座椅悬架不匹配干扰估计全程滑模控制研究

针对含有人体动态的座椅悬架系统,通过合理选择状态变量及干扰变量,将地面激励建模成系统的一类可从控制通道输入的匹配干扰,同时考虑模型参数变化这一类不匹配干扰对系统的影响,基于滑模控制理论,设计了全程滑模切换函数;结合不匹配干扰估计器,构造了座椅悬架系统控制器;根据Lyapunov理论,证明了系统的鲁棒稳定性。利用座椅位移量和人体加速度量这两个可测输出量,设计了滑模观测器,实现了对状态变量的估计。仿真结果表明,相比于LQR和传统的滑模控制方法,带不匹配干扰估计的全程滑模控制方法可以使得座椅悬架系统在刚度系数和阻尼系数变化以及恶劣地况的情况下,获得更佳的动态性能及鲁棒性。     

基于多模型自适应技术的信道估计研究

提出了一种基于多模型自适应技术的信道估计方法.该方法通过设计动态信道模型库来覆盖未知信道的状态的改变,基于模型切换和动态规划(DP)进行模型变化检测及信道参数估计,从而在变化的信道环境中将有限个简单子集的估计算法有机地结合成一种在大信道范围内具有高度鲁棒性的信道估计器.仿真实验结果表明,此信道估计器比自适应信道估计器方法具有优势.     

基于滑模观测器的车辆半主动座椅悬架系统H∞最优控制

针对考虑人体模型的五自由度半主动座椅悬架系统,提出了一种基于滑模观测器的H_∞最优控制器。由于座椅悬架系统的未建模动态、参数不确定性和作动器未知输入在同一个通道内,所有扰动可视为集总干扰。通过结合低通滤波技术构造辅助变量,建立增广系统设计滑模观测器,成功实现了利用直接可测量加速度信息对集总干扰的估计,进而利用H_∞技术对滑模观测器估计误差和振动输入引起的干扰进行抑制。冲击工况和随机路面激励下的仿真结果表明：(1)滑模观测器能够精确估计座椅悬架系统的未知扰动;(2)带有滑模观测器干扰补偿的H_∞最优控制相较无补偿的H_∞控制和无控制,座椅悬架的性能指标与乘坐舒适性都有明显的改善。     

非线性系统高阶微分反馈控制

提出了不依赖系统模型的高阶微分反馈控制思想，控制目标是系统输出及其微分和高阶微分逼近设定输入及其微分和高阶微分，极大地提高了对控制品质要求。基于这种思想设计了能高品质地提取量测信号的微分和高阶微分的高阶微分器（HOD, highorder differentiator），该HOD参数少，容易调节，并给出其稳定性、收敛性和滤波特性的证明；另外，对带有未知扰动、模型未知的非线性SISO和MIMO系统分别设计了基于HOD的高阶微分反馈自适应控制器(HODFC, high order differentials feedback adaptive controller)，给出了闭环系统稳定性和鲁棒性分析，并且实现了线性化解耦控制。     

机载摄影稳定平台的自抗扰控制

针对航空摄影稳定平台中非线性、多干扰的控制问题,采用自抗扰控制方法对三框架稳定平台进行分散独立控制。利用拉格朗日定理建立了考虑外部干扰的三框架结构稳定平台的动力学方程。设计独立的扩张状态观测器对每个环架的未知模型动态与外部扰动进行动态估计和补偿,采取非线性状态反馈控制以提高系统的控制性能。通过仿真和实验证明采用该方法设计的控制器不仅能满足系统稳态精度的要求,而且有效抑制了负载变化和不确定性扰动对系统的影响,提高了系统的稳定性和适应性。     

功率敏感器自动校准系统及其测量不确定度分析

基于微波功率测试方法研究,建立了一种基于GPIB接口电脑全自动控制测量的功率敏感器自动校准系统,阐述了系统的组成、工作原理及相对于传统校准方法的优点,分析了该系统测量不确定度的数学计算模型和主要不确定度分量的来源,并结合实际给出了测量不确定度的评定过程.     

PMSM位置伺服系统鲁棒控制技术研究

为提高永磁同步电机(PMSM)位置伺服系统的鲁棒抗扰特性,设计基于Backstepping控制、前馈控制和等价输入干扰(EID)估计的鲁棒抗扰控制策略。Backstepping控制是基于系统稳定性的控制方法,而前馈控制可以提升系统的响应速度,两者结合并设计合适的参数可以使系统在稳定的前提下具有一定的快速响应能力,再与具有良好扰动抑制功能的等价输入干扰估计器共同作用,可以有效提升系统的动态跟踪特性和抗干扰特性。通过计算机仿真实验对干扰作用下估计器的性能进行测试,得到良好的估计结果,验证估计器的可靠性;又通过仿真实验对系统进行阶跃响应测试、动态跟踪性能测试和鲁棒性测试,并与传统PID位置伺服控制进行对比分析,验证该鲁棒控制策略的有效性。     

非线性系统的有限时间扩张状态观测器的设计

针对非线性系统的不确定项和外部干扰问题,提出了一种有限时间扩张状态观测器的设计方案,实现了非线性系统不确定项和外部干扰的有限时间估计。与传统的线性扩张状态观测器相比,有限时间扩张状态观测器基于终端滑模的思想而设计,其非线性项的引入保障了扩张状态的有限时间估计,进而辅助设计控制器,可以提高系统的鲁棒性能。利用Lyapunov有限时间稳定性理论得到该观测误差系统收敛的充分条件。最后,实例仿真进一步验证了该策略的有效性。     

步行器精密测力系统中的人工神经网络标定新技术

设计了一种可用于步行器精密测力系统标定的3层反向传播人工神经网络模型,以测力系统12导联应变片电桥输出电压作为网络输入向量,6个负载分量力作为网络输出向量,并通过目标误差下的绝对误差和对比确定出模型隐含层的最优神经元数.有关误差校验结果表明,使用该神经网络技术标定后的系统最大单向力精度误差为7.78%,最大交叉干扰为7.49%,与传统的线性标定方法相比,能够有效提高步行器受载力的测量精度并大大降低干扰误差,未来有望为步行器助行康复训练效果的准确监控和评估提供帮助.     

磁带导引AGV的自抗扰循迹控制方法

本文研究了磁带导引自动导引小车(AGV)的循迹控制问题,设计了一种线性自抗扰控制器,以达到AGV精准循迹、抗干扰能力强的控制要求。首先,建立了磁带导引AGV循迹误差系统的数学模型,将循迹控制系统的不确定动态描述为系统的加性总和干扰,通过设计扩张状态观测器对这些干扰量进行实时估计,进一步,设计线性自抗扰控制器对这些干扰进行动态线性化补偿,从而降低AGV循迹模型的不确定性及循迹过程中外部随机干扰对循迹控制性能的影响。最后,搭建了磁带导引AGV实验平台,并在该平台上验证了所提出方法的有效性和优越性。