内模控制系统鲁棒跟踪控制器的参数化及优化

针对最常用的2自由度内模控制系统,利用基于传递函数互质分解的频域理论,推导了存在模型失配且参考输入和扰动为任意已知函数时,所有能实现稳态无差跟踪的前馈控制器和反馈滤波器的参数化表达式.所得结论同时适用干连续和离散时间系统,并可在参数化基础上实现频域的优化控制.     

运动平台上光电跟踪系统的自抗扰控制器设计

针对运动平台上光电跟踪系统既要有很强的抗扰动性能,又要能快速跟踪运动目标的特点,设计了稳定平台的自抗扰控制器.通过对闭环带宽的分析,改进了自抗扰控制器的结构,使闭环系统有较高的带宽.设计了扩张状态观测器对平台的扰动进行观测、补偿,并分析了系统鲁棒稳定性对扩张状态观测器的限制条件.实验结果显示,与采用PI控制相比,自抗扰控制器的稳定跟踪能力和扰动抑制能力都有一定的提高.其中,对阶跃信号的稳态跟踪误差不到PI的一半,而在2Hz附近扰动抑制比有6dB的提高.     

改进型内模控制系统的稳定性与鲁棒跟踪条件

为了改善系统的响应性能或解决常规内模控制不能用于不稳定对象的问题,通常在常规内模控制结构中增设一个反馈环节,但这种改进型内模控制系统的性能分析尚缺乏系统的、令人满意的结果．为此,利用基于传递函数互质分解的频域理论,系统地分析了这种改进型内模控制系统的稳定性和稳态性能,得到了保证系统内稳定和鲁棒跟踪的一般性结论,并且无论控制对象稳定与否、系统连续或离散,该结论都适用．     

强稳定鲁棒控制器的设计

本文研究了观察器状态反馈控制系统强稳定鲁棒控制器的设计问题，提出了一种强稳定鲁棒控制器的设计方法，给出控制器的设计步骤，并用数值例子及仿真结果验证了这种方法有效性。     

D鲁棒稳定控制器的设计

本文提出了一种Ｄ鲁棒稳定控制器的设计方法。采用逐次迭代的方式，每次只针对一个确定的“关键对象”进行设计。因此，各种经典的设计方法都可以采用。每次设计出一个控制器后，就用本文提出的方法确定下次设计的关键对象，直到不再有关键对象存在。这样，就能保证只针对尽可能少的对象进行设计。     

高精度鲁棒运动控制器设计及实验研究

针对影响运动控制性能的因素,设计了一种新型的高精度鲁棒运动控制器。该控制器建立在一种新型磨擦模型基础上,对磨擦状态进行估计和补偿。提出了时间延迟控制估计扰动的补偿方案,并对此方案进行了分析和实验研究。实验结果表明,所提出的控制方案鲁棒性强,具有很大的工业应用价值。     

间隙度量与跟踪系统中的鲁棒控制器设计

为定量研究鲁棒控制器允许对象有尽可能大的不确定性.在引入间隙度量的基础上,定义了跟踪系统鲁棒控制器的鲁棒边界,并对某跟踪系统设计了基于间隙度量的鲁棒控制器.该控制器能兼顾对象的不确定性与控制器的不确定性.由仿真结果可以看出,与普通的PID控制器相比,具有较大鲁棒边界的鲁棒控制器不仅具有较强的干扰抑制能力.而且能够在模型加性不确定性存在的情况下具有很好的跟踪性能.     

有界扰动系统高效鲁棒预测控制器设计

具有有界扰动的有约束线性系统是一类常见的不确定系统. 针对此类系统, 本文借鉴扰动不变集方法, 通过离线设计两个椭圆不变集以降低以往设计的保守性, 进而提出一种有界扰动系统的高效鲁棒预测控制器(SD–ERPC)的设计方法. 该方法能够较好地处理扰动对系统的影响, 在减小控制器在线计算量的同时, 扩大原ERPC设计的初始可行域, 且具有较好的控制性能. 文中给出了SD–ERPC控制器可行性和鲁棒稳定性的理论证明,并通过仿真算例验证了该控制器的有效性.     

内模史密斯预测控制器的鲁棒整定方法

过程纯滞后和参数不确定性是导致工业控制不理想的重要原因。为解决这一问题实现过程平稳控制的目的,在史密斯预测控制结构的基础上,提出了基于一种基于鲁棒性能指标λ的参数整定原则,利用一阶泰勒级数逼近系统的时滞项,导出预测控制结构的控制器的控制参数,其可调的参数与系统的动态性能和鲁棒性能有着密切的联系。其后,分析一种鲁棒性能指标,导出其唯一可调的参数β与性能指标λ的表达式,并增加补偿项α修正对参数整定时产生的误差。通过仿真表明,该方法可以取得很好的平滑控制效果,具有很好的鲁棒性,能够克服过程滞后和过程参数不确定性导致的控制效果不理想的问题。     

一种复杂系统的最优分数阶内模控制器设计

针对复杂系统提出了一种最优分数阶内模控制器设计方法。引入一种带混沌算子的人群搜索优化算法（Seeker Optimization Algorithm,SOA）将系统模型降阶简化,在此基础上完成了一种新的分数阶内模控制器的设计和参数最优整定。仿真结果表明,降阶模型很好地逼近了原系统,设计的控制器可以使系统具有良好的动态性能及克服参数变化的鲁棒性。     

自适应模糊PID控制器在跟踪器瞄准线稳定系统中的应用

针对陀螺惯性平台上的跟踪器瞄准线稳定系统中非线性不确定因素对稳定精度的影响, 设计了一种自适应模糊PID复合控制策略. 提出了改进的自适应调整因子和学习算法进行控制参数和规则的在线修正; 采用PID控制克服模糊控制固有的精度盲区. 实验结果表明该方法在一定测量噪声和速度敏感范围内, 能有效地隔离载体扰动,保证跟踪器对目标的准确瞄准, 具有动态响应快、稳定精度高、自适应抗干扰鲁棒性强等特点.     

海上运动目标跟踪系统的设计

为实现对海上运动目标的实时跟踪,克服跟踪效果易受到严重遮挡影响的缺点,建立了一套实时跟踪系统,并且结合目标的运动信息与新的模型更新策略,对均值漂移与卡尔曼滤波器相结合的跟踪算法做出了改进.当运动船只被遮挡的比例较大时,先用估计出的目标速度矢量更新卡尔曼滤波器,并用相应的模型更新策略更新目标模型以提高模型相似性度量的精确性,再单独利用滤波器进行跟踪,取得了较好的跟踪效果.实验结果表明,该系统可以较好地实现海上运动目标的跟踪,并且改进后的算法具有良好的实时性和鲁棒性.     

轧机主传动系统自抗扰控制器设计与应用

轧钢过程中的负荷扰动容易激起机电振动,这严重影响板带材的产量和质量.为了抑制机电振动,针对轧机主传动系统存在不确定外部扰动和未建模动态的特点,首先建立了轧机主传动系统的模型,将不确定性外扰和未建模动态视为一个综合扰动项,然后利用扩张状态观测器对综合扰动项进行观测和补偿,设计了一种不依赖于对象模型的轧机主传动系统鲁棒控制器.仿真结果证明:该控制器比外扰负荷观测器控制系统具有更好的抗扰动能力,同时对系统内部参数如负载转动惯量、转矩常数等的摄动也具有较强的鲁棒性,有效抑制了由于轧制负荷周期性变化和轧制负荷突变引起的机电振动.首次将扩张状态观测器和自抗扰控制技术应用到轧机主传动系统机电振动控制中,并通过实验证明了该方法的有效性和优越性.     

压电迟滞系统的3阶滑模跟踪控制器设计

对一类压电迟滞系统模型,设计了3阶滑模跟踪控制器.引入辅助变量项,对3阶滑模函数获得了一种特定动态方程;根据这个动态方程,求出了滑模控制量;采用Lyapunov方法证明并分析了所有滑模平面的稳定性.仿真实验验证了该滑模跟踪控制器的有效性.     

内模控制研究的新发展

概述了内模控制(IMC)的研究现状和新发展,详细论述了内模控制特别是非线性系统内模控制研究中的主要方面及其研究成果.首先介绍了内模控制中的各种建模方法,指出它们各自的优缺点,并根据内模控制的发展趋势着重分析了内模控制器的设计及其改进结构,内模控制与其他控制方法的结合方式等几个关键性问题.最后指出了内模控制研究中存在的一些混淆,并探讨了这一研究领域的发展方向.     

目标自动跟踪系统中瞄准线控制器的综合化设计

在目标自动跟踪系统设计中,为了简化系统结构设计以实现越来越多复杂功能的综合,提出了按控制误差实现功能综合的理论方法,并给出了基于自抗扰技术实现功能综合的完整解决方案.将目标运动速度视为系统扰动,采用扩张状态观测器实时估计并加以补偿.在提高控制性能的同时,用跟踪微分器对目标运动速度进行滤波并提取其一阶导数,结合其他传感器测量值实现对目标运动状态的估计等信息处理功能.实验结果表明:系统跟踪机动目标的误差小于0.1mrad,响应快速、超调小于10%,对目标的运动状态估计精确;该方法结构简单,只需改造现有控制器的软件,即可高性能地实现多种功能的综合,适应于今后系统功能的发展.     

自抗扰控制器稳定域与鲁棒稳定域计算及工程应用

为提高自抗扰控制(active disturbance rejection control, ADRC)技术在工程应用中的整定效率和降低参数整定带来的可能风险,本文从工程实际应用出发,提出了一种基于D–分割法的n阶ADRC参数稳定域的求解方法和基于Ms约束的鲁棒稳定域求解方法,并给出了各自的计算步骤.通过数字仿真和水箱实验台实验验证了计算方法的有效性.基于上述工作,将基于该方法整定的ADRC应用于实际火电机组二次风控制系统中,获得比原有比例–积分(proportional-integral, PI)控制器在大负荷变化范围内具有更快响应速度和更强鲁棒性的效果,这为ADRC的大规模工业化应用提供了一种简单有效的参数稳定域和鲁棒稳定域的计算方法,具有实际的工程意义.     

一种WSN下的Mean Shift跟踪算法*

为有效地利用无线传感器网络跟踪移动目标,提出了一种基于高斯混合模型的Mean Shift跟踪算法。该算法运用高斯混合模型描述网络区域内目标信号分布的统计特征,利用Mean Shift区分目标信号与环境噪声,并对目标进行定位与跟踪。仿真实验结果表明,该算法在网络存在较大噪声,特别是网络存在大量异常传感器节点读数的情况下,定位精度高、受异常传感器节点读数影响较小。较之以往无线传感器网络目标跟踪算法,该算法具有更好的鲁棒性。