经纱张力的模糊参数自整定PID控制研究

通过对织机经纱张力的控制原理以及影响经纱张力控制因素等方面的分析,说明经纱张力具有非线性、滞后性及随纬密改变而明显变化等特性.针对张力的复杂特性,为实现经纱恒张力的控制要求,提出了模糊参数自整定PID控制算法.Simulink仿真结果表明该控制器可使经纱张力的平稳性得到明显改善,控制精度得到明显提高.     

基于神经网络的鲁棒自适应滑模迭代学习控制

对一类不确定非线性系统，包括不确定性机器人，提出一种自适应鲁棒迭代学习控制方案，学习控制用于学习周期性的系统不确定性，自适应滑模控制用于抑制非周期性系统不确定性，并且利用RBF神经网络自适应学习系统不确定性的未知上界，对不确定性系统动态和有界输入拢动具有鲁棒性，通过Lyapunov直接方法，确保了对每次迭代闭环系统是一致有界的，并且沿着迭代次数的增加，跟踪误差渐近收敛于零，仿真结果表明了该方案的有效性。     

基于迭代ADP算法的污水处理过程最优控制

针对污水处理过程(wastewater treatment process,WWTP)中溶解氧质量浓度和硝态氮质量浓度的最优控制问题,提出了一种基于迭代自适应动态规划(adaptive dynamic programming,ADP)算法的最优控制策略.该策略无须知道污水处理过程的非线性动力学模型,只需污水处理系统的输入输出观测信息,设计基于ADP强化学习原理的控制体系结构,并利用神经网络辨识特性,通过在线迭代来逼近性能评价指标和最优控制策略.实验结果表明:该控制器相对于传统的PID控制策略,提高了污水处理过程的控制精度,系统鲁棒性也明显增强,控制性能更优.     

离散时间系统自适应迭代学习控制的研究进展

离散自适应迭代学习控制是针对在有限时间区间上运行的不确定非线性离散时间系统提出的一类方法,可有效抵抗系统的不确定性,并放宽了传统迭代学习控制中要求相同初始条件和参考轨迹这两个关键假设。即可在随机初始条件下实现对迭代变化参考轨迹的几乎完全跟踪性能。本研究给出了迭代学习控制方法的分类,对其中的自适应迭代学习控制方法的设计思路和适用背景进行了阐述。重点综述了离散时间系统自适应迭代学习控制方法的发展过程,讨论了所提出离散时间自适应控制方法的特点和适用范围,提出了基于数据驱动的自适应迭代学习控制发展的必然趋势和有待于进一步研究的问题。     

永磁同步电机伺服系统自适应迭代学习控制

针对执行重复性任务的永磁同步电机伺服系统,由于参数摄动、随机扰动等不确定因素影响导致的跟踪精度下降,误差发散问题,提出一种自适应迭代学习控制方法.该方法在PD型反馈控制的基础上增加自适应迭代项对控制律中未知参数进行迭代学习,减少不确定因素对系统性能的影响.建立了含有不确定性扰动的系统模型和PMSM自适应迭代学习控制系统,并且基于Lyapunov稳定性理论,分析了该方案的收敛性.结果表明,与传统PD型ILC相比,该方法收敛速度更快,跟踪精度更高,可有效改善系统的性能.     

非线性MQAM信道基带自适应线性化

非线性信道线性化是大容量QAM通信系统关键技术之一，本座功率器件非线性特性入手，建立了自适应数字基带处理非线性系统模型，对MQAM线性化信道进行计算机模拟，旨在对非线性畸变的MQAM量座点坐标自适应调整，同时讨论了直角价坐标下自适应迭代算法收敛性，分析了非线性信道功率谱，在此基础上尝试将波形形成网络移到校正环路内，发现在理想条件下不影响系统收敛性和校正精度，最后讨论用单片机实现自适应调整的一些问题。     

非线性时滞系统的自适应模糊跟踪控制

针对一类带有未知非线性函数和时滞项的非线性不确定系统,提出了一种新的自适应模糊跟踪控制。用模糊逻辑系统来逼近系统中未知的非线性不确定函数,基于自适应方法和Backstepping设计模糊自适应控制器。设计的模糊自适应控制器确保了闭环系统的所有信号是一致有界的,也保证了跟踪误差收敛到原点的一个充分小的邻域内;另外设计的模糊跟踪控制器不涉及模糊基向量函数的计算,使其在系统的控制过程中将极大地降低系统的在线计算负担。仿真算例验证了所提出方法的有效性。     

无梭织机经纱张力波动特点与微机控制电子送经系统分析

分析了无梭织机经纱张力波动特点以及电子送经系统检测和补偿经纱张力的原理。通过对四种电子送经后梁系统的分析指出：①高频率的经纱张力波动由弹性后梁的高速摆动来补偿；低频率的经纱张力波动由电子送经装置通过送经量的调节来补偿。②以拉力传感器作为检测元件时，送经装置是以一个织造周期中经纱张力的平均值作为控制目标进行张力的ＰＩＤ控制；以接近开关作为检测元件时送经装置则是通过检测后梁的位置进行张力控制。③对ＪＡＴ６００喷气织机以拉力传感器作为检测元件的ＰＩＤ控制模式进行了详尽的分析说明。     

高超声速飞行器滑模自适应迭代学习控制系统设计

针对高超声速飞行器再入过程中的强耦合和干扰所带来的非匹配不确定控制问题,提出一种新型自适应迭代学习控制系统的设计方法。研究结合采用先进控制方法与迭代学习控制策略。首先给出面向控制的高超声速飞行器姿态模型。然后针对一类非线性系统,提出一种结合滑模控制的新型迭代学习控制系统设计方法,并将其应用到所提出的面向控制的姿态模型。最后应用Lyapunov泛函来证明闭环系统跟踪误差的收敛性和变量的有界性。仿真展示所提方法能使飞行器快速稳定地跟踪指令,对比传统滑模控制说明本方法具有针对气动不确定项和干扰项的强鲁棒性。     

输入限幅下的迭代学习控制

基于Ｌｙａｐｕｎｏｖ－ｌｉｋｅ方法,提出在有限作业区间上实现跟踪的带限幅的迭代学习控制器设 计．针对含有非参数化及部分参数化不确定性的非线性系统,设计鲁棒迭代学习控制器,但该方法 不要求已知不确定特性的范数界．针对参数化不确定非线性系统,设计自适应迭代学习控制器．在 系统满足有界输入有界状态（ＢＩＢＳ）假设条件及控制输入饱和限幅作用下,统一对上述三类系统进 行分析．理论分析结果表明：该方案可保证闭环系统中所有变量的有界性,并且跟踪误差能够在整 个作业区间上收敛到零,实现完全跟踪．仿真验证了该算法的有效性．     

迭代滑模增量反馈及在船舶航向控制中的应用

针对一类不确定非线性受扰动系统,提出一种基于非线性迭代滑模变结构的增量反馈控制算法．通过对系统输出迭代设计非线性滑动模态,并利用增量反馈控制,无需对不确定项的估计,在系统输入增益符号已知的条件下可自动寻找使系统稳定的控制量,避免了变结构控制的抖振以及输出反馈控制的稳态误差与超调问题,强化了变结构控制的不变性特点．对不同船型及舵机模型的船舶航向控制进行了仿真,结果表明,系统阶跃响应超调得到有效抑制,定常干扰下的静态误差得到消除,且控制器对模型摄动及干扰变化不敏感、设计参数易于调节．     

一类非线性系统自适应迭代组合学习算法研究

为消除或减弱实际工业控制非周期性的系统中存在不确定性的影响,该文针对存在可量测重复性扰动且系统初值在期望初值一定范围内随机变化的一类仿射非线性系统进行算法研究,运用有关自适应控制理论,将自适应控制方法引入到迭代学习控制中来,两者结合成一种组合智能控制算法,即自适应迭代学习控制算法,最后通过与带遗忘因子的开环PD型迭代学...     

有限时间收敛的滑模自适应控制器设计

针对一类非线性不确定系统不确定边界未知但有界的情况,提出一种设计滑模自适应控制器算法。利用几何齐次性理论和积分滑模面设计了滑模自适应控制器,使其能够在有限时间内镇定,并设计相应自适应律估计控制增益,利用Lyapunov理论分析证明了闭环系统能在有限时间镇定。最后,仿真实例验证了所设计的滑模自适应控制器在不确定的情况下具有鲁棒性和自适应性。     

基于自适应控制的球载吊篮姿态控制系统鲁棒性优化策略

平流层球载吊篮姿态控制系统属于一类典型的非匹配不确定非线性系统,通过自适应PID控制方法的应用,在一定程度上改善了控制系统控制器的控制性能。但由于其缺乏稳定性分析及参数确定困难,限制了其进一步的应用。为此,提出一种新型多滑模控制方法对该控制器进行鲁棒性优化设计,不仅降低了不确定参数下控制器的复杂性,且使其对非线性、参数时变或摄动、不确定性以及外干扰等具有较强鲁棒性,自适应PID控制器的控制精度也得到了有效提高。     

ASUKF方法在航天器自主导航中的应用

针对自主导航过程中不确定的测量噪声和干扰的影响,提出了一种具有自适应能力的状态估计方法———ASUKF方法.该方法对非线性的状态方程进行超球面分布UT变换,对非线性的测量方程求取雅可比矩阵,同时在滤波迭代过程中引入自适应因子,从而在保持估计精度的条件下,降低了UKF算法的计算量,并使滤波器具有了自适应能力.将ASUKF方法应用于自主导航系统导航信息的估计过程中,仿真结果表明:其在保持导航信息估计精度的同时,提高了估计效率,克服了自主导航过程中不确定的噪声和随机干扰的影响.     

具有死区输入的不确定混沌系统控制

死区输入存在于大部分工业控制系统中,对控制系统的性能有较大的影响。针对具有死区、非线性控制输入的不确定混沌系统,利用模糊神经网络的逼近能力,在对不确定混沌系统进行辨识的同时,自适应地补偿其非光滑、非线性的特性。为了提高模糊神经网络的性能,使辨识误差最小,利用粒子群优化算法对模糊神经网络的参数进行优化,从而使逼近误差达到最小。在系统的控制部分,采用滑模控制对输入的信号进行跟踪控制。最后对Duffing系统进行仿真,并与传统控制方法做比较,证明了该方法的有效性和优越性。     

一类含有滞回故障非线性系统Backstepping变结构控制

为解决执行器发生未知故障情况下不确定非线性系统的控制问题,采用一种自适应Backstepping变结构控制方法,建立了包括滞回非线性和失效、卡死等故障类型的非线性执行器模型.通过径向基函数(radial basis function,RBF)神经网络逼近系统中的未知非线性函数项,神经网络参数根据自适应律实时调整,保证了逼近效果.结合动态面控制,避免了Backstepping控制中的计算复杂性问题.引入的自适应补偿项消除了系统建模误差和不确定干扰的影响,理论分析证明了闭环系统半全局一致最终有界,仿真结果验证了该方法的有效性.     

一类基于模糊逻辑系统的非线性不确定系统的自适应控制

利用模糊逻辑系统分析和研究了一类非线性不确定系统的自适应控制问题。控制器和自适应律的构成直接利用了系统的数学结构信息和模糊逻辑系统的对不确定性的输出信息，在较弱的假设条件下，这种控制器使被控系统的状态及参数估计误差一致终极有界。最后对水箱组合系统的仿真实例说明了本所采用的方法是比较有效的。     

基于模型不确定补偿的轮式移动机器人反演复合控制

针对轮式移动机器人存在模型不确定性、非线性以及未建模的动态特性等因素,严重影响系统轨迹跟踪的稳定性和精确性,提出一种基于系统模型不确定性补偿的反演复合控制策略。基于非完整轮式移动机器人的运动学模型,采用反演控制思想以及李雅普诺夫稳定性判据设计轨迹跟踪的虚拟速度控制量,作为系统的持续激励输入。考虑轮式移动机器人具有模型不确定性和外部有界力矩干扰,根据轮式移动机器人的动力学模型推导得到系统不确定项,并采用具有高度非线性拟合特性的神经网络对其估计,得到模型的力矩控制量,且由李雅普诺夫稳定性分析得到不确定项的自适应律,实现自调整和实时轨迹跟踪。对比仿真表明,该复合控制策略能自适应的跟踪期望轨迹,与单一的反演控制、模型不确定性补偿控制策略、传统PID控制相比,均具有更好的鲁棒性和高的跟踪精度。     

基于ARM和CPLD的二次变速送经系统的设计

针对目前国内织机电子送经控制系统中经纱张力控制不足的问题,提出了一种基于ARM和CPLD的二次变速送经系统.该系统采用32位嵌入式微处理器和CPLD硬件处理构架对送经装置实施3重负反馈闭环控制,并采用PI控制算法进行经纱张力控制,使织机得以快速平稳地运行,从而织机断经率得以下降.