在线VRFT数据驱动控制方法及其仿真研究*

虚拟参考反馈整定(VRFT)是一种离线的数据驱动控制器参数整定的方法,要求整定过程中对象特性保持不变。本文针对离线算法的不足,提出了一种在线VRFT数据驱动算法。首先利用滤波器改变了离线算法的时序,得到用于实时运算的有效数据。然后提出了基于带遗忘因子递推最小二乘法的VRFT控制器参数辨识方法,不依赖于对象模型,完全利用实时数据实现了在线控制器参数整定。仿真结果表明, 在对象特性变化较大的情况下,在线VRFT整定方法优于传统的离线VRFT方法,具有很好的自适应性。     

基于容许集的变终端约束MPC控制

针对一类输入和状态受约束的离散线性系统,提出一种基于Ⅳ步容许集的变终端约束集模型预测控制方法.首先给出多面体不变集序列作为终端约束集的离线模型预测控制算法,扩大了终端约束集.为进一步扩大初始状态可镇定区域,引入N步容许集,设计了基于容许集的变终端约束集模型预测控制方法.该算法采用离线设计、在线优化方法,实现了系统渐近稳定,不仅降低了在线运算量,而且扩大了初始状态可镇定区域.仿真结果表明了算法的有效性.     

基于RSS的离线数据库应用系统设计

为了解决常规RSS服务离线环境下无法提供网络服务的问题,提出了一种新的基于RSS的离线数据库应用系统模型：RSS离线数据库的设计、数据提取、转换和访问的基本方法;并给出了离线RSS阅读的定义。该系统模型实现了在线服务的离线应用,扩展了RSS服务的应用方向,增强了RSS阅读器的适用性。     

反重力铸造装备的模糊建模与预测控制

工业中的反重力装备在铸造过程中具有时滞性、强非线性和时变性的特点,传统的控制算法难以达到满意的效果,由此提出了一种基于T-S模型的模糊预测控制方法.该方法根据T-S模型的描述来设计神经网络结构,利用误差反传算法离线辨识前件参数和后件参数,使用加权最小二乘递推方法进一步在线修正模型的后件参数,并将T-S模型转化为状态空间模型,使用丢番图方程推导出预测控制律.仿真结果表明此方法具有良好的动态特性.     

三电动机驱动圆管带式输送机启动控制方法

针对圆管带式输送机头部双电动机驱动、尾部单电动机驱动的工况,考虑输送带黏弹性力学特征,以Kelvin-Voigt模型为基础,在AMESim软件中建立了圆管带式输送机输送带-驱动滚筒部分离散模型;在三相异步电动机直接转矩控制基础上,研究了三电动机驱动系统功率平衡控制原理,提出了一种主电动机速度给定、2台从电动机转矩给定的圆管带式输送机启动控制方法;通过Matlab/Simulink仿真及圆管带式输送机综合试验台测试研究了基于该方法的圆管带式输送机启动过程,结果表明该方法可实现圆管带式输送机平稳启动,启动过程中头部主电动机与头尾部从电动机输出转矩基本相等,启动4s后负载差值几乎为0。     

高精度汽车电子点火控制系统

控制精度是汽车电子点火控制系统所追求的目标,而控制策略的数学模型又是其根本.讨论了基于最小二乘法的汽车电子点火控制策略,探讨了控制系统开发中数据存储方案,提出了离线控制模型建立的相关算法和在线实时点火控制的查找算法.通过试验验证了该系统的可行性和可靠性,并表明动力性和经济性指标取得明显改进.     

直流电动机时变参数在线辨识方法

针对直流电动机的电枢阻抗以及转子转动动量等参数会随着其运行环境及工况的变化而发生变化,从而导致系统控制失效的问题,给出了一种基于递推最小二乘算法的直流电动机时变参数在线辨识方法,并设计了以TMS320F2812为核心的直流电动机控制系统。试验结果表明,使用递推最小二乘算法能够较好地实现直流电动机系统的时变参数辨识。     

风轮机桨距角的数据驱动预测控制

数据驱动预测控制方法是数据驱动和预测控制相结合而产生的一种新型控制策略.传统的模型预测控制(MPC)方法使用的预测模型一般都是近似线性系统预测模型.在具有强非线性的工业过程中,数据驱动预测控制方法对系统模型要求更低,控制效果更好.针对额定风速以上风轮机桨距角的控制问题,利用输入输出数据在线设计控制器,将数据驱动预测控制方法较好的应用于风力发电系统中,实现额定风速以上系统的恒功率控制.仿真结果表明该方法能够成功控制风轮机桨距角,达到系统恒功率输出的控制目标,同时保持转速在额定值附近.     

在线KPLS建模方法及在磨机负荷参数集成建模中的应用

针对过程非线性、基于历史数据构建的离线模型泛化性差以及基于滑动窗口 和每样本递推更新的在线建模方法难以均衡建模精度和建模速度等问题, 提出了一种在线 核偏最小二乘(On-line kernel partial least squares, OLKPLS)建模方法. 该方法依据新样本与建模样本间的近似线性依靠(Approximate linear dependence, ALD)值和代表工业过程特性漂移幅度的 阈值, 选择有价值样本更新KPLS模型, 并采用合成数据和Benchmark平台数据对该方法进 行了仿真验证. 针对基于离线历史数据建立的融合多传感器信息的磨机负荷参数集成模型难以适应磨 矿过程时变特性的问题, 提出了基于OLKPLS和在线自适应加权融合算法的在线集成建模方 法, 并通过实验球磨机的实际运行数据仿真验证了方法的有效性.     

智能假肢感知和约束变增益迭代学习控制

针对膝关节输入力矩为受限的阻尼力矩,步态跟随控制缺乏在线调节问题,提出用离线和在线集成的变增益一阶D型闭环迭代学习方法进行步态跟随控制。建立系统动力学模型,给出基于有限状态机的步态感知和人腿摆动相步速间接感知方法,减小跟随滞后。设计在线变步长指数增益调节算子,并针对输入力矩受限,设计离线的带惩罚因子的指数增益调节算子。利用谱半径约束条件,分析算法的收敛性。在真人比例虚拟样机模型上进行控制仿真实验,给出了固定增益和变增益调节下轨迹跟踪曲线。结果证明,提出的增益调节算子可保证输入在有效范围内,并可提高跟踪速度。     

Data-driven nonparametric model adaptive precision control for linear servo systems

Nowadays, high-precision motion controls are needed in modern manufacturing industry. A data-driven nonparametric model adaptive control (NMAC) method is proposed in this paper to control the position of a linear servo system. The controller design requires no information about the structure of linear servo system, and it is based on the estimation and forecasting of the pseudo-partial derivatives (PPD) which are estimated according to the voltage input and position output of the linear motor. The characteristics and operational mechanism of the permanent magnet synchronous linear motor (PMSLM) are introduced, and the proposed nonparametric model control strategy has been compared with the classic proportional-integral-derivative (PID) control algorithm. Several real-time experiments on the motion control system incorporating a permanent magnet synchronous linear motor showed that the nonparametric model adaptive control method improved the system’s response to disturbances and its position-tracking precision, even for a nonlinear system with incompletely known dynamic characteristics.     

Data-Driven Control of Distributed Event-Triggered Network Systems

The present paper deals with data-driven event-triggered control of a class of unknown discrete-time interconnected systems (a.k.a. network systems). To this end, we start by putting forth a novel distributed event-triggering transmission strategy based on periodic sampling, under which a model-based stability criterion for the closed-loop network system is derived, by leveraging a discrete-time looped-functional approach. Marrying the model-based criterion with a data-driven system representation recently developed in the literature, a purely data-driven stability criterion expressed in the form of linear matrix inequalities (LMIs) is established. Meanwhile, the data-driven stability criterion suggests a means for co-designing the event-triggering coefficient matrix and the feedback control gain matrix using only some offline collected state-input data. Finally, numerical results corroborate the efficacy of the proposed distributed data-driven event-triggerednetwork system (ETS) in cutting off data transmissions and the co-design procedure.      

二维直线电机的并联型无模型自适应复合控制

针对二维直线电机平台系统的XY轴协同控制问题,将PI与并联型无模型自适应相结合的复合控制方法应用于控制系统。该控制方法通过在每个子系统加入PI控制方法保证其稳定性,再通过并联型的无模型自适应控制方法来提高整个系统的跟踪性能,以减小系统位置误差。基于数据驱动的无模型自适应控制方法设计二维直线电机系统控制器,其优势在于无需被控系统精确数学模型,仅根据被控系统输入输出数据对系统进行控制。相比基于模型的控制方法,该方法能够减小未建模动态产生的干扰,有效提高控制精度。仿真及实物控制效果对比结果表明,这种复合控制方法明显提高了整个系统的稳定性和位置跟踪精度。     

数据驱动的无模型自适应直线伺服系统精密控制和实现

针对现代制造业对高精度机床伺服系统的要求, 将数据驱动的无模型自适应控制方法应用到直线伺服系统的位置控制中, 控制器设计不包括直线伺服系统结构的任何信息, 是直接基于动态线性化模型中伪偏导数的估计和预报, 而伪偏导数是根据直线电机电压输入和位置输出在线估计的. 永磁同步直线电机运动控制系统的实时实验结果表明, 在相同条件下, 数据驱动的无模型自适应控制方法的位置跟踪误差比PID减小了0.4mm到2.6 mm, 比神经网络控制时减小了0.2mm到0.5 mm. 该方法还提高了对负载扰动的鲁棒性.     

基于FPGA的四相步进电动机控制器的设计

介绍了一种基于FPGA的四相步进电动机控制器的设计方案,给出了其控制原理、相关模块的设计及应用实例。该控制器采用全数字化控制,使用Verilog HDL语言编程,能够实现四相步进电动机的复位、脱机、转速和正反转控制。仿真及应用结果表明,该控制器控制灵活、调速范围大、精度高、运行稳定可靠。     

Data-driven output-feedback fault-tolerant control for unknown dynamic systems with faults changing system dynamics

This paper studies the data-driven output-feedback fault-tolerant control (FTC) problem for unknown dynamic systems with faults changing system dynamics. In a framework of active FTC, two basic issues are addressed: the fault detection employing only the measured input–output information; the controller reconfiguration to achieve optimal output-feedback control in the presence of multiple faults. To detect faults and write the system state via the input–output data, an approach to data-driven design of a residual generator with a full-rank transformation matrix is presented. An output-feedback approximate dynamic programming method is developed to solve the optimal control problem under the condition that the unknown linear time-invariant discrete-time plant has multiple outputs. According to the above results and the proposed input–output data-based value function approximation structure of time-varying plants, a model-free output-feedback FTC scheme considering optimal performance is given. Finally, two numerical examples and a practical example of a DC motor control system are used to demonstrate the effectiveness of the proposed methods.     

一种直流电机系统的稳定裕度估计方法

随着工业设备自动化程度和复杂度的不断提高,系统稳定性和鲁棒性成为日益关键的指标。而稳定裕度便是衡量系统稳定程度的一个指标,并且在控制系统设计中起着重要的作用。因此,一种数据驱动的稳定裕度估计方法被提出,并且以直流电机系统为例进行了应用。利用电机输入输出测量数据和原本的控制器信息,通过子空间投影,估计出了系统的稳定裕度,并比较了在常见的电机故障中,对控制系统稳定裕度变化量的估计。仿真结果显示此方法在系统参数发生变化时较好地估计出了相应的稳定裕度。     

Model predictive control for constrained uncertain piecewise linear systems

For constrained piecewise linear (PWL) systems, the possible existing model uncertainty will bring the difficulties to the design approaches of model predictive control (MPC) based on mixed integer programming (MIP). This paper combines the robust method and hybrid method to design the MPC for PWL systems with structured uncertainty. For the proposed approach, as the system model is known at current time, a free control move is optimized to be the current control input. Meanwhile, the MPC controller uses a sequence of feedback control laws as the future control actions, where each feedback control law in the sequence corresponds to each partitions and the arbitrary switching technique is adopted to tackle all the possible switching. Furthermore, to reduce the online computational burden of MPC, the segmented design procedure is suggested by utilizing the characteristics of the proposed approach. Then, an offline design algorithm is proposed, and the reserved degree of freedom can be online used to optimize the control input with lower computational burden.     

Adaptive feed-forward compensation for hybrid control with acceleration time waveform replication on electro-hydraulic shaking table

This article presents a high fidelity acceleration time waveform replication (TWR) on an electro-hydraulic shaking table (EHST) using the hybrid control combined with an offline feed-forward compensator and an online adaptive inverse control (AIC). This study applies the acceleration and velocity feedback to improve the steady performance of the EHST, and employs the system inverse transfer function (ITF) of the acceleration closed-loop system to extend the frequency bandwidth and a modeling error compensator to improve the dynamic characteristics. Moreover, the investigation utilizes a Zero Phase Error Tracking Controller to improve the accuracy of the designed ITF. The proposed hybrid controller also utilizes an online AIC for a high fidelity TWR after that the dynamic characteristics has been improved by the feedback and feed-forward controllers. Thus, the proposed hybrid control strategy combines the merits of the offline feed-forward compensation and online AIC. Performance analysis and comparison of the experimental results demonstrate that better replication accuracy with the proposed hybrid control can be achieved in experiments on an actual EHST.     

结合前馈调参与迭代学习的数据驱动控制方法

在前馈控制中, 需要尽可能的去除前馈控制器对系统模型的需求, 同时保证高精度和鲁棒性. 本文提出了 一种数据驱动的将迭代前馈调参与迭代学习控制进行结合的方法, 通过引入基函数参数化的前馈控制器和输入整 形滤波器, 使用梯度下降法求解最优系统前馈控制器, 消除期望轨迹引入的扰动; 通过迭代学习控制, 消除系统重复 性扰动, 进一步提高控制精度. 算法具有不依赖系统模型, 高精度, 适用于变轨迹任务的优点. 文中给出了相应的仿 真, 并应用到一个直线电机系统, 通过实验验证了算法的有效性.