基于RBF网络自适应的Buck变换器终端滑模控制

对于Buck变换器系统,考虑到实际应用中负载变动引起系统参数的不确定性,且不确定性上界无法测量的情况,本文拟采用RBF神经网络对不确定性上界进行自适应学习。针对Buck变换器输出电压的控制问题,为了避免普通滑模控制跟踪误差渐进收敛的问题,改善其动态响应速度和稳态性能,本文拟设计一种基于RBF神经网络的上界自适应的终端滑模控制器,并通过Simulink仿真验证这种方法的可行性。     

三相交错并联DC–DC变换器的模糊高阶滑模控制

针对传统ST滑模控制算法在DC–DC变换系统到达段存在快速性和抑制抖振之间的矛盾问题,提出一种三相交错双向DC–DC变换器的模糊高阶滑模(FZST)控制算法.该算法依据李雅普诺夫函数求解出系统稳定需要满足的收敛条件,然后基于当前误差进行模糊逻辑推算,进一步在线调整收敛条件下的滑模面系数,保证对误差项加速抑制的同时完成对静态误差的积分,保留了ST滑模控制的动态性,并抑制系统的抖振.最后对双向DC–DC半桥回路中的电压环和电流内环,进行双FZST滑模控制的仿真与实验验证,结果表明:系统在电压跟随,输入端电压与输出端负载大扰动情况下, FZST滑模控制算法具有较强的鲁棒性,能够改善系统的动态品质,并有效地解决抖振问题.     

基于自适应动态规划的移动装弹机械臂轨迹控制

针对移动装弹机械臂系统非线性、强耦合、受多种不确定因素影响的问题,本文基于自适应动态规划方法,提出了仅包含评价网络结构的轨迹跟踪控制方法,有效减小了系统跟踪误差.首先,考虑到系统非线性特性、变量间强耦合作用及重力因素的影响,通过拉格朗日方程建立了移动装弹机械臂的动力学模型.其次,针对系统存在不确定性上界未知的问题,建立单网络评价结构,通过策略迭代算法,求解哈密顿–雅可比–贝尔曼方程,基于李雅普诺夫稳定性理论,设计了自适应动态规划轨迹跟踪控制方法.最后,通过仿真实验将该控制方法与自适应滑模控制方法进行了对比,进一步检验了所设计控制方法的有效性.     

非线性离散时间系统带ε误差限的自适应动态规划

为了获得非线性离散时间系统的最优控制策略,基于自适应动态规划的原理,提出了一种带误差限的自适应动态规划方法.对于一个任意的状态,用一个有限长度的控制序列近似最优控制序列,使性能指标与最优性能指标的误差在一个较小的范围内.选取一个非线性离散时间系统对算法的性能进行数值实验,结果验证了该算法的有效性,用较少的计算代价获得了近似最优的控制策略.     

Buck型变换器固定时间自适应控制

针对Buck型DC/DC变换器系统,提出一种固定时间自适应降压控制方法.首先,针对系统参数已知的情况,设计固定时间滑模面和控制器,保证系统输出电压误差在固定时间内收敛到平衡点,且其收敛时间上界与系统初始状态无关,仅由控制参数决定.针对电阻、电感等参数值受温度及外部干扰影响发生变化且无法准确获取的问题,进一步设计自适应更新律估计系统所有未知参数,并在此基础上设计固定时间自适应控制器,保证输出电压误差在固定时间内收敛到平衡点附近的邻域内.最后通过仿真和实验对比结果验证所提出控制方法的有效性.     

基于数据ADP算法的一类带有执行器饱和的未知离散时间系统最优跟踪控制

针对一类带有执行器饱和的未知动态离散时间非线性系统, 提出了一种新的最优跟踪控制方案. 该方案基于迭代自适应动态规划算法, 为了实现最优控制, 首先建立了未知系统动态的数据辨识器. 通过引入M网络, 获得了稳态控制的精确表达式. 为了消除执行器饱和的影响, 提出了一个非二次的性能指标函数. 然后提出了一种迭代自适应动态规划算法获得最优跟踪控制的解, 并给出了收敛性分析. 为了实现最优控制方案, 神经网络被用来构建数据辨识器、计算性能指标函数、近似最优控制策略和求解稳态控制. 仿真结果验证了本文所提出的最优跟踪控制方法的有效性.     

基于交错Buck变换器的光伏系统MPPT控制

具有最大功率点跟踪(MPPT)功能的控制器常采用单相Buck变换器,输出功率稳定性差;鉴于此,提出将交错并联技术应用于Buck变换器,并以两相交错并联Buck变换器为例进行研究,减小输出电压、电流纹波,提高了输出功率稳定性,有利于实现MPPT控制;然后针对固定步长扰动观察法跟踪速度与精度之间的矛盾,研究了一种自适应变步长的算法,MATLAB仿真结果表明,改进算法具有较好的跟踪速度和稳态性能。     

Buck变换器的降阶扩张状态观测器与无抖振滑模控制（英文）

针对脉宽调制型Buck变换器的内外干扰和滑模控制的抖振等问题,本文提出了一种基于降阶扩张状态观测器和无抖振滑模的新型控制策略.首先,建立新型的跟踪误差状态空间模型,将匹配和不匹配干扰定义为统一的匹配干扰;然后,设计降阶扩张状态观测器提高跟踪误差微分和系统干扰的估计速度,并抵消负载和输入端的电压变化、系统参数不确定性对控制系统的影响;其次,利用跟踪误差微分的估计值设计滑模控制器抑制干扰估计误差,使得切换项近似为零,实现滑模技术的无抖振控制,提高Buck变换器系统电压跟踪的快速性和准确性.利用李雅普诺夫稳定判据从理论上证明了所提控制器的闭环稳定性.最后,仿真结果表明所提方法通过抑制抖振和内外干扰有效改善Buck变换器的鲁棒性和动态性能.     

Buck变换器的降阶扩张状态观测器与无抖振滑模控制

针对脉宽调制型Buck变换器的内外干扰和滑模控制的抖振等问题, 本文提出了一种基于降阶扩张状态观测器 和无抖振滑模的新型控制策略. 首先, 建立新型的跟踪误差状态空间模型, 将匹配和不匹配干扰定义为统一的匹配干扰; 然后, 设计降阶扩张状态观测器提高跟踪误差微分和系统干扰的估计速度, 并抵消负载和输入端的电压变化、系统参数 不确定性对控制系统的影响; 其次, 利用跟踪误差微分的估计值设计滑模控制器抑制干扰估计误差, 使得切换项近似为 零, 实现滑模技术的无抖振控制, 提高Buck变换器系统电压跟踪的快速性和准确性. 利用李雅普诺夫稳定判据从理论上 证明了所提控制器的闭环稳定性. 最后, 仿真结果表明所提方法通过抑制抖振和内外干扰有效改善Buck变换器的鲁棒 性和动态性能.     

基于多输出最小二乘支持向量回归建模的自适应非线性预测控制及应用

提出一种可有效提高常规预测控制方法控制性能与计算效率的数据驱动自适应非线性模型预测控制方法.首先,为了提高多输出非线性系统最小二乘支持向量回归(least squares support vector regression, LS–SVR)建模的精度,考虑各维输出间的耦合关系,采用在目标函数中加入样本整体拟合误差项,实现多输出LS–SVR(multi-output LS–SVR,M–LS–SVR)预测建模,同时采用粒子群算法优化模型参数;其次,针对动态过程建模的模型失配问题以及由于M–LS–SVR模型复杂导致传统智能算法求解预测控制律缓慢的问题,提出自适应非线性模型预测控制策略,包括两个非线性优化层:第1层采用梯度下降算法实时优化模型和实际过程输出的偏差,以自适应调节模型参数;第2层采用具有全局收敛性和超线性收敛速度序列二次规划(sequential quadratic programming, SQP)算法设计非线性预测控制器,以加速预测控制律的求解速度. Benchmark仿真实例及在高炉炼铁过程的数据试验表明:所提基于M–LS–SVR预测建模的自适应非线性模型预测控制具有较快的求解速度、较好的设定值跟踪和干扰抑制性能以及较强的鲁棒性.