时滞系统的IMC-IMC串级控制

针对一类含大时滞且对抗扰性有严格要求的系统,结合内模控制(IMC)对大时滞系统的控制优越性和串级控制良好的抗扰性,提出IMC-IMC串级控制方法,将两个IMC结构引入串级控制系统中,主要扰动包含在副回路,两个内模控制器分别调节系统的跟踪和抗扰性能.理论分析和仿真结果表明,该方法对于大时滞系统同时具备良好的跟踪和抗扰性能.     

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.     

内模控制在电加热炉温度控制中的应用

针对电加热炉控制对象的纯滞后过程控制问题,本文采用内模控制策略对其进行控制.在系统仿真的基础上,基于PLC编制内模控制程序,并应用于一个含有较大纯滞后的电加热炉温度控制.仿真和应用结果表明,模型参数变化时,此方法充分利用了内模控制的时滞克服能力和鲁棒性强等特点.编程易实现,对控制系统硬件要求较低,控制效果较好,具有较高的应用价值.     

内模控制在温度控制传感器系统中的应用

为了适应现实状况对于提高控制效果的要求,对温度控制传感器系统采用了内模控制方法,完成基于内模控制的温度控制系统设计.针对具有大时滞的温度控制对象完成基于内模控制的温度控制系统设计;对相同的大时滞温度控制对象,完成基于PID控制的温度控制系统设计,并在Matlab/Simulink仿真平台上对所设计的温度控制系统进行仿真分析.仿真结果表明了内模控制滤波器的时间常数对系统控制效果的影响规律,其控制效果优越于PID控制.     

典型二阶积分对象的新型控制策略

针对工业控制中常见的一类具有时滞的二阶积分对象,根据内模控制原理,提出一种新型控制策略。在该结构中,由参考模型来实现系统期望的设定值跟随响应特性,利用内模控制鲁棒性强的特点来抑制参数变化和干扰对系统的影响,从而使系统获得良好的干扰抑制特性和鲁棒性。调节参考模型参数和内模控制器参数,可使系统同时具有良好的设定值跟随特性和干扰抑制特性。仿真结果表明了方法的优越性。     

针对大时滞过程下的改进内模控制方法研究

针对工业过程中较难控制的大滞后系统,提出了一种改进内模控制方法。该方法首先引入滞后时间削弱环节来降低滞后对系统的影响,然后在设定值之后增加导引过渡过程解决系统快速性与超调之间的矛盾,最后再基于内模控制的原理设计控制器。该方法解决了传统Smith预估控制等方法在被控对象模型预估不准确的情况下很难取得较好控制效果的问题,并且在大时滞过程下较双口内模控制等改进内模具有更好的控制效果。最后将该方法与PID-Smith预估控制以及双口内模控制的控制效果进行对比。仿真结果表明,该控制方法可以有效地改善大滞后对象的控制效果,提高了系统的鲁棒性和抗干扰特性。     

基于时变时滞系统自适应内模控制研究

内模控制只适用于多数不变且建模误差限定在一定范围内的对象。本文把一种新的能估计时变时滞系统参数的辨识算法与内模控制结合起来，提出了时变时滞系统自适应内模控制算法，仿真结果验证了该方法的有效性。     

多变量时滞非方系统的分数阶Smith预估控制

针对多变量时滞非方系统,提出一种基于反向解耦的分数阶Smith预估控制方法.首先,将反向解耦方法推广应用于$m\times n$非方系统中,给出非方解耦矩阵的设计方法,同时为了保证解耦矩阵的稳定正则,给出其实现的必要条件以及条件不满足时的补偿方法;然后,针对解耦后的各个单回路系统设计分数阶Smith预估控制器,根据内模控制与Smith预估控制结构上的等价关系简化控制器的设计,克服时滞环节对系统性能的影响,并且基于最大灵敏度推导出一种控制器参数解析整定方法;最后,通过典型的Shell标准控制问题对所提出方法进行验证.仿真结果表明,反向解耦方法设计简单易于实现,能达到系统完全解耦,控制器参数较少,整定方便,并且具有良好的跟踪能力、抗干扰性和鲁棒性.     

热工过程时滞对象的神经网络内模控制

针对火电厂热工过程的时滞对象，提出采用基于神经网络的内模控制方法，即用神经网络对复杂系统的辨识能力来实现内模控制中被控对象的正模型及内模控制器。仿真研究表明，文中所采用的控制方案比常规PID控制表现出更好的控制品质，在实际应用中具有一定的实用价值。     

基于继电辨识的大时滞对象的内模控制

采用改进的饱和继电反馈实验辨识高精度的过程模型，将内模控制与Smith预估控制器相结合，提出了一种适用于大时滞对象的内模控制结构，并按内模控制结构设计控制器。仿真实验表明该控制结构可获得比Smith预估控制更好的动态性能、鲁棒性和抗干扰性能，为大时滞对象的控制提供了一种新的实用方法。     

Model free control based on GIMC structure

Many control researches for complicated and uncertain system are model-dependent and therefore require some prior knowledge for the complex systems. To avoid this problem, a number of model-free controllers are proposed. However, it is difficult to determine the control performance as the controller is not designed according certain system model especially when there are uncertainties and/or nonlinear dynamics in the system. To get over this problem, the model free controller (MFC) based on generalized internal model control (GIMC) structure is proposed in this paper. The MFC is used to attenuate the disturbance or uncertainty, and the system performance is determined by the nominal model and the nominal model controller. The parameters of nominal-model controller can be easily changed for meeting the change of the desired requirements. Moreover, the robust controller in the original GIMC is disassembled and rearranged to make the proposed methods easier to use, and the proposed method makes the controller be more flexible and greatly improves the system performance. Finally, the experiment results show that the MFC can be used to control the nonlinear systems and get the expected performance. The statistical analysis of performance for servo and regulatory behaviors also shows that the proposed method can achieve a better control performance than just using model free controller.     

基于积分二次约束不确定时滞大系统的鲁棒容错控制

针对一类不确定时滞大系统,研究执行器或传感器失效情况下的鲁棒容错控制。通过运用积分二次约束、线性矩阵不等式及Lyapunov函数的新分析方法,得到无摄动时滞大系统具有鲁棒容错控制的时滞依赖稳定性判据。通过推导获得不确定时滞大系统的时滞依赖稳定性判据,设计鲁棒容错控制器。     

基于强化学习的移动传感器网络时延系统控制数学建模

为了提高移动传感器网络时延系统控制能力,提出基于强化学习的移动传感器网络时延系统控制模型,采用高阶近似微分方程构建移动传感器网络时延系统的控制目标函数,结合最大似然估计方法进行移动传感器网络的时延参数估计,采用强化学习方法进行移动传感器网络的收敛性控制和自适应调度,建立传感器网络时延系统控制的多维测度信息配准模型,在强化跟踪学习寻优模式下实现移动传感器网络时延系统的自适应控制。仿真结果表明,采用该方法进行移动传感器网络时延系统控制的自适应性较好,时延参数估计准确度较高,控制过程的鲁棒性较强。     

编解码和时延约束下的网络化控制系统最优跟踪性能

本文研究了具有丢包、时延、编解码等通信资源受限下多输入多输出离散时间网络控制系统的最优跟踪性能. 基于频域方法, 采用二元随机过程来模拟数据包丢失, 并假设信道噪声是加性高斯白噪声(AWGN), 推导了在丢包、信道噪声、时延和编解码影响下的跟踪性能极限. 采用单参数补偿器(SDOF), 利用互质分解、Youla参数化等工具得到了编解码和时延约束下的网络控制系统最优跟踪性能的显式表达式. 结果表明, 跟踪性能与对象的固有特性(非最小相位零点与不稳定极点的位置和方向)、时延、丢包率和AWGN 功率谱密度密切相关.     

一种基于随机平均的最优时滞控制方法

基于时滞系统的随机平均法与随机动态规划原理,提出一种非线性系统的随机最优时滞控制方法．先应用时滞随机平均法,将非线性系统的随机最优时滞控制问题变换成非时滞的最优控制问题;再根据随机动态规划原理,建立其动态规划方程;由此确定最优时滞控制律;最后,通过一个例子说明该时滞控制方法的控制效果．     

基于STP的非线性时滞系统的控制策略

针对一类具有输入时滞的非线性系统提出了一种新的控制策略一时滞一般模型控制方法(TDGMC)。介绍了强跟踪预测器(SIP)，它能够准确而有效地预测非线性时滞系统未来的状态值。直接利用SIP的预测值作为反馈引入控制器，消除时滞因子对闭环系统的影响，从而把传统的一般模型控制(GMC)方法推广到了一类非线性时滞系统，由此得到了一种时滞一般模型控制的新方法。仿真实验验证了该方法的有效性。     

不确定时滞分布参数系统鲁棒控制的LMI方法

对常时滞、变时滞的不确定分布参数控制系统,提出了一种与现有的研究分布参数控制系统不同的鲁棒控制方法.该方法通过构造平均Lyapunov函数,利用线性矩阵不等式知识,在只要求系统本身所固有的系数是负定矩阵的条件下,给出了所给的分布参数系统镇定的充分条件.当模型中的时滞为常时滞时,所得的充分条件与时滞无关.当模型中的时滞为变时滞时,所得模型的镇定准则依赖于时滞.此外,该方法与已有方法比较的一个显著优点就是所获得的条件容易检验,因而易于应用.最后举了一个实例以说明该方法的有效性.     

Lurie滞后反馈控制系统绝对稳定的鲁棒扰动界

本文应用Lyapunov方法讨论了具有时滞反馈的 Lurie控制系统的鲁棒绝对稳定性,给出了具有一个和多个滞后反馈的Lurie控制系统的绝对 鲁棒稳定的充分条件．用本文的结论可直接计算具有时滞反馈的Lurie控制系统绝对稳定的 鲁棒扰动上界．文末给出了应用本文结论的例子．     

基于核方法的移动机器人远程控制时延预测与分析

构建了基于Internet的移动机器人控制平台,针对该平台中网络时延的非线性特性,提出了利用线性核和RBF核方法对网络时延序列样本进行回归建模和预测。比较了核方法、BP神经网络和RBF神经网络算法预测误差,表明在移动机器人远程控制中,核方法对网络时延序列预测具有更好的函数逼近能力和较高的预测精度,从而可根据预测时延调节移动机器人控制指令和状态信息的网络传输,保证系统的可靠性,提高移动机器人的控制性能。