神经网络广义逆系统控制

提出适合于高阶非线性系统线性化解耦的广义逆系统，它与被控系统复合后，不但能实现原系统的线性化和解耦，而且通过合理地设计逆系统，可使伪线性复合系统的极点在复平面上任意配置，进一步提出由静态神经网络和若干积分惯性等线性环节组成的神经网络广义逆系统，为模型未知且内部状态不易测量的高阶非线性系统的线性化解耦控制提供一条有效途径，进一步拓展了神经网络逆系统控制方法的适用范围。     

非线性MIMO系统线性化解耦的一种新方法（Ⅱ）——离散时间系统

研究如何构造神经网络（ＮＮ）α阶时延逆系统,并将其用于ＭＩＭＯ强耦合非线性离散时间系统的线性化解耦、ＮＮα阶时延逆系统由单个静态神经网络和若干时延因子组成,将其与原系统复合可形成具有最小阶时延的伪线性解耦系统。该方法对被控系统数学模型的先验知识要求很少,不但能有效地实现对原系统的线性化解耦,且结构简单,易于工程实现。     

动物细胞悬浮培养过程神经网络逆解耦控制

动物细胞的悬浮培养以细胞增殖快、生产效率高等优势,成为动物细胞大规模培养的首选方式。而动物细胞悬浮培养过程是一个非线性、强耦合的多输入多输出系统,对一些生物参数(如细胞密度、基质浓度和产物浓度)的控制是提高整个生产水平的关键,应用神经网络逆系统方法对动物细胞悬浮培养过程进行线性化解耦控制,根据培养过程的特点,给出了相应的数学模型,并证明了系统的可逆性,利用神经网络的非线性逼近能力辨识出原系统的逆系统,然后串接在原系统前面构成伪线性复合系统,使动物细胞悬浮培养过程线性化解耦成三个子系统：一阶线性细胞密度子系统、一阶线性基质浓度子系统和一阶线性产物浓度子系统,最后设计模糊PID控制器对各解耦后的线性子系统进行控制,避免了传统PID控制器最优参数选取困难的问题。仿真结果表明,神经网络逆系统方法实现了对动物细胞悬浮培养过程的线性化解耦,系统对给定输入实现了高性能跟踪控制。     

非线性MIMO系统线性化解耦的一种新方法(Ⅰ)——连续时间系统

给出用神经网络（ Ｎ Ｎ）α阶积分逆系统实现连续非线性 Ｍ Ｉ Ｍ Ｏ 系统线性化解耦的方法。 Ｎ Ｎα阶积分逆系统由一个静态神经网络加若干积分器构成,将其串联在原系统之前,原系统则解耦成若干个相互无关的 Ｓ Ｉ Ｓ Ｏ 伪线性积分系统。理论分析与仿真结果表明,对于精确模型未知的较一般的非线性 Ｍ Ｉ Ｍ Ｏ 系统,所给出的方法均能实现有效的线性化解耦,且结构简单,易于工程实现。     

非线性MIMO系统线性化解耦的一种新方法：连续时间系统

给出用神经网络（ＮＮ）α阶积分逆系统实现连续非线性ＭＩＭＯ系统线性化解耦的方法。ＮＮα阶积分逆系统由一个静态神经网络加若干积分器构成,将其串联在原系统之前,原系统则解耦成若干个相互无关的ＳＩＳＯ伪线性积分系统。理论分析与仿真结果表明,对于精确模型未知的较一般的非线性ＭＩＭＯ系统,所给出的方法均能实现有效的线性化解耦,且结构简单,易于工程实现。     

非线性微分——代数子系统的逆系统的构造

对于一类非线性微分-代数(Differential-algebraic equation, DAE)子系统, 将非线性常微分方程(Ordinary differential equation, ODE)系统的逆系统方法进行了完全扩展. 首先对此类非线性DAE子系统提出的物理背景和系统特性进行了详细阐述. 然后给出了非线性DAE子系统的逆系统定义, 包括单位右逆系统和 α 阶积分右逆系统. 接下来提出一种递归算法, 利用此算法给出了被控系统可逆的充要条件, 并构造了物理可实现的控制器, 实现了非线性DAE子系统的线性化解耦. 最后基于本文所提出的控制方法, 研究了电力系统同步发电机组励磁汽门综合控制的线性化解耦问题.     

一种新型神经网络广义逆系统

提出一种新型带有反馈环节的广义逆系统方法,并给出了其存在性的证明．该方法首先利用神经网络构造被控对象的α 阶逆系统,通过改变反馈环节参数可随时任意配置复合系统极点,无需重新构造广义逆系统．分别对ＳＩＳＯ 和ＭＩＭＯ 非线性系统进行仿真研究．仿真结果表明,在配置极点变换时,利用该方法构造的广义逆系统仍可对原系统实现有效的线性化和解耦．     

神经网络直接逆控制在无人机飞控系统中的应用研究

针对无人机发生故障时系统的非线性耦合特性,提出了一种基于神经网络直接逆控制的飞行控制方法,用于在飞机发生故障时进行控制律重构以恢复对飞机的控制;根据无人机发生故障时非线性运动的特点,确定适当的神经网络结构建立无人机非线性系统的逆系统,并与被控对象串连可以对非线性耦合系统进行线性化解耦,然后引入PID反馈控制进一步提高神经网络逆控制系统的性能;仿真分析表明该方法在无人机发生故障采用传统PID控制失效时,在误差允许范围内可以用来对无人机进行控制。     

基于支持向量机的非线性内模解耦控制

针对非线性内模控制在应用于多变量系统时逆模型难以建立的问题, 提出了支持向量机α阶逆系统的内模解耦控制方法. 该方法利用支持向量机辨识非线性系统的逆模型, 并将其串连在原系统之前, 运用逆系统方法的思想, 将一个多变量、非线性、强耦合的复杂系统通过反馈线性化解耦成多个相互独立的单输入单输出的伪线性复合子系统. 对求得的伪线性系统采用内模控制方法进行控制. 仿真试验表明该方法不需要系统精确的数学模型, 较一般的逆系统方法鲁棒稳定性好, 设计简单, 跟踪精度高, 是解决多变量非线性系统控制的一种可行的理论方法.     

多输入多输出非线性系统的最小二乘支持向量机广义逆控制

针对神经网络逆控制存在的不足, 对一类模型未知且某些状态量较难测得的多输入多输出(MIMO)非线性系统, 在状态软测量函数存在的前提下, 提出一种最小二乘支持向量机(LSSVM)广义逆辨识控制策略. 通过广义逆将原被控系统转化为伪线性复合系统, 并可使其极点任意配置, 采用LSSVM代替神经网络拟合广义逆系统中的静态非线性映射. 将系统的状态量辨识与LSSVM逆模型辨识结合, 通过LSSVM训练拟合同时实现软测量功能. 最后以双电机变频调速系统为对象, 采用该控制策略进行仿真研究, 结果验证了本文算法的有效性.     

两电机变频系统神经网络广义逆内模控制

为了提高非线性强耦合的两电机变频调速系统的解耦控制性能和鲁棒性能,提出了基于神经网络广义逆系统的二自由度内模控制方法。先对原系统数学模型进行广义逆存在性分析,进而推导出原系统的广义逆数学模型,再用动态神经网络逼近广义逆模型,从而串接在原系统之前组成广义伪线性复合系统,实现系统的解耦线性化与开环稳定,有利于系统的综合。然后对广义伪线性系统引入二自由度内模控制,保证系统的鲁棒稳定性。最后基于S7-300的平台,做了相关的试验研究。结果表明,该方法不但能够很好地实现系统的解耦,而且当系统存在建模误差和负载扰动的情况时,仍能使系统保持高性能的控制。     

五自由度无轴承异步电机α-阶逆系统解耦控制

A 5-degrees-of-freedom bearingless induction motor is a multi-variable, nonlinear and strong-coupled system. In order to achieve rotor suspension and operation steadily, it is necessary to realize dynamic decoupling control among torque and suspension forces. In the paper, a method based on α-th order inverse system theory is used to study dynamic decoupling control. Firstly, the working principles of a 3-degrses-of-frsedom magnetic bearing and a 2-degrees-of-freedom bearingiess induction motor are analyzed,the radial-axial force equations of 3-degrees-of-freedom magnetic bearing, the electromagnetic torque equation and radial force equations of the 2-degrees-of-freedom bearingless induction motor are given, and then the state equatious of the 5-degrees-of-freedom bearingless induction motor are set up. Secondly, the feasibility of decoupling control based on dynamic inverse theory is discussed in detail, and the state feedback linearization method is used to decouple and linearize the system. Finally, linear control system techniques are applied to these linearization subsystems to synthesize and simulate. The simulation results have shown that this kind of control strategy can realize dynamic decoupling control among torque and suspeusion forces of the 5-degrees-of-freedom bearingless induction motor, and that the control system has good dynamic and static performance.     

五自由度无轴承异步电机[[alpha]]阶逆系统解耦控制

五自由度无轴承异步电机是一个多变量、非线性、强耦合的复杂控制对象，要实现电机转子稳定悬浮和运行，必须对电机转矩力和悬浮力进行动态解耦控制.本文应用多变量非线性[[alpha]]阶逆系统方法，对这个复杂控制系统进行动态解耦控制研究.首先介绍了三自由度磁轴承的工作原理和二自由度无轴承异步电机径向力产生机理，并给出三自由度磁轴承轴向力、径向悬浮力方程和二自由度无轴承异步电机转矩力和径向悬浮力方程，建立了电机的状态方程，然后分析了基于阶逆系统理论解耦控制的可行性，应用状态反馈线性化方法，将原复杂系统解耦并线性化，最后采用线性系统理论进行了综合和仿真.仿真结果表明这种控制策略能够实现五自由度无轴承异步电机转矩力与悬浮力之间的动态解耦，系统具有良好的动、静态性能.     

Application of inverse system for linearization and decoupling

We show that for a special class of nonlinear systems the linearization and/or decoupling of nonlinear dynamics by immersion under feedback is in fact an application of the right inverse system.     

基于ANN逆模型补偿的复合控制系统仿真

为对复杂非线性系统进行辨识建模和实施有效控制，分析了基于神经网络的非线性系统逆模型的辨识和控制原理，研究了基于神经网络的非线性系统逆模型补偿的复合控制方法。基于复合控制思想，时常规PID控制器＋前馈神经网络逆模型补偿的复合控制结构方案进行了仿真。仿真结果表明，基于神经网络的非线性系统逆模型补偿的复合控制结构方案是有效的、相对简单的网络结构，可提高逆模型的泛化能力和非线性系统的控制精度。     

基于滑模观测器的直线伺服系统反馈线性化速度跟踪控制

在许多高速、高精的直线伺服系统中,要求能实现对速度的快速精确跟踪,但其模型的非线性和变量间的耦合给控制带来难度.对高速、高精速度跟踪控制中,电流和速度的变化过程在时间尺度上相对接近,不能简单地采用磁场定向矢量控制方法实现静态解耦,否则电流和速度间的非线性耦合将破坏速度跟踪品质.采用状态反馈线性化方法来实现永磁直线同步电动机(PMLSM)模型的精确线性化和动态解耦.利用非线性坐标变换和非线性反馈将系统解耦成独立的线性电流子系统和速度子系统.通过扩展滑模观测器来实现对所需要的动子速度、加速度和负载扰动的鲁棒观测.并利用李雅普诺夫理论对由反馈线性化和滑模观测器构成的非线性闭环系统的稳定性进行了证明.仿真结果表明该方案使PMLSM伺服系统具有良好的鲁棒速度跟踪性能.     

非线性系统的自组织模糊解耦控制

该文介绍自组织模糊控制理论在非线性多变量系统解耦控制中的应用。对某机动飞机采用自组织模糊控制理论进行了解耦控制律设计，并与一般非线性系统的解耦控制方法进行比较。仿真结果表明自组织模糊控制对解决强耦合非线性系统具有较好的控制作用，且不受系统模型、解耦阵是否可逆等数学理论条件的限制，具有较好的工程应用意义。     

基于非线性干扰观测器的不确定非线性系统鲁棒轨迹线性化控制

针对一类不确定非线性系统，基于轨迹线性化控制方法(TLC)及非线性干扰观测器技术(NDO)研究了一种新的非线性鲁棒控制策略．TLC是一种有效的非线性跟踪和解耦控制方法，但当系统中存在内部未建模动态和外界干扰时，当前TLC控制器性能将显著下降．本文利用NDO对系统中的不确定项进行估计，其输出与TLC控制律结合来对消不确定性的影响．最后通过一个数值仿真实例验证了本文提出的方法的有效性,仿真结果表明该鲁棒轨迹线性化控制方法具有很好的干扰衰减能力和鲁棒性能．