支持向量机α阶逆系统控制——连续非线性系统

针对传统逆系统方法中逆模型难以建立的问题，提出了连续非线性系统基于最小二乘支持向量机(LS-SVM)α阶的逆系统控制方法.该方法用具有径向基核函数(RBF)的LS-SVM，离线建立被控对象的静态非线性逆模型.由静态非线性逆模型外加若干表征非线性动态特性的积分器, 构成了连续非线性系统的α阶逆系统.将得到的LS-SVM α阶逆系统串连在原系统之前，得到基本上线性化的伪线性系统，进而将复杂的非线性问题转化为线性问题.仿真结果表明，在没有被控对象先验知识的情况下，利用该方法能准确地建立连续非线性系统的逆模型.基于SVM的α阶逆系统方法适应于较一般的连续非线性系统，且具有良好的控制性能.     

支持向量机α阶逆系统解耦控制方法

为了解决采用传统逆系统方法难以建立逆模型的困难,提出了基于支持向量机(SVM)的α阶逆系统解耦控制方法.在被控对象精确模型未知的情况下,根据SVM的非线性辨识原理,利用具有高斯核函数的SVM离线建立被控对象的非线性逆模型,根据逆系统方法原理,将得到的SVM逆模型串联在原系统之前,将复杂的非线性多变量系统解耦成多个相对独立的单输入输出伪线性子系统.通过对一个典型的两输入两输出强耦合非线性系统进行仿真，结果表明,在没有系统模型先验知识的情况下，利用该方法能够建立准确的非线性系统的逆模型.基于SVM的α阶逆系统解耦控制方法适用于较一般的离散非线性系统，且结构简单，易于工程实现.     

基于神经网络的非线性系统复合内模控制

利用RBF神经网络逼近连续非线性系统的α阶积分逆系统,并对原非线性系统及其逆系统构成的伪线性系统采用内模控制方法进行复合控制,从理论上分析了滤波器对跟踪误差的影响,仿真结果表明,内模控制与逆系统方法相结合的复合控制方案是处理非线性问题比较有效的方法之一。     

空气重介流化床的基于逆系统方法的内模控制

为了提高大型空气重介流化床（ADMFB）的鲁棒性和抗干扰能力，提出了基于人工神经网络（ANN）逆系统方法的内模控制.在分析ADMFB系统可逆性的基础上，该方法利用ANN辨识得到的原系统逆模型与原系统相串连，运用逆系统方法的思想，将该多变量、非线性、强耦合的系统通过反馈线性化，解耦成多个相互独立的单输入单输出（SISO）的伪线性子系统，对求得的伪线性系统采用该方法进行控制.ADMFB的仿真结果表明，该方法不依赖于系统的精确数学模型，对恒值扰动具有良好的抑制能力，并当非线性参数发生变化或逆系统存在建模误差时，由该方法设计的闭环系统均具有良好的鲁棒稳定性.     

基于逆系统方法的永磁同步风力发电系统随机最优控制

风力发电系统是典型的强耦合非线性随机系统.针对永磁同步风力发电系统的随机最优控制问题,建立了系统的非线性动态模型;然后,采用逆系统方法设计了反馈线性化控制器,将永磁同步风力发电系统转化为具有线性传递关系且已解耦的伪线性系统;最后,考虑风速随机性并设计了线性二次型高斯随机最优控制器.仿真结果验证了所提控制策略的有效性.     

一类非线性广义随机系统的降阶Kalman滤波器

研究了一类非线性广义系统的状态估计问题.利用Taylor级数展开的方法将其转化为线性广义系统;再利用奇异值分解,对线性化后的系统进行降阶,转化为等价的正常线性系统;最后基于Kalman滤波估值理论,得到非线性广义系统的Kalman滤波器.通过数值仿真例子,验证了所提方法的有效性.     

基于广义系统模型的网络控制系统问题

首先研究了当被控对象为广义系统时，基于模型的网络控制系统的运行特性.基于模型的网络控制系统的特点是在传感器与控制器之间添加了一个模拟模型，利用被控对象经过网络传输后的带有误差的信息(包括被控对象的状态量)来对被控对象的原始状态量进行模拟.随后建立了针对广义系统对象的基于模型的网络控制系统数学模型.当网络诱导时延为小于一个采样周期的常数时，对系统的稳定性进行了分析.最后，通过一个数值算例说明了建模方法和稳定性分析判据的有效性.     

含典型非线性环节系统的混合整数优化控制

通过引入辅助逻辑变量与辅助连续变量,由混合整数线性不等式等价表达逻辑关系表达式,建立了一种广义线性系统模型.该模型能精确地描述一大类包含典型的非光滑,甚至非连续环节的非线性系统.基于广义线性系统模型和变控制时域混合整数预测控制(MIPC)算法,研究了含典型非线性环节的非线性系统的最优调节问题和最优跟踪问题的求解方法.MIPC算法在每一离散时刻归结为求解一个标准的混合整数二次规划(MIQP)问题.利用现有的基于分支定界算法的标准MIQP问题的求解程序,对提出的方法进行数值仿真计算.仿真结果表明,该方法对于解决一大类含典型非线性环节的非线性系统的优化问题是可行和有效的.     

电力系统元件非线性微分-代数子系统模型的逆系统控制:一种新算法

针对电力系统元件非线性微分-代数子系统模型,本文提出一种新算法研究其逆系统控制问题.所提出的新算法不需要对控制输出及其高阶导数做复杂的变换,具有更好的应用性.本文的逆系统控制方法主要分为两步:第1步,利用所提出的新算法来判断被控元件的可逆性,若可逆,则基于状态反馈与动态补偿,构造出元件的α阶积分右逆系统,实现复合系统的线性化和解耦;第2步,利用线性控制的理论和方法设计闭环控制器,使得元件被控对象满足期望的性能指标.最后按照本文所提出的方法,研究了多机电力系统的分散非线性汽门控制问题.仿真结果验证了本文所提方法的有效性.     

基于Wiener模型的非线性预测函数控制

针对传统的预测函数控制对非线性强、结构多变的实际对象控制效果不佳问题,提出了一种基于Wiener模型的非线性预测函数控制(PFC)方法。通过引入支持向量机回归方法,建立Wiener模型中非线性部分的逆模型,在输出反馈和参考轨迹上分别添加一个Wiener模型中非线性部分的逆模型,将非线性预测函数控制转化为线性预测函数控制,用线性优化算法解决非线性预测函数控制问题,避免了复杂的非线性优化。pH中和过程的计算机仿真结果表明,该方法比PID控制效果更好,而且对模型失配具有很好的自适应性能。     

线性参数系统的多新息辨识方法

系统有线性和非线性之分.线性系统有统一的描述形式,非线性系统因类别无数,不可能有统一描述.线性参数系统是一类特殊的非线性系统,它在参数空间上呈现线性特征,介于线性系统与非线性系统之间.针对伪线性参数系统,讨论了基于辅助模型的多新息辨识方法、基于滤波的辅助模型多新息辨识方法、基于模型分解的辅助模型多新息辨识方法、基于滤波的分解多新息辨识方法,并给出了几个典型辨识算法的计算量、计算步骤和流程图.     

包含静止无功发生器的电力系统逆系统解耦控制

研究包含静止无功发生器SVG(Static VAR Generator)的单机-无穷大电力系统中逆系统方法的应用.首先给出研究对象的数学模型,将静止无功发生器作为一无功电流源来处理.发电机采用二阶简化模型,在此情形下,给出包含SVG的单机-无穷大系统的三阶动态模型.然后论述逆系统方法的基本概念.利用求逆算法,逐步给出系统的逆系统、反馈控制规律、α-阶积分逆系统、伪线性系统(积分解耦系统).对所得解耦系统,应用最优控制方法进行综合.仿真结果显示了此方法的有效性.     

基于支持向量回归的自适应逆控制方法

将支持向量回归引入逆控制,提出了一种基于支持向量回归的自适应逆控制方法。采用支持向量回归在线辨识算法建立被控对象的逆模型,然后将逆模型作为控制器进行复制去驱动被控对象,从而完成一个自适应逆控制过程。由于支持向量回归是建立在小样本基础上的一种学习方法,因此较好地解决了对于线性系统自适应滤波算法存在的运算量大,权值失调及自适应过程时间长等问题。对于非线性系统,与现有的神经网络方法相比,该方法能提高收敛速度及逼近能力,而且具有更好的推广能力。仿真结果表明,应用该方法可以取得良好的控制效果,并具有较好的鲁棒性能。     

基于LS-SVM的模糊控制器研究

探讨了利用最小二乘支持向量机(LS-SVM)进行模糊控制器分析与设计研究的方法,提出了基于LS-SVM模型的模糊控制算法.该控制器融合了模糊控制与支持向量机的优点,具有不依赖被控对象模型、泛化能力强等特点.仿真结果表明,LS-SVM学习速度快,在小样本情况下具有良好的非线性建模和泛化能力.基于LS-SVM的模糊控制器具有很好的控制性能.     

可变时延网络控制系统的建模和稳定性分析

对具有时变时延的网络控制系统,提出了一种新的网络控制系统模型,当假设网络控制系统的传感机构为时间驱动方式,执行器与控制器为事件驱动方式,将广义网络被控对象建模为一类含有不确定项线性系统.基于Lyapunov稳定性理论和线性矩阵不等式的方法,提出了系统渐近稳定存在的充分条件,仿真结果验证了稳定判据的可行性.     

基于变结构控制的惯性轮摆控制器设计

通过对欠驱动系统构造相对阶等于原非线性系统状态空间维数的光滑函数,得到惯性轮摆的平滑输出函数,将非线性惯性轮摆系统变换为线性系统,并针对此模型设计了相应的变结构控制律来实现惯性轮摆的稳定性控制.通过MATLAB仿真验证了设计控制器的正确性.     

一种双线性系统的预测函数控制算法

预测控制是以计算机为手段基于模型预测进行控制的方法，但是以往的预测控制算法通常是集中在线性渐进稳定对象，对非线性系统的研究工作较少。针对实际工业过程中广泛存在的双线性系统，通过对其每一滚动优化点进行线性化处理后，设计了一种简便高效的、可与线性系统媲美的预测函数控制算法，核算法具有解析形式，从而避免了一般非线性子优的繁琐计算。利用Matlab软件份真表明该非线性预测函数控制方法是一种计算简单、抑制干扰能力强、跟踪性能好、误差较小的有效的控制方法。     

电弧炉电极系统双模控制策略研究及应用

针对交流电弧炉电极控制系统具有非线性时变、多变量、强耦合及存在随机干扰的特点,采用基于最近邻聚类方法的径向基函数(RBF)神经网络快速学习算法,通过实时在线辨识,建立电弧炉电极系统的精确逆模型并用于控制,实现了将具有强耦合特性的多变量输入/输出(MIMO)系统解耦成单个独立的伪线性对象,并提出一种基于RBF神经网络逆控制与比例微分(P/D)控制相结合的双模控制策略。应用结果证实了该控制策略具有快速适应对象和过程变化的能力及较强的鲁棒性。     

航天器非线性神经元控制方法研究

针对航天器控制问题,提出了一种非线性动态逆与状态反馈控制相结合的神经元控制系统设计方案,并成功的将其应用于登月舱软着陆过程的控制问题.该方案包含两部分:①应用神经元网络通过学习建立被控系统的非线性动态逆模型,实现被控非线性系统的线性化;②在线性化模型的基础上构造系统的神经元最优状态反馈控制器.本文给出的仿真结果显示出神经计算学在航天器控制问题中所具有的潜在能力.     

不确定多时滞非线性系统的H∞模型简化问题研究

为得到H∞模型简化问题的更具一般性的结论，利用线性矩阵不等式方法研究了一类不确定有界的多时滞非线性系统的H∞模型简化问题。给出了该类问题有解的充分条件和简化模型的求解步骤。文中指出只要相应的矩阵不等式的正定解存在，就能够将研究的系统简化为低阶线性时滞系统、线性系统甚至零阶输入输出映射。算例仿真表明简化的模型能够较好地近似原复杂系统。