灭火机器人火源追踪抗扰算法研究和应用

为实现灭火机器人利用热成像仪对火灾热源快速跟踪，对二维云台进行了水平回转和垂向俯仰方向的动力学建模，采用自抗扰控制器进行了跟踪控制仿真实验并对控制器进行了参数整定。在仿真实验基础上，对云台追踪系统进行了传统PID和ADRC自抗扰算法的实物对比验证。实验结果表明，所研发的自动追踪抗扰算法具备超调量小、调节时间短和抗扰动性能强等优势，为提高灭火器人定点灭火功能提供依据。     

基于学习自适应估计环的迭代学习控制

针对一类具有强非线性和不确定性的离散时间系统,文章给出了一种基于学习自适应估计环的迭代学习控制方法.在迭代学习控制器的基础上设计了一个学习自适应估计环,用来镇定系统,给出迭代学习控制初始的控制输入值,同时根据估计出的系统参数来确定迭代学习增益的取值范围.文章基于状态空间描述,分析了迭代学习控制系统的收敛性.仿真研究表明,该控制器能够实现完全跟踪,减少系统的初始输出误差,并加快了收敛速度.     

基于虚拟参考反馈整定的改进无模型自适应控制

针对一类离散时间非线性系统, 提出一种基于虚拟参考反馈整定的改进无模型自适应控制方案. 首先, 利用动态线性化方法给出非线性系统的紧格式动态线性化模型; 然后, 基于优化技术设计控制算法和伪偏导数估计算法; 最后, 设计基于虚拟参考反馈整定的伪偏导数初值和重置值的估计算法. 该控制方案设计仅依赖于被控系统的输入和输出数据, 且能保证闭环系统的稳定性和收敛性. 仿真比较结果验证了所提出方法的有效性.

     

快速路入口匝道的非参数自适应迭代学习控制

基于快速路交通系统重复性和周期性的特征, 引入“拟伪偏导数”概念, 给出了宏观交通流模型沿迭代轴的非参数动态线性化形式. 进一步, 提出了快速路入口匝道的非参数自适应迭代学习控制(NP-AILC)方案. 该控制方法本质上是无模型的, 并且学习增益可迭代调节. 收敛性分析表明当系统初始状态随迭代次数随机变化时, 该方法可实现几乎完全跟踪性能. 仿真结果进一步验证了方法的有效性.     

An Anticipatory Terminal Iterative Learning Control Approach with Applications to Constrained Batch Processes

This work presents an anticipatory terminal iterative learning control scheme for a class of batch processes, where only the final system output is measurable and the control input is constant in each operations. The proposed approach works well with input constraints provided that the desired control input with respect to the desired trajectory is within the saturation bound. The tracking error convergence is established with rigorous mathematical analysis. Simulation results are provided to show the effectiveness of the proposed approach.     

含有未知扰动的阀控电液回转系统MFA-SM控制

针对阀控电液回转系统在围岩钻进过程中, 由于的参数不确定、未知负载以及外部扰动等非线性因素影响难以精确控制输出轴转速的问题, 设计了基于RBFNN扰动观测器的MFA-SM控制方案. 首先, 通过改进的动态线性化方法将电液系统等价线性化为仅与系统I/O数据相关的增量模型, 而未知负载及外部扰动则被合并为一个未知非线性时变项; 然后, 设计了RBFNN扰动观测器对该非线性项进行在线实时估计, 并根据系统的I/O数据来估计系统时变伪梯度参数;最后, 给出了相应的控制器设计。 仿真实验结果表明, 所设计的MFA-SM控制器能够对未知负载及外部干扰进行有效补偿, 相较于其他方法,该方案使得系统调节时间缩短了约10至15s, 最大超调量降低了7.4%左右, 且转速跟踪误差能够收敛到零。     

防爆型消防侦察机器人的研发与应用

当前每年火灾及化学品等物质的泄漏、燃烧、爆炸等事故给人民群众的生命安全和财产造成了巨大损失。针对常规室内结构的机器人无法进入高危灾害场所侦察现场的情况,设计了一种可替代工作人员进入复杂恶劣环境,并可对高危事故现场环境参数实时侦察的防爆型消防侦察机器人,并对机器人进行了综合试验和典型应用场景验证,证明了防爆型消防侦察机器人的有效性。     

基于无模型自适应控制的船舶微电网二次调频控制策略

针对复杂海况下船舶微电网由于负载投切导致频率偏移越限及船舶微电网二次调频控制器设计的问题，提出一种基于无模型自适应控制(MFAC)的船舶微电网二次调频控制策略。对包含未知船舶负载扰动的虚拟同步发电机转子运动方程进行离散化处理，通过紧格式动态线性化处理方法给出关于虚拟同步发电机输出角频率与虚拟输入机械功率离散后的数据模型，并将未知负载扰动合并到一个非线性项中；根据数据模型设计MFAC控制器，并给出伪偏导数估计算法；采用径向基神经网络观测器对包含船舶负载扰动的非线性项进行观测，并结合无模型自适应控制改进虚拟同步发电机控制策略，给出船舶负载扰动下的船舶微电网二次调频控制方案；构建船舶微电网二次调频系统；最后在仿真模型中验证了所提控制策略的准确性和有效性。     

不确定受扰电液伺服系统智能自学习PID控制

针对具有参数不确定和外负载扰动的不确定受扰电液伺服系统,提出一种智能自学习PID控制策略.该方法不依赖于系统的精确模型,是一种数据驱动的控制方法.首先,通过改进的动态线性化方法将非线性非仿射的电液伺服系统等效为含有时变参数项和非线性不确定项的线性仿射形式;然后,采用梯度估计算法和时间差分算法分别对时变参数项和非线性不确定项进行估计;接着,利用iPID控制引入附加误差信息对过度线性化丢失的信息进行补偿;最后,根据最优准则,设计不确定受扰电液伺服系统的参数更新律和学习控制律.通过理论分析和仿真实验验证所提出控制策略的收敛性,并通过对比实验,验证该控制方案应用于电液伺服系统的优越性和精确性.实验结果表明,所提出方法能够抑制非线性扰动对系统造成的不良影响,实现理想轨迹的精确跟踪.     

环卫车辆轨迹跟踪系统的无模型自适应迭代学习控制

针对环卫车辆周期重复性工作特点,考虑模型时变以及未知扰动问题,提出一种基于无模型自适应迭代学习的环卫车辆轨迹跟踪控制方法.首先,针对环卫车辆建立了两轮移动机器人的运动学模型,然后,给出带时变参数和非线性不确定项的迭代域下全格式动态线性化数据模型,引入时间差分估计算法,设计基于最优性能指标的轨迹跟踪无模型自适应迭代学习控制方法,并进行仿真分析.结果表明,环卫车轨迹跟踪系统车身角随迭代增加超调减小,与传统迭代学习控制算法相比,具有松弛的条件限制和较好的鲁棒性,同时提高了控制系统精度.