基于积分二次约束不确定时滞大系统的鲁棒容错控制

针对一类不确定时滞大系统,研究执行器或传感器失效情况下的鲁棒容错控制。通过运用积分二次约束、线性矩阵不等式及Lyapunov函数的新分析方法,得到无摄动时滞大系统具有鲁棒容错控制的时滞依赖稳定性判据。通过推导获得不确定时滞大系统的时滞依赖稳定性判据,设计鲁棒容错控制器。     

双率采样系统的基于观测器的网络化H∞控制

研究一类带有网络传输时滞和丢包的双率采样系统的网络化H∞控制问题. 假设对象状态变量被分成两个分向量, 同一分向量的状态变量由同一类传感器以相同周期采样, 且两类传感器的采样频率不同. 采样后的分向量分别通过非理想网络传输到控制器端. 考虑到双率采样、网络传输时滞和丢包现象, 引入同步观测器来估计对象状态并设计基于估计状态的控制器来镇定双率采样系统. 基于这个思路, 将双率采样的网络化控制系统建模为带有两个时变时滞的连续系统. 利用Lyapunov-Krasovskii泛函方法, 以矩阵不等式形式给出该系统的稳定性判据和控制器设计方法. 最后, 通过数值例子验证所提方法的有效性.     

状态和控制含多时滞的离散系统H∞容错控制

针对状态和控制输入同时具有多个时滞的线性离散时间系统,基于Lyapunov稳定性理论和线性矩阵不等式方法(LMI),采用无时滞记忆的状态反馈控制律,研究了执行器故障情况下,离散多时滞系统的H∞容错控制问题.在采用连续执行器故障模型条件下,给出了系统没有干扰输入时存在无时滞记忆的状态反馈容错控制器的充分条件;进一步,给出了在H∞扰动衰减指标约束下,系统存在无时滞记忆的状态反馈H∞容错控制器的充分条件,并将结论推广到离散故障模型的情况.仿真结果证明了所提H∞容错控制器设计方法的正确性和有效性.     

执行机构部分失效的挠性航天器多界依赖容错控制

针对挠性航天器在轨运行时受到的外部干扰,输入时滞以及执行机构部分失效问题,本文提出了一种基于不确定参数的鲁棒H_∞容错控制方法.首先,将执行机构部分失效容错控制问题转化为不确定参数的鲁棒控制问题.然后,设计了一个新型的多界依赖状态反馈鲁棒H_∞控制算法.此算法不仅依赖时滞积分不等式分割参数和时滞界信息,还依赖部分失效因子.因此,本文设计的控制器能同时实现对输入时滞的敏感,对部分失效故障的容错及对外部干扰的抑制.最后,通过一系列的仿真验证本文方法的有效性.     

不确定系统鲁棒容错控制

针对不确定线性系统,关于连续型增益故障模式,利用有界实引理和线性矩阵不等式LMI,推导了系统H_∞指标约束下鲁棒镇定及容错控制的充分必要条件,并给出了状态反馈H_∞鲁棒容错控制器的设计方法,从而系统在执行器失效情况下用H_∞指标约束鲁棒容错达到控制的目的.最后,将所提出的鲁棒容错控制方法应用于某一不确定线性系统,仿真结果表明设计的鲁棒控制器不仅能保证系统在执行器失效时闭环系统仍渐近稳定,并且能达到给定的H_∞性能指标,从而验证了所提出方法的可行性和有效性.     

多时滞线性连续系统的最优H∞容错控制

针对状态具有多个时滞的线性连续系统,基于Lyapunov稳定性理论和线性矩阵不等式方法(LMI),采用无时滞记忆的状态反馈控制律,研究了在执行器发生故障的情况下,连续多时滞系统的最优H∞容错控制问题.首先,给出了系统没有干扰输入时存在无记忆状态反馈容错控制器的一个充分条件;进一步,给出了在H∞扰动衰减指标约束下,系统存在无记忆状态反馈H∞容错控制器的一个充分条件;最后,给出了最优无时滞记忆状态反馈H∞容错控制器的设计方法.仿真实例证明了所得最优H∞容错控制嚣设计方法的正确性和有效性.     

含时滞记忆的非线性时滞系统满意容错控制

针对一类基于T-S模糊模型描述的非线性时滞系统,研究在一般执行器故障模式下的含时滞记忆的鲁棒H∞容错控制器设计问题.针对任意连续型执行器故障模式,采用并行分布式补偿原理设计含记忆型状态反馈控制器,给出非线性时滞系统在执行器发生故障情况下的鲁棒镇定准则.然后给出H∞性能指标约束下的满意容错控制器的设计方法和设计步骤.提出的含时滞记忆的状态反馈控制方法可以确保当执行器发生故障时,闭环系统不仅具有渐近稳定性,而且有一定的抗扰动性能,状态反馈控制器设计的保守性较不含时滞记忆控制器设计方法大大降低.仿真实例验证了鲁棒容错控制策略的有效性.     

具有控制约束的网络控制系统的鲁棒H_∞控制

针对具有控制约束的网络控制系统(Networked Control Systems,NCS)的特点,建立了具有外部扰动的网络控制系统模型,对其H∞性能加以分析和研究,并验证所取得的理论成果.假设具有控制约束的网络控制系统的H∞控制器与执行器均为事件驱动,传感器为时间驱动,且网络诱导时延小于传感器的采样周期,然后将此类网络控制系统的广义被控对象建模为一类线性离散系统,运用Lyapunov函数和线性矩阵不等式(LMI),导出闭环系统渐近稳定且满足给定H∞性能指标的充分条件,并给出了控制器的具体求法.得到了系统的H∞控制器存在条件及具体方法,通过设计该控制器,使具有外部扰动的网络控制系统的性能有很大的改善,通过Matlab仿真证明该控制器行之有效.     

带有执行器故障的网络控制系统的自适应容错H∞控制

针对带有执行器故障的网络控制系统, 提出了一种自适应容错控制方法. 首先基于最近提出的一种新的网络诱导时滞模型, 设计了状态反馈形式的自适应容错控制器. 然后以线性矩阵不等式的形式给出了控制器存在的充分条件. 该条件不仅保证了系统在执行器故障和正常情形下均能达到稳定, 而且使得其H∞性能最优. 最后通过一个数值例子证明了所提方法的有效性.     

饱和约束下NNCS鲁棒容错少保守性判据与设计

对执行器饱和约束与故障情形下不确定非线性网络化控制系统(NNCS)的鲁棒H∞容错设计问题进行了研究。为了获得少保守性判据准则,构造了适当的时滞依赖Lyapunov-Krasovskii(L-K)泛函,采用了一种下界比常用Jensen积分不等式更紧的改进型Wirtinger积分不等式,推导出了使执行器饱和闭环故障NNCS具有鲁棒H∞容错性能的少保守性判据,并通过求解LMIs的方式给出了鲁棒容错控制器的设计方法。最后,通过仿真算例验证了所提方法的有效性,进而又求取了最大允许时延及最小扰动抑制率,并与已有类似结果进行比较,揭示了本方法所得结论的少保守性;另外,所提方法由于亦未引入除L-K泛函以外的决策变量,因此具有较低计算复杂度。     

Supervisory control of switching control systems

In this paper, the problem of designing a switching policy for an adaptive switching control system is formulated as a problem of supervisory control of a discrete-event system (DES). Two important problems in switching control are then addressed using the DES formulation and the theory of supervisory control under partial observation. First, it is verified whether for a given set of controllers, a switching policy satisfying a given set of constraints on the transitions among controllers exists. If so, then a minimally restrictive switching policy is designed. Next, an iterative algorithm is introduced for finding a minimal set of controllers for which a switching policy satisfying the switching constraints exists. It is shown that in the supervisory control problem considered in this paper, limitations on event observation are the factors that essentially restrict supervisory control. In other words, once observation limitations are respected, limitations on control will be automatically satisfied. This result is used to simplify the proposed iterative algorithm for finding minimal controller sets.     

智能控制：从学习控制到平行控制

20世纪60年代,学习控制开启了人类探究复杂系统控制的新途径,基于人工智能技术的智能控制随之兴起.本文以智能控制为主线,阐述其由学习控制向平行控制发展的历程.本文首先介绍学习控制的基本思想,描述了智能机器的架构设计与运行机理.随着信息科技的进步,基于数据的计算智能方法随之出现.对此,本文进一步简述了基于计算智能的学习控制方法,并以自适应动态规划方法为切入点分析非线性动态系统自学习优化问题的求解过程.最后,针对工程复杂性与社会复杂性互相耦合的复杂系统控制问题,阐述了基于平行控制的学习与优化方法求解思路,分析其在求解复杂系统优化控制问题方面的优势.智能控制思想经历了学习控制、计算智能控制到平行控制的演化过程,可以看出平行控制是实现复杂系统知识自动化的有效方法.     

A time-optimal control algorithm for digital computer control

A time-optimal control algorithm for digital computer control allowing bounds on control variables and state variables is presented. Through linear programming techniques a time-optimal sequence is computed by using a linear discrete model of the process. For real-time applications feedback control is achieved by recalculating the control sequence each sampling period. In addition, an adaptive control strategy based on on-line estimation of the state variables and the parameters of the system is introduced. In order to be able to apply the algorithm in a real-time environment, computational efficiency is emphasized. An application of the algorithm to a sixth-order multivariable system is given.     

可实现多种控制目标的模型预测控制新算法

模型预测控制(MPC)采用集中控制的策略,主要应用于多输入多输出(MIMO)复杂过程的工艺对象.工艺过程对不同的控制变量,往往有不同的控制要求,如定值控制、区间控制或单边控制.当前的控制算法未考虑单边控制功能,而且形式繁琐、求解不便.为此,本文采用目标规划的思想,提出具有线性规划形式并且可实现多目标的模型预测控制新算法.将新算法用于多个典型过程对象,证实算法不仅能够控制常规目标,而且能够解决单边控制问题,实现了真正的多目标控制.     

A hybrid model predictive control strategy for nonlinear plant-wide control

A plant-wide control strategy based on integrating linear model predictive control (LMPC) and nonlinear model predictive control (NMPC) is proposed. The hybrid method is applicable to plants that can be decomposed into approximately linear subsystems and highly nonlinear subsystems that interact via mass and energy flows. LMPC is applied to the linear subsystems and NMPC is applied to the nonlinear subsystems. A simple controller coordination strategy that counteracts interaction effects is proposed for the case of one linear subsystem and one nonlinear subsystem. A reactor/separator process with recycle is used to compare the hybrid method to conventional LMPC and NMPC techniques.     

发电机组汽门系统的多模型自学习控制

针对发电机组的非线性、大范围运行等实际问题，研究了用于汽门系统的多模型自学习控制（MMSC），首先根据各种工况下的样本数据归纳出模糊控制规则；然后由模糊聚类算法将多种工况约简为典型工况，得到相应的子模型模糊控制器（FLC）．以子模型FLC输出的加权集成作为MMSC的控制输出，而加权系数取决干子模型匹配度．在子模型FLC学习优化中，由支持向量机离线逼近模糊规则曲面，再由梯度下降算法在线自学习．仿真实验验证了所设计控制器的优良性能．     

Event-driven intermittent control

An intermittent controller with fixed sampling interval is recast as an event-driven controller. The key aspect of intermittent control that makes this possible is the use of basis functions, or, equivalently, a generalised hold, to generate the intersample open-loop control signal. The controller incorporates both feedforward events in response to known signals and feedback events in response to detected disturbances. The latter feature makes use of an extended basis-function generator to generate open-loop predictions of states to be compared with measured or observed states. Intermittent control is based on an underlying continuous-time controller; it is emphasised that the design of this continuous-time controller is important, particularly in the presence of input disturbances. Illustrative simulation examples are given.     

在连续控制系统中实现断续的前馈补偿控制

采用以时间最优为指标的断续控制器作为系统的前馈 ,根据对象状态的条件 ,判断和变换断续控制器的作用 ,补偿连续控制器的控制值。这种连续控制与断续控制混合的控制系统 ,把 PID控制器与对设定值变化及对干扰抑制实现快速控制的邦 -邦控制器结合起来 ,能够快速地实现系统动态调节 ,且超调量小 ,并克服了由于控制器硬件的某些限制 ,不能较大范围改变控制信号的缺陷 ,在实际过程控制中达到了很好的动态和稳态响应。     

Plug-and-play model predictive control based on robust control invariant sets

We consider the problem of designing decentralized controllers for large-scale linear constrained systems composed by a number of interacting subsystems. As in Riverso et al. (2013b), (i) the design of local controllers requires limited transmission of information from other subsystems and (ii) the addition/removal of a subsystem triggers the design of local controllers for child subsystems only. These properties enable Plug-and-Play (PnP) operations, and we show how to perform them while preserving global stability of the origin and constraint satisfaction. We improve several aspects of the PnP design procedure proposed in Riverso et al. (2013b) and, using recent results in the computation of Robust Control Invariant (RCI) sets, we show that all critical steps in the design of a local controller can be solved through Linear Programming (LP). Finally, an application of the proposed design procedure to a large-scale mechanical system is presented.