具有降阶模型的多模型鲁棒自适应控制

针对传统鲁棒自适应控制器暂态性能差的缺点,提出了多模型鲁棒自适应控制方法.对于包含未建模动态的自适应控制系统,首先采用正则化技术把系统未建模动态转化为系统有界扰动,并利用系统低阶模型设计多模型鲁棒自适应控制器,最后证明了系统BIBO稳定以及跟踪误差有界.仿真实验说明所提出的方法能获得较好的控制效果.     

基于自适应卡尔曼滤波的车辆编队控制

针对具有网络传输延时和噪声的多车辆系统的编队问题,提出了一种基于自适应卡尔曼滤波器的协作路径跟踪控制方法.根据车辆运动学模型和给定队形及其路径参数,给出车辆协作路径跟踪控制器设计方法,将系统线性化,针对延时情况重构状态方程,用自适应卡尔曼滤波算法滤除噪声的影响,实现系统稳定控制.仿真实验证明了该方法的有效性.     

四旋翼飞行器姿态控制系统设计

为解决微小型飞行器姿态控制系统成本高、控制性能不稳定等缺点,以自主研发的四旋翼飞行器为研究对象,提出采用廉价的角速率陀螺仪和加速度计,并结合姿态角模型,利用卡尔曼滤波器推测姿态角信息。考虑飞行器的建模误差以及飞行过程中存的外部干扰,为提高控制系统的鲁棒性,采用模型参考滑模控制理论(Model Reference Sliding Mode Control,MRSMC)设计姿态控制器。实验结果表明所设计的姿态控制系统具有良好的跟踪与鲁棒性能。     

宽带移动卫星通信低成本组合姿态确定算法

针对现有低成本微机械惯性器件无法满足宽带移动卫星通信系统在机动状态下天线指向精度的问题,提出了微机械惯性测量单元与闭环跟踪信息相结合的姿态确定算法.该算法在航向上引入闭环跟踪的指向偏差角,经PI控制器反向校正航向陀螺的漂移误差,并利用跟踪指向信息的低频分量和陀螺的高频分量估计航向角.在横滚和俯仰上,首先以改进欧拉角作为状态向量,根据陀螺角速率信息和加速度计的重力场信息分别建立状态方程和测量方程;然后依据航向角速率和俯仰角偏差对载体运动状态进行判别,并在载体机动下调整方差矩阵以依赖陀螺进行姿态估计,克服机动加速度的扰动.实验结果表明,该算法与自适应卡尔曼滤波器相比,在载体机动状态下精度更高,其航向估计精度在±0.8°,倾角在±0.5°内,满足动中通姿态稳定精度要求.     

一种基于分数阶卡尔曼滤波器的模型预测控制器的设计与实现

针对一类分数阶线性系统,设计了一种基于分数阶卡尔曼滤波器的模型预测控制器。采用分数阶微分的Grunwald-Letnikov定义对被控对象的分数阶状态空间模型进行离散化,构造了一种分数阶卡尔曼滤波器,并将该滤波器得到的状态估计应用于预测控制系统的最优状态反馈控制中。将所提出的方法用于一种黏弹性阻尼系统的控制,仿真结果表明该预测控制器在设定值跟踪、抗噪声扰动等方面都有良好的控制性能;分数阶微分的短记忆长度不仅会影响分数阶卡尔曼滤波器的估计精度,还会对预测控制器的性能产生重要影响。     

一类具有一般不确定性非线性系统的ε-跟踪 I:输出反馈鲁棒自适应控制系统的设计

该文考虑一类具有一般不确定性和参数未知的非线性系统，首先设计出一个稳定的状态滤波器，从而获得状态的实时估计，然后依此设计出一种用于跟踪参考信号的输出反馈鲁棒自适应控制器。仿真结果表明，所设计的鲁棒自适应控制系统具有良好的跟踪性能，可以有效地解决ε－跟踪问题。     

基于非线性模型预测的欠驱动船舶轨迹跟踪控制研究

针对欠驱动船舶轨迹跟踪控制系统具有非线性、大惯性、时滞、局部线性不可控等特点，结合扩展卡尔曼滤波器和序列二次规划算法，设计了基于非线性模型预测的船舶轨迹跟踪控制策略.首先，设计了具有一定复杂度的参考轨迹，用于测试船舶的各种工况及工况切换情况.其次，应用船舶欠驱动三自由度运动控制模型与所设计的参考轨迹建立了非线性约束优化问题的目标函数，采用序列二次规划算法进行优化求解，并在扩展卡尔曼滤波器中对测量函数的雅可比矩阵进行了预求解以减少算法计算量.最后，通过对一艘运输船进行仿真试验，验证了所设计轨迹跟踪控制器的有效性和实时性.     

动态噪声特性未知系统的多模型自适应卡尔曼滤波

针对常规自适应卡尔曼滤波器存在过渡过程差的问题,基于一个给定的指标切换函数,采用多个基于不同动态噪声协方差矩阵的卡尔曼滤波器和一个常规自适应卡尔曼滤波器共同组成多模型自适应卡尔曼滤波器.与常规自适应卡尔曼滤波器相比,多模型自适应卡尔曼滤波器可以在保持原有自适应滤波器性能的基础上极大地改善瞬态响应.     

粒子群优化平方根强跟踪CKF及应用

提出一种粒子群优化平方根强跟踪容积卡尔曼滤波算法,并将其用于水下应答器辅助航位推算组合导航系统. 以强跟踪滤波器为理论框架,结合容积卡尔曼滤波器,设计了平方根强跟踪容积卡尔曼滤波器. 提出一种改进的粒子群算法,将粒子两两为一对分成若干对,每进化一次后,比较两个粒子的代价函数值,代价函数值较优的粒子,搜索方向侧重于群体历史经验,代价函数较差的粒子,搜索方向侧重于自身历史经验. 将改进的粒子群算法用于求取强跟踪滤波器的渐消因子. 仿真结果表明在系统模型不准确的情况下所提算法依然能够有效跟踪状态变化,比传统的容积卡尔曼滤波器具有更高的滤波精度和稳定性.      

一类耦合Jansen-Rit模型中突变参数的非线性辨识

耦合Jansen-Rit模型可以用于模拟脑电信号的产生,其中的兴奋性增益参数的变化对模型动力学特性有重要的影响,这种变化可以用于模拟异常脑电活动的产生,因而,辨识这类突变参数具有重要意义。针对一类具有突变兴奋性增益参数的耦合Jansen-Rit模型,本文给出一种基于强跟踪容积卡尔曼滤波器的新方法来解决非线性辨识和估计问题。强跟踪容积卡尔曼滤波器结合容积卡尔曼滤波器估计精度高和强跟踪滤波器跟踪性能强的优点,能够重构非线性系统中的兴趣变量,以及辨识系统中的突变参数。仿真验证了该方法的有效性。     

大功率单碟式太阳能聚光器跟踪控制系统研究及实现

综合分析了聚光器跟踪控制精度和综合性能对碟式太阳能发电系统的重要作用和影响,介绍了一种高精度碟式太阳能聚光器跟踪控制系统的构成和工作原理,建立了核心控制器PLC中的PID及自适应模糊PID控制的Matlab/Simulink仿真数学模型,比较分析了在单位阶跃信号和扰动作用下不同控制策略时跟踪控制系统的响应特性.结果表明:自适应模糊PID控制下碟式太阳能聚光器跟踪控制系统不仅具有良好的跟踪控制精度,也具有抗干扰能力强和稳定性能好的优点,大大提高了碟式太阳能聚光器跟踪控制系统的综合性能.     

无速度传感器永磁同步电机预测电流控制策略

针对传统控制中电流环采用PI调节器存在的延时,基于永磁同步电机数学模型推导无差拍预测电流控制模型,利用预测电流控制提高系统暂、稳态性能.在此基础上,针对预测电流控制对于电机参数变化高敏感性的特点以及机械传感器测速成本高、精度低的问题,引入鲁棒因子,并利用波波夫稳定理论推导了控制系统模型参考自适应转速估算模型,设计了无速度传感器永磁同步电机预测电流控制系统.搭建控制系统Matlab仿真模型和电机对拖实验平台,仿真与实验结果的一致验证了所采用控制策略的有效性,表明该系统具有较高的转速辨识精度以及良好的动稳态特性.     

三相四线制SVG的自适应PI双闭环控制方法

针对三相四线制静止无功发生器在传统控制方法上存在的缺陷,提出一种自适应PI双闭环控制方法.通过dq0坐标变换完成电压平方外环控制,实现对直流侧电容电压的稳压与均压控制.通过帕克变换完成电流内环控制器的设计,引入自适应PI控制,进行系统仿真,搭建实验验证系统.研究结果表明:自适应PI双闭环控制算法是有效的,提高了直流电压跟踪能力,使系统具有稳定性好、响应实时性好、抗负载扰动能力强等优点.     

机器人液压驱动器神经网络自适应最优控制

为了有效地控制液压非线性系统,提出基于RBF神经网络的自适应最优控制系统,应用于机器人液压驱动器.首先,建立了液压系统的动力学模型;然后,输入幅值和频率连续变化的信号,应用卡尔曼滤波器估计液压系统状态,进而计算出模型参数,对模型参数进行分组用于训练RBF神经网络;接着,对不同组参数求平均作为参考点,用RBF神经网络学习最优控制器反馈增益随系统参数的变化规律;最后,训练完成的神经网络根据卡尔曼滤波器参数估计值在线预测并调节控制器增益.经实验验证,该控制系统调节时间和跟踪误差仅为普通线性二次型最优控制器的1/2和1/3左右.     

基于MS算法和卡尔曼滤波器的视频目标跟踪

为了提高视频目标跟踪的准确性和实时性,提出均值漂移算法和卡尔曼滤波器的视频目标跟踪算法.首先对卡尔曼滤波器相关参数进行优化,并确定其初始状态变量,然后采用均值漂移算法估计候选目标与模板目标之间的相似度,实现目标自适应跟踪,最后采用仿真实验测试算法的跟踪性能.结果表明,该方法可以获得较高精度的目标跟踪结果,而且目标跟踪的实时性好.     

二阶扰动观测器实现永磁同步电机电流补偿控制

永磁同步电机速度伺服系统的电流环存在外部干扰和系统参数摄动,影响了PI控制的性能.利用系统输出与内模输出误差,设计一种新型的鲁棒内环扰动观测器,来估计系统不确定量补偿量.在保证系统鲁棒稳定性条件下,设计扰动观测器的动态响应为二阶系统,达到无稳态误差.实验仿真表明,增加了扰动观测器补偿的PI电流环控制系统,能够很好地抑制电流环中的扰动,减小电流波动,提高电流的跟踪精度.     

组合导航系统新息自适应卡尔曼滤波算法

全球定位系统(GPS)量测噪声的不稳定变化将造成惯性导航系统(INS)/GPS舰用组合系统卡尔曼滤波器性能下降,在对自适应卡尔曼滤波器分析的基础上,提出了一种新的基于新息估计的自适应卡尔曼滤波算法.该算法通过计算新息方差强度的极大似然估计最优估计,将新息方差计算直接引入卡尔曼滤波器的增益计算.仿真结果表明,本文方法较标准卡尔曼滤波器可以提高系统精度和抗干扰能力.     

结合卡尔曼滤波和离散滑模的振镜位置跟踪研究

为解决外部扰动和噪声对振镜系统位置跟踪的影响,该文提出了一种结合卡尔曼滤波和离散滑模控制的振镜位置跟踪方法.首先,围绕振镜系统驱动电机的离散数学模型,构建卡尔曼滤波器来估计振镜系统真实的运动变化,降低外部扰动和噪声对系统的影响; 其次,结合离散滑模控制对跟踪误差进行修正,使振镜系统位置量和速度量快速稳定,进一步提升系统的抗干扰能力和位置跟踪能力; 最后,针对瞬时和连续性2种类型的外部扰动设计了对比仿真实验和振镜系统平台的验证实验.实验结果表明:在这2种不同类型的外部扰动下,该控制方法都能够使振镜的扫描反射镜快速、准确地跟踪给定期望值,且有效抑制离散滑模控制的抖振问题.     

基于卡尔曼滤波的迭代学习控制方法研究

针对一类非线性欠驱动机械系统在干扰环境下动态性能变差的问题，提出了一种基于卡尔曼滤波器的遗忘因子型迭代学习控制律，以实现闭环系统的稳定控制和干扰抑制。首先，将卡尔曼滤波器作为系统的状态观测器，在含有随机噪声干扰的情况下，估计系统的最优状态；其次,通过设置自适应遗忘因子来动态适应迭代学习过程中的误差变化，使系统快速收敛并准确跟踪参考轨迹，实现运动过程中重复干扰信号的抑制；最后，以Quanser公司生产的柔性尺为实验平台来研究非线性欠驱动被控对象实际系统的控制方法，并对所提方法分别进行理论数值仿真与实物实验验证。仿真及实物实验结果表明，本文提出的控制方法可以保证被控系统稳定运行，当环境中存在随机非重复性噪声或重复性干扰时，被控系统都可以保持良好的鲁棒性。     

新型三相三线制并联有源滤波器的模糊滑模控制方法

为了提高有源滤波器参考电流跟踪控制的精度,改善系统对非线性负载扰动的鲁棒性和适应性,采用一种新型的模糊滑模控制方法,设计了一种模糊滑模控制器,用于三相三线制并联有源滤波器的参考电流跟踪控制.谐波电流检测采用p-q谐波电流检测方法,能快速、准确地检测出负载电流中的谐波分量.直流侧电压采用PI控制方法实现稳定控制.Simulink仿真结果显示,与传统的滞环比较控制方法相比,所设计的新型模糊滑模控制方法能够有效地降低跟踪误差,提高有源滤波器的谐波补偿效果.