变采样网络控制系统的最优保性能控制

研究了一类不确定时延网络控制系统的最优保性能控制问题.针对线性时不变控制对象,控制器和控制对象采用时间-事件驱动,系统成为变采样网络控制系统,考虑在不确定时延小于或者等于一个变采样周期时,基于动态输出反馈对变采样网络控制系统进行建模,利用线性矩阵不等式研究了系统的保性能控制,并设计了保性能控制率和最优保性能控制率,最后给出实例表明在最优保性能控制率的控制下系统稳定.     

一类不确定时延网络控制系统最优H∞控制

研究了一类不确定时延网络控制系统最优H∞控制问题针对传感器时钟驱动、控制器和执行器事件驱动的网络控制系统，考虑不大于一个采样周期的不确定时延和有限能量的外部扰动，利用李亚普诺夫理论和线性矩阵不等式描述方法，推导出该系统动态输出反馈H∞控制律存在的充要条件，给出了最优动态输出反馈H∞控制律设计方法通过Matlab数值仿真算例，证明了分析方法和结果的有效性     

含有不确定时延网络控制系统的鲁棒H∞控制

研究了存在不确定时延的网络控制系统的鲁棒H_∞控制器设计方法。首先讨论了系统的建模问题,针对传感器采用时间驱动,控制器和执行器采用事件驱动,考虑不确定时延小于一个采样周期的情况,网络控制系统可建模为一类具有不确定性的线性离散时延系统,利用Lyapunov方法和线性矩阵不等式方法,推导出闭环控制系统渐近稳定且H_∞范数小于性能指标γ的充分条件,并给出动态输出反馈H_∞控制律设计方法。通过Matlab数值仿真,证明了该设计方法的有效性。     

δ算子下的网络控制系统最优控制方法

研究网络控制系统的随机最优控制问题,提出了针对随机时延的网络控制系统最优控制律和二次型性能指标极小的控制律设计方案．在δ算子域内应用动态规划理论．设计网络控制系统的最优状态反馈和输出反馈控制律,得到的线性二次型高斯控制器可对系统中的随机长时延进行动态补偿．最后通过实例仿真验证了上述最优控制方案的可行性和有效性．     

基于飞行器网络控制系统的多速率控制器设计

为了减少网络环境中的时延和数据包丢失对飞行器网络控制器系统的影响,设计了一种具有多速率的保性能控制器设计方法;多速率是指在具有多通道数据传输的系统中,各通道所需控制输入的频率不完全相同;在存在时延和丢包的情况下,利用增广技术对飞行器控制系统在整个循环周期内建立离散模型,此时为了使多速率控制方法更加有效,先基于此模型在控制器输入端构造一个预测器,根据预测器的输出为整个系统设计一个具有多控制速率的动态输出反馈控制器;然后给出并证明保性能控制器的存在条件和求解方法;最后通过某飞行器网络控制系统的数值算例验证了所提方法的有效性。     

不确定时延网络控制系统的保性能控制

在工程实际网络控制系统中,不仅要求系统能够保持稳定,还要系统具有一定的性能指标,采用状态反馈控制是一种非常有效的控制方式。针对一类线性不确定时延网络控制系统,研究了在有记忆状态反馈控制器下的保性能控制问题。利用Lyapunov函数和线性矩阵不等式的方法,给出了网络控制系统保性能控制律存在的条件和相应的状态反馈控制器的设计方法。最后,通过Matlab数值仿真算例验证了该方法的有效性和正确性。     

一类具有状态反馈犖犆犛的H∞ 优化控制

研究一类网络控制系统（ＮＣＳ）的H∞ 优化控制问题．状态反馈是兼顾系统性能和敏感性的最有效的控制方式,因此,针对一类不确定时延和有限能量干扰输入的状态反馈ＮＣＳ,将其建模为不确定的线性时滞系统,并利用Ｌｙａｐｕｎｏｖ理论和线性矩阵不等式（ＬＭＩ）研究H∞ 优化控制问题．首先给出ＮＣＳ的鲁棒稳定的充分条件;然后给出ＮＣＳ状态反馈次优和最优H∞ 控制律的设计方法．仿真结果表明了该方法的可行性和有效性．     

含有不确定时延网络控制系统的鲁棒H∞控制

研究了存在不确定时延的网络控制系统的鲁棒H_∞控制器设计方法。首先讨论了系统的建模问题,针对传感器采用时间驱动,控制器和执行器采用事件驱动,考虑不确定时延小于一个采样周期的情况,网络控制系统可建模为一类具有不确定性的线性离散时延系统,利用Lyapunov方法和线性矩阵不等式方法,推导出闭环控制系统渐近稳定且H_∞范数小于性能指标γ的充分条件,并给出动态输出反馈H_∞控制律设计方法。通过Matlab数值仿真,证明了该设计方法的有效性。     

不确定系统的网络化保性能控制

本文针对控制网络中存在着随机传输时延和数据包丢失的现象,考虑了网络化控制系统的状态反馈保性能控制器设计问题.首先采用时滞相关方法并引入自由权矩阵,给出了基于矩阵不等式的网络化二次型保性能控制器存在的充分条件,然后基于该充分条件获得了基于线性矩阵不等式的控制器设计方法,相应的网络化保性能控制律可以通过求解线性矩阵不等式来构造,并采用锥互补线性化算法给出了网络化次优保性能控制器的设计方法.最后数值示例演示了所得控制器设计结果的应用方法和有效性,并通过仿真比较了传统保性能控制器和网络化保性能控制器在网络化控制系统中的控制性能.     

基于QoS的网络化控制系统H∞保性能控制

在具有时延和丢包的非理想网络传输情况下,研究了存在外界干扰且具有参数不确定的网络化控制系统H∞保性能控制问题。根据Lyapunov稳定性理论和线性矩阵不等式方法,证明了网络化控制系统存在H∞保性能控制律的充分条件,提出了一种基于网络服务质量的网络化控制系统H∞保性能控制器的设计方法,该方法是一种能够兼顾系统控制性能和网络服务质量的综合性控制方法。最后通过仿真验证了该方法的有效性。     

Supervisory control of switching control systems

In this paper, the problem of designing a switching policy for an adaptive switching control system is formulated as a problem of supervisory control of a discrete-event system (DES). Two important problems in switching control are then addressed using the DES formulation and the theory of supervisory control under partial observation. First, it is verified whether for a given set of controllers, a switching policy satisfying a given set of constraints on the transitions among controllers exists. If so, then a minimally restrictive switching policy is designed. Next, an iterative algorithm is introduced for finding a minimal set of controllers for which a switching policy satisfying the switching constraints exists. It is shown that in the supervisory control problem considered in this paper, limitations on event observation are the factors that essentially restrict supervisory control. In other words, once observation limitations are respected, limitations on control will be automatically satisfied. This result is used to simplify the proposed iterative algorithm for finding minimal controller sets.     

智能控制：从学习控制到平行控制

20世纪60年代,学习控制开启了人类探究复杂系统控制的新途径,基于人工智能技术的智能控制随之兴起.本文以智能控制为主线,阐述其由学习控制向平行控制发展的历程.本文首先介绍学习控制的基本思想,描述了智能机器的架构设计与运行机理.随着信息科技的进步,基于数据的计算智能方法随之出现.对此,本文进一步简述了基于计算智能的学习控制方法,并以自适应动态规划方法为切入点分析非线性动态系统自学习优化问题的求解过程.最后,针对工程复杂性与社会复杂性互相耦合的复杂系统控制问题,阐述了基于平行控制的学习与优化方法求解思路,分析其在求解复杂系统优化控制问题方面的优势.智能控制思想经历了学习控制、计算智能控制到平行控制的演化过程,可以看出平行控制是实现复杂系统知识自动化的有效方法.     

A time-optimal control algorithm for digital computer control

A time-optimal control algorithm for digital computer control allowing bounds on control variables and state variables is presented. Through linear programming techniques a time-optimal sequence is computed by using a linear discrete model of the process. For real-time applications feedback control is achieved by recalculating the control sequence each sampling period. In addition, an adaptive control strategy based on on-line estimation of the state variables and the parameters of the system is introduced. In order to be able to apply the algorithm in a real-time environment, computational efficiency is emphasized. An application of the algorithm to a sixth-order multivariable system is given.     

可实现多种控制目标的模型预测控制新算法

模型预测控制(MPC)采用集中控制的策略,主要应用于多输入多输出(MIMO)复杂过程的工艺对象.工艺过程对不同的控制变量,往往有不同的控制要求,如定值控制、区间控制或单边控制.当前的控制算法未考虑单边控制功能,而且形式繁琐、求解不便.为此,本文采用目标规划的思想,提出具有线性规划形式并且可实现多目标的模型预测控制新算法.将新算法用于多个典型过程对象,证实算法不仅能够控制常规目标,而且能够解决单边控制问题,实现了真正的多目标控制.     

A hybrid model predictive control strategy for nonlinear plant-wide control

A plant-wide control strategy based on integrating linear model predictive control (LMPC) and nonlinear model predictive control (NMPC) is proposed. The hybrid method is applicable to plants that can be decomposed into approximately linear subsystems and highly nonlinear subsystems that interact via mass and energy flows. LMPC is applied to the linear subsystems and NMPC is applied to the nonlinear subsystems. A simple controller coordination strategy that counteracts interaction effects is proposed for the case of one linear subsystem and one nonlinear subsystem. A reactor/separator process with recycle is used to compare the hybrid method to conventional LMPC and NMPC techniques.     

发电机组汽门系统的多模型自学习控制

针对发电机组的非线性、大范围运行等实际问题,研究了用于汽门系统的多模型自学习控制（MMSC）,首先根据各种工况下的样本数据归纳出模糊控制规则;然后由模糊聚类算法将多种工况约简为典型工况,得到相应的子模型模糊控制器（FLC）．以子模型FLC输出的加权集成作为MMSC的控制输出,而加权系数取决干子模型匹配度．在子模型FLC学习优化中,由支持向量机离线逼近模糊规则曲面,再由梯度下降算法在线自学习．仿真实验验证了所设计控制器的优良性能．     

Event-driven intermittent control

An intermittent controller with fixed sampling interval is recast as an event-driven controller. The key aspect of intermittent control that makes this possible is the use of basis functions, or, equivalently, a generalised hold, to generate the intersample open-loop control signal. The controller incorporates both feedforward events in response to known signals and feedback events in response to detected disturbances. The latter feature makes use of an extended basis-function generator to generate open-loop predictions of states to be compared with measured or observed states. Intermittent control is based on an underlying continuous-time controller; it is emphasised that the design of this continuous-time controller is important, particularly in the presence of input disturbances. Illustrative simulation examples are given.     

在连续控制系统中实现断续的前馈补偿控制

采用以时间最优为指标的断续控制器作为系统的前馈 ,根据对象状态的条件 ,判断和变换断续控制器的作用 ,补偿连续控制器的控制值。这种连续控制与断续控制混合的控制系统 ,把 PID控制器与对设定值变化及对干扰抑制实现快速控制的邦 -邦控制器结合起来 ,能够快速地实现系统动态调节 ,且超调量小 ,并克服了由于控制器硬件的某些限制 ,不能较大范围改变控制信号的缺陷 ,在实际过程控制中达到了很好的动态和稳态响应。     

Predictor-based self-tuning control

Linear finite-memory output predictors updated in real-time appear to be a suitable internal representation of the system in a digital self-tuning controller. A new time-domain method of quadratic-optimum control synthesis for systems described by such predictors is presented. The synthesis covers both the servo problem and the regulation problem, including the program control (with preprogrammed command signal) and the feedforward from measurable external disturbances. Unlike the standard Riccati equation, the method leads to algorithms (or explicit formulae in low-order cases) which are numerically robust and therefore suitable for real-time computation using microprocessors with reduced wordlength.