一种基于RBF神经网络的预测器模型及其研究

非线性复杂系统的预测控制是一种高性能的控制方法,其关键在于非线性预测器模型的实现。论文从径向基函数(RBF)神经网络原理分析出发,探讨了一种用于神经网络的预测模型设计方法,并将此方法用于实际非线性系统的预测控制。结果表明,基于RBF的神经网络预测模型可快速准确地完成对非线性动态过程的预测描述,因而可以在非线性系统的预测控制中得到良好的应用。     

励磁输入动态不确定的同步发电机鲁棒控制

非线性励磁控制如果没有考虑励磁输入存在的不确定性,可能影响其实际的控制效果。为了减小励磁输入动态不确定对发电机系统的影响,利用积分反推方法设计名义系统的虚控制,并加入非线性动态阻尼项对虚控制进行再设计,得到系统的鲁棒非线性控制率。控制率的设计未采用任何线性化方法,充分利用了系统的非线性特性。通过仿真试验,证实了该方法在输入动态不确定子系统满足最小相位、相对阶为零的条件下,可以保证发电机的功角、输出电压稳定。     

基于系统非线性因素的阵风载荷减缓技术研究

随着大型客机电传飞控的引入,系统非线性问题逐渐突显。对于阵风载荷减缓系统而言,非线性因素往往会严重影响阵风减缓效果。采用有限元和偶极子网格方法建立气动弹性模型,并分析其实际工程中主要的系统非线性因素,包括饱和、速率限制与延迟。其次,根据机载设备探测的阵风信息,以翼尖加速度、翼根剪力和弯矩作为阵风减缓指标,设计了阵风预测以及自适应前馈控制方案,从而弥补传统反馈控制中的不足性。最后,针对三种系统要求指标,分别与传统反馈控制进行减缓效率的对比分析。研究结果表明,系统的非线性因素对阵风减缓效果具有重大影响,且利用前方阵风探测信息设计的自适应前馈控制方案具备更好的阵风减缓效果。     

自抗扰pH控制方法及其应用研究

本文介绍一种自抗扰pH控制方法.针对化工过程中pH值中和具有严重非线性,因而控制十分困难.当未知非线性系统中存在强干扰时,自抗扰控制器能表现出很强的适应性和鲁棒性.为此,采用二阶自抗扰控制器来控制这一复杂非线性过程,并结合工程实际和理论分析,对pH值中和过程进行仿真,相比传统PID控制,能达到理想控制效果.     

Hammerstein模型非线性预测控制的研究

对于pH中和过程的控制,由于其本身具有严重的非线性特性,因而对于此过程的控制十分困难.鉴于此,本文提出了Hammerstein系统非线性预测控制方法,并应用仿真和试验的方法分别实现了对pH中和非线性过程的控制.研究结果表明,Hammerstein模型非线性预测控制具有良好的控制效果和很强的稳定性,且优于常用的PID控制方法.     

基于虚拟模型的自适应解耦抗扰控制

针对一类多变量非线性耦合系统,提出了一种基于虚拟模型的非线性自适应控制器.首先将非线性系统线性化处理并将其作为虚拟模型,对该模型设计线性自适应控制律.然后将线性控制律分别应用在虚拟系统和受控的实际非线性系统上,根据两者的输出误差设计补偿控制律,以达到对实际被控对象进行自适应解耦抗扰的目的.利用李雅普诺夫稳定理论给出了控制系统稳定性条件.实验仿真验证了控制算法的有效性.     

模糊内模PID控制及应用

工业控制系统经常存在时滞现象,且含有一定程度的非线性环节,采用常规控制方法很难满足控制要求.内模控制对时滞系统具有较好的控制作用.当内模与系统实际模型相差较大时,控制效果将会下降.根据影响系统参数的主要因素,预先确定在不同条件下系统的传递函数.当系统运行时,借助模糊控制理论,直接调用相应的系统参数,并采用内模PID进行控制.实际应用表明,该方法具有很好的控制效果.     

复杂系统控制中的神经网络预测器研究

本文从径向基函数(RBF)神经网络原理分析出发,探讨了一种用于非线性复杂系统预测控制的神经网络预测模型方法,并将此方法用于实际非线性系统的预测控制.结果表明,基于RBF的神经网络预测模型可快速准确地完成对非线性动态过程的预测描述,因而可以在非线性系统的预测控制中得到良好地应用.     

磁盘读取系统的神经网络控制

该文根据磁盘读取系统的结构,建立了它的物理模型,并指出其存在非线性因素的原因。由于经典控制方法对于非线性系统效果不是很好,因此使用MATLAB神经网络工具箱中的NARMA—L2控制模块进行控制,并利用Simulink可视化建模工具平台设计了整个控制系统。对神经网络控制器进行了训练,并利用经过训练的神经网络控制磁盘读取系统。仿真的结果表明,神经网络NARMA—L2控制模块能够满足含有非线性因素的磁盘读取系统的控制要求。     

一种自适应PID控制及其在发电机性能测试装置中的应用

针对经典PID控制参数整定困难且受时变、非线性等因素影响不能达到预期控制效果的实际情况,设计了一种具有自学习能力的自适应PID控制器,利用Widrow-Hoff学习算法实现系统在线自动调整最佳控制参数,从而提高系统的自适应能力、改善系统的动态性能,并成功地将其应用到发电机性能自动化测试装置中。     

Robust nonlinear control of a planar 2-DOF parallel manipulator with redundant actuation

A new robust nonlinear controller is presented and applied to a planar 2-DOF parallel manipulator with redundant actuation. The robust nonlinear controller is designed by combining the nonlinear PD (NPD) control with the robust dynamics compensation. The NPD control is used to eliminate the trajectory disturbances, unmodeled dynamics and nonlinear friction, and the robust control is used to restrain the model uncertainties of the parallel manipulator. The proposed controller is proven to guarantee the uniform ultimate boundedness of the closed-loop system by the Lyapunov theory. The trajectory tracking experiment with the robust nonlinear controller is implemented on an actual planar 2-DOF parallel manipulator with redundant actuation. The experimental results are compared with the augmented PD (APD) controller, and the proposed controller shows much better trajectory tracking accuracy.     

不确定仿射非线性系统的自适应控制——GRBF网络学习方法

研究一类不确定仿射非线性系统的自适应控制问题,构造出基于滑动模型控制和ＧＲＢＦ网络的自适应控制器,使得对于任意的系统初值和网络初始仅重,被控系统的输出均能渐近跟踪已知参考信号,控制器设计中所需估计参数数学于实际参数个数。仿真结果令人满意。     

基于控制系统直接方法的非线性系统预见控制器设计

针对一类非线性离散时间系统给出最优预见控制器设计方法. 首先运用非线性控制系统直接控制方法的思想, 将非线性反馈部分作为形式输入, 使得系统成为“形式上”的线性系统; 然后, 针对该线性系统, 利用最优预见控制的基本方法设计最优预见控制器; 最后, 利用形式输入与实际输入的关系得到非线性离散时间系统的最优预见控制器. 证明了如果形式线性系统满足一定的可镇定和可检测条件, 则闭环系统是渐近稳定的. 数值仿真结果表明了控制器的有效性.

     

舵鳍联合自抗扰主从控制策略设计

在分析舰船航行中所受干扰特性的基础上,针对目前舵鳍联合控制中存在的问题,以虚拟控制力作为中间变量,设计了主从结构的舵鳍联合控制策略.主控制器采用非线性干扰观测器对环境扰动和模型不确定性进行估计,在此基础上以虚拟控制力作为控制量采用自抗扰结构,对船舶三自由度运动进行联合控制.同时,在主控制器设计中包含了舵/鳍伺服系统的实际约束,保证了从控制器解的可行性.基于遗传算法设计了数值反演从控制器,求取最终的控制量.通过船模试验和仿真对所设计的控制器进行了验证,试验和仿真结果表明所设计的两步主从控制策略具有较好的控制效果.     

基于模糊控制理论的智能雨刷控制器

提出一种基于模糊控制理论的智能雨刷控制器,该系统通过雨量传感器检测雨量大小,然后对雨量传感器的非线性信号X处理,得到电压差分量AX和电压变化量E,作为模糊控制系统的两个输人量,经模糊控制系统输出控制信号U,调节F330单片机的PWM信号控制雨刷器的工作状态;通过在实际模型车中的应用说明了该算法在这类控制系统中是可行的;该系统采用模糊控制器取代传统的PID控制器,无需建立精确的数学模型,克服了非线性因素对系统造成的影响,能明显改善系统的稳态和动态性能.     

不确定仿射非线性系统的自适应控制--GRBF网络学习方法

研究一类不确定仿射非线性系统的自适应控制问题,构造出基于滑动模型控制和ＧＲＢＦ网络的自适应控制器,使得对于任意的系统初值和网络初始仅重,被控系统的输出均能渐近跟踪已知参考信号,控制器设计中所需估计参数数学于实际参数个数。仿真结果令人满意。     

Controlling linear systems with nonlinear perturbations under sampled-data output feedback: digital redesign approach

This article develops a digital redesign (DR) technique for sampled-data observer-based output-feedback control of a continuous-time linear system with nonlinear perturbation. It is assumed that the nonlinear perturbation is a locally Lipschitz function. To deal with the discrete-time modelling error in nonlinear systems, as opposed to the previous approach, the DR problem is configured as a stabilisation one for error dynamics between the closed-loop system of nominal linear model under an analogue state-feedback controller and that of the linear system with the nonlinear perturbation under a sampled-data output-feedback controller. A constructive DR condition is formulated in the format of linear matrix inequalities. The stability of the actual sampled-data control system is guaranteed within the DR procedure. The effectiveness of the proposed DR methodology is demonstrated through a numerical simulation.     

模糊免疫PID在温度控制系统中的应用

针对实际工业过程中温度控制的特点，借鉴生物免疫系统中的免疫反馈原理，结合模糊控制器可以逼近非线性函数的特点，提出了将模糊免疫PID控制算法应用到温度控制系统中。仿真结果表明该方法具有超调量小，调整时间短，抗干扰能力和鲁棒性强等优点，控制效果优于常规的PID控制方法。     

Discrete-time neural network output feedback control of nonlinear discrete-time systems in non-strict form

An adaptive neural network (NN)-based output feedback controller is proposed to deliver a desired tracking performance for a class of discrete-time nonlinear systems, which are represented in non-strict feedback form. The NN backstepping approach is utilized to design the adaptive output feedback controller consisting of: (1) an NN observer to estimate the system states and (2) two NNs to generate the virtual and actual control inputs, respectively. The non-causal problem encountered during the control design is overcome by using a dynamic NN which is constructed through a feedforward NN with a novel weight tuning law. The separation principle is relaxed, persistency of excitation condition (PE) is not needed and certainty equivalence principle is not used. The uniformly ultimate boundedness (UUB) of the closed-loop tracking error, the state estimation errors and the NN weight estimates is demonstrated. Though the proposed work is applicable for second order nonlinear discrete-time systems expressed in non-strict feedback form, the proposed controller design can be easily extendable to an nth order nonlinear discrete-time system.     

一类非线性系统的积分变结构模糊自适应跟踪控制

针对一类具有未知常数控制增益的不确定非线性系统,基于变结构控制原理,并利用具有非线性可调参数的模糊系统逼近等价控制,提出一种具有监督控制器的积分变结构模糊自适应跟踪控制策略.该策略通过监督控制器保证闭环系统所有信号有界.进一步,通过引入最优逼近误差的自适应补偿项来消除建模误差的影响.理论分析证明了跟踪误差能够收敛到零.仿真结果表明了该方法的有效性.