基于模糊控制器的自适应广义通用模型控制

广义通用模型控制(GCMC)方法是一般模型控制(GMC)的改进,适用于相对阶大于1的复杂多输入多输出系统,该控制器参数具有明显的物理意义,但鲁棒性不够强。将模糊控制与广义通用模型控制相结合,构成模型参考自适应控制系统,从而加强了系统的鲁棒性,仿真实验证明了该策略的有效性。     

基于扰动补偿的无微分模型参考自适应控制系统设计

针对一类含有参数不确定性和未知非线性扰动的系统,本文提出一种基于扰动补偿的无微分模型参考自适应控制方法,实现系统输出对参考模型输出信号的高精度跟踪.首先,利用被控对象模型信息设计扰动估计器,对系统非线性扰动进行在线估计;其次,基于非线性扰动估计值设计参考模型和无微分参数更新律,构建无微分模型参考自适应控制器,建立基于扰动补偿和状态反馈的自适应控制律,以消除参数不确定性和非线性扰动对系统输出的影响,保证系统输出对参考模型输出的准确跟踪;然后,给出闭环系统误差信号收敛条件和控制器参数整定方法;最后,通过数值仿真验证所提方法的有效性和优越性.     

基于模糊模型的非线性通用模型控制

通用模型控制是一种有效的非线性控制方法,但该方法的应用条件是过程一阶微分模型必须要有显式解.为了克服这一局限性,提出一种基于模糊模型的通用模型控制策略,将非线性过程模型应用逆系统的方法在控制算法中直接嵌入过程模型,从而保证了通用模型控制策略的可实现性.该控制器参数物理意义明显,整定方便,仿真结果表明了该控制策略的有效性和鲁棒性.     

一种简单而有效的SMITH预估补偿控制新方法

提出了一种改进型Smith预估补偿控制新方法。在被控对象的输入端施加一阶跃输入信号，根据其阶跃响应估计出被控对象的数学模型，再根据此估计模型在线地修正Smith预估补偿器，从而克服了传统的Smith预估补偿控制方法因模型误差而使控制品质变坏的缺点。     

直接多模型自适应控制器设计——LMI方法

本文将线性矩阵不等式(LMI)方法引入直接多模型自适应控制, 将直接多模型控制器的 设计过程转化为求解线性矩阵不等式的可行解问题,同时给出在不同不确定参数范围内的多 个状态反馈控制器,并由此构成直接多模型自适应控制器．同时将直接多模型自适应控制推 广到多输入多输出被控对象的设定值跟踪问题,并给出稳定性分析结果．     

基于模型预测的Smith预估补偿控制系统

提出了一种改进型Smith预估补偿控制新方法。在被控对象的输入端施加一阶跃输入信号 ,根据其阶跃响应估计出被控对象的数学模型 ,再根据此估计模型在线地修正Smith预估补偿器 ,从而克服了传统的Smith预估补偿控制方法因模型误差而使控制品质变坏的缺点。     

基于广义高斯函数的二阶非线性系统滑模控制

为了减小被控对象跟踪参考信号在边界的跟踪误差,针对不确定二阶非线性系统,并考虑到模糊控制中控制灵敏度对隶属度函数形状的要求,利用广义T-S模糊模型中广义高斯隶属函数本身对控制灵敏度的自适应性和广义T-S模糊系统,设计了自适应参数调节律和自适应模糊滑模控制器。克服和补偿了系统的建模误差,在不加监督控制和有界控制的情况下,有效地改善了控制系统在参考信号边界的跟踪性能。比较采用高斯隶属函数的T-S模糊模型,基于广义T-S模糊模型的控制系统在闭环稳定的前提下使跟踪误差收敛到了一个更小的邻域。对倒立摆二阶子系统的仿真,实验表明跟踪性能改善的效果是明显的,证明控制器的设计是合理和有效的。     

新能源汽车电静液制动系统抗饱和反演控制

对电静液制动系统存在的未知非线性及参数时变特点,提出一种控制输入受限条件下的反演控制策略。建立电静液作动器的状态空间模型并表达为严格反馈形式,将建模误差及未建模动态视为未知干扰,结合反演步骤设计参数自适应律,实时估计未知扰动。设计抗饱和补偿器,将控制器输出与被控对象输入信号之差作为抗饱和补偿器的输入,构成反馈回路消除饱和现象。应用Lyapunov方法证明闭环系统的渐近稳定性,闭环系统信号一致有界,压力跟踪误差可通过改变补偿器的参数进行调节。仿真及试验结果表明,所提控制方法具有较强的自适应能力,与传统反演方法相比,鲁棒性和控制性能得到显著提高。     

高频增益符号未知时的变结构模型参考自适应控制:任意相对阶的控制律设计

讨论被控对象相对阶大于1且高频增益符号未知时的变结构模型参考自适应控制问题,从而将相对阶为1时的结果推广到任意相对阶.首先对关键信号构造监控函数,并在此基础上提出了一种控制信号切换律.进而证明,当被控对象相对阶大于1、高频增益符号未知时,在监控函数的监测下,相关控制信号经至多有限次切换后将停止切换,跟踪误差将收敛到一个残集内,且该残集可通过减小某些设计参数而变得任意小.特别,本文证明,与相对阶为1时相同,当对象相对阶大于1时,若系统的某些初始条件为零,则至多只需要一次切换.     

Buck变换器的降阶扩张状态观测器与无抖振滑模控制

针对脉宽调制型Buck变换器的内外干扰和滑模控制的抖振等问题, 本文提出了一种基于降阶扩张状态观测器 和无抖振滑模的新型控制策略. 首先, 建立新型的跟踪误差状态空间模型, 将匹配和不匹配干扰定义为统一的匹配干扰; 然后, 设计降阶扩张状态观测器提高跟踪误差微分和系统干扰的估计速度, 并抵消负载和输入端的电压变化、系统参数 不确定性对控制系统的影响; 其次, 利用跟踪误差微分的估计值设计滑模控制器抑制干扰估计误差, 使得切换项近似为 零, 实现滑模技术的无抖振控制, 提高Buck变换器系统电压跟踪的快速性和准确性. 利用李雅普诺夫稳定判据从理论上 证明了所提控制器的闭环稳定性. 最后, 仿真结果表明所提方法通过抑制抖振和内外干扰有效改善Buck变换器的鲁棒 性和动态性能.     

带有跟踪微分器的无模型控制器的控制仿真研究

本文介绍了带有跟踪微分器的无模型控制器的基本理论和基本设计方法,比较了该控制方法与非线性跟踪微分器的控制效果.仿真结果表明:带有跟踪微分器的无模型控制器具有的独特的优点,适合于处理带有强干扰以及大时滞系统的控制问题.     

一种基于跟踪微分器的智能车辆加速度闭环控制方法

为了满足智能车辆进行L3及以上级别智能驾驶的需求,文章开发了一种基于跟踪微分器的加速度闭环控制方法.该方法采用跟踪微分器对加速度进行辨识,并对加速度进行闭环控制.其上层控制器根据车辆的当前速度、目标速度以及加速或者减速的距离计算一个加速度指令,并通过CAN网络将该指令发送到加速度闭环控制器中,从而实现对智能车辆进行加速...     

四旋翼无人机鲁棒自适应姿态控制

 四旋翼无人机的姿态控制是自主飞行控制的核心,针对四旋翼姿态易受外界环境干扰和内部参数摄动等不确定性影响的问题,设计了一种鲁棒自适应反步控制器,以提高四旋翼的鲁棒性。建立了四旋翼完整的姿态运动模型,并将其转化为含有广义不确定性的多输入多输出非线性系统。根据该系统满足严格反馈的结构特点,设计了反步控制器; 针对系统中存在的外部干扰和内部参数摄动等不确定性,引入了一类鲁棒自适应函数来抵消该不确定性对系统的影响; 采用非线性跟踪微分器估计虚拟控制量的微分信号,减小了反步控制器设计中普遍存在的“计算膨胀”问题; 通过构造Lyapunov 函数证明闭环系统是稳定且指数收敛的。仿真结果表明,所设计控制器具有良好的控制效果和鲁棒性。     

无模型控制器设计综述

从无模型控制的泛模型出发,论述了无模型控制器设计的理论和方法。无模型自适应控制因为采用不依赖被控对象的数学模型,仅根据被控对象的输入输出观测数据来得到被控对象的泛模型及控制率,然后根据新的输入与输出数据在线调整被控对象的泛模型及控制率,使每次得到的泛模型逐渐精确,其控制率也随之改善,应用前景看好。     

改进的内模跟踪控制对随机噪声抑制的研究与仿真

对于存在随机噪声和干扰的系统,传统的内模跟踪控制是无法解决这类问题的。将自适应滤波器引入到内模控制的结构中,很好地解决了内模控制在抑制随机噪声方面的不足。针对被控对象的模型和系统性能指标,同时考虑到系统的随机噪声设计自适应滤波器,从而构建自适应控制器。通过自适应控制器和基于内模原理设计的伺服补偿器对被控对象进行跟踪控制。提出的方法综合了内模控制和自适应滤波的优点,使控制系统达到满意的跟踪控制效果,对常规谐波扰动和随机噪声都有良好的抑制作用。仿真结果表明提出的设计方法能够实现系统的无静差跟踪,并且具有良好的抗噪性和稳定性。     

广义预测鲁棒自适应控制

本文指出自校正控制中广泛采用的CARMA模型会导致控制系统对确定性扰动和非平稳随机扰动缺乏鲁棒性;在CARMA模型中引入相应于上述扰动的不可控模态,给出了一种广义的CARMA模型;基于内模原理,提出一种新的广义预测鲁棒自适应控制器;并从理论上揭示其鲁棒性机理;给出了数字仿真。理论分析和数字仿真结果表明:这种广义预测自适应控制器对各类扰动和对象参数变化具有很强的鲁棒性。     

基于非线性参数的电液伺服系统滑模控制

针对在电液伺服系统跟踪控制中存在非线性不确定参数和外界扰动的问题,提出了一种基于积分微分器的滑模Lyapunov函数的控制方法。首先,在只有位移信号测量输出的情况下,采用高阶积分链式微分器对其速度和加速度信息进行预估。系统存在非线性不确定参数,利用微分器对状态和不确定项的实时估计,设计出积分滑模控制器,实现自适应规律以及对电液伺服系统中不确定扰动的抑制。搭建电液伺服系统AMESim模型并与Matlab构成联合仿真平台,对控制器进行仿真。仿真表明,该控制器具有良好的对非线性不确定参数变化的补偿能力和跟踪性能。     

基于广义双曲正切模型的机器人模糊自适应控制

利用广义模糊双曲正切模型的全局逼近特点,设计一种直接模糊自适应控制器用于机器人轨迹跟踪控制．模糊控制器的输入变量经过平移变化后得到的广义输入变量能够覆盖整个输入空间,因此,模糊控制器能以任意精度逼近系统的最优控制;由于双曲正切模型的特殊结构,在保证跟踪精度的同时,避免了因模糊子集数目增加而带来的计算负担的增加,满足了机器人实时控制的需要．仿真结果表明,该控制算法具有较强的鲁棒性和较好的跟踪性．