线性多变量系统有限时间最优解耦控制

针对线性多变量系统, 将前馈解耦控制与有限时间最优跟踪控制相结合, 提出一种新的最优解耦控制方法. 首先, 将关于状态的微分方程转化成关于输出的微分方程, 将系统内部矩阵和控制输入矩阵分别分解成对角矩阵和对角元为零的矩阵; 然后, 通过引入中间虚拟变量, 采用前馈和输出反馈的方法对系统进行解耦; 最后, 采用有限时间最优跟踪控制方法实现系统对任意参考输入的跟踪. 仿真结果表明了所提出方法的有效性和优越性.     

时滞多变量过程信息融合解耦控制

针对工业过程中时滞多变量线性系统各回路问存在的强耦合问题,提出一种基于信息融合估计的解耦控制方法.通过融合主通道和相应耦合通道的期望输出软约束信息和控制能量软约束信息,估计出二次性能指标下的最优自适应解耦控制律.进一步对无限预见期望输出信息进行一步预见等效处理,获得计算更简单的近似最优解耦控制律.实例仿真结果表明了该解耦控制器具有计算量小、解耦程度可调以及控制品质好等优点.     

一种热连轧活套多变量控制方法及仿真分析

针对双输入双输出耦合活套控制系统,提出了一种新的多变量控制方法。该方法将活套控制问题视为双输入双输出随动系统渐近跟踪问题,通过建立活套控制系统状态空间模型,采用多变量极点配置方法配置活套控制系统的期望闭环极点,以实现期望性能指标。该方法计算简单,物理概念清晰,克服了常规解耦控制器设计复杂,计算繁琐的弱点。仿真结果表明,系统不仅具有较好的动态性能和稳态性能,而且有很强的鲁棒稳定性。     

基于鲁棒开环解耦的系统逆二自由度控制

针对MIMO系统的轨迹跟踪,提出一种基于鲁棒开环解耦的系统逆二自由度（2DOF）控制方法．该方法通过鲁棒开环解耦解决MIMO系统的耦合问题,利用系统逆2DOF控制保证轨迹跟踪性能．首先提出一种保证预补偿器阶数最小和解耦系统鲁棒性的鲁棒开环解耦方法;然后结合鲁棒开环解耦和系统逆2DOF控制,给出系统逆前馈控制和H∞混合灵敏度鲁棒反馈控制器的设计方法;最后通过设计实例及仿真结果验证了该控制方法的有效性．     

基于T-S逆模型的航空发动机解耦控制

为了解决发动机控制系统中存在的耦合现象,以自适应逆控制原理为基础,提出了一种基于T-S逆模型的解耦控制器;该方法利用模糊T-S模型来辨识发动机的逆模型,从而得到实现解耦效果的伪线性化模型,再运用神经网络PID控制器的在线整定功能提高系统的动态性能和鲁棒性,使系统综合性能最优;仿真结果表明,该控制器具有理想的解耦效果,在发动机工作包线范围内具有良好的自适应能力.     

基于误差状态方程的机械臂H_∞最优控制北大核心CSCD

针对不确定性二自由度机械臂的跟踪控制问题,为了同时保证控制系统的鲁棒稳定和鲁棒性能,提出了基于跟踪误差线性状态方程的H∞最优控制方法。首先建立了二自由度机械臂系统轨迹跟踪误差的状态方程,考虑系统中存在的不确定性和未知扰动,对误差状态推导出基于线性二次型性能指标的鲁棒H∞最优控制律,该控制律不仅保证了控制系统的鲁棒稳定而且使控制系统达到给定性能指标下的鲁棒最优性能。同时证明了闭环系统的渐进稳定性和线性二次型最优。由提出的广义控制力进而得到机械臂的控制力矩,实现鲁棒控制。最后应用simulink对系统进行仿真,仿真结果验证了方法的正确性和有效性。     

基于误差状态方程的机械臂H_∞最优控制

针对不确定性二自由度机械臂的跟踪控制问题,为了同时保证控制系统的鲁棒稳定和鲁棒性能,提出了基于跟踪误差线性状态方程的H∞最优控制方法。首先建立了二自由度机械臂系统轨迹跟踪误差的状态方程,考虑系统中存在的不确定性和未知扰动,对误差状态推导出基于线性二次型性能指标的鲁棒H∞最优控制律,该控制律不仅保证了控制系统的鲁棒稳定而且使控制系统达到给定性能指标下的鲁棒最优性能。同时证明了闭环系统的渐进稳定性和线性二次型最优。由提出的广义控制力进而得到机械臂的控制力矩,实现鲁棒控制。最后应用simulink对系统进行仿真,仿真结果验证了方法的正确性和有效性。     

基于LM I 的H ∞解耦及活套高度张力控制

通过对全解耦、近似解耦和能量解耦的分析并结合工程实际,提出一种基于LMI的输入输出H∞解耦控制方法.该方法综合考虑了耦合通道和控制通道的控制效果,将解耦问题视为干扰抑制和多自由度跟踪的复合控制问题.在解耦控制设计中有更多的自由度,可依工程实际要求作相应调整,获得最优的综合指标.将该解耦方法应用于热连轧高度和张力控制系统,仿真结果表明可获得良好的解耦效果和控制特性.     

基于非策略Q-学习的网络控制系统最优跟踪控制

针对具有数据包丢失的网络化控制系统跟踪控制问题,提出一种非策略Q-学习方法,完全利用可测数据,在系统模型参数未知并且网络通信存在数据丢失的情况下,实现系统以近似最优的方式跟踪目标.首先,刻画具有数据包丢失的网络控制系统,提出线性离散网络控制系统跟踪控制问题;然后,设计一个Smith预测器补偿数据包丢失对网络控制系统性能的影响,构建具有数据包丢失补偿的网络控制系统最优跟踪控制问题;最后,融合动态规划和强化学习方法,提出一种非策略Q-学习算法.算法的优点是:不要求系统模型参数已知,利用网络控制系统可测数据,学习基于预测器状态反馈的最优跟踪控制策略;并且该算法能够保证基于Q-函数的迭代Bellman方程解的无偏性.通过仿真验证所提方法的有效性.     

基于信息融合估计的离散线性系统预见控制

针对期望轨迹和干扰可预见的离散线性最优跟踪问题, 提出了一种基于信息融合估计的预见控制方法. 推导了最优预见控制律的融合估计过程和最优预见性能指标. 建立了包含状态反馈项、目标和干扰前馈补偿项的信息融合预见控制系统, 并分析了其渐近特性和稳态跟踪误差问题. 直流电机系统的仿真结果表明, 信息融合预见控制下的系统跟踪性能随着预见步数的增加而迅速提高并趋于稳定, 且综合考虑跟踪误差与能量消耗时要优于传统预见控制.     

Optimal Decoupling Control Method and Its Application to a Ball Mill Coal-pulverizing System

The conventional optimal tracking control method cannot realize decoupling control of linear systems with a strong coupling property. To solve this problem, in this paper, an optimal decoupling control method is proposed, which can simultaneously provide optimal performance. The optimal decoupling controller is composed of an inner-loop decoupling controller and an outer-loop optimal tracking controller. First, by introducing one virtual control variable, the original differential equation on state is converted to a generalized system on output. Then, by introducing the other virtual control variable, and viewing the coupling terms as the measurable disturbances, the generalized system is open-loop decoupled. Finally, for the decoupled system, the optimal tracking control method is used. It is proved that the decoupling control is optimal for a certain performance index. Simulations on a ball mill coal-pulverizing system are conducted. The results show the effectiveness and superiority of the proposed method as compared with the conventional optimal quadratic tracking (LQT) control method.      

Nonlinear Decoupling PID Control Using Neural Networks and Multiple Models

For a class of complex industrial processes with strong nonlinearity, serious coupling and uncertainty, a nonlinear decoupling proportional-integral-differential （PID） controller is proposed, which consists of a traditional PID controller, a decoupling compensator and a feedforward compensator for the unmodeled dynamics. The parameters of such controller is selected based on the generalized minimum variance control law. The unmodeled dynamics is estimated and compensated by neural networks, a switching mechanism is introduced to improve tracking performance, then a nonlinear decoupling PID control algorithm is proposed. All signals in such switching system are globally bounded and the tracking error is convergent. Simulations show effectiveness of the algorithm.     

Nonlinear Decoupling PID Control Using Neural Networks and Multiple Models

For a class of complex industrial processes with strong nonlinearity, serious coupling and uncertainty, a nonlinear decoupling proportional-integral-differential (PID) controller is proposed, which consists of a traditional PID controller, a decoupling compensator and a feedforward compensator for the unmodeled dynamics. The parameters of such controller is selected based on the generalized minimum variance control law. The unmodeled dynamics is estimated and compensated by neural networks, a switching mechanism is introduced to improve tracking performance, then a nonlinear decoupling PID control algorithm is proposed. All signals in such switching system are globally bounded and the tracking error is convergent. Simulations show effectiveness of the algorithm.     

Decoupling control for spatial six-degree-of-freedom electro-hydraulic parallel robot

This paper presents a decoupling controller equipped with cross-coupling pre-compensation for an electro-hydraulic parallel robot, in order to weaken system dynamic coupling effects usually ignored on the design of advanced controllers and improve system control performance. The mathematical model of the electro-hydraulic parallel robot is built using the Kane method and a hydromechanics approach, and the kinematical model is established with a closed-form solution and the Newton-Raphson method. The feedback linearization theory is applied to reduce coupling effects stemmed from system dynamics of the parallel robot via incorporating force-velocity control with cross-coupling pre-compensations. The control performance involving stability, accuracy, and robustness of the proposed controller for spatial 6-DOF parallel robot is analyzed in theory and experiment. The experimental results illustrate that the proposed controller can highly improve the control performance by weakening system dynamic coupling effects of the electro-hydraulic parallel robot, especially for trajectory tracking performance.     

线性连续时滞系统最优预见重复控制

针对一类线性连续时滞系统,提出一种最优预见重复控制设计方法.首先,通过一种等价变换,将被控时滞系统转化为无时滞系统.然后,利用L阶差分算子提升技巧,获得包含状态变量导数和跟踪误差的增广连续系统.在此基础上,通过定义一种新的性能指标,将预见重复控制设计问题转化为连续非自治系统的线性二次调节问题.进一步,基于最优控制理论,得到包含状态反馈、误差积分、重复控制、时滞补偿和预见补偿的最优预见重复控制器.该控制器包含了已有文献的多种控制器形式.最后,通过一个数值仿真实例,说明所提方法的有效性.     

基于参数辨识的自适应解耦控制算法的研究

多变量模型的复杂结构、强耦合性、被控对象参数的未知、慢时变等问题要求控制器必须具有良好的自适应性,针对以上问题提出了一种基于改进的广义最小方差闭环自适应解耦控制器实现更好的自适应,其由参数可调的控制器和自适应控制律组成,此控制器通过将闭环系统方程的传递函数矩阵等于期望的对角矩阵来实现解耦,同时改进的辨识算法可进行在线辨识控制器的参数实现同步自适应解耦。通过以CARMA为多变量控制模型,采用该方法进行仿真有效的解决了多变量之间的耦合性。结果表明该方法能够适应相应的变化,跟踪性能较好,且具备良好的解耦能力,进而保证了闭环系统的稳定性,从而验证了此方法能够效提高控制系统的稳定性和鲁棒性。     

非线性互联大系统的最优控制:逐次逼近法

The optimal control problem for nonlinear interconnected large-scale dynamic systems is considered. A successive approximation approach for designing the optimal controller is proposed with respect to quadratic performance indexes. By using the approach, the high order, coupling, nonlinear two-point boundary value (TPBV) problem is transformed into a sequence of linear decoupling TPBV problems. It is proven that the TPBV problem sequence uniformly converges to the optimal control for nonlinear interconnected large-scale systems. A suboptimal control law is obtained by using a finite iterative result of the optimal control sequence.