基于时变时滞系统自适应内模控制研究

内模控制只适用于多数不变且建模误差限定在一定范围内的对象。本文把一种新的能估计时变时滞系统参数的辨识算法与内模控制结合起来，提出了时变时滞系统自适应内模控制算法，仿真结果验证了该方法的有效性。     

一种非线性和时滞系统自适应控制方法

提出一种新的基于高斯基函数(GPFN-G aussian potential function networks)网络的内模控制算法,并对高斯基函数网络内部模 型和内模控制器的建立进行了深入分析．仿真及实时控制结果表明该算法是有效的,具有很 好的自适应性和鲁棒性,可以应用于具有时滞和非线性时变系统中．     

离散时间Lipschitz 非线性时变时滞系统H∞ 估计: Krein 空间方法

研究一类离散时间Lipschitz非线性时变时滞系统的H∞估计问题.通过状态扩展方法,将时变时滞系统转化为具有时变参数的无时滞系统.结合H∞性能指标和Lipschitz非线性条件,构造不定二次型并建立与Krein空间2估计的联系.运用新息分析方法和Krein空间投影公式,给出了H∞估计器存在的充分条件和基于Riccati方程的估计器递推算法.最后,通过仿真算例验证了所提出算法的有效性.     

模糊内模PID控制及应用

工业控制系统经常存在时滞现象,且含有一定程度的非线性环节,采用常规控制方法很难满足控制要求.内模控制对时滞系统具有较好的控制作用.当内模与系统实际模型相差较大时,控制效果将会下降.根据影响系统参数的主要因素,预先确定在不同条件下系统的传递函数.当系统运行时,借助模糊控制理论,直接调用相应的系统参数,并采用内模PID进行控制.实际应用表明,该方法具有很好的控制效果.     

内模解耦单神经元自适应PID仿真研究

为了解决多变量大时滞系统的耦合问题,根据内模控制原理和单神经元的在线自学习能力,提出一种基于模型的单神经元自适应PID内模解耦算法,并详细分析了其在多变量大时滞系统中的解耦原理.内模解耦是运用解耦预估补偿器将一个多输人多输出的系统补偿为多个单输入单输出的系统、并将对象模型进行对角优势化,补偿后的主对角元素即可作为内模控制的预估模型.仿真结果表明,这种新的内模解耦算法具有相当好的解耦能力、较好的快速性和抗干扰能力.     

非线性时滞系统的周期自适应学习跟踪控制

针对一类参数未知的周期非线性时滞系统的输出跟踪控制问题,设计了一种周期自适应迭代学习跟踪控制算法,该方法利用信号置换的思想重组系统,并在假设未知时变参数和参考输出的周期具有已知最小公倍数的情况下,将时滞以及其他不确定的时变项合并为一个周期性的辅助时变参数新变量,进而用周期自适应算法来估计该辅助量.通过构造一个Lyapunov-Krasovskii型复合能量函数,分析了系统的收敛性,证明了经过多次重复迭代学习,所有闭环信号有界且输出跟踪误差收敛,最后通过构造数值实例进行了仿真验证.理论分析和仿真结果表明,该算法简单有效,对于非线性时滞系统的跟踪问题具有很好的控制效果.     

时变大时滞系统参数辨识的仿真研究

研究了时变大时滞系统的参数辨识问题.大时滞系统大多采用补偿控制方法,但是补偿控制方法需要系统的精确数学模型,因而获得大时滞系统的数学模型成为了补偿控制的关键,时变特性使问题复杂化,从而影响了大时滞系统的控制精度.为解决上述问题,提出了一种神经网络的参数辨识策略,利用一个神经元对系统的时滞参数进行辨识,从而可以将时滞从系统模型中分离出来,可利用一个RBF神经网络模型辨识系统的其它参数,使神经元的输出作为RBF神经网络的一个输入,从而实现了串-并联结构的双神经网络拓扑.拓扑结构可以比串级的神经网络提高训练速度,因而也就更适合于实时控制.针对工业锅炉回水温度控制系统的仿真结果验证了所提辨识算法的正确性.     

周期时变时滞非线性参数化系统的自适应学习控制

针对一阶未知非线性参数化周期时变时滞系统, 设计了一种自适应学习控制方案. 假设未知时变参数, 时变时滞和参考信号的共同周期是已知的, 通过重构系统方程, 将包含时变时滞在内的所有未知时变项合并成为一个周期时变向量, 采用周期自适应律估计该向量. 通过构造一个Lyapunov-Krasovskii型复合能量函数证明了所有信号有界并且跟踪误差收敛. 结果被推广到一类含有混合参数的高阶非线性系统. 通过两个仿真例子说明本文所提出的控制算法的有效性.     

具有多状态滞后的不确定时变时滞系统的鲁棒镇定

首先给出了具有多状态滞后的时变时滞系统渐近稳定的代数Riccati不等式形式的判据, 并基于此给出了确定性时变时滞系统的镇定方法.然后给出了具有有界参数不确定性的多状态滞 后时变时滞系统的镇定方法.文中的结论非常简单,只需解一个代数Riccati方程.最后给出一个算 例.     

制粒机温控系统设计与仿真

制粒机调质温度是现代饲料生产过程中的重要参数之一,必须控制在最佳值附近。而调质温度被控对象具有大时滞,非线性以及参数时变的特性。传统的Smith预估器难以取得良好的控制效果。针对上述问题,提出一种IMC-Smith预估控制算法,算法将Smith预估器与内模控制相结合,采用内模控制原理和积分平方差指标设计给定点追踪控制器。在Matlab平台上对IMC-Smith控制算法进行模型匹配和模型失配的仿真,仿真结果表明控制系统性能较常规Smith预估控制有较大的提高,证明了控制方案的有效性。