基于神经网络的电机可靠性控制技术研究

以改进的CMAC(cerebellar model articulation controllers)神经网络作为电机可靠性控制的基础,提出一种动态非线性系统自适应容错控制方法。由于改进CMAC信息融合模型具有连续输出特性,从而解决常规故障诊断方法对电机涌堵故障连续变化情形不能诊断的缺陷。从而提高神经网络的在线学习速度和精度;在故障在线学习的基础上进行电机的容错控制律的在线重构,实现电机的在线故障诊断与容错控制的集成,分析了系统的稳定性,并给出了仿真结果。     

一种容错飞行控制的神经网络方法研究

文章提出了一种新的主动容错飞行控制系统设计方法,可同时进行飞控系统执行器的故障诊断和容错控制;首先建立飞机执行器故障模型,接着应用改进的BP神经网络算法,进行飞行控制系统模型辨识,实时进行故障诊断;然后根据故障诊断信息进行自适应容错控制,为了克服故障系统引起的模型误差和非线性因素的影响,设计了自适应神经网络PID参数整定和动态逆控制器,对飞行控制系统执行器故障进行容错控制,以实现系统的良好模型跟踪和动态性能;仿真结果表明,在保证闭环系统稳定的前提下,实现了执行器的在线故障诊断与容错控制,达到了理想的效果.     

基于平衡学习的CMAC神经网络非线性滑模容错控制

以一改进的信度分配CMAC(cerebellar model articulation controllers)神经网络为在线故障诊断的手段,将变结构滑模摔制技术引入容错控制器设计之中,提出一种动态非线性系统主动容错控制方法.在常规CMAC学习算法中,误差被平均地分配给所有被激活的存储单元,不管各存储单元存储数据(权值)的可信程度.改进的CMAC中,利用激活单元先前学习次数作为可信度,其误差校正值与激活单元先前学习次数的-p次方成比例,从而提高神经网络的在线学习速度和精度;在此基础上利用滑模控制算法进行容错控制律的在线重构,实现动态非线性系统在线故障诊断与容错控制的集成.分析了系统的稳定性,仿真结果表明改进故障学习算法及容错控制的有效性.     

非线性奇异系统的故障诊断与容错控制

本文针对一类非线性奇异系统进行了故障诊断与容错控制研究。首先通过设计观测器来观测系统的状态和故障,然后通过矩阵运算来消除故障,实现系统的容错控制。     

容错控制理论及其应用

介绍了经典容错控制的主要研究成果及近年来发展起来的鲁棒容错控制和非线性 系统的故障诊断与容错控制,并给出了容错控制的一些典型应用成果.最后,指出了该领域 亟待解决的一些热点与难点问题.     

含控制时滞系统的实时故障诊断和最优容错控制

研究含有控制时滞的线性系统的故障诊断方法和最优容错控制问题.给出了最优容错控制律的存在唯一性条件,提出了最优容错控制律的设计算法.通过构造增广的降维状态观测器,设计了在线诊断故障的故障诊断器并同时实现了系统状态的观测,解决了最优容错控制的物理不可实现问题.利用观测器的输出得到物理可实现的动态最优容错控制律.仿真实例验证了故障诊断方法和动态最优容错控制律的有效性.     

非线性动态系统的容错控制

首先概要介绍了非线性动态系统容错控制技术的发展现状;然后分类介绍了几种非线性系统的容错控制技术,重点分析了基于人工智能和参数估计的主动容错控制方法和基于Hamilton-Jacobi方程的非线性被动容错控制设计方法。对于其它的方法,则简要讨论了它们的适用范围和优缺点;并探讨了该领域的难点问题和可能的研究方向。     

非线性系统故障诊断与容错控制技术

在分析非线性系统故障诊断与容错控制技术特点的基础上,研究了该技术在国内外的研究进展和主要方法.同时,比较了几种常见故障诊断和容错控制方法的特点.最后总结了非线性系统故障诊断与容错控制领域亟待解决的几个重点和难点问题,并对该研究领域的发展趋势进行了展望.     

双时滞系统的故障诊断和动态最优容错控制

对含有状态时滞和控制时滞的线性时滞系统, 研究系统发生不可直接测量的传感器故障和执行故障时的故障诊断和最优容错控制问题. 首先基于时滞系统的线性变换, 利用Riccati矩阵方程和Sylvester方程设计了故障情况下的最优容错控制律, 并证明了最优容错控制律的存在唯一性. 然后通过构造一种新的含有故障的增广系统的降维状态观测器, 实现了故障的实时在线诊断和系统状态的观测, 解决了最优容错控制的物理不可实现问题. 最后利用故障诊断的结果给出了物理可实现的动态最优容错控制律. 仿真实例验证了故障诊断方法和动态最优容错控制方法的可行性和有效性.     

故障诊断与容错控制的一个新框架

讨论现有基于模型的故障诊断与容错控制方法的局限性,并由此提出一个基于v-间隙度量来处理故障诊断与容错控制的新框架.并且,讨论了如何在此框架下对故障进行分类和分级以及提出如何进行容错控制的一般性控制结构.     

基于X-Y定位平台的力/位置混合控制

在确定了X-Y定位平台系统数学模型的基础上,提出了一种力/位置混合控制方法。在位置控制部分,采用了基于重复控制补偿的PID控制方法。用重复控制作为误差补偿与传统简单的PID控制器相结合作为位置控制部分所采用的控制算法。在力控制回路中采用一种自适应模糊控制方法。通过引入一个切换函数来确定控制律形式,根据所设计的模糊规则对变量进行模糊化,通过解模糊得到控制律结果,自适应律是通过调制饱和度得到的。仿真结果表明,该控制方法能使系统的自适应能力和鲁棒性均有显著改善。     

基于Kalman滤波的滑模控制在磁盘驱动系统中的应用

针对磁盘驱动伺服系统中存在的诸多随机干扰和随机噪声等特点,常规的PID控制在该类系统中存在滞后或超调,以及传统的滑模控制要求系统不确定因素的边界为已知等缺点,本文提出了基于Kalman滤波算法的指数趋近律滑模变结构控制方法,以指数趋近律作为到达条件设计滑模变结构控制器。该方法能够较好地处理磁盘驱动伺服系统中的不确定性问题,而且对外界干扰不敏感。在MAT-LAB环境下对该算法进行了仿真试验研究,结果表明,该方法能够很好地削弱抖振和抑制伺服系统的随机干扰。将该方法应用于磁盘驱动伺服系统可以显著地改善系统的动态特性,并能使系统的稳定性和控制精度大大提高。     

迭代学习在PID控制中的应用

利用迭代学习过程记忆的期望控制、期望轨迹以及跟踪误差,提出了拟合控制系统的PID控制器参数的方法。用这种方法实现的PID控制器结构简单,作用于系统可获得较佳的动态特性和较强的鲁棒性。仿真实例表明了这种方法具有很好的可行性和实用性。     

基于滑模变结构控制的RBF神经元网络

针对高精度飞行仿真转台，设计一种基于滑模变结构控制的RBF神经元网络控制器。该控制器根据滑模变结构控制器的特点，将控制律分为等效控制律和到达控制律。等效控制律使系统运动于滑模面附近，由RBFN拟合而成，权值用自适应算法在线修正，确保了实时控制的可能性；到达控制律可使处于状态空间内任意初始位置的系统趋近于滑模面，由滑模控制器的可达性条件推出，其中用到了系统的不确定性参数的上下界。计算机仿真结果表明了该方法的鲁棒性和实际应用的可能性。     

感应电动机效率优化的自抗扰控制研究

针对现有电动机效率优化控制方法存在控制算法复杂的问题,提出了一种基于改进自抗扰控制器的动态解耦控制策略。自抗扰控制器省去了微分跟踪器,采用线性的扩张状态观测器和线性状态误差反馈控制律,使控制算法得以简化。仿真和实验结果表明,该控制策略在保证电动机轻载运行时效率优化的同时,具有较强的抗干扰能力和鲁棒性,提高了效率优化过程中电动机转速的动态响应速度。     

基于风速估计的风力机状态反馈滑模容错控制

针对风力机变桨距执行机构突变故障,提出了基于风速估计的自适应状态反馈滑模容错控制策略.首先,设计了基于自适应状态反馈滑模理论的鲁棒主动容错控制器,并结合全阶补偿器对控制律进行设计;然后,利用基于变速灰狼优化算法的组合径向基函数神经网络实现风速估计,可以改善风速测量精度并提高控制系统可靠性;最后,根据线性矩阵不等式和Lyapunov理论对控制器稳定性进行讨论,并与现有控制策略进行比较.仿真结果表明,在健康/故障的变桨距执行机构条件下,所提容错控制方法均能获得较好的控制效果.     

基于灰色系统模型的预测函数控制方法研究

以灰色系统模型为基础，建立了一种预测函数控制方法．分析了灰色系统建模、模型预测输出和控制量计算方程的求解．通过仿真结果表明，该算法具有鲁棒性好、跟踪快速和抑制干扰能力强等特点。     

基于遗传优化的水平欠驱动机械臂分层滑模控制

针对二自由度水平欠驱动机械臂系统,提出一种基于等效控制理论和李雅普诺夫反馈函数法的分层滑模变结构控制方法.同时,为解决由于欠驱动系统控制缺少通用的参数计算方法而产生控制精度低的问题,提出了针对水平欠驱动系统的遗传算法在全局参数空间进行全参数寻优的改进控制方法.仿真结果表明了该方法的有效性,并且优化后的控制器具有较好的适应性和控制效果.     

网络控制系统中的时戳预测函数控制

传统预测函数控制算法不能有效处理网络控制系统中的随机延迟,为此提出了时戳预测函数控制算法.该算法使用时间戳来估计由网络引入的控制延迟,在预测系统未来输出时明确考虑了该延迟,然后借鉴传统预测函数控制算法的基本策略,得到了适用于网络控制系统的控制规律.进一步由TrueT im e工具箱搭建了网络控制系统仿真平台,对比了时戳预测函数控制算法和传统预测函数控制算法.仿真结果表明随着网络引入延迟的增大,时戳预测函数控制算法给出控制品质明显优越于传统预测函数控制算法.     

TORA系统基于自调节滑模干扰补偿器的解耦滑模控制

针对欠驱动TORA系统,提出一种基于自调节滑模干扰补偿器的解耦滑模控制方法。所提出的控制方法无需系统不确定性上界的先验信息,对于系统不确定性具有良好的适应性。该控制方法包括设计一种自调节滑模干扰补偿器和一种新型的双幂次趋近律,所设计的自调节滑模干扰补偿器能够利用切换增益自适应算法准确逼近上界未知的系统不确定性,所提出的新型双幂次趋近律能够保证系统状态的快速趋近并抑制控制器的高频抖动。采用Lyapunov稳定性理论证明闭环控制系统的稳定性,并通过数值仿真实验验证所提出的控制方法的有效性。