网络化多轴运动控制系统的容侵同步控制

针对网络攻击下的不确定网络化多轴运动控制系统,提出一种基于分布式中间观测器的容侵同步控制方法.首先将不确定性分解为匹配分量和不匹配分量,继而通过分布式中间观测器估计由执行器攻击、领航者的非零输入以及匹配不确定性分量构成的组合未知输入信号,进而设计基于估计值的容侵同步控制协议对匹配未知输入进行有效补偿,同时通过调节特定参数充分抑制不匹配不确定性效应,最终得到满意的容侵同步控制性能.     

非线性关联大系统的鲁棒自适应观测器设计

针对一类存在未知参数、干扰和未建模动态的非线性关联大系统,提出了一种鲁棒自适应观测器.在观测器中对每个子系统引入一个动态信号来独立抑制未建模动态,同时用自适应非线性阻尼项来克服系统关联.用此观测器不需要估计未知参数及求解线性矩阵不等式.本文从理论上证明了所设计的观测器误差一致有界,并且通过恰当选择有关设计参数可使估计误差任意小.     

基于观测器的输出反馈电子节气门控制器设计

针对电子节气门系统的状态变量不完全可测量, 设计了一个基于观测器的输出反馈电子节气门控制系统. 该系统由一个估计不可测量状态的降阶观测器和一个非线性状态反馈控制器组成. 同时在控制器中引入了跟踪误差的积分项以抑制跟踪静差. 将建模误差和观测器误差等不确定性看作外部扰动, 在输入到状态稳定性(Input to state stability, ISS)理论框架下分析了跟踪误差系统的鲁棒性, 并据此给出了选择控制器参数的指导性原则.仿真及实验结果表明, 基于观测器的输出反馈控制器能够很好地实现电子节气门的跟踪控制.     

基于分布式观测器的多自主水下机器人确定学习控制

针对多自主水下机器人的一致性跟踪问题,提出一种基于新型分布式观测器的一致性跟踪策略.对于具有未知非线性动态的引导者,首先利用确定学习理论将引导者的未知动态表示为具有常数权值的径向基函数神经网络;然后,设计一种新型的分布式观测器,并证明其观测误差能够指数收敛到零的小邻域内;接着,利用观测到的引导者状态信息,通过反步法和动态面技术为每个跟随者设计分布式跟踪控制器,通过Lyapunov稳定性分析,证明闭环系统中所有信号都是最终一致有界的,且跟随者的跟踪误差能够收敛到原点的小邻域内;最后,通过仿真验证所提出方案的有效性.     

带有完全分布式观测器的多智能体系统自适应容错一致性

针对一类同时带有执行器故障,未知非线性动态和非匹配干扰的多智能体系统,本文提出一种新的自适应容错控制方案.首先,设计一种适用于有向切换拓扑的完全分布式观测器估计领导者的信息,将一致性问题转化为局部的信号跟踪问题.其次,拆解转化后的误差系统为两个耦合的子系统,实现非匹配干扰与匹配因子分离.然后,利用径向基神经网络近似非线...     

基于backstepping方法的电子节气门控制

针对汽车电子节气门的跟踪控制要求,建立了面向控制器设计的非线性模型.采用输入整形(input-shaping)技术对跟踪输入信号进行滤波,应用backstepping方法设计了电子节气门的非线性控制器.将建模误差等不确定性看做加性外部扰动,分析了跟踪误差系统的输入到状态稳定性(input-to-state-stability,ISS),并据此给出了选择控制器参数的指导性准则.仿真实验表明基于backstepping的控制方法能够很好的实现电子节气门的跟踪控制.     

具有输入齿隙的一类非线性不确定系统自适应鲁棒控制

针对一类具有未知输入齿隙、参数不确定以及未建模动态和干扰的非线性系统,设计了自适应鲁棒控制器.将齿隙非线性模型等价表示为具有有界建模误差的全局线性化模型,在此基础上设计了包含自适应模型补偿、反馈稳定和鲁棒反馈3部分的自适应鲁棒控制器,并给出了系统动态跟踪误差和稳态误差指标.理论分析证明,闭环控制系统信号有界且跟踪误差在任意期望的精度范围内,仿真研究验证了所提出方法的有效性.     

带有死区输入的非线性系统的自适应控制

针对一类具有死区非线性输入的非线性系统,同时考虑系统中存在未建模不确定项,设计了自适应控制器及未知参数的自适应估计率.该控制器使得闭环系统全局稳定且实现了输出信号对参考信号的精确跟踪.仿真结果进一步证实了该控制器能对未知死区及未建模动态进行有效的补偿。     

一类非线性系统的神经网络自适应区间观测器设计

本文研究了一类单输入单输出非线性系统的神经网络自适应区间观测器设计问题. 针对由状态和输入所描述的未知非线性函数的界不可测, 现有的区间观测器方法并未有效地处理系统含有参数不确定性的未知非线性函数. 首先, 本文构造两个径向基函数神经网络来逼近未知非线性部分, 进而分别估计系统状态的上下界; 然后, 选择合适的Lyapunov函数, 采用网络权值校正和网络误差选择机制确保所设计的误差动态系统有界和非负性, 并证明了神经网络自适应区间观测器的稳定性; 最后, 通过仿真实例验证了所提出的神经网络自适应区间观测器的有效性.     

具有非匹配扰动的非线性变参数系统模型参考跟踪控制

本文研究了一类含有非匹配扰动的非线性变参数系统的跟踪控制问题.首先,设计非线性扰动观测器用于估计系统所受到的未知扰动.其次,在前馈–反馈跟踪控制器中引入扰动补偿控制项,提出一种基于扰动观测器的跟踪控制策略.利用依赖于状态和时变参数的线性矩阵不等式,导出保证闭环系统输入–状态稳定的充分条件,进而运用平方和凸优化技术解析地构造出扰动观测器和跟踪控制器.通过理论证明,所设计的控制策略能够实现非线性变参数系统输出对参考模型输出的跟踪,消除输出通道中非匹配扰动的影响.最后,由数值仿真例子验证了所提方法的有效性.     

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.