具有解耦性能的离散时间线性多变量系统最优跟踪控制

在传统线性二次跟踪控制方法的基础上, 针对一类具有强耦合特性的离散时间线性多变量系统, 提出了一种具有解耦性能的最优跟踪控制方法. 首先为实现解耦, 将耦合项作为可测干扰, 基于零和博弈思想提出了一种新的性能指标; 然后针对该性能指标, 利用极小值原理设计最优跟踪控制器, 通过适当加权矩阵的选择, 同步实现解耦和跟踪; 最后进行仿真实验, 仿真结果表明了该方法的有效性以及在最优性能等方面的优越性.     

基于RBFN逆控制策略的多变量非线性系统的解耦控制

基于逆动力学控制的思想,提出一种带前馈的RBFN逆模型控制策略,并将该控制策略对多变量非线性系统进行了在线解耦与控制;采用3个RBF神经网络分别对被控对象的3个输入进行逆辨识,每相神经网络逆辨识模型反向作为逆控制器模型与每相串联,从而构成3个已解耦的独立的伪线性对象,进而针对3个独立的伪线性对象进行线性控制,从而实现了对三相耦合系统的精确控制;经过实验室模拟调试的实测三相电流波形表明,在电流设定值为2100A时,升温速率为5.3℃/min,电流波动范围≤±10%.     

多变量系统模糊解耦自适应控制

对象模型难以确定的系统,采用经典控制方法难以实现解耦控制,作者应用模糊控制理论,研究了一种无需对象模型的模糊解耦自适应控制方法。本文介绍了这一方法,导出实现模糊解耦自适应控制的充要条件,并给出了仿真结果。     

多变量系统的非理想解耦自适应控制

将非理想解耦方法与一种简单的、具有较好鲁棒性的模型参考自适应控制策略相结合 ,提出了一类不确定系统的非理想解耦自适应控制方法。该方法在保证系统稳定的前提下 ,使解耦控制器作最大限度的解耦。仿真结果表明该控制器控制效果良好。     

一种多变量自校正前馈解耦PID控制器及其应用

提出一种多变量自校正前馈解耦ＰＩＤ控制器。利用ＵＪｕｒｙ法确定了对任意时延，使闭环系统稳定的条件。     

多变量系统解耦现状的分析

介绍了传统解耦、自适应解耦、智能解耦和非线性及鲁棒解耦等方法,分析了各种解耦方法存在的问题并叙述了应用情况,指出解耦控制是控制领域研究的热点问题,最后对多变量解耦控制的研究进行了展望,并指出寻求简单易行的解耦方法或融合解耦诸算法是解决工程实际的有效途径.     

多变量解耦控制方法

介绍了用于多变量解耦控制的自适应解耦控制和模糊解耦控制两种方法;说明了各种解耦控制方法的特点、应用情况及效果;对各种方法解耦程度进行了评价,同时分析了其对系统的影响。并就多变量PlD自适应解耦控制方法进行了仿真,仿真结果表明了该方法的有效性;最后提出通过传统控制方式的重新组态来解决多变量解耦控制的难点的设想。     

多变量多时滞系统的前馈补偿解耦及IMC-PID控制

多变量系统控制器设计中遇到的主要难题是多时滞和强铰链耦合问题;对于非奇异方阵系统,根据解耦理论通过串级前馈时滞补偿器将原系统解耦为多个单变量小时滞系统,运用模型降阶技术,将解耦后的复杂单变量小时滞系统逼近为FOPDT(一阶环节+延时)形式,采用IMC控制策略实现多个单变量系统单位反馈控制,运用了麦克劳林级数展开式,通过相应项系数的比对得到了传统PID控制器;仿真分析表明了该方法能够有效性地补偿系统时滞,同时现实解耦;解决了多变量多时滞系统控制器设计复杂性的难题,有一定的工程参考价值。     

自适应神经元非模型多变量系统解耦控制

根据解耦原理和神经网络的思想,提出一种不依赖对象模型的自适应神经元解耦方法,并以采用单神经元PID作为控制器的三输入三输出系统为例,详细分析了神经元解耦控制的学习方法,及在多变量系统中的工作机理,仿真结果表明,其构成的神经元补偿器具有很强的自学习功能和自适应解耦能力。     

空间机器人最优能耗捕获目标的自适应跟踪控制

提出了一种能够引导末端执行器以期望速度跟踪目标的轨迹规划方法。该方法可以实现避障并满足关节限制要求。基于轨迹规划方法,设计了一种利用自由飘浮空间机器人跟踪与捕获章动自旋卫星的自适应控制策略。此外,该控制策略还考虑了最优能耗、测量误差和优化误差。首先,为了使执行器的跟踪误差和机械臂的能耗最小,将空间机器人的控制策略描述为一个关于关节速度、力矩和避障距离的不等式约束优化问题。然后,推导出一个系数为下三角矩阵的显式状态方程,并对目标函数进行解耦和线性化。设计了一种关节速度和力矩分段优化方法去代替传统的凸二次规划方法求解最优问题,这种方法具有较高的计算效率。最后,利用李雅普诺夫稳定性理论验证了所提控制方法的收敛性。     

带材板形的一种复合控制方法

针对ＵＣ轧机提出了一种新的全局板形控制方法,即前馈串级复合控制方法,其中前馈控制有效地消除全局板形控制系统的耦合影响,而串级控制改善了控制系统的性能,在串级控制系统中,内环采用自校正控制,而外环采用带有Ｓｍｉｔｈ预估的ＰＩＤ控制广阔壕些措施提高了控制系统的抗干扰性能,并且克服了时滞对系统性能的影响。     

机器人的最优解耦控制

机器人手臂的运动具有典型的非线性动态耦合．在速度快和精度要求高的情况下,这种耦合是不能忽略的．本文提出一种最优解耦控制方法,具有实现容易、计算量小、实时性好等优点．文中给出了仿真结果并对此进行了讨论．     

Enhanced feedforward control of non-minimum phase systems for tracking predefined trajectory

This article proposes a novel feedforward controller for non-minimum phase systems by utilising the preview information of the desired trajectory. The performance of the proposed controller is analysed theoretically and verified through the simulation, including comparison with the optimal zero phase error tracking controller and the preview-based stable inversion. The simulation results show that the proposed controller can gain outstanding performance even if the preview time of the desired trajectory is limited.     

零相差跟踪控制器增益特性处理技术

零相差跟踪控制系统增益误差随频率升高而增大, 同时零相差跟踪控制器对高频噪声有放大作用. 为了解决以上问题, 本文研究了一种对零相差跟踪控制器增益特性的处理方法. 采用了求解优化问题的思想, 通过对优化目标函数及约束条件的设置, 使设计得到的补偿器具有低频段增益误差补偿, 高频段增益衰减的性能. 文中详细介绍了补偿器的设计过程, 理论推导了参数计算公式. 比较仿真结果表明, 所设计的补偿器有效地提高了轨迹跟踪精度, 减小了控制器输出噪声含量, 有利于提高运动平稳性, 对工程实践具有参考价值.     

多模型分层递阶自适应前馈解耦控制器

针对参数跳变系统,提出一种基于分层递阶结构的多模型自适应前馈解耦控制器.该控制器采用多模型方法来提高系统的暂态性能;采用自适应方法消除系统的稳态误差,采用分层递阶结构减少系统模型集的数量和计算时间.为了在分布式计算机集散控制系统(DCS)中得到应用,该控制器根据耦合的形成机理和DCS的结构特点,将系统变量之间的耦合作用视为可测干扰,采用前馈结构予以消除.通过加权多项式的选取,不仅实现了极点配置,而且可以动态解耦.最后给出了全局收敛性分析.仿真结果表明,与常规多模型控制方法相比,大大减少了固定模型的数量;而当模型数目相同时,系统的暂态响应、解耦效果都大为改善.     

执行器约束下基于数据驱动的参数化前馈控制器设计

针对执行器约束下非重复性点到点运动的轨迹跟踪问题, 提出了一种在执行器约束下基于数据驱动的参数化输入整形滤波器和前馈控制器优化设计算法. 首先对输入整形滤波器以及前馈控制器进行参数化, 然后在目标函数中加入控制信号变化量与控制信号能量的约束, 再采用基于数据驱动的迭代寻优算法得到最优参数, 在该参数下可以实现满足执行器约束条件下的运动控制系统轨迹最优跟踪性能. 并且由于采用了前馈参数化设计方法, 在点到点轨迹发生变化时所提出算法依然能够保持良好的轨迹跟踪性能. 仿真与实验结果表明在执行器约束下所提出算法能够实现最优点到点轨迹跟踪性能, 并且对非重复性点到点轨迹跟踪具有一定的鲁棒性.