多采样率不确定离散时滞系统的鲁棒预见控制

研究一类输入多采样率型不确定离散时滞系统的鲁棒预见控制问题.首先,利用离散提升技术从形式上消除输入时滞和多采样率特点,将多采样率不确定系统的鲁棒预见控制问题转化为一个普通的单采样率不确定系统的鲁棒预见控制问题;然后根据预见控制的基本方法,构造出包含未来目标信息的扩大误差系统,并对其相应的标称系统设计预见控制器;最后,根据所设计的控制器和Lyapunov稳定性理论,给出不确定闭环系统的鲁棒稳定性判据.数值仿真结果验证了所提出设计方法的有效性.     

管式加热炉多模型神经网络预测控制

管式加热炉具有典型的非线性、多变量、大时滞、强耦合和时变特性,传统的控制策略很难获得理想的控制性能。为此,提出了基于一类多模型的自适应神经网络预测控制方法,首先基于不同负荷下加热炉的运行情况建立多个自适应神经网络模型,预测变负荷、大扰动时的加热炉输入输出状况,然后通过自适应调整神经网络模型的结构和参数跟踪加热炉由于参数时变或其他干扰引起的系统漂移,最后应用粒子群算法对基于多模型自适应神经网络进行滚动优化,获得加热炉操作变量的次优控制律。此方法可以有效地跟踪多路进料、多燃烧器加热炉的控制指标,提高了加热炉的整体热效率,并且能够节约燃料,减少温室气体排放。所开发的控制系统成功应用于某炼厂常减压加热炉装置,取得了良好的效果。     

二级倒立摆的状态变量合成模糊神经网络控制

为解决模糊神经网络在控制多变量系统时的规则组合爆炸问题，提出用状态变量合成模糊神经网络控制二级倒立摆。该方法既能解决具有快速、强非线性、绝对不稳定系统的控制问题，又能对状态变量可摈性质和类型分类的多变量系统，大大减少模糊神经网络控制器的规则数，有利于利用专家的控制经验。实验结果证实了该方法的控制效果好，鲁棒性强。     

不确定时滞系统的模糊神经网络自适应PID控制

对于不确定时滞对象，提出了一种模糊神经网络自适应调整PID参数的控制方法，利用模糊逻辑实现了模糊化，利用多层BP神经网络来实现模糊推理。该网络通过学习并记忆PID参数调整规则，实现了在线调整PID参数。通过对一类不确定时滞系统的仿真，验证了该方法具有较好的控制效果。     

位置伺服系统外干扰的一种预见补偿算法

位置伺服系统的外界干扰虽然各种各样，但是有的干扰是事先可以确知的。本文就是对种事先能确知的外界干扰，应用预见控制的理论，给出了一种预见补偿算法。通过实际的数值仿真和实验分析，表明只要选取合适的预见信号量，这种对已知外界干扰的预见补偿算法就可消除该干扰对系统的影响作用。     

非线性离散系统的信息融合最优预见控制

将信息融合思想引入非线性离散系统的预见控制,提出了信息融合最优预见控制,将对控制系统的所有性能要求和系统动力学转化为可融合信息;然后从信息融合估计的角度,使原问题转化为求控制量的"融合估计"问题.推导了基于卡尔曼滤波器的最优预见控制算法,讨论了预见步数的选取问题,并通过对机械手的转移控制仿真研究说明了信息融合最优预见控制算法的有效性.     

基于预见与PI补偿的不确定非线性系统鲁棒滑模控制

针对一类匹配不确定非线性连续时间系统,本文提出一种具有预见与PI补偿的鲁棒滑模控制设计方法.首先,为提高系统的跟踪性能和鲁棒性,在常规的滑模控制基础上,引入前馈预见与PI控制器.然后,通过增加扩展系统状态变量方法,构造一个包含可预见的目标信号的不确定增广系统,并将控制器的设计问题转化为增广系统的稳定性问题.在此基础上,针对标称增广系统,应用最优控制原理,设计最优预见PI控制器;针对不确定增广系统,应用变结构控制方法,设计最优预见PI滑模控制器,实现不确定系统的鲁棒调节.所得结果推广和包含了已有文献中的一些结果.最后,数值仿真验证所提方法的有效性.     

基于神经网络的解耦控制新方法及其应用

本提出两种基于神经网络的多变量解耦控制方法。方法１通过设计神经网络补偿装置，使得包括补偿神经网络在内的广义对象的Ｂｒｉｓｔｏｌ第一系数矩阵为对角阵；方法２首先定义了神经网络的串联，并联和反馈运算，然后在此基础上设计一个神经网络补偿装置，使得包括补偿神经网络在内的广义对象矩阵为对角阵。将其用于某二元精馏塔的塔顶和塔底组分控制，仿真结果证实了本方法的有效性。     

混沌系统的神经网络预测控制

提出一种基于预测控制的神经网络控制方法，将模型未知时的混沌运动控制到不稳定的不动点（UFP）处，该控制系统不需要UFP的位置及其局性态等知识，它包括观测器、带反馈校正的神经网络在预测器和在线训练的神经网络控制器，其方法简便，收敛速度比现有同类方法快得多，同时还分析了控制系统的稳定性，并证明了神经网络控制器的收敛性，理论推导和仿真结果都表明了该方法的有效性。     

基于UD和GA的神经网络最经济参数的研究

针对已有的控制系统经济目标函数中分母不变的情况，得出了一种用神经网络进行控制，以收敛性为技术约束的最经济控制参数的确定方法。通过该方法，先用均匀设计法安排神经网络参数试验，进行试验得到性能指标数据．及构造多指标的综合值选取神经网络的性能指标值，然后构造网络参数和多指标之间的映射关系，最后以多指标综合值作为适应度函数，用混合遗传算法求出最经济神经网络结构参数。仿真表明，用该法求得的结果和仿真结果误差在3％以内．说明该方法可以为神经网络最经济控制参数的确定提供有效参考。     

两变频调速电机系统的神经网络逆同步控制

针对以恒压频比工作方式的两台变频器+感应电机系统的特点,导出了两变频调速电机系统的统一数学模型,并证明该系统可逆.进一步采用静态神经网络加积分器构成的动态神经网络来构造该逆系统,并将神经网络逆系统与两变频调速电机系统相串联复合成由速度和张力子系统组成的伪线性系统,实现速度和张力的解耦.然后分别对速度和张力子系统设计线性闭环控制器从而实现对两变频调速电机系统的高性能控制.实验结果表明系统具有较好的动、静态性能和较强的抗负载扰动的能力,提出的神经网络逆同步控制方法为解决交流多电机系统解耦控制的难题提供了新思路.     

Identification Recurrent Type 2 Fuzzy Wavelet Neural Network and L2‐Gain Adaptive Variable Sliding Mode Robust Control of Electro‐Hydraulic Servo System (EHSS)

An electro‐hydraulic servo system (EHSS) is a kind of system with the characteristics of time‐variant, serious nonlinearity, parameter and structural uncertainty, and uncertain load disturbance in most cases. These characteristics make it very difficult to realize highly accurate control by conventional methods. In order to solve the above problems, this paper introduces a recurrent type 2 fuzzy wavelet neural network to approximate the unknown nonlinear functions of the dynamic systems through tuning by the desired adaptive law. Based on the identification by recurrent type 2 fuzzy wavelet neural network, a L2 gain design method, combining gain adaptive variable sliding mode control with H infinity control, is proposed for load disturbance, thereby accommodating uncertainties that are the main factors affecting system stability and accuracy in EHSS. In this algorithm, a recurrent type 2 fuzzy wavelet neural network is employed to evaluate the unknown dynamic characteristics of the system and gain adaptive variable sliding mode control to compensate for evaluating errors, and H infinity control to suppress the effect on system by load disturbance. The experiment results show that the proposed system L2 gain design method can make the system exhibit strong robustness to parameter variation and load disturbance.     

Decentralized preview control for multiple disturbance rejection in HVAC systems

A decentralized preview controller is designed for temperature control of multizone indoor environmental spaces. A two-zone space heating system is considered. The physical system consists of a boiler, heat pumps, distribution network and two environmental zones. By assuming that the outdoor temperature variations are “previewable”, a decentralized preview controller is designed by using a parameter optimization method. The output responses of the resulting decentralized closed-loop bilinear system acted upon by single and multiple disturbances with and without preview action are compared. Also, results showing the robustness property of the controller, and the 24-hour building operation with unoccupied and occupied setpoint tracking using preview control are given.     

The preview control of a class of linear systems and its application in the fault-tolerant control theory

In the fault-tolerant control theory based on model following control, the desired signal of the control system is the output of a reference system. This paper is concerned with the design of the preview controller for a class of fault systems. A composite vector is introduced by including error vector, fault system state vector and reference system state vector. Then, we derived an augmented system from the known system equation, in which the reference input has equal status with the desired signal in the traditional preview control theory. Therefore, we can use the known theory to design the preview controller for the augmented system, then the preview controller of the original fault system can be obtained by the integration method. This paper strictly discusses the connection between stabilisation and detectability of the augmented system and the corresponding characteristics of the original system. Finally, by applying this theory to a real steam generator water level control system, it is found that the actions of the reference input preview and the fault signal preview can effectively eliminate the effect of the fault signal on the water level of the steam generator. The simulation shows the effectiveness of the controller designed.     

FlexRay车载网络的神经网络模型参考控制

针对FlexRay车载网络控制系统的复杂性和非线性特点,有限的网络带宽资源会造成数据传输的不确定性和数据传输延时,使得FlexRay网络在高速传输数据时控制性能下降。利用神经网络具有的自学习、自适应和全局逼近的能力,本文以提高FlexRay车载网络控制性能为目的,提出以网络带宽利用率为参考模型的神经网络控制方法。首先对神经网络模型参考控制系统的结构进行分析,其次设计FlexRay车载网络的神经网络模型参考控制器,在负载的情况下,运用Matlab软件中的Simulink对控制器的性能进行仿真研究。仿真结果表明,该控制器能够有效地提高FlexRay车载网络控制性能,且对控制对象参数变化具有良好的适应性。       

同步电动机励磁系统的模糊神经网络控制

由于在拖动周期性波动负载的工况下,电励磁同步电动机可以通过改变励磁电流来提高运行效率,提出了采用模糊神经网络控制方法对励磁系统加以调节,以使同步电动机的功率因数维持在近似为1的过励磁情况。模糊神经网络控制通过训练神经网络来记忆模糊控制规则,它不需要存储模糊控制表,节省内存空间,且具有较强的自学习能力与联想能力。采用Simulink子模块构建了整个系统。仿真结果表明：与PID控制方法相比,模糊神经网络控制有良好的快速跟踪性能和抗干扰性能。     

基于干扰信号引起数据包丢失的网络控制系统的最优预见控制

该文研究的是一类干扰信号引起的系统丢包的预见控制问题。首先把干扰信号项加入离散时间线性系统，并根据实际问题的特点重新建立模型。系统丢包信息完全包含在新的模型里，这样就彻底实现了干扰信号引起系统丢包问题的数学描述。然后对新的模型应用预见控制理论，我们将外部干扰加入到原状态变量中构造出一个扩大系统（或称增广系统），引入性能指标函数，即可获得完全的最优控制模型并实现最优预见控制。最后对一个有干扰信号的模型进行数值仿真，验证了本文理论的正确性。     

基于神经网络控制的数字化软开关电源

基于神经网络控制技术,采用FLEX10 KAFPGA（EPF10K30AQC208）数字控制芯片研制开发了容量为180W的有源箝位正激软开关电源;并且详细分析了该电源的控制时序及神经网络的数字化控制方案,最后给出了系统的实验结果。从实验结果可以看出神经网络控制鲁棒性强,系统的稳定性能好,动态响应速度快,而且主回路的开关管实现了零电压软开关。     

Control of a Robotic Manipulator Using Artificial Neural Networks with On-line Adaptation

An adaptive neural system for positioning control of a PUMA 560 manipulator is presented". The computed torque method was implemented with a Multi-Layer Perceptron with on-line learning. The control scheme is implemented into two phases. The first one is the off-line phase in which the neural network is trained with previously known control actions. The second one is the on-line phase in which the neural network parameters are adapted while controlling the manipulator. The control system is able to respond to changes in the manipulator model and to load disturbances. As will be shown, control system performance is improved with the on-line learning strategy presented in this paper.     

基于信息融合估计的离散线性系统预见控制

针对期望轨迹和干扰可预见的离散线性最优跟踪问题, 提出了一种基于信息融合估计的预见控制方法. 推导了最优预见控制律的融合估计过程和最优预见性能指标. 建立了包含状态反馈项、目标和干扰前馈补偿项的信息融合预见控制系统, 并分析了其渐近特性和稳态跟踪误差问题. 直流电机系统的仿真结果表明, 信息融合预见控制下的系统跟踪性能随着预见步数的增加而迅速提高并趋于稳定, 且综合考虑跟踪误差与能量消耗时要优于传统预见控制.