一类线性离散广义系统最优预见控制器设计

提出一类广义线性离散系统的预见控制问题.首先,利用差分算子构造扩大误差系统,然后通过引入一些恒等式,把可预见的目标信号的差分也包含在扩大误差系统的状态向量中,把所考虑的广义系统的预见控制问题转化为一个形式上的普通广义系统的控制问题.由熟知的广义系统最优控制理论的结论,得到广义系统的带有预见作用的控制器.对扩大误差系统的R-能稳性和能检测性进行了详细讨论.     

基于信息融合的离散系统最优预见重复控制

针对现有控制器中预见补偿器和重复控制器相对独立作用的最优跟踪问题,提出从信息融合的角度构造线性离散系统的最优预见重复控制器的设计方法.首先,在离散系统中引入L阶差分算子,将预见重复控制设计问题转化为调节稳定性问题;然后,使用协状态和信息量的概念获得控制软约束信息来描述最优融合的过程,得到控制增量信息和增广误差系统协状态的最优估计滤波;最后,将有关预见重复控制器控制律所有信息融合,得到由状态反馈、重复控制和预见补偿构成的最优预见重复控制器.数字仿真结果表明,与独立的最优预见重复控制器相比,基于信息融合的最优预见重复控制器在更少的周期内达到稳定,且在有限的步数下,更能有效利用系统的未来有效信息,从而大幅提高跟踪精度.     

一类具有输入时滞的时变离散系统的预见控制

针对一类具有输入时滞的时变离散系统,研究其预见控制问题.利用差分算子的性质,对系统的输入时滞项和目标信号进行差分处理,构造包含目标信号但不含时滞的扩大误差系统.基于最优控制和预见控制的相关理论,得到了扩大误差系统带有预见前馈补偿的控制器.进一步,利用矩阵分解方法,将高阶Riccati方程进行降阶处理,从而得到原时滞系统的预见控制器.最后通过仿真实例验证了所提出方法的有效性.     

人机系统最优预见补偿跟踪控制研究

1　引　言预见控制理论是最优跟踪控制问题的新的出发点 ,其有效性在机器人、数字机床等路径控制中得到证实[1 ] .本文将预见控制应用到人机控制系统 .人具有“先前看”的能力 ,尤其是训练有素的驾驶员具有积极利用未来目标信号提高跟踪品质的预见操纵行为 .以驾驶员 -飞机目标跟踪控制系统为例 ,在人的最优控制模型( OCM)基础上 ,通过目标信息的预见显示 ,建立人的最优预见控制模型 ( OPCM) .应用数字最优预见控制理论 [2 ] ,对信号发生器产生的目标信号进行预见跟踪控制 .2　驾驶员最优预见控制模型 ( OPCM)2 .1　数字最优预见控制最…     

最优预见伺服系统与最优预见FF补偿系统的统一处理

最优预见伺服系统一般与基本最优伺服系统共用同一个二次型性能指标函数设计预见前馈补偿项,其设计的着眼点是进一步减小性能指标函数.当控制系统的基本反馈部分不是采用最优控制方法设计时,历史上采用另一个性能指标函数设计预见前馈补偿,并把所得系统称为预见FF(前馈)补偿系统.这里把两种设计方法统一起来处理后,不仅最优预见伺服系统与最优预见FF补偿系统都仅仅是特例,而且给设计者扩大了选择的余地.最后给出了数值仿真,把这种设计方法与最优伺服系统、最优预见伺服系统进行了比较.     

数字式最优预见控制的输入权重分析

研究了在数字最优预见控制中,输入权重对评价函数的影响。给出了两者的函数关系,最后进行了仿真验证。结果表明,输入权重对评价函数的影响很关键。从而为输入权重的选取提供了依据。     

带正弦干扰的线性时滞系统的次优控制

研究状态变量含有时滞的线性系统在正弦干扰下的前馈反馈次优减振控制问题，首先构造其解收敛于原时滞系统的无时滞系统序列；然后将时滞系统的最优控制问题化为无时滞系统的最优控制序列问题；最后通过截取最优控制序列解的有限项，得到系统的前馈反馈次优控制律，仿真结果表明，该方法抑制正弦干扰的鲁棒性优于经典反馈最优控制。     

基于误差系统的信息融合最优预见跟踪控制

针对期望轨迹和干扰可预见的最优跟踪问题, 提出了一种基于误差系统的信息融合最优控制方法. 将线性伺服系统转化为误差系统; 利用信息融合估计方法, 通过融合期望轨迹、干扰输入、误差系统状态等信息, 获得误差系统协状态以及控制增量的最优估计. 构建了由积分项、状态反馈控制项和预见前馈补偿项组成的最优预见控制系统. 线性直流电机系统的控制仿真结果表明, 信息融合最优预见控制下的位置跟踪精度比传统最优预见控制下的要高.     

一般型最优有限预见控制及其在地形跟踪中的应用研究

提出一种新的预见控制方法－－一般最优有限预见控制方法，并将其应用于巡航导弹地形跟踪控制设计。将参考信号和干扰信号考虑成更一般的形式，在其自相关函数数值已知的条件下，得到了一般型有限预见伺服系统设计问题的最优解。通过仿真证实，采用该方法设计地形跟踪系统，可以明显地改善巡航导弹的地形跟踪性能。     

线性连续时间时滞系统的有限时间有界跟踪控制

研究一类线性连续时间时滞系统的有限时间有界跟踪控制问题.首先,采用预见控制理论中求导的方法构造带有时滞的误差系统,把误差信号的信息包含在误差系统的状态向量中,再将其作为误差系统的输出向量;其次,通过为误差系统设计一个有记忆的状态反馈控制器,把问题转化为研究带有时滞的误差系统的闭环系统输入-输出有限时间稳定问题;再次,借鉴输入-输出有限时间稳定的研究方法和线性矩阵不等式的方法, 通过构造Lyapunov-Krasovskii函数,给出由一组线性矩阵不等式表征的控制器增益矩阵的设计方法,由此得到原系统的一个有限时间有界跟踪控制器;最后,通过一个数值实例验证所设计的控制器的有效性和优越性.     

Optimal preview control for a linear continuous-time stochastic control system in finite-time horizon

This paper discusses the design of the optimal preview controller for a linear continuous-time stochastic control system in finite-time horizon, using the method of augmented error system. First, an assistant system is introduced for state shifting. Then, in order to overcome the difficulty of the state equation of the stochastic control system being unable to be differentiated because of Brownian motion, the integrator is introduced. Thus, the augmented error system which contains the integrator vector, control input, reference signal, error vector and state of the system is reconstructed. This leads to the tracking problem of the optimal preview control of the linear stochastic control system being transformed into the optimal output tracking problem of the augmented error system. With the method of dynamic programming in the theory of stochastic control, the optimal controller with previewable signals of the augmented error system being equal to the controller of the original system is obtained. Finally, numerical simulations show the effectiveness of the controller.     

线性离散时滞重复过程的H∞控制

首先给出了线性离散时滞重复过程的2D(两维)Roesser模型, 采用线性矩阵不等式方法导出了过程稳定并具有H_∞扰动抑制度的一个充分条件. 通过求一个线性矩阵不等式的可行解来构造系统的一个状态反馈H_∞控制器. 进一步, 通过求解一个线性矩阵不等式凸优化问题得到该过程的最优状态反馈H_∞控制器.     

Robust H-infinity control of uncertain stochastic time-delay linear repetitive processes

Repetitive processes are a distinct class of 2D systems of both theoretic and practical interest. The robust H-infinity control problem for uncertain stochastic time-delay linear continuous repetitive processes is investigated in this paper. First, sufficient conditions are proposed in terms of stochastic Lyapunov stability theory, Itˆo differential rule and linear matrix inequality technology. The corresponding controller design is then cast into a convex optimization problem. Attention is focused on constructing an admissible controller, which guarantees that the closed-loop repetitive processes are mean-square asymptotically stable and have a prespecified H-infinity performance γ with respect to all energy-bounded input signals. A numerical example illustrates the effectiveness of the proposed design scheme.     

具有小时滞的线性大系统的次优控制

研究具有小时滞的线性大系统的次优控制问题.首先将子系统状态向量增量和子系统耦合项视为大系统附加扰动输入.再利用无滞后转换法的思想结合微分方程的逐次逼近法,将一个既含有时滞项又含有超前项的高阶两点边值问题分解为若干个解耦的、既不含时滞项又不含超前项的低阶两点边值问题族.最后用最优控制的有限次逼近结果作为大系统的次优控制律.对小时滞线性大系统而言,利用此方法可使计算次优控制律的迭代次数大大减少,因此该方法尤其适合于具有小时滞的线性大系统的次优控制器设计.     

时滞双线性系统的最优跟踪控制

研究带有时滞项的双线性系统的最优跟踪控制.依据求解规律转化成两点边值问题.通过采用迭代逐次逼近法,能够得到收敛与原系统最优控制律的序列.由于控制律含有外系统变量导致控制律物理不可实现,则采用状态重构解决这一问题.仿真结果表明该方法对解决这类问题有较好的鲁棒性及快速性.     

Estimation and rejection of periodic disturbance in a preview repetitive control system

This paper deals with the problem of two-dimensional (2D) system-based preview repetitive control (PRC) with external periodic disturbance for a class of continuous-time linear systems. First, a repetitive learning-based estimator (RLE) is incorporated into the controller block to compensate for the periodic disturbance. Next, the PRC law with repetitive learning compensation disturbance is obtained by combining the observer and RLE. Then, we combine the 2D system theory with the linear matrix inequality (LMI) method to derive sufficient conditions to ensure the robustness and stability of the closed-loop system. Finally, numerical simulations verify the superiority of the proposed method.     

控制时滞系统基于观测器的最优扰动抑制

研究在持续外界扰动作用下含有控制时滞线性系统的最优扰动抑制问题. 首先利用模型转换将控制时滞系统转化为无时滞系统. 然后证明最优控制律的存在唯一性, 并通过求解Riccati方程和Sylvester方程设计含前馈补偿器和控制记忆项的最优控制律, 其中的前馈控制项和控制记忆项分别补偿了扰动和控制时滞对系统的影响. 通过构造扰动状态观测器, 解决了前馈补偿器的物理不可实现问题. 仿真实例验证了所设计的最优控制律的有效性.     

非参数不确定时滞系统的重复控制

针对非参数不确定时滞系统,给出能够实现跟踪误差本身沿整个周期完全跟踪的重复控制器设计．针对系统不确定特性的界函数已知和未知两种情形,分别分析闭环系统的稳定性与收敛性．控制器中学习部分采用完全饱和形式,使得参数估计囿于一预先给定的范围内．该控制律可保证闭环系统内所有信号有界以及跟踪误差本身趋于零．数值仿真表明算法的有效性．