非线性结构自适应模型逆飞行控制律设计研究

文章结合自适应控制、模型参考控制和动态逆控制理论提出了结构自适应模型逆非线性控制系统,设计了飞行控制器.通过李亚普诺夫稳定性定理推导了自适应规律,保证了闭环系统的稳定性.仿真表明该方法对模型参数不准确和外界干扰具有很好的自适应能力,能够满足飞机在过失速机动条件下的控制指令跟踪,且系统具有良好的控制性能及鲁棒性.     

基于支持向量回归的自适应逆控制方法

将支持向量回归引入逆控制,提出了一种基于支持向量回归的自适应逆控制方法。采用支持向量回归在线辨识算法建立被控对象的逆模型,然后将逆模型作为控制器进行复制去驱动被控对象,从而完成一个自适应逆控制过程。由于支持向量回归是建立在小样本基础上的一种学习方法,因此较好地解决了对于线性系统自适应滤波算法存在的运算量大,权值失调及自适应过程时间长等问题。对于非线性系统,与现有的神经网络方法相比,该方法能提高收敛速度及逼近能力,而且具有更好的推广能力。仿真结果表明,应用该方法可以取得良好的控制效果,并具有较好的鲁棒性能。     

Hamilton系统的鲁棒自适应控制及在航天器中的应用

针对带有参数不确定性和受外干扰影响的多输入多输出Hamilton系统的跟踪控制问题,提出一种基于动态逆和扩张状态观测器的鲁棒自适应控制方法,保证系统具有良好的控制性能和较强的鲁棒性。首先,针对标称模型设计了基于动态逆方法的控制器,然后采用基于投影算子的自适应律和扩张状态观测器,分别对系统中的不确定参数和外干扰进行估计和补偿,同时,采取动态补偿器降低执行器饱和对控制性能的影响。最后,将控制方案应用于航天器姿态控制系统中,仿真实验结果表明了方法的有效性。     

基于Wiener模型的非线性预测函数控制

针对传统的预测函数控制对非线性强、结构多变的实际对象控制效果不佳问题,提出了一种基于Wiener模型的非线性预测函数控制(PFC)方法。通过引入支持向量机回归方法,建立Wiener模型中非线性部分的逆模型,在输出反馈和参考轨迹上分别添加一个Wiener模型中非线性部分的逆模型,将非线性预测函数控制转化为线性预测函数控制,用线性优化算法解决非线性预测函数控制问题,避免了复杂的非线性优化。pH中和过程的计算机仿真结果表明,该方法比PID控制效果更好,而且对模型失配具有很好的自适应性能。     

基于BP神经网络的永磁直线电机逆控制系统分析

将交流永磁直线电动机作为被控对象，利用自适应逆控制理论设计了BP神经网络自适应逆控制系统，解决了模型摄动和参数不确定性等问题，提高了系统的稳定性与鲁棒性；利用逆控制器的快速反应能力保证了系统的高性能。     

基于单步预测的模型参考自适应逆控制

针对非线性系统,提出一种基于单步预测的模型参考自适应逆控制方案.该方案将预测思想引入自适应逆控制中,采用Elman网络作为模型辩识器,利用它建立非线性系统输出的预测模型;采用模糊神经网络作为自适应逆控制器,由预测误差进行参数的在线自适应寻优.仿真结果表明,该方案具有很好的跟踪效果和较强的鲁棒性.     

基于动力学干扰力前馈的液压Stewart平台μ综合控制

针对液压Stewart平台存在的动力学耦合强干扰力及液压系统参数不确定性严重影响轨迹跟踪精度的问题,提出了一种基于动力学干扰力前馈的综合控制方案。基于Stewart平台关节空间的逆动力学模型,建立了驱动分支的频域控制模型和动力学干扰力模型,并根据结构不变性原理将动力学干扰力前馈补偿。为提高系统的鲁棒性以及对未建模干扰力的抑制能力,在闭环控制中采用μ综合鲁棒控制器。试验结果验证了该方案的有效性。     

电液位置伺服系统的离散自适应模型跟随控制

针对电液位置伺服系统,提出了一种适合具有极点赢数大于2的系统的自适应模型跟随控制方案,解决了具有不稳定逆的离散化对象的自适应控制难以实现的问题.数字仿真表明,该方法对抑制时变负载和未知参数造成的系统性能的下降有明显的作用     

基于动态神经模糊算法的船舶航向自适应控制

针对船舶航向控制中模型参数变化引起的不确定性问题,提出一种基于动态神经模糊模型(DNFM)的自适应控制算法.DNFM在学习中同时调整结构和参数,充分逼近Norrbin非线性船舶NARX模型的逆动力学.训练好的DNFM与PD控制器并联构造自适应控制器用于航向控制,且以PD控制器的输出作为自适应律的自变量,进一步在线调整DNFM的权值.以5446 TEU集装箱船的航向控制仿真结果验证了算法的有效性.     

基于自适应逆控制的永磁同步电动机控制系统

为进一步提高交流永磁同步电动机控制性能,本文提出了基于自适应逆控制的永磁同步电动机控制系统,采用基于递推最小二乘BP（RLS-BP）算法,对永磁同步电动机系统的进行建模、逆建模和自适应控制器的设计。提高了永磁同步电动机系统建模和逆建模的辨识收敛速度以及辨识精度和系统控制精度。仿真结果表明,基于本文提出的自适应逆控制方法的永磁同步电动机系统,具有良好的动态响应,并且在电机参数摄动情况下具有较强的鲁棒性。     

下肢助力外骨骼机器人自适应阻抗控制研究

当前用于人体运动增强的下肢助力外骨骼系统获得越来越多的关注。获取高精度跟随控制是下肢助力外骨骼机器人研制的主要挑战。针对当前基于位置的控制算法需要复杂的外骨骼动力学模型的问题,该文提出了基于增强学习的变参数阻抗控制算法。首先介绍了HUALEX助力外骨骼系统并对HUALEX建立简单动力学模型。基于此,提出一种基于增强学习的自适应阻抗控制算法,验证了阻抗参数对控制效果的影响,并通过仿真实验验证了该算法的有效性。     

一种基于移动设备的网络机器人系统

提出了一种基于移动设备的网络自主机器人系统的体系结构,设计并实现了系统的安全机制以及人一机器人交互方式．针对移动设备的特点,研究了一种基于遥操作的直接控制与基于行为的自主控制相结合的网络机器人控制方式．实验结果表明用户能在自然、便捷的方式下进行人一机器人交互,完成远程监控任务．     

连续对象具有未建模动态时的一种鲁棒混合自适应控制器

本文介绍了一种对象连续而控制参数进行离散式调整的鲁棒混合自适应控制器。在这种系统的对象中除了已建模部分之外,还具有相加和相乘未建模动态(Unmodeled Dynamics)。文中证明,如果这种未建模动态在低频范围内足够小,则这种混合自适应控制器可保证闭环中的所有信号有界,并且对任何有界初始条件,系统都具有较小的均值残余跟踪误差。     

电液振动台加速度波形再现控制算法

为提高电液振动台的控制精度,在三状态控制器基础之上,提出一种加速度随机波再现实时自适应控制方法.介绍三状态控制器的作用及实现方式,利用RLS自适应滤波器实时辨识系统的逆模型,并基于自适应逆控制原理利用逆模型辨识结果对系统的输入信号进行修正,使系统的响应信号能够高精度再现参考信号.最后通过实验验证控制算法的有效性.     

一种离散连续混成的时空事件驱动的CPS体系架构

为描述信息物理融合系统(cyber-physical system,CPS)中离散信息系统和连续物理系统交互融合的混成特性,基于混成自动机理论,结合多智能体系统(multi-agent system,MAS)和时空事件驱动方法,提出一种CPS体系架构.该架构用改进的混成自动机理论刻画了离散空间和连续状态混成的CPS体系架构的主体,同时定义了基于时空事件的CPS事件,设计了基于MAS的CPS端,并运用定义不同功能的CPS端和CPS事件驱动机制解析了CPS体系架构内部信息物理交互反馈过程.最后以车速调控系统为例,采用提出的CPS体系架构分析了协同驾驶过程中单一车辆内部速度调控的信息物理融合过程,并对其进行了形式化描述,实例的形式化过程表明提出的体系架构的有效性.构建的CPS体系架构为刻画CPS的本质特征提供了新的方法.     

MPC-based energy management with adaptive Markov-chain prediction for a dual-mode hybrid electric vehicle

The and energy to management strategy battery is state an important part of a hybrid electrical vehicle design.It is used to improve various fuel economy sustain a proper of charge an by controlling control the power components is while satisfying to constraints and driving demands.However,achieving optimal and performance challenging due the nonlinearities of the hybrid powertrain,conflicting vehicle the time varying constraints,the dilemma capable in which controller control complexity and real-time capability are generally objectives.In this paper,a of real-time cascaded complies strategy is proposed for a dual-mode hybrid electric that considers controller based nonlinearities based the system model and with all time-varying with constraints.sampling The strategy consists of a supervisory controller on a non-linear predictive control short(MPC)sampling a long time with future strategy interval and a coordinating on linear model predictive based control with a time interval to deal different load dynamics of the system.The Additionally,a novel data methodology using adaptive Markov chains to predict demand is introduced.predictive future information is used to improve controller cycles performance.conducted.The The proposed is implemented validity on a real test-bed approach and experimental trials using economy unknown is driving are results other demonstrate the of the proposed and show that fuel significantly improved compared with methods.     

基于自适应混合遗传算法的 岩石类材料动态参数反演

将多元函数的下山单纯形法嵌入遗传算法,加强了算法的局部搜索能力,并且将交叉概率、变异概率以及 局部搜索概率改进为随遗传个体的适应度值改变和进化代数的增加而调整的自适应型。在此基础上针对岩石 类材料的特性,将数值计算值与冲击压缩实验结果之间的相对均方差作为适应度函数,编制了反演分析算法来 确定岩石类材料考虑损伤的非线弹性动态本构模型的待定特征参数。结果表明:由动态本构方程得到的再生应 力-应变曲线与实验曲线之间具有较好的一致性,从而验证了该反演分析方法是合理可行的以及动态本构模型 对于岩石类材料的适用性。