基于混合不确定建模的主动悬架鲁棒μ综合控制分析

利用线性分式变换理论对二自由度车辆主动悬架系统进行混合不确定建模分析,通过结构奇异值理论和D-K迭代设计过程,设计了鲁棒μ综合控制器.仿真结果表明:在给定的不确定范围内,鲁棒μ综合控制器保证了主动悬架系统的名义性能和鲁棒性;与基于名义模型设计的H∞控制器相比,闭环系统能获得更好的鲁棒性能.     

基于模糊PID的汽车液压伺服主动悬架控制系统

在详细分析汽车液压主动悬架中液压伺服系统非线性特性的基础上,建立了1/4汽车悬架非线性系统数学模型.针对具有高度非线性的阀控非对称液压缸系统,设计了模糊PID控制器,使PID控制器的控制参数能随着系统运行状态的变化而自动调整.对比分析了相同路面输入激励下主动悬架与被动悬架的控制效果.仿真结果表明,与被动悬架相比,主动悬架能有效降低车身加速度和轮胎动载荷,该系统能有效改善汽车的平顺性和安全性.     

一类不确定混沌系统的同步

利用主动控制思想实现了两个具有未知参数干扰的不确定混沌系统的同步.首先由主动控制消除误差系统的非线性项,然后由干扰的有界性设计线性控制器消除噪声干扰项,并利用矩阵理论中盖格尔圆定理给出了控制器中线性部分参数取值的一般范围,最后针对Lorenz系统进行了仿真说明.结果表明,设计的控制器具有较强的鲁棒性和良好的抗干扰能力.     

智能桁架结构自适应模糊主动振动控制

针对智能桁架结构的振动抑制问题,研究如何设计自适应模糊主动振动控制器.结合模糊控制理论和传统的自适应控制理论,基于Lyapunov综合法,设计了一种稳定的直接型自适应模糊主动振动控制器.同时引入监督控制,把控制量分为自适应模糊控制量和监督控制量,监督控制的设计保证了系统状态量的有界性.最后,对一个平面16杆智能桁架结构进行了自适应模糊主动振动控制的仿真研究.结果表明: 在结构参数或外部环境发生变化时,直接型自适应模糊主动振动控制器仍可以获得理想的控制效果,具有很好的鲁棒性.     

平衡重式叉车满载急转工况下横向稳定性控制

以提高平衡重式叉车满载紧急转向工况下的横向稳定性为目标,结合叉车动力学特性,采用ADAMS软件建立某型3T平衡重式叉车整车横向动力学模型. 设计一种基于模型预测算法的主动后轮转向控制器,实现叉车的主动后轮转向控制;然后,基于ADAMS与MATLAB/Simulink进行联合仿真计算,并根据标准EN 16203:2014进行实车稳定性试验.结果表明:所设计的主动后轮转向控制策略系统反应迅速,能有效降低叉车急转工况下的横摆角速度和侧倾角,大大提高叉车的横向稳定性;叉车满载急转过程安全稳定,横向稳定性动力学参数横向加速度和横摆角速度的最大值分别降低16.47%和25%.     

主动变采样周期方法在网络化控制系统中的应用

针对基于Internet的网络控制系统中由于控制器位置变化可能导致控制性能下降甚至不稳定的问题,提出了主动变采样周期的网络化控制器设计方法. 为变采样周期的网络化控制系统建立了离散数学模型,采用Lyapunov方法给出了短延时情况下主动变采样周期网络控制系统闭环稳定的充分条件,并在倒立摆网络化控制系统中进行了实验验证. 实验结果证明了采用固定采样周期的控制器在网络位置变化后可能使系统不稳定,采用主动变采样周期的状态反馈控制方法设计的控制器在网络位置变化后仍然可以使系统稳定.      

基于3参量的加速度控制方法研究

电驱振动台具有清洁、安装方便等优点,为了在电驱振动台实现加速度模拟,分析并建立了电驱执行机构的简化模型,基于该模型采用了3参量控制的方法对加速度进行控制. 在Matlab/Simulink环境中搭建了系统仿真模型进行仿真,并搭建实物系统进行实验,仿真和实验结果表明,3参量控制器能够有效拓展电驱振动台加速度响应的带宽. 最后,采用3参量控制器对电驱振动台进行加速度路谱模拟试验,实现了较高精度的加速度路谱模拟.      

汽车主动悬架系统的前馈反馈最优控制及其仿真

研究汽车主动悬架系统的线性二次型前馈反馈最优控制问题.基于两自由度1/4汽车悬架主动控制模型,通过引入外部扰动补偿向量,给出了系统的有限时域前馈反馈最优控制器的设计方法.该控制器由状态反馈项和前馈补偿项构成,其中前馈项用于补偿路面扰动对系统的影响.控制器的反馈和前馈增益可通过求解矩阵微分方程得到.仿真算例说明了该方法的有效性.     

地震模拟振动台台阵性能评估与测试注记

 考虑到近几年强震频发的风险,以及地震模拟振动台设备和技术的快速发展,首先介绍了近几年来我国振动台设备的发展现状和趋势,结合中南大学近期已经完成验收的振动台台阵系统,阐述振动台及台阵系统的主要性能指标、设计意图和评估方法,指出振动台性能的重要测试内容,并给出振动台系统的性能验收和使用要点。     

基于主动建模的无人直升机增强LQR控制

为了解决无人直升机控制问题,通过把主动建模与LQR(Linear Quadratic Regulator)控制相结合,提出一种能补偿模型差的控制方法。该方法在悬停状态下,采用简化模型设计LQR控制器,并通过UKF(Un-scented-Kalman-Filter)在线估计简化模型与全状态模型的模型差,使用模型差作为补偿项对LQR控制增强。针对实际直升机动力学模型进行仿真,验证了基于UKF的估计和增强LQR控制的有效性。仿真实验结果证明,基于UKF的主动建模技术能够快速估计状态和参数变化,并且增强LQR控制能够使系统适应模型不确定性。