时域结构不确定性模型有效性分析

针对扰动集为时非进变的情况，研究具有线性分式传递函数的结构不确定性系统的模型有效性分析问题，这里讨论的模型集的不确定怀比文献「１，２」的林大，但计算复杂性与文献「１」相当。将这类模型的有效性分析问题转化为规划问题，并利用遗传算法进行求解。     

基于线性矩阵不等式的参数不确定性关联模糊大系统的分散鲁棒镇定

讨论了参数不确定性关联模糊大系统的分散鲁棒镇定问题,所考虑的参数不确定性满足范数有界条件.基于李雅普诺夫稳定性理论及大系统分散控制理论,采用分散化PDC(parallel distributed compensation)控制器,给出了保证该关联模糊大系统闭环渐近稳定的LMI形式的充分条件,通过MATLAB软件中的LMI工具箱可求解出这些LMI中的控制器参数.仿真例子说明了所提方法的有效性.     

基于广义双曲正切模型的机器人鲁棒模糊自适应控制

利用广义模糊双曲正切模型的全局逼近特点,设计一种模糊自适应控制器用于机器人轨迹跟踪控制.广义双曲正切模型利用输入变量的平移能以任意精度逼近系统的不确定动态.对于系统不确定外界干扰和模糊系统的逼近误差,通过求解一个线性矩阵不等式来保证闭环系统的鲁棒稳定性.对比传统的模糊基函数,在保证系统跟踪精度的前提下,双曲正切模糊基函数的自适应调整参数大大减少,仿真表明该控制算法具有较强的鲁棒性能和较好的跟踪性能.     

多模型切换系统H∞鲁棒控制器的设计与应用

基于H∞控制理论以及切换系统稳定性理论,对于多输入多输出(MIMO)多模型切换控制系统,提出了一种可以有效抑制抖动和改善瞬态响应性能的鲁棒镇定控制器设计方法.通过引入PI控制思想,根据模型跟踪方法设计了增广状态反馈控制器,并将控制器设计问题转化为方便求解的线性矩阵不等式(LMI).该方法的最大优点是可以很方便的保证多模型切换系统的全局稳定性,同时使得设计的控制器具有较强的鲁棒性.将本文提出的方法应用到某型BTT导弹自动驾驶仪设计中,仿真结果证明了此方法的有效性和优越性.     

有界误差模型的一种结构辨识方法

针对具有未知但有界(UBB)误差的线性回归模型辨识问题,提出了一种新的鲁棒结构选择方法.该方法以重复递推椭球外界算法所得椭球轴信息阵的行列式相对值最大作为模型定阶准则.不同于以往对噪声独立性、常方差或鞅差特性的假设,该方法假设噪声是渐近独立的.文中证明了该方法的强相容性.     

饱和约束系统的鲁棒模型预测控制

针对饱和约束系统提出了一种鲁棒模型预测控制算法,分别考虑了多面体不确定性和结构反馈不确定性.考虑无穷时域的最坏二次性能指标,通过采用带有饱和特性的反馈控制结构,将控制律的求解转化为一个在线的线性矩阵不等式优化问题.初始时刻优化问题的可行性保证了闭环控制系统的鲁棒稳定性.最后的仿真结果说明了算法的优越性.     

一类不确定系统的鲁棒稳定性分析

研究了一类不确定系统的稳定性问题, 以线性矩阵不等式(LMI)的形式给出了该类系统的鲁棒稳定条件, 并将该结果推广到区间系统的稳定性分析, 提出了研究区间系统稳定性问题的新方法, 给出了线性矩阵不等式形式的稳定判据, 该判据将区间系统的稳定性问题转化为一类线性矩阵不等式的可解问题. 最后通过仿真算例验证了本文结果具有更小的保守性.     

具有结构不确定性的时滞系统的闭环鲁棒预测控制器(英文)

针对具有结构不确定性的时滞系统,设计了闭环鲁棒预测控制算法.该控制算法基于控制不变集方法,通过采用双模控制和闭环控制策略,增加了控制设计的自由度,进而扩大了系统的初始可行域并能获得较优的控制性能.仿真结果验证了该方法的有效性.     

时延网络控制系统的模型预测控制

针对有输入约束的不确定时延网络控制系统,提出鲁棒模型预测控制方法;其中,将不确定时延建模为范数有界的输入矩阵的不确定性．给出了鲁棒性能指标的上界和系统渐近稳定的充分条件,通过在线求解LMI凸优化问题得到状态反馈控制律．仿真例子验证了该方法的有效性．     

有界误差模型的一种结构辨识方法1)

针对具有未知但有界(UBB)误差的线性回归模型辨识问题,提出了一种新的鲁棒结构选择方法.该方法以重复递推椭球外界算法所得椭球轴信息阵的行列式相对值最大作为模型定阶准则.不同于以往对噪声独立性、常方差或鞅差特性的假设,该方法假设噪声是渐近独立的.文中证明了该方法的强相容性.     

基于Nevanlinna-Pick插值的跟踪系统H∞鲁棒控制器设计

传统的H∞鲁棒控制器通常都是基于线性矩阵不等式求解的,因此阶次较高,不利于实现,而基于 Nevanlinna-Pick插值的H∞鲁棒控制器设计方法能够有效的解决这一问题。本文提出一种改进的同伦算法用于求解控制器设计过程中出现的非线性方程,避免了经典同伦法中逆矩阵的求解。针对某一跟踪系统设计基于 Nevanlinna-Pick插值的H∞鲁棒控制器,通过阶跃响应和正弦信号的跟踪响应可以看出,与高阶超前滞后校正环节相比,前者构成闭环系统的跟踪精度要比后者的控制精度高,且具有较强的鲁棒稳定性。     

一种改进的同伦算法与H∞鲁棒控制器设计

提出了一种具有阶次限制的鲁棒控制器设计方法, 该算法将控制系统的性能指标转化为灵敏度函数问题, 并利用Nevanlinna-Pick插值算法进行求解. 提出了一种改进的同伦算法, 将其用于求解由灵敏度函数产生的非线性方程. 基于改进同伦算法设计的鲁棒控制器 不仅避免了传统H∞控制中加权函数的选择问题, 而且克服了鲁棒控制器阶次较高的缺陷. 最后,文章以4阶系统为例, 设计了具有阶次限制的H∞鲁棒控制器, 通过与传统鲁棒控制器的比较可以看出, 基于本文方法设计的控制器不仅具有较低的阶次, 而且其控制性能也具有明显的优越性.     

Model uncertainty in frequency response based system identification

Determination of plant nominal model error bound is one of the most essential topics in robust control oriented identification. The objective of this paper is to investigate the structure of plant model uncertainties when a set of corrupted plant frequency response samples are supplied. It is shown that the plant model uncertainties, which result from the “partialness” and “corruptedness” of the provided plant information, can be represented by structure-fixed, norm-bounded but uncertain matrix-valued functions that perturb a plant nominal model through a linear fractional transformation. These results are very similar to those when plant time domain identification experiment data have been provided.     

Worst case identification of continuous time systems via interpolation

We consider a worst case robust control oriented identification problem recently studied by several authors. This problem is one of identification in the continuous time setting. We give a more general formulation of this problem. The available a priori information in this paper consists of a lower bound on the relative stability of the plant, a frequency dependent upper bound on a certain gain associated with the plant, and an upper bound on the noise level. The available experimental information consists of a finite number of noisy plant point frequency response samples. The objective is to identify, from the given a priori and experimental information, an uncertain model that includes a stable nominal plant model and a bound on the modeling error measured in norm. Our main contributions include both a new identification algorithm and several new ‘explicit’ lower and upper bounds on the identification error. The proposed algorithm belongs to the class of ‘interpolatory algorithms’ which are known to possess a desirable optimality property under a certain criterion. The error bounds presented improve upon the previously available ones in the aspects of both providing a more accurate estimate of the identification error as well as establishing a faster convergence rate for the proposed algorithm.     

基于观测器的不确定T-S模糊系统鲁棒镇定

为带有参数不确定性的T-S模糊控制系统提出了新的基于观测器的鲁棒输出镇定条件. 该条件用来设计模糊控制器和模糊观测器. 为了设计模糊控制器和模糊观测器, 用T-S模糊模型来表示非线性系统, 并运用平行分布补偿观念. 充分条件基于二次Lyapunov函数, 通过将模糊系统的鲁棒镇定条件表述为一系列矩阵不等式, 比以往文献中列出的条件具有更小的保守性. 该不等式为双线性矩阵不等式, 可分两步骤先后解得使T-S模糊系统镇定的控制器增益和观测器增益. 最后, 通过对一个具有不确定性的连续时间非线性系统控制的例子证明了提出方法比以往方法更宽松.     

MODEL SET IDENTIFICATION IN FREQUENCY-DOMAIN AND ITS APPLICATION TO JOINT DESIGN WITH ROBUST CONTROL

In this paper, we propose a new model set identification method for robust control, which determines both nominal models and uncertainty bounds in frequency-domain using periodgrams obtained from experimental data. This method also gives less conservative model sets when we have more experimental data, which is one of the distinguished features compared with the existing model set identification methods. To this end, first, we construct a new noise model set in terms of periodgrams, which consists of hard-bounded (or deterministic) noises but takes account of a low correlation property of noise signals, simultaneously. Then, based on the noise model, we show how to compute the nominal models and the upper bounds of modeling error via convex optimization, which minimize given cost functions. Furthermore, by introducing a weighting function compatible with control performance criterion into the identification cost function, we consider a joint design method of the proposed model set identification and H_∞ control. Numerical examples show the effectiveness of the proposed method.     

一类推广的两步鲁棒辨识算法

基于传统的两步辨识方法,提出一类当频域数据样本在系统频率段上非均匀分布时的H∞鲁棒辨识方法,分析了相应的最差情况的辨识误差,并给出了采用Lidstone插值样条算子和三角窗函数时显式最差情况辨识误差上界。     

Model validation for control and controller validation in a prediction error identification framework—Part II: illustrations

In this paper, we illustrate our new results on model validation for control and controller validation in a prediction error identification framework, developed in a companion paper (Gevers et al., Automatica (2003) 39(3) pii: S005-1098(02)00234-0), through two realistic simulation examples, covering widely different control design applications. The first is the control of a flexible mechanical system (the Landau benchmark example) with a tracking objective, the second is the control of a ferrosilicon production process with a disturbance rejection objective.