迭代扩张状态观测器及其在迭代学习控制中的应用

针对一类迭代学习控制(ILC)系统的不确定项,根据时域中扩张状态观测器的思想,提出迭代域中线性迭代扩张状态观测器(LIESO),该线性迭代扩张状态观测器可以利用迭代过程的跟踪误差给出迭代学习控制系统的不确定项的显式估计。给出了基于该估计的迭代学习控制算法,并应用类Lyapunov方法证明其收敛性。仿真结果表明,所提出的迭代学习控制算法是有效的,应用迭代扩张状态观测器可以大幅度提高迭代学习效率。     

基于扩张状态观测器的鲁棒迭代学习控制

针对一类包含模型不确定和外界干扰等非重复扰动的线性离散系统,本文通过将迭代学习控制与自抗扰技术相结合,提出一种新的基于扩张观测器的鲁棒迭代学习控制方法.本文以时间轴和迭代轴两个方向同时出发考虑系统的非重复扰动估计和稳定收敛问题.将与时间和迭代轴同时相关的模型不确定及外界干扰等因素归纳为系统总扰动,针对其非重复变化特性给出了扩张观测器的设计,保证在批次内快速、准确地估计系统总扰动;基于上述扰动估计,设计新型的迭代学习控制律,利用线性矩阵不等式方法证明了整个鲁棒迭代学习系统的稳定性和收敛性,并给出合理的控制器参数估计条件.此外,讨论了迭代学习控制中第一批次的控制律设计问题,给出合理的自抗扰控制器设计.最后通过仿真对比实验验证了本文方法的可行性和有效性.     

间歇过程最优迭代学习控制的发展:从基于模型到数据驱动

本文综述了间歇过程的基于模型的和数据驱动的最优迭代学习控制方法.基于模型的最优迭代学习控制方法需要已知被控对象精确的线性模型,其研究较为成熟和完善,有着系统的设计方法和分析工具.数据驱动的最优迭代学习控制系统设计和分析的关键是非线性重复系统的迭代动态线性化.本文简要综述了基于模型的最优迭代学习控制的研究进展,详细回顾了数据驱动的迭代动态线性化方法,包括其详细的推导过程和突出的特点.回顾和讨论了广义的数据驱动最优迭代学习控制方法,包括完整轨迹跟踪的数据驱动最优迭代学习控制方法,提出和讨论了多中间点跟踪的数据驱动最优点到点迭代学习控制方法,和终端输出跟踪的数据驱动最优终端迭代学习控制方法.进一步,迭代学习控制研究中的关键问题,如随机迭代变化初始条件、迭代变化参考轨迹、输入输出约束、高阶学习控制律、计算复杂性等.本文突出强调了基于模型的和数据驱动的最优迭代学习控制方法各自的特点与区别联系,以方便读者理解.最后,本文提出数据驱动的迭代学习控制方法已成为越来越复杂间歇过程控制发展的未来方向,一些开放的具有挑战性的问题还有待于进一步研究.     

基于神经网络的非线性扩张状态观测器

自抗扰控制方法是一种新型的非线性设计方法,在自抗扰控制器中主要存在着确定待定参数的问题;非线性扩张状态观测器是自抗扰控制器的核心,在研究非线性扩张观测器中的参数整定问题时,将神经网络的思想引入参数整定,提出了基于神经网络的非线性扩张状态观测器的设计方法,运用该方法可以对任意阶的非线性扩张状态观测器进行参数设计;大量仿真算例表明,设计出的观测器具有良好的鲁棒性,有一定工程应用参考价值.     

基于扩张状态观测器的永磁同步电机重复学习控制

本文针对非参数不确定永磁同步电机系统,提出一种基于扩张状态观测器的重复学习控制方法,实现对周期期望轨迹的高精度跟踪.首先,将永磁同步电机中的非参数不确定性分为周期不确定与非周期不确定两部分.其次,构造包含周期不确定的未知期望控制输入,并设计重复学习律估计未知期望控制输入并补偿系统周期不确定.在此基础上,设计扩张状态观测器,估计系统未知状态和补偿非周期性不确定,进而提高系统鲁棒性.与已有的部分限幅学习律相比,本文提出的全限幅重复学习律可以保证估计值的连续性且能够被限制在指定的界内.最后,基于李雅普诺夫方法分析误差的收敛性能,并给出仿真和实验结果验证本文所提方法的有效性.     

基于数据驱动的非线性网络系统自适应迭代学习控制

针对非线性网络控制系统中测量数据的量化及随机丢包问题,给出一种基于数据驱动的自适应迭代学习控制算法.该算法能够保证系统在数据量化、随机丢包以及不确定迭代学习长度等因素的影响下,经过有限次迭代后输出轨迹跟踪误差收敛到零;借助伪偏导线性化方法,将非线性系统转换为线形时变系统形式;在线性系统框架下利用前一批次的系统输出信息更...     

非线性离散时间系统的最优终端迭代学习控制

仅利用系统的终端输出误差而不是整个输出轨迹,提出了一种最优终端迭代学习控制方法.控制信号可直接通过终点的误差信息进行更新.主要创新点在于控制器的设计和分析只利用系统量测的I/O数据而不需要关于系统模型的任何信息,并可实现沿迭代轴的单调收敛.在此意义上,所提出的控制器是数据驱动的无模型控制方法.严格的数学分析和仿真结果均表明了所提出方法的适用性和有效性.     

线性/非线性切换扩张状态观测器

为了解决非线性扩张状态观测器(NLESO)对大幅度扰动估计能力有限的问题,本文提出一种线性/非线性切换扩张状态观测器.首先分析了非线性扩张状态观测器对大幅度扰动估计能力有限的原因,然后提出在NLESO的非线性区间引入一段线性扩张状态观测器(LESO)弥补NLESO的缺陷,其次从理论上证明了提出的线性/非线性切换扩张状态观测器的收敛性.最后,通过数值仿真验证了提出的线性/非线性切换扩张状态观测器的可行性.     

离散时间非线性系统的数据驱动无模型自适应迭代学习控制

本文基于迭代域的动态线性化方法,提出了一类单入单出离散时间非线性系统的数据驱动无模型自适应迭代学习控制方案.无模型自适应迭代学习控制本质上属于一种数据驱动控制方法,仅利用被控对象的输入输出数据即可实现控制方案的设计.理论分析表明无模型自适应迭代学习控制方案可以保证最大学习误差的单调收敛性.数值仿真和快速路交通控制应用验证了无模型自适应迭代学习控制方案的有效性.     

基于观测器跟踪非一致轨迹的迭代学习控制器设计

针对状态难以直接测量的一类不确定非线性系统,基于状态观测器进行相应的迭代学习控制设计,可实现在给定区间上对变轨迹的全局精确跟踪．当任意两次迭代的目标轨迹完全不同,并且系统状态信息不完全已知时,通过引入能量函数的方法,可以证明随迭代次数增加,跟踪误差渐近收敛至零．仿真结果验证了结果的有效性．     

基于LESO的MMC-RPC反馈线性化直接功率控制

模块化多电平铁路功率调节器作为一个耦合的多变量非线性系统, 传统PI控制的直接功率控制难以实现 对系统的精确解耦. 本文提出了一种基于线性扩张状态观测器的反馈线性化直接功率控制方法, 根据Lie导数构建 了模块化多电平铁路功率调节器(MMC-RPC)两输入/两输出功率仿射模型, 设计了精确反馈线性化功率解耦控制 器. 针对不确定因素等扰动对精确反馈线性化控制效果的影响, 设计了线性扩张状态观测器对扰动进行观测和补 偿, 实现了功率的精确跟踪控制. 最后, 通过MATLAB/Simulink平台搭建仿真模型对所提控制方法进行了验证.     

基于径向基函数神经网络与扩张状态观测器的无人直升机控制

针对具有系统不确定和外部干扰的无人直升机飞行控制问题,提出了一种基于神经网络和扩张状态观测器的控制方法.利用神经网络逼近系统的不确定性,引入扩张状态观测器对神经网络的逼近误差和系统外部干扰进行估计.基于神经网络和扩张状态观测器的输出,对无人直升机的主旋翼挥舞角、姿态角速率、姿态角、速度与位置系统分别进行了控制器设计,以增强系统鲁棒性和抗干扰能力.同时,引入动态面控制方法以避免对虚拟信号进行直接求导,并通过李雅普诺夫方法分析了闭环控制系统的稳定性.最后使用无人直升机数据进行仿真验证,结果表明设计的控制律能使无人直升机有效跟踪控制指令,具有良好的稳定性与鲁棒性.     

基于迭代学习观测器的航天器姿态主动容错控制

针对含有外部扰动和执行器故障的一类航天器姿态控制系统,本文提出基于迭代学习观测器的主动容错控制方案.首先,建立了含有外部扰动和执行器故障的航天器姿态控制系统的运动学和动力学模型.其次,为了提高观测器的故障估计精度,在传统迭代学习观测器设计基础上引入上一时刻状态估计误差信息,文章提出一种改进型学习估计算法.进一步,基于滑模控制和指定时间稳定理论,利用学习观测器的故障估计信息设计指定时间主动容错控制器.与现有的航天器主动容错控制方案相比,本文所提出的算法的优势在于可以使故障系统的姿态能在指定时间跟踪上指令信号.基于Lyapunov方法,本文从理论上证明了改进型学习观测器和姿态容错控制系统的稳定性.最后,通过数值仿真,说明了所提容错控制方案的有效性和可行性.     

Sampled-data extended state observer for uncertain nonlinear systems

In this paper, we present a sampled-data nonlinear extended state observer (NLESO) design method for a class of nonlinear systems with uncertainties and discrete time output measurement. To accommodate the inter-sample dynamics, an inter-sample output predictor is employed in the structure of the NLESO to estimate the system output in the sampling intervals, where the prediction is used in the proposed observer instead of the system output. The exponential convergence of the sampled-data NLESO is also discussed and a sufficient condition is given by the Lyapunov method. A numerical example is provided to illustrate the performance of the proposed observer.     

基于扩张状态观测器和反步法的非线性超空泡航行体纵向控制

考虑空泡记忆效应的超空泡航行体控制难度较大,主要体现在滑行力的强非线性、模型中的时延特性以及运动中的未知扰动.对于此类多输入多输出的复杂非线性系统,利用传统反步法控制器设计思想,将其改进以适用于超空泡航行体的纵向运动控制.为了对系统模型中存在的未知扰动进行观测补偿,本文设计了线性扩张状态观测器(LESO),将扰动估计值与控制器设计相结合,使用Lyapunov方法分析系统稳定性.最后在不同条件下进行仿真,结果验证了所设计的LESO估计未知扰动的准确性,以及所提控制方法对超空泡航行体纵向控制的有效性.     

Infinite-dimensional extended state observer based stabilization for an ODE-wave cascaded system with control matched disturbance

This paper focuses on the output feedback exponential stabilization for an ODE-wave cascaded system with control matched disturbance at one end of the wave equation. We construct an infinite-dimensional extended state observer to trace the state and estimate the total disturbance simultaneously. An estimated state and estimated total disturbance based output feedback control law is then designed. It is proved that the original system is exponentially stabilized and the whole closed-loop system is bounded.     

基于扩张状态观测器的车辆横摆稳定模型预测控制器设计

针对车辆横摆稳定性控制问题,本文提出一种基于扩张状态观测器的线性模型预测控制器设计方法.首先,将非线性车辆模型线性化,建立带有模型误差干扰项的线性模型,其中线性化导致的模型误差采用扩张状态观测器估计得到,并证明了观测器的稳定性.然后基于此模型设计线性预测控制器,近似实现了非线性预测控制器的控制效果,同时降低了计算量.最后,通过不同路况下的仿真实验结果,验证了所提方法的计算性能和控制效果.