updating of NN parameters. Given that a nonlinear plant with MIMO strict‐feedback structure is considered, the proposed CAC is integrated into the backstepping framework. The uniformly bounded property of the tracking errors and the approximation errors is proven by Lyapunov theory. The superiority of the proposed method and the roles of these improvements are demonstrated by comparative simulations.     

Nonlinear control for global stabilization of multiple-integrator system by bounded controls

The global stabilization problem of the multiple-integrator system by bounded controls is considered. A nonlinear feedback law consisting of nested saturation functions is proposed. This type of nonlinear feedback law that is a modification and generalization of the result given in [1] needs only [（n ＋ 1）/2] （n is the dimensions of the system） saturation elements, which is fewer than that which the other nonlinear laws need. Furthermore, the poles of the closedloop system can be placed on any location on the left real axis when none of the saturation elements in the control laws is saturated. This type of nonlinear control law exhibits a simpler structure and can significantly improve the transient performances of the closed-loop system, and is very superior to the other existing methods. Simulation on a fourth-order system is used to validate the proposed method.     

一种无约束多步递归神经网络预测控制器

本文针对具有强非线性、多工作点特性的控制系统, 提出了一种基于递归BP神经网络的多步预测模型; 通过分析预测模型的内在数学关系, 选择了二次型函数作为预测控制器的目标函数, 并给出了目标函数关于控制序列的雅可比矩阵和赫森矩阵的计算方法; 最后使用Newton-Rhapson算法设计出了滚动优化控制策略, 构建了一个非线性多步预测控制器. 仿真结果表明, 文中提出的多步预测控制器具有较好的控制效果.     

BBN曲面的形状分析与控制

研究了调节凸Bézier曲面、B-样条曲面及NURBS曲面（BBN曲面）一个控制点以后,曲面形状变化的规律.通过将BBN曲面分解成一张凸曲面与具有特殊形状曲面的叠加,建立了曲面变形前后一些几何量与变形位移量之间的数量关系,得到了凸BBN曲面失去凸性的充分条件和判据.相应的结果可应用于调节与控制BBN曲面形状的算法设计.     

非完整移动机器人的分段反馈稳定控制

研究一类具有非完整约束的移动机器人控制问题,首先采用一种分段连续状态反馈控制邮系统的渐近稳定,为了克服控制器在某些点出现奇异性以及由于控制器中所涉及的三角函数的周期性导致解的局部必 步利用输入／输出线化,线性近似等方法对控制算法进行了修正,数值仿真结果表明该算法是有效的。     

一种基于多步预测的多变量自校正控制算法

本文提出一种简单的基于多步预测的自校正控制算法.该算法以 CARIMA 模型为基础,采用多步预测、优化,使其具有较强的鲁棒性.本文提出的算法简单、易于实现,只需较少的关于系统的验前知识.     

双轮移动机器人安全目标追踪与自动避障算法

设计了双轮移动机器人安全目标追踪算法和双回路的追踪与避障控制方案.内层控制回路是目标追踪的控制律,用来指导机器人追踪到指定目标并保持一定的安全距离,而且兼顾了机器人在运行速度上的限制和追踪的时间效率,其控制的渐近稳定性用Lyapunov函数法进行了证明.当遇到障碍物时,外层控制回路根据超声传感器的信息和阻抗控制的概念产生阻抗虚拟力,将期望目标调整到虚拟位置,使机器人能够自动转向以避开障碍物.仿真研究和实验结果证明了追踪算法的有效性和避障方法的可行性.