结合前馈调参与迭代学习的数据驱动控制方法

在前馈控制中,需要尽可能的去除前馈控制器对系统模型的需求,同时保证高精度和鲁棒性.本文提出了一种数据驱动的将迭代前馈调参与迭代学习控制进行结合的方法,通过引入基函数参数化的前馈控制器和输入整形滤波器,使用梯度下降法求解最优系统前馈控制器,消除期望轨迹引入的扰动;通过迭代学习控制,消除系统重复性扰动,进一步提高控制精度.算法具有不依赖系统模型,高精度,适用于变轨迹任务的优点.文中给出了相应的仿真,并应用到一个直线电机系统,通过实验验证了算法的有效性.     

基于遗传算法的模糊迭代学习控制算法

为了提高被控系统的控制精度及加快迭代域内的收敛速度,提出一种基于遗传算法的模糊PD型迭代学习控制算法。该算法通过模糊TSK模型设计迭代学习控制器,TSK模型中THEN部分的未知参数由遗传算法离线计算确定,进而产生合理的迭代学习律。针对被控系统,设计相应的迭代学习控制算法进行仿真分析,并与传统PD型迭代学习控制算法、模糊PID迭代学习控制算法相比较,进而将该算法用于双关节机械手进行仿真研究,仿真结果表明该算法的有效性。     

带遗忘因子的高阶闭环迭代学习控制器设计

为了解决迭代学习控制对系统存在的不确定性和非重复性干扰的鲁棒性问题,提出了一种带有遗忘因子的高阶闭环迭代学习控制器.该控制器中控制量包括反馈和前馈部分;其中,反馈控制采用简单的PID控制,迭代学习控制器设计为高阶PID型,它以前馈控制的形式作用于对象.通过引入遗忘因子对迭代学习控制器沿迭代方向进行滤波以,削弱系统模型的不确定部分及非重复干扰对系统收敛性的影响.仿真实验证明了该学习控制器的有效性和实用性.     

带有迭代学习前馈的快速路无模型自适应入口匝道控制

提出了一种新的带有迭代学习前馈的快速路无模型自适应入口匝道控制算法. 模块化的前馈迭代学习和反馈MFAC控制器设计方案使所设计的控制系统有效地利用了交通流的周期性特征, 提高了控制品质. 严格的数学推导证明了该方法的收敛性. 仿真研究及比较结果验证了所提算法的有效性.     

不确定离散线性系统的鲁棒单调反馈–前馈迭代学习控制

针对一类不确定离散线性系统,提出一种沿迭代方向鲁棒单调收敛和沿时间方向有界输入有界输出(bouned-input bounded-output,BIBO)稳定的反馈–前馈迭代学习控制策略.首先,将不确定反馈–前馈迭代学习系统表示为不确定二维Roesser模型系统;然后,把二维系统沿迭代方向的鲁棒单调收敛问题转化成一维系统的H∞干扰抑制控制问题,并给出系统的稳定性证明和用线性矩阵不等式(linear matrix inequality,LMI)表示的沿迭代方向鲁棒单调收敛的充分条件,该LMI充分条件不仅可以用于确定反馈–前馈控制器的增益矩阵,而且还可以保证系统沿时间轴方向是BIBO稳定的;最后,仿真结果证明了该反馈–前馈迭代学习控制策略的有效性.     

带遗忘因子的高阶闭环迭代学习控制器设计

为了解决迭代学习控制对系统存在的不确定性和非重复性干扰的鲁棒性问题，提出了一种带有遗忘因子的高阶闭环迭代学习控制器。该控制器中控制量包括反馈和前馈部分；其中，反馈控制采用简单的HD控制，迭代学习控制器设计为高阶HD型，它以前馈控制的形式作用于对象。通过引入遗忘因子对迭代学习控制器沿迭代方向进行滤波以，削弱系统模型的不确定部分及非重复干扰对系统收敛性的影响。仿真实验证明了该学习控制器的有效性和实用性。     

一类非线性系统LMF优化迭代神经网络控制器

提出一类非线性系统ＬＭＦ优化迭代神经网络控制器的设计方法。该方法在正向神经网络辨识模型的基础上，应用ＬＭＦ优化迭代方法进行控制器设计，理论证明，只要神经网络辨识模型的精度足够高，就会获得很好的控制精度。为补偿辨识和迭代学习误差，给出了通过引入反馈补偿控制器提高控制精度的方法，仿真结果证明了该方法的有效性。     

氧乐果合成过程温度模糊预测学习控制研究

根据氧乐果合成反应过程分批重复进行且温度控制对象参数时变、时滞后的特点,将迭代学习控制方法应用于氧乐果合成反应过程温度控制。为了消除滞后产生的影响,采用T-S模糊预测模型,在原有反馈-前馈迭代学习算法基础上引入预测思想,研究了基于模糊预测的迭代学习算法,并设计了氧乐果合成过程温度模糊预测学习控制器。实验和仿真结果表明,该控制器能取得比较满意的控制效果。     

基于多层蚁群算法的变论域模糊控制

针对模糊控制器控制精度不高、自适应能力有限等问题,提出一种变论域自适应模糊控制方式.首先在对离散蚁群算法改进的基础上,提出用于连续域寻优的多层蚁群算法.其通过将解空间分成有限网格,并且算法在迭代过程中采用三个阶段的搜索策略,每个阶段采用异构搜索机制.然后根据系统性能利用改进算法动态调整伸缩因子,从而构成基于多层蚁群算法的变论域自适应模糊控制器.最后将此控制器用于中厚板液压位置伺服系统中.仿真结果表明,采用自适应模糊控制器的伺服系统收敛速度明显加快,此控制策略在适应能力与鲁棒性好于其它控制方式.     

基于DSP前馈模糊PI的舵机控制算法

针对负载转矩对舵机转速的影响,建立负载力矩的数学模型,提出带前馈模糊自整定比例积分参数的速度环控制算法,利用前馈控制器补偿负载变化对电机转速的影响。当直流无刷电机特性和力矩变化时,通过动态调整控制参数使系统具有良好的鲁棒性和控制精度。设计以数字信号处理器为核心的模糊控制器,采用高精度的绝对编码器作为位置环反馈。实验结果表明,该控制器具有较强鲁棒性,且响应速度快、超调小、控制精度高。