基于不同加权因子的随机多模型自适应控制

针对一类噪声方差未知的随机系统,基于不同加权因子设计多个参数辨识器辨识模型参数,在此基础上,构成多模型自适应控制器.在每个采样时刻基于指标切换函数选择最佳辨识模型,并将基于此最佳模型设计的控制器切换为当前控制器. 同时,证明了多个模型控制器之间相互切换时整个闭环系统是全局收敛的 .仿真结果表明,同单一自适应模型控制器相比,这种基于多个不同加权因子的多模型自适应控制器在模型参数发生跳变时可很好地改善被控对象的控制品质.

     

一类离散时间非线性系统的多模型自适应控制

针对一类离散时间非线性被控对象,根据模型参数的变化范围,对被控对象建立多个模型,并针对每一模型设计控制器.基于模型的估计误差建立指标切换函数,每一采样时刻,利用指标切换函数选择最优模型,并将基于此模型的控制器切换为当前控制器.采用局部化技术,保证在不损失控制品质的同时,减少多模型自适应控制器的计算量.可以证明,多控制器相互切换时闭环系统是稳定的,同时由于多个模型的存在,控制品质得到了极大的改善.     

随机系统的多模型直接自适应解耦控制器

针对多变量离散时间随机系统, 提出了一种采用广义最小方差性能指标的多模型直接自适应解耦控制器. 该多模型控制器由多个固定控制器和两个自适应控制器构成. 固定控制器用以覆盖系统参数的可能变化范围, 自适应控制器用以保证系统的稳定性和提高暂态性能. 该多模型控制器利用矩阵的伪交换性和拟Diophantine方程性质, 基于广义最小方差性能指标, 将随机系统辨识算法和最优控制器设计相结合, 直接辨识出控制器的参数, 通过广义最小方差性能指标中加权多项式的选取,不但实现了多变量系统的动态解耦控制, 而且消除了稳态误差、配置了闭环极点. 文末给出了全局收敛性分析. 仿真结果表明该方法明显优于常规自适应控制器.     

基于切换的多模型二阶段自适应控制器设计

针对一类具有参数跳变特性的离散时间系统,设计一类基于切换策略的新型多模型二阶段自适应控制器.该控制器首先将系统不确定参数的变化空间划分为多个子空间,在每个空间内建立多个自适应模型.为了克服多模型退化,保持模型的多样性以应对参数跳变,采用带约束的二阶段自适应方法对未知参数进行实时估计,并据此设计相应的子控制器;然后基于切换策略,选取该时刻的最优子控制器作为系统的控制器,从而减小系统暂态误差,提高系统动态性能;最后进行数值仿真研究,仿真结果表明该控制器结合了切换机制和二阶段自适应的优点,在相同模型数量的情况下,能够快速逼近参数跳变以后系统新的工作点,显著地缩短系统的过渡过程,提高暂态性能.     

一类非最小相位系统的多变量多模型解耦控制器

为解决系统暂态响应变差问题，提出一种基于多模型切换的多变量直接自适应控制器，通过加权多项式矩阵的选择，可消除稳态误差，实现静态解耦控制，该控制器由多个参数已知固定模型和两个自适应模型构成，多个固定参数控制器模型可由系统参数模型通过映射直接得到，并与邻城一起完全覆盖控制器参数模型集，仿真结果表明，对于非最小相位系统，暂态响应可得到明显改善。     

多模型自适应控制的分层递阶构造与覆盖性质分析

针对一类非最小相位系统,设计一种多模型自适应控制器.该控制器由固定控制器模型、常规自适应模型和可重新赋值自适应模型构成.固定控制器模型采用分层递阶结构用来减少模型集的数目,根据切换指标选出的上一层最优控制器,动态设计本层固定控制器模型实现对其参数变化范围的覆盖.该控制器采用直接自适应算法,通过加权多项式的选取,消除了稳态误差.文末对系统的覆盖性、模型数目等进行了分析.仿真结果表明当采用相同数目的模型时,其控制效果明显优于常规多模型控制器.     

一类工业运行过程多模型自适应控制方法

针对一类动态未知的工业运行过程,提出一种基于神经网络补偿和多模型切换的自适应控制方法.为充分考虑底层跟踪误差对整个运行过程优化和控制的影响,将底层极点配置控制系统和上层运行层动态模型相结合,作为运行过程动态模型.针对参数未知的运行过程动态模型,设计由线性鲁棒自适应控制器、基于神经网络补偿的非线性自适应控制器以及切换机制组成的多模型自适应控制算法.采用带死区的递推最小二乘算法在线辨识控制器参数,克服了投影算法收敛速度慢、对参数初值灵敏的局限.理论分析和仿真实验结果表明了所提方法的有效性.     

基于分片线性化方法的非线性系统多模型自适应控制

基于分片线性化方法辨识一类非线性系统 ,给出了非线性系统的多线性模型表示。基于线性模型建立多个控制器 ,基于最大最小指标切换函数构成多模型自适应控制器。给出了非线性系统多模型自适应控制算法的优化模型集建立方法 ,解决了多模型自适应控制模型多、计算量大的问题。仿真结果证明了算法的有效性     

一类非线性系统的基于时间序列的多模型自适应控制

针对一类非线性离散时间系统,提出了一种基于时间序列的多模型自适应控制器(Multiple models adaptive controller, MMAC). 该控制器首先利用聚类方法建立多个线性固定模型,然后,利用系统的时间序列和方向导数建立一个 反映工作点变化趋势的局部加权模型,在此基础上增加了一个全局自适应模型和一个可重新赋值的 自适应模型,并设计了一个切换机构选择最优模型实现控制.仿真结果表明该控制器不但具有良好 的暂态性能、较快的控制速度,而且在相似的控制效果下,可以极大地减少模型的数量.     

基于分片线性化方法的非系统性系统多模型自适应控制

基于分片线性化方法辨识一类非线性系统，给出了非线性系统的多线性模型表示。基于线性模型建立多个控制器，基于最大最小指标切换函数构成多模型自适应控制器。给出了非线性系统多模型自适应控制算法的优化模型集建立方法，解决了多模型自适应控制模型多、计算最大的问题。仿真结果证明了算法的有效性。     

Fault detection model‐based controller for process systems

This paper develops a model‐based control system for fault detection and controller reconfiguration using stochastic model predictive control (MPC). The system can determine online the optimal control actions, detect faults quickly, and reconfigure the controller accordingly. Such a system can perform its function correctly in the presence of internal faults. A fault detection model based (FDMB) controller consists of two main parts: the first is fault detection and diagnosis (FDD) and the second is controller reconfiguration (CR). Systems subject to such abrupt failures are modeled as stochastic hybrid systems with variable‐structure. This paper deals with three challenging issues: design of the fault‐model set; estimation of hybrid multiple models; and stochastic MPC of hybrid multiple models. For the first issue, we propose a simple scheme for designing a fault model set based on random variables. For the second issue, we consider and select a fast and reliable FDD system applied to the above model set. Finally, we develop a stochastic MPC scheme for multiple model CR with soft switching signals based on the weighted probabilities of the outputs of different models. Simulations for the proposed FDMB controller are illustrated and analyzed. Copyright © 2011 John Wiley and Sons Asia Pte Ltd and Chinese Automatic Control Society     

基于随机鲁棒设计的高超音速飞行器线性二次型控制

针对高超音速飞行器具有高度非线性、输入输出之间强耦合以及参数不确定等特点,提出了基于随机鲁棒设计的线性二次型控制。这一控制方案基于系统控制需求,利用蒙特卡罗仿真方法建立随机鲁棒目标函数,并通过遗传算法优化控制系统设计参数。该控制方案保证了飞行的纵向稳定性,改善了其控制性能。基于某常规高超音速飞行器纵向模型进行仿真验证,结果表明该方案能够满足系统控制需求且具有强鲁棒性。     

Model-free control of nonlinear stochastic systems withdiscrete-time measurements

Consider the problem of developing a controller for general (nonlinear and stochastic) systems where the equations governing the system are unknown. Using discrete-time measurement, this paper presents an approach for estimating a controller without building or assuming a model for the system. Such an approach has potential advantages in accommodating complex systems with possibly time-varying dynamics. The controller is constructed through use of a function approximator, such as a neural network or polynomial. This paper considers the use of the simultaneous perturbation stochastic approximation algorithm which requires only system measurements. A convergence result for stochastic approximation algorithms with time-varying objective functions and feedback is established. It is shown that this algorithm can greatly enhance the efficiency over more standard stochastic approximation algorithms based on finite-difference gradient approximations     

Subspace identification based inferential control applied to a continuous pulp digester

The idea of constructing a data-driven stochastic system model through subspace identification for the purpose of inferential control is investigated. Various available methods for designing an inferential controller are discussed and their limitations are brought out, particularly in applications involving multi-variable processes. Practical issues that arise in identifying a system model geared toward inferential control using a subspace method are discussed. They include: handling of nonstationary disturbances, handling of multi-rate measurements/missing data, and secondary measurement selection. With the identified stochastic system model, a multi-rate Kalman filter can be designed and coupled with a model predictive controller. The method is applied to a continuous pulp digester, which is a complex distributed parameter system involving heterogeneous reactions. The application study indicates much potential for the data-based approach.     

DoS干扰攻击下的信息物理系统状态反馈稳定

基于网络的工业控制系统作为信息物理系统(CPSs)的一种重要应用正迅猛发展.然而,近年来针对工业控制系统的恶意网络攻击引起了人们对CPS安全问题的广泛关注.拒绝服务(DoS)干扰攻击作为CPS中最容易发生的攻击方式得到了深入研究.对此,提出一种能量受限的、周期的DoS干扰攻击模型,攻击的目的是增大无线信道发生数据包随机丢包的概率.基于一类CPS简化模型,考虑CPS中传感器与控制器(S-C)之间无线信道同时存在DoS干扰攻击和固有随机数据包丢失的情况,采用状态反馈,基于随机Lyapunov函数和线性矩阵不等式方法得到可以保证系统稳定的充分条件,并利用系统稳定的充分条件和锥补线性化算法设计控制器.最后,通过两个数值仿真例子验证所提出控制策略的有效性.     

随机系统输出概率密度函数的有限时间镇定

针对一类含有限能量未知扰动的随机动态系统,研究基于随机分布函数的有限时间控制问题.通过B样条逼近建立了输出概率密度函数(PDF)与权值之间的对应关系,利用线性矩阵不等式,给出了基于观测器的PDF有限时间控制器的参数化设计方法.采用该方法设计的控制器,可使系统对所有满足条件的未知扰动是随机有限时间有界和随机有限时间镇定的.仿真实例验证了所提出方法的有效性.     

A Kalman filter-based R2R control system with parallel stochastic disturbance models for semiconductor manufacturing processes

A Kalman filter-based run-to-run control system has been proposed for minimum variance control of semiconductor manufacturing process. In the proposed control system, both gain- and bias-varying process models combined with different stochastic disturbance models were considered and identified in parallel. The best-fit model is selected and used for the R2R controller design. Sub-models of the ARIMA(1,1,1) process were considered for stochastic modeling of the bias and gain variation, and the Kalman filters are used to find the optimum model parameter estimation. The control performance was analyzed for each case of the disturbance model to investigate the expected benefit from the control system in comparison with the EWMA filter-based controller.     

一种高可用的自适应双控制器心跳设计

针对当前在构建高可用性系统的过程中,静态心跳时间设置的特征,设计一种双控制器心跳自适应模型。它能根据数据读写请求的频度特征,调节心跳时间的设置,从而最终提高双控制器存储系统的高可用性。在此基础上,建立其相应的故障检测高可用Petri网模型来评价双控制器的高可用性能。计算表明。该方法能提高双控制器系统的高可用性。     

一种高可用的自适应双控制器心跳设计

针对当前在构建高可用性系统的过程中,静态心跳时间设置的特征,设计一种双控制器心跳自适应模型。它能根据数据读写请求的频度特征,调节心跳时间的设置,从而最终提高双控制器存储系统的高可用性。在此基础上,建立其相应的故障检测高可用Petri网模型来评价双控制器的高可用性能。计算表明,该方法能提高双控制器系统的高可用性。     

多输入不确定离散时滞系统的灰色滑模控制

针对存在时变参数不确定性和随机干扰的多输入不确定离散时滞系统,设计了基于LMI的滑模控制器以消除时滞的影响,并使系统状态在有限时间内收敛到零,然后对系统的不确定部分建立灰色估计模型,并进一步设计了灰色补偿器。仿真结果表明,采用所设计的灰色滑模控制器,不仅有效地消除了时滞的影响,抑制了时变参数不确定因素和随机干扰,而且保证多输入不确定离散时滞系统具有良好的鲁棒稳定性。