扰动抑制无模型自适应控制的鲁棒性分析

针对一类存在测量扰动的SISO非线性离散时间系统,研究无模型自适应控制算法的扰动作用问题.首先给出了系统输出误差与测量扰动的关系,分析了测量扰动对控制性能的影响.然后提出了一种带有滤波器的改进无模型自适应控制算法,该算法较常规无模型自适应控制算法可有效抑制测量扰动的作用.仿真结果验证了理论分析的正确性.     

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.     

具有外部扰动的PMSM系统的无模型自适应预测控制

针对于一类具有强耦合、负载不确定性和外界干扰的永磁同步电机(PMSM)系统,本文研究了基于无模型自适应预测控制(MFAPC)问题,并提出了一种新颖的MFAPC方案来实现有外界扰动的PMSM系统的速度追踪任务.所提出控制方案的主要优势在于仅使用了被控系统的输入/输出数据,并且对外界干扰具有较强的鲁棒性.此外,还讨论了闭环系统跟踪误差的收敛性以及有界输入有界输出的稳定性.最后,通过与传统的PI控制方案、原型无模型自适应控制(MFAC)方案的仿真结果相比较,验证了所提出MFAPC方案的有效性和优越性.     

基于时延估计的扰动卡尔曼滤波器外力估计

针对机械臂末端力估计存在模型误差及系统扰动等问题,提出了一种基于时延估计的扰动卡尔曼滤波器外力估计法。在不使用额外力传感器的情况下,通过电机驱动电流的测量,采用时间延时估计法设计出不需要精确动力学模型的估计器。将外力作为状态变量,对系统的不确定性和扰动进行观测,考虑机械臂动力学和扰动动力学,设计出扰动卡尔曼滤波器来估计末端所受外力。使用Matlab仿真软件验证了该方法的有效性,结果表明所提估计方法对具有测量噪声、模型误差及不确定性扰动的系统具有很好的鲁棒性。     

基于有界扰动分区的多模型自适应控制

对于含有界扰动的离散时间系统,将有界扰动变化范围分割成若干小区间,针对这些区间建立多个自适应模型,并针对每一个自适应模型建立相应的控制器.给定一个指标切换函数,基于多个自适应模型控制器和给定的指标切换函数构成多模型自适应控制器.可以证明多模型自适应控制器能够保证闭环系统是输入输出有界稳定的.仿真实例表明,当被控对象的有界扰动随时间变化的时候,采用单一模型自适应控制,系统输出很难跟踪设定值,而多模型自适应控制器却极大地改善了控制品质.     

基于多模型的非线性系统自适应最小方差控制

对于一类典型的离散时间非线性系统, 提出了一种基于多模型的自适应最小方差控制方法. 通过在平衡点附近建立线性模型, 用径向基函数神经元网络来补偿建模误差和未建模动态, 形成了非线性系统的多模型表示. 采用了具有积分性质的切换指标函数作为切换法则和最小方差的控制方法构成了多模型自适应控制器. 仿真实验的结果表明了这种方法的有效性.     

基于多模型混合最小方差控制的时变扰动控制系统性能评估

在实际工业过程中,控制系统经常会受到时变扰动的影响,致使针对单一扰动模型设计的最小方差控制准则不再适用于评估时变扰动控制系统的性能. 当多个扰动信号同时出现时,采用常规多模型切换方法会发生间歇切换进而产生较大的暂态误差,不能准确评估系统当前性能. 针对上述问题,本文提出了一种基于多模型混合最小方差控制准则的性能评估方法. 首先根据每个扰动模型分别制定最小方差控制器,组成多模型最小方差控制器,然后在每个时间点混合多模型最小方差控制器,并将在其作用下的输出方差作为最终的性能评估基准,该方法既 充分考虑到每个扰动的特性,又避免了常规多模型切换方法因间歇切换而产生的暂态误差对评估结果准确性带来的影响,实现了准确、可靠地评估时变扰动控制系统的性能. 通过仿真,验证了基于多模型混合最小方差控制准则的性能评估方法的有效性.     

一类非仿射非线性离散系统的改进无模型自适应控制

针对一类更广泛的非仿射非线性离散系统,提出一种改进的无模型自适应控制算法。该算法基于非参数动态线性化方法,运用观测器的思想,实现带有扰动系统的实时动态线性化,进而将无模型自适应控制方法的应用推广到更广泛的非仿射非线性离散系统。同时,对推广后的改进无模型自适应控制方法进行理论上的证明,并通过仿真实例验证了所提出的改进无模型自适应控制方法的可行性和有效性。     

一种基于修正系统预测输出的自适应控制算法

本文利用预测误差的历史数据修正系统的预测输出,以抑制模型失配的影响．给出了修正的最小方差调节器和广义最小方差控制器的算法,并分析了所给修正算法能增强系统鲁棒性的机理．仿真结果表明了本算法的有效性．     

具有未知负载扰动的水井钻机电液伺服系统无模型自适应控制

针对电液伺服系统在水井钻机推进工况下存在的参数不确定以及未知负载扰动突变等非线性因素,提出了基于径向基(RBF)神经网络扰动观测器的无模型自适应控制方法.首先,通过改进的无模型自适应控制动态线性化方法,将被控系统线性化为与输入输出相关的增量形式,并将未知负载扰动合并到一个非线性项中;然后,设计了径向基神经网络扰动观测器对含有未知负载扰动的非线性项进行估计,作为对未知扰动的补偿;最后,设计了时变参数估计律,通过在线调整伪偏导数,给出了电液伺服系统的控制更新律.仿真结果表明,所设计的控制器能够对未知负载扰动突变进行补偿,并能确保跟踪误差有界收敛.     

一种能有效克服不可测干扰的自适应推理控制策略

本文提出了一种新的自适应推理策略,它与其他推理控制的区别是:(1)基于最小方差原理设计推理控制器,而不是基于模型的逆;(2)将自适应预报技术同推理控制器的设计柔合在一起;(3)引入干扰预报措施,可以更有效地消除不可测干扰的影响。     

Unbiased minimum-variance state estimation for linear systems with unknown input

The problem of state estimation for a linear system with unknown input, which affects both the system and the output, is discussed in this paper. A recursive optimal filter with global optimality in the sense of unbiased minimum variance over all linear unbiased estimators, is provided. The necessary and sufficient condition for the convergence and stability is also given, which is milder than existing approaches.     

基于卡尔曼滤波器的间歇反应预测控制

在间歇反应过程的温度跟踪控制问题中,为了实现全工况范围内反应器温度设定值的精确跟踪,设计了一种改进的预测控制算法.在反应自身产热对系统输出影响未知的情况下,用带有输入干扰的系统模型来建模夹套温度与反应温度之间关系,并将该干扰项增广为状态变量,然后结合线性卡尔曼滤波器估计出干扰的大小及其时系统输出的影响;结合估计出的干扰,在DMC控制算法对其加以补偿.最后在半实物的仿真环境中,验证了该控制算法在间歇温度控制中的效果,结果表明,该控制方法在一定程度上克服了反应产热对温度跟踪精度的影响,改善了控制效果.     

基于改进自适应滤波算法的控制系统传感器故障诊断

应用标准的多模自适应滤波算法进行故障诊断时,需要一组与假设模型等数量的卡尔曼滤波器进行滤波计算,计算量很大而且耗时,这对于实时性要求很强的工程应用是不合适的,因此提出了一种改进自适应滤波算法,它只需要单个卡尔曼滤波器就可得到与标准的多模自适应滤波算法等价的残差,因此可以有效地减少计算量和计算时间.将此算法应用于某无人机控制系统的传感器故障诊断,仿真结果验证了该方法的有效性.     

高阶不确定系统的线性串级自抗扰控制

自抗扰控制是我国著名学者韩京清原创的先进控制技术,本文针对自抗扰控制(ADRC)在高阶系统应用中控制器设计和参数整定问题,提出了串级自抗扰控制(CADRC). CADRC把高阶被控对象分解为含确定性部分和含总扰动的低阶部分的串联组合,采用由内环和外环组成的串级控制系统来完成控制.该CADRC方案的内环采用内模控制,外环采用经典ADRC.外环ADRC的被控对象是一个等效的低阶系统,可以采用带宽法进行整定,而内环的内模控制采用高阶低通滤波器进行回路成形设计和参数整定.仿真研究表明,所提出的方法是有效的,具有良好的工程应用前景.     

一种鲁棒自适应推广Kalman滤波及其在飞行状态估计中的应用

本文在自适应推广Kalman滤波基础上，为了防止滤波发散，改善自适应Kalman滤波的数值稳定性和计算效率，利用U－D分解滤波，并引进滤波发散的判据等，提出一种鲁棒自适应推广Kalman滤波新算法，并把该算法应用于飞行器飞行状态估计问题，仿真及实际计算结果证明了本文方法的有效性。     

确定采样型强跟踪滤波飞机舵面故障诊断与隔离

为了克服扩展多模型自适应估计中扩展卡尔曼滤波的理论局限性,多重渐消因子强跟踪改进引起的滤波发散现象以及多维高斯故障概率计算量大等问题,本文将一类基于确定解析采样近似方法的非线性次优高斯滤波与多模型自适应估计相结合,提出了改进的多重渐消因子强跟踪非线性滤波快速故障诊断方法.确定采样型滤波克服了扩展卡尔曼滤波的理论局限性;推导了等效多重渐消因子计算方法,避免了非线性系统雅克比矩阵的计算,提高了故障突变时的跟踪性能;提出了基于平方根分解的改进的一步预测协方差更新方程,保证了滤波稳定性;提出了基于欧几里得范数简化的故障概率计算方法,降低了计算量.通过对比仿真验证了3种不同非线性滤波算法及其强跟踪改进算法的有效性,故障诊断方法跟踪性强、速度快、精度高,具有较好的鲁棒性和稳定性.