具有极点约束的鲁棒H2/H∞满意容错控制

针对不确定性不满足匹配条件的随机线性离散系统,研究执行器发生故障时满意容错控制器的设计问题.在更一般的连续型执行器故障模型下,所设计的控制器可保证闭环系统同时满足区域极点指标,H_∞范数指标和 H₂性能指标约束.建立了3类指标的相容性,并给出了相容指标约束下控制器存在的充分条件和设计步骤.仿真实例验证了该方法的有效性,并通过与不考虑故障的系统进行比较,说明对系统进行满意容错控制的必要性.

     

基于故障跟踪估计器的非线性时滞系统故障诊断

提出一种可有效检测和估计一类非线性时滞系统故障的故障跟踪估计器.根据预测控制和迭代学习控制的思想,在所选取的优化时域长度内,通过迭代算法调节故障跟踪估计器中的可调参数,使之逼近系统中实际发生的故障.与以往基于观测器的故障诊断方法不同的是,故障跟踪估计器可同时检测和估计系统中发生的故障,而且针对不同类型的故障亦有很好的适应性.仿真结果表明了所提出算法的可行性和有效性.

     

基于区间观测器的执行器故障检测

针对同时具有未知非线性函数(包括系统不确定性、外部干扰等) 和执行器故障的非线性系统, 提出基于区间观测器的故障检测方法. 首先, 在假定执行器故障不出现的前提下, 基于未知非线性函数的上下界信息, 提出两种区间观测器设计方法; 然后, 利用这两种区间观测器的输出和系统的真实输出, 构造可以对执行器故障进行检测的残差, 以此实现基于区间观测器的执行器故障检测. 最后, 通过两个仿真例子验证了所提出方法的正确性和有效性.

     

基于IMM-PF的分布式估计融合算法

针对基于扩展卡尔曼滤波的估计融合算法存在线性化误差,且受高斯噪声假设限制的问题,提出一种基于交互式多模型粒子滤波(IMM-PF)的分布式多传感器估计融合算法.各传感器节点采用IMM-PF算法,以便在非线性,非高斯条件下稳健地跟踪机动目标;融合中心则采用基于粒子滤波(PF)的分布式融合方法进行全局估计融合.该算法适用于非线性,非高斯条件下的多传感器状态估计.仿真结果表明,该算法能够提高多传感器系统状态估计的精度.

     

基于观测器的飞行器时变控制效益估计算法

研究飞行器时变控制效益的在线估计方法,证明了系统控制效益可估计的充分条件. 针对效益矩阵分段连续时变的情形,给出了基于观测器,方程求解和最小二乘法的在线估计方法,分析和证明了算法的收敛性。 数值仿真结果表明,该算法能快速估计时变控制效益,具有良好的稳定性和鲁棒性。

     

柔性臂协调运动系统的动态反馈镇定

研究柔性臂协调运动系统分布参数模型的镇定问题.基于系统能量关系和正实引理,提出一种构造性的设计方法.所设计的控制器由前馈和动态反馈两部分构成,其中动态反馈部分的传递函数是严格正实的.通过线性算子半群理论和LaSalle 不变集原理,证明了闭环系统是渐近稳定的.

     

基于鲁棒自适应滑模观测器的多故障重构

针对一类不确定非线性系统, 基于滑模观测器研究执行器和传感器同时故障时的鲁棒重构问题. 引入线性变换矩阵并添加后置滤波器构建增维系统, 综合??_∞ 控制将鲁棒滑模观测器增益矩阵设计方法, 转化为LMI 约束下的多目标凸优化问题. 在滑模增益中添加了自适应律, 确保状态估计误差渐近稳定, 同时滑模运动经有限时间到达滑模面, 在此基础上给出执行器和传感器故障同时重构算法. 最后通过数值算例表明了所提出方法的有效性.

     

基于SVR 的惯性/卫星组合导航系统故障诊断方法

在惯性/卫星组合导航系统中, 针对传统X² 检验法检测出故障但无法准确识别故障子系统的不足, 提出一种基于支持向量回归的故障诊断方法. 采用残差X² 检验法实时对组合导航系统进行故障检测, 并构建基于支持向量机的回归预测模型, 实现对惯性导航系统状态的预测; 根据系统模型输出和预测模型输出之差辅助进行惯性导航系统的故障判别, 诊断出系统故障源. 仿真结果表明, 所提出的方法能够快速准确地识别故障子系统, 并进行有效的系统隔离和重构, 从而使组合导航系统的性能得到保障.

     

不确定时滞系统执行器故障模式下的满意容错控制

针对含有不确定参数的离散时滞系统,在执行器增益故障情况下,研究了含时滞记忆的状态反馈满意容错控制器的设计问题.在采用合理的执行器故障描述条件下,分别给出了无外界扰动输入时含有时滞记忆和无时滞记忆状态反馈鲁棒容错控制器的存在条件,进一步给出了在H_∞扰动衰减指标约束下,含有时滞记忆和无时滞记忆状态反馈鲁棒容错控制器的设计方法.仿真算例验证了该方法的有效性.

     

一类连续时间Ｍａｒｋｏｖ跳跃系统鲁棒H∞ 故障估计

研究了受L₂ 范数有界未知输入影响的一类线性连续时间Ｍａｒｋｏｖ跳跃系统鲁棒H_∞ 故障估计问题．应用自适应观测器作为故障估计器,将鲁棒H_∞故障估计问题归结为随机H_∞ 滤波问题．推导并证明了问题可解的充分条件,并通过求解线性矩阵不等式得到了H_∞ 故障估计器参数矩阵的解．最后,数字算例验证了所提方法的有效性．

     

基于连续故障模型的Ｄｅｌｔａ算子系统可靠鲁棒H∞ 控制

研究具有执行器故障的Ｄｅｌｔａ算子线性不确定系统的可靠鲁棒H_∞ 问题．设计控制器,确保在执行器发生故障时闭环系统仍能保持鲁棒稳定,且满足给定的H_∞ 指标．针对执行器连续故障模型,运用线性矩阵不等式方法,得到Ｄｅｌｔａ算子系统α-次优可靠鲁棒H_∞ 状态反馈控制器的存在条件和设计方法,并进一步给出了Ｄｅｌｔａ算子系统最优可靠鲁棒H_∞ 控制器的设计方法．数值算例表明,该设计方法是有效而可行的．

     

带传输滞后的离散系统的观测器及输出动态反馈

针对带输出传输滞后的线性离散系统,讨论了其状态观测器设计问题. 利用滞后输出信息,给出了状态观测器的设计方法,并得到状态观测器存在的充要条件,进而设计出基于观测器的输出动态反馈控制器,证明了闭环系统满足极点分离原理 .数值仿真验证了所提出方法的有效性.

     

一类非线性时滞系统的H∞鲁棒故障检测滤波器设计

研究一类受时变时滞影响的非线性不确定系统H_∞鲁棒故障检测滤波器设计问题.首先采用基于观测器的故障检测滤波器作为残差产生器,将故障检测滤波器设计归结为H_∞滤波问题;然后应用Lyapunov-Krasovskii方法,推导并证明了问题可解的依赖时滞的充分条件,通过求解线性矩阵不等式得到了观测器增益矩阵的解;最后通过算例验证了所提出方法的有效性。

     

可重构模块机器人分散容错控制

针对可重构模块机器人的执行器故障,提出一种基于自适应模糊系统的分散被动容错控制方法．该方法不需要机器人动力学模型与模块之间的信息交换,模块控制器分别采用间接和直接自适应方法设计,自适应参数的更新律基于Ｌｙａｐｕｎｏｖ稳定性理论设计,保证了系统的稳定性和H_∞ 跟踪性能．数值仿真结果表明了所提出方法的有效性．

     

纯反馈非线性离散系统的自适应神经网络控制

针对一类未知的纯反馈非线性离散系统,提出了基于反步法设计的自适应神经网络控制方法.为避免反步法设计中可能出现的因果矛盾问题,首先将系统进行等价变换,然后利用隐函数定理证实了理想虚拟控制输入和实际控制输入的存在性.利用高阶神经网络估计这些控制量,并基于反步法设计自适应神经网络控制系统,证明了闭环系统半全局一致最终有界.仿真结果验证了所提出方法的有效性.

     

一类非线性严格反馈系统基于干扰观测器的抗干扰控制

针对一类带有干扰的非线性严格反馈系统, 研究其抗干扰控制问题. 系统干扰满足不匹配条件, 代表一类部分信息已知的干扰. 通过设计非线性干扰观测器, 提出基于非线性干扰观测器和back-stepping 的抗干扰控制方法来补偿干扰, 该方法可以保证闭环系统所有信号是半全局最终一致有界的. 最后, 通过与现有方法的对比验证了所提出方法的正确性和有效性.

     

具有未知死区输入非线性系统的迭代学习控制

针对一类具有死区输入非线性系统,提出一种实现有限作业区间轨迹跟踪控制的神经网络迭代学习算法.基于Lyapunov-like方法设计学习控制器,回避了常规迭代学习控制中受控系统非线性特性需满足全局Lipschitz连续条件的要求.为处理输入死区,利用神经网络逼近这种强非线性特性;同时,通过对神经网络逼近误差界的估计并在控制器中设置补偿作用以消除其影响,从而提高系统的跟踪性能.

     

具有传感器故障的网络控制系统保性能可靠控制

基于存在时延和丢包的网络传输环境,针对具有参数不确定性的网络化控制系统,研究了其在传感器故障条件下的保性能可靠控制问题.根据Lyapunov稳定性理论和线性矩阵不等式(LMI)方法,推导出使闭环网络控制系统在传感器故障条件下渐近稳定且保证综合性能指标满足要求的充分条件,并利用LMIs提出了保性能可靠控制率的设计方法.该控制算法在提高网络化控制系统可靠性的同时有利于系统综合体性能的优化.数值仿真验证了该方法的可行性和有效性.

     

一类严格反馈非线性系统的间接自适应模糊控制

针对一类不确定严格反馈非线性系统,设计了间接自适应模糊控制方法．该方法用模糊逻辑系统逼近设计过程中的未知函数,基于时变宽度死区对模糊逻辑系统中的未知参数进行自适应调节,并对时变死区宽度设计了自适应律．证明了该方法能使闭环系统的所有信号有界,且可使跟踪误差收敛到原点的小邻域内．仿真算例验证了该方法的有效性．

     

基于分布估计算法的磁浮列车故障综合评判

针对使用传统模糊综合评判方法进行故障级别评判时模型参数难以确定的问题,提出一种基于分布估计算法(EDA)的模糊综合故障评判方法.该方法利用EDA进行模糊评判模型的进化学习,能有效实现模糊模型参数的自动优化,并具有模型易于理解,计算效率高的优点.通过对磁浮列车悬浮系统的仿真实验,结果显示基于分布估计算法的模糊故障综合评判方法能获得优于传统进化算法和其他机器学习方法的评判效果,具有较好的应用价值.