基于逆系统的非线性自适应逆控制

针对非线性系统自适应逆控制的不完善,本文引入逆系统方法将非线性系统转化为伪线性系统,然后使用最小二乘支持向量机(LS-SVM)建立了逆系统模型,最后利用成熟的线性系统自适应逆控制理论实现非线性系统的自适应逆控制。引入逆系统方法后实现了两大功能:其一,消除了非线性系统的干扰,而且不需要设计逆对象模型:其二,实现了多变量(n维变量)之间的解耦,而且节省了3n(n-1)个线性滤波器的设计。本文针对一个典型多变量二阶系统实现了非线性系统的自适应逆控制,仿真试验表明该方法不但能够很好地消除非线性系统的干扰,而且还实现多变量的解耦控制。     

气动加载系统的模糊自适应逆控制方法

气动加载系统具有时滞、时变及强非线性等特点,为了提高气动加载系统的控制精度,克服传统PI控制算法的不足,提出一种气动压力加载系统的模糊自适应逆控制方案。利用模糊辨识理论对气动加载系统进行离线逆建模,得到初始逆模型,并将该初始逆模型作为初始控制器,控制气动加载系统的输出压力,运行过程中采用最小方均根(Least mean square,LMS)滤波算法在线修正控制器的参数。基于VC++6.0软件开发平台设计系统实时控制程序,在一套电气比例压力阀控气动加载系统上进行试验研究。通过与PI控制算法、模糊比例积分微分(Proportion,integration,differentiation,PID)控制算法进行比较,结果表明设计的气动加载系统控制器控制精度高、响应速度快、抗扰能力强。     

自适应逆控制三自由度直升机扰动消除系统研究

针对三自由度直升机系统扰动消除的控制问题,提出了一种模糊神经网络模型参考自适应逆控制及扰动消除控制方案。运用FNN推理合成思想建立模糊神经网络结构,利用神经网络结构实现模糊推理过程,采用神经网络的连接权重来表示模糊推理的参数和修改连接权重来辨识模糊模型和调整隶属函数,并在整个噪声消除系统中利用神经网络学习算法进行建模和逆建模,且用它们的复制模块来组成消除扰动系统,从而达到消除扰动的目的。最后,对三自由度直升机模型进行了仿真实验,结果验证了该方法的有效性和可行性。     

具有迟滞和蠕变特性压电作动器的模糊自适应逆控制方法

针对具有迟滞和蠕变特性的压电作动器非线性模型,提出了一种前馈控制和反馈控制相结合的自适应模糊逆控制方案。在前馈控制器中压电作动器的迟滞和蠕变非线性特性的逆模型由自适应模糊逻辑系统近似;在反馈控制器中比例控制器用来调节压电作动器的输出误差。该方法可以实时补偿压电作动器的迟滞和蠕变特性,减少作动器跟踪误差。仿真计算结果表明了该方法的有效性。     

基于神经网络逆控制的钢包精炼炉的仿真研究

基于逆动力学控制的思想,提出一种基于RBFN逆模型控制策略,并将该控制策略对具有多变量非线性特性的钢包精炼炉系统进行控制.采用三个RBF神经网络分别对被控对象的三个输入进行逆辨,识,每相神经网络逆辨识模型反向作为逆控制器模型与每相串联,从而构成三个已解藕的独立的伪线性对象,进而针对三个独立的伪线性对象进行线性控制,从而实现了对三相耦合系统的精确控制.仿真实验证明冲这种方法的可行性和有效性.     

基于模糊动态逆变桨距控制策略研究

针对变桨距风力发电系统存在的非线性及风机参数的时变性特点,提出了风电系统在额定风速以上工作时基于模糊动态逆的变桨距控制策略。该策略研究分析风电系统的降级模型,并将此模型的逆系统跟原系统串联,通过反馈形成"伪线性"系统,有效解决变桨距风力发电系统存在的非线性控制问题,同时,采用模糊控制器解决外界干扰大、参数易变等问题。仿真结果表明,与其他非线性控制方法相比,该控制策略实时性更好、鲁棒性更强。     

DRNN神经网络逆控制方法在DDV伺服系统中的应用

对于直接驱动阀(DDV)式作动器伺服系统,由于很难找到最佳的参数匹配以及回路中存在死区非线性因素,使得传统的PID控制无法取得令人满意的控制效果.为此提出一种动态对角回归神经网络(DRNN)逆控制方法,该逆系统控制方法是将对象的逆模型作为控制器加入到控制回路里面,并与控制对象串联构成一个伪单位环节,使得系统的输出能够跟踪系统的输入,经过仿真实验,可以看出该神经网络逆控制比单一PID控制器的动态性能要好.     

非线性系统的支持向量机逆模型辨识及控制

针对非线性系统逆模型建立难的问题,提出了基于回归型支持向量机(support vetor regression,SVR)的非线性系统逆模型辨识建模的方法,在此基础上,提出了基于SVR的非线性系统逆模型控制的方法.仿真试验结果表明:采用SVR建立的非线性系统逆模型具有很高的建模精度和较强的泛化能力,基于SVR的逆模型控制...     

电液伺服系统的非线性控制

针对电液伺服系统非线性、参数时变的特点,为提高系统的性能,首先讨论了系统的非线性数学模型,利用逆系统解耦控制方法,将非线性系统转化成伪线性系统,进行线性控制;在此基础上,提出了一种模糊PID自适应非线性控制设计方案,与逆系统控制方法进行了仿真比较;结果表明,采用模糊PID控制,在系统参数变化、外界扰动的影响下,具有较好的自适应性和动态鲁棒性能。     

一种新型的自适应逆扰动消除器

在自适应逆控制中,原有的扰动消除方案对于消除对象输出噪声工作的较好,但当采取抖动信号为对象建模时,在系统输出端将附加抖动噪声,当系统的增益比较大时,这种抖动噪声就愈加明显.原有的扰动消除方案不能消除这一噪声,提出了一种新型的自适应逆扰动消除方案,不仅能有效地消除对象输出加性噪声,而且能消除由于采取抖动信号建模所产生的抖动噪声.提高了系统的抗干扰能力.     

Internal model control structure using adaptive inverse control strategy

In this paper, we propose a new adaptive internal model control scheme based on adaptive finite impulse response filters. This scheme provides the same design procedure for both minimum and nonminimum phase plants. The plants under consideration may contain time delay. The tracking objective is accomplished for both invertible and noninvertible stable plants. The internal model of the plant and its inverse are estimated by recursive least-squares and least-mean-squares algorithms, respectively. The closed loop is designed such that the system from the reference input to the plant output can be approximately represented by a pure delay. The effect of the process zeros on the output is compensated by using adaptive finite impulse response filters. This avoids the cancellation of noncancellable zeros of the plant and forces the plant output to track the reference input with a delay. The stability of the closed loop for both minimum and nonminimum phase systems is guaranteed. Computer simulation and laboratory scale experimental results are included in the paper to demonstrate the effectiveness of the proposed method.     

基于模糊干扰观测器的电动Stewart平台自适应模糊控制

建立了一个电动Stewart平台的统一动力学模型,并基于它设计了一种新型的自适应模糊控制算法。这个统一的动力学模型在任务空间中使用了Newton-Euler方法建立,同时结合了平台动力学和执行器动力学模型。自适应模糊控制算法使用计算力矩方法设计运动平台标称模型的逆动力学控制器,然后使用基于模糊干扰观测器的自适应模糊控制器对模型的不确定性和外部扰动进行补偿。通过数值仿真分析表明,在不引入高增益控制器的情况下,成功地消除了平台参数的不确定性和外部干扰的影响,保证了平台的跟踪性能。     

超磁致伸缩致动器的小脑神经网络前馈逆补偿-模糊PID控制

针对超磁致伸缩致动器(GMA)在精密致动控制中存在的迟滞和位移非线性,提出了小脑神经网络(CMAC)前馈逆补偿结合模糊PID控制的新策略。通过小脑神经网络(CMAC)学习获得超磁致伸缩致动器动态逆模型用于对超磁致伸缩致动器迟滞非线性进行补偿;利用模糊PID控制降低小脑神经网络(CMAC)学习时的误差和抑制扰动,提高系统的跟踪控制性能,从而实现超磁致伸缩致动器的精密致动控制。仿真和实验结果表明:所采用的控制策略有效地消除了迟滞非线性的影响,系统的跟踪误差降低到了5%以下,而位移跟踪误差均方差仅为0.58。此外,这种策略的特点是学习和控制同时进行,控制系统能够适应被控对象动态特性的变化,使系统具有较强的鲁棒性,同时也能够有效地抑制外界的干扰,提升系统的自适应控制性能。     

Stable modeling based control methods using a new RBF network

This paper presents a novel model with radial basis functions (RBFs), which is applied successively for online stable identification and control of nonlinear discrete-time systems. First, the proposed model is utilized for direct inverse modeling of the plant to generate the control input where it is assumed that inverse plant dynamics exist. Second, it is employed for system identification to generate a sliding-mode control input. Finally, the network is employed to tune PID (proportional + integrative + derivative) controller parameters automatically. The adaptive learning rate (ALR), which is employed in the gradient descent (GD) method, provides the global convergence of the modeling errors. Using the Lyapunov stability approach, the boundedness of the tracking errors and the system parameters are shown both theoretically and in real time. To show the superiority of the new model with RBFs, its tracking results are compared with the results of a conventional sigmoidal multi-layer perceptron (MLP) neural network and the new model with sigmoid activation functions. To see the real-time capability of the new model, the proposed network is employed for online identification and control of a cascaded parallel two-tank liquid-level system. Even though there exist large disturbances, the proposed model with RBFs generates a suitable control input to track the reference signal better than other methods in both simulations and real time.     

Type-2 fuzzy model based controller design for neutralization processes

In this study, an inverse controller based on a type-2 fuzzy model control design strategy is introduced and this main controller is embedded within an internal model control structure. Then, the overall proposed control structure is implemented in a pH neutralization experimental setup. The inverse fuzzy control signal generation is handled as an optimization problem and solved at each sampling time in an online manner. Although, inverse fuzzy model controllers may produce perfect control in perfect model match case and/or non-existence of disturbances, this open loop control would not be sufficient in the case of modeling mismatches or disturbances. Therefore, an internal model control structure is proposed to compensate these errors in order to overcome this deficiency where the basic controller is an inverse type-2 fuzzy model. This feature improves the closed-loop performance to disturbance rejection as shown through the real-time control of the pH neutralization process. Experimental results demonstrate the superiority of the inverse type-2 fuzzy model controller structure compared to the inverse type-1 fuzzy model controller and conventional control structures.     

Adaptive model reference control based on Takagi-Sugeno fuzzy models with applications to flexible joint manipulators

The control scheme using fuzzy modeling and Parallel Distributed Compensation (PDC) concept is proposed to provide asymptotic tracking of a reference signal for the flexible joint manipulators with uncertain parameters. From Lyapunov stability analysis and simulation results, the developed control law and adaptive law guarantee the boundedness of all signals in the closed-loop multi-input/multi-output system. In addition, the plant state tracks the state of the reference model asymptotically with time for any bounded reference input signal.     

基于系统辨识的PEMFC温度非线性建模与预测

针对质子交换膜燃料电池(PEMFC)等一类具有严重非线性的复杂被控对象，提出一种基于模糊模型的模糊预测算法，并对PEMFC系统进行建模。在建模过程中，采用离线学习和在线修正辨识出对象的模糊模型。其中，模型的参数通过模糊聚类初始化和离线反向传播算法进行学习，必要时可通过在线调整后件参数，以使得模型的预测精度能满足实时控制的需要。仿真和实验结果表明了该模糊辨识建模方法具有建模简单、模型精度高等优点，亦证明了该算法的有效性和优越性。     

自适应光学系统中倾斜镜的自适应逆控制

为了克服自适应光学系统中倾斜镜的迟滞响应,提高响应的线性度,改善倾斜镜的控制精度,研究了倾斜镜的迟滞非线性效应。提出了一个基于频率相关的Mutified-Prandtl-Ishlinskii(MPI)模型的补偿方法来在线自适应逆补偿倾斜镜的迟滞非线性。结合反馈PID控制构成了自适应逆前馈复合控制方案,其中自适应逆前馈克服了由于频率等因素引起的迟滞曲线变化,反馈PID则改善了整体的控制性能。建立了倾斜镜二阶系统模型来估计倾斜镜系统的输出,解决了MPI模型参考信号的问题,避免了增加额外前馈传感器,保证了光能量的利用率。实验结果表明,倾斜镜系统15 Hz非线性迟滞率由原来的24.28%降为1.17%,线性度提高了约95%,控制精度较传统PID方法提高了约60%。该方法能够有效补偿倾斜镜的迟滞非线性,提高了自适应光学系统中倾斜镜的校正精度。     

基于支持向量机的发电机组逆模型控制

针对同步发电机组这个非线性、工况复杂的多变量控制对象,研究了一种基于支持向量机的发电机组逆模型控制方法.根据采集到的输入输出样本数据,首先由支持向量机网络来辨识发电机组的逆模型,以此作为逆控制器没计的基础.随后.分析了2种不同的逆模型控制器,即直接逆模型控制和具有线性补偿的逆模型控制.仿真研究表明,支持向量机逆模型控制器具有优良性能,而且线性补偿逆模型控制比直接逆模型控制的性能更优,鲁棒稳定性更好.