Networked Learning Predictive Control of Nonlinear Cyber-Physical Systems

Cyber-physical systems integrate computing, network and physical environments to make the systems more efficient and cooperative, and have important and extensive application prospects, such as the Internet of things. This paper studies the control problem of nonlinear cyber-physical systems with unknown dynamics and communication delays. A networked learning predictive control scheme is proposed for unknown nonlinear cyber-physical systems. This scheme recursively learns unknown system dynamics, actively compensates for communication delays and accurately tracks a desired reference. Learning multi-step predictors are presented to predict various step ahead outputs of the unknown nonlinear cyber-physical systems. The optimal design of controllers minimises a performance cost function which measures the tracking error predictions and control input increment predictions. The system analysis leads to the stability criteria of closed-loop nonlinear cyber-physical systems employing the networked learning predictive control scheme. An example illustrates the outcomes of the proposed scheme.

     

Improvement of precision for pendulous integrating gyro accelerometer via adaptive internal model control

An adaptive internal mode control is proposed to eliminate effectively periodic disturbance with uncertain frequency caused by input error angle of PIGA (Pendulous Integrating Gyro Accelerometer). An adaptive algorithm with periodic disturbance frequency identification on line is applied and the internal model controller parameters are adjusted to eliminate disturbance. Then the convergence of this algorithm and the stability of the system are proved by the averaging method. Simulation results verify the proposed scheme can eliminate periodic disturbance and improve the test precision for PIGA effectively.     

一类具有未知参数干扰的混沌系统的同步

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。通过在控制器中添加误差补偿项来消除参数干扰对系统同步的影响,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。理论分析证明,所设计的响应系统能使同步误差收敛到零。最后针对Lorenz系统进行了仿真,结果表明设计的控制器是有效的。     

一类非线性系统的自适应神经跟踪控制

针对一类未知非线性动态系统,提出了一种基于神经网络的自适应输出跟踪控制方案。网络权值的自适应修正规则是基于Lyapunov稳定性理论实现的,避免了递归训练过程;一个滑模控制项用于消除神经网络逼近误差的影响。因此,该自适应神经控制器能保证系统的全局稳定性和输出跟踪误差渐近收敛于0。     

Stabilization Variable Structure Control for Singular Decoupling Motor System

ＳｔａｂｉｌｉｚａｔｉｏｎＶａｒｉａｂｌｅＳｔｒｕｃｔｕｒｅＣｏｎｔｒｏｌｆｏｒＳｉｎｇｕｌａｒｄｅｃｏｕｐｌｉｎｇＭｏｔｏｒＳｙｓｔｅｍＺｏｕＷｅｎｘｕｎ＆ＬｉｕＹｏｎｇｑｉｎｇＡｕｔｏｍａｔｉｏｎＤｅｐａｒｔｍｅｎｔ，ＳＣＵＴ，Ｇｕａｎｇｚｈｏｕ...     

广义变结构解耦电机系统的稳定化设计

本文研究了感应电机孵耦系统的变结构(滑模)控制问题,分析了用广义系统变结构控制方法设计感应电机系统的可行性与优越性,并给出了感应电机解耦系统的控制方案。仿真例子表明,所得的闭环系统对电机运行参数的变化和负载干扰具有很好的鲁棒性,能快速收敛,并能随意地改变滑动模的系数,以达到不同的性能要求。     

基于神经网络的自由漂浮空间机器人鲁棒控制

针对带有模型误差及外界扰动的自由漂浮空间机器人轨迹跟踪问题,提出了一种基于神经网络的自适应鲁棒控制策略。采用对神经网络状态空间进行划分后与滑模变结构结合的控制器,对不确定非线性进行自适应学习,逼近误差作为外部干扰由鲁棒控制器消除。该方法从整个闭环系统的稳定性出发,利用H_∞理论设计的鲁棒控制器及神经网络权值的在线调整规则保证了系统的稳定性,并能使系统L2增益小于给定的指标,具有较好的控制精度及动态特性。仿真分析进一步证明了该自适应鲁棒控制算法的有效性。     

Performance guarantee and stability analysis of a rate-basedflow control algorithm

1.INTRODUCTION Themajordifficultiesintheavailablebitrate(ABR)flowcontroldesigncomefromtwomajorproblems:Thefirstoneistheheterogeneousroundtriptime(RTT)delaysbetweenthetrafficsourcesandthe controlpoint.Thesecondoneishowtodesignan ABRcontrolalgorithmrobusttothechangingnet workconditions.Besides,westillfocusonthenet workperformance,whichisconnectedwiththequal ityofservice(QoS).Manypapersappearedrecentlyhavedealtwith theseproblemsabove.Someauthorshaveinvestigat edtheclassicalrobustcontrol…     

基于高频增益矩阵分解的多变量系统自适应控制

基于高频增益矩阵因子分解和Backstepping设计方法,对多变量MRAC系统设计出一种新的自适应控制器,改变了已有的研究中关于高频增益矩阵的假定条件.该控制器能保证系统的全局稳定性和跟踪误差趋于零.仿真效果也证明了所提算法的实用性.     

累计和控制图在测量系统稳定性中的应用研究

保持测量系统的稳定性是质量控制的重要内容之一，文章在分析了累计和控制图及传统休哈特控制图的基础上，指出了传统休哈特控制图的不足，提出将累计和控制图应用于测量系统稳定性的控制，理论研究和案例分析均表明，当测量系统引起的被测质量特征值的均值发生小幅度偏移时，用累计和控制图比休哈特控制图更有效。     

不确定时滞系统的滑模控制及其应用研究

研究了一类带有控制时滞的不确定性系统的滑模变结构控制器的设计问题。定义特殊线性变换,将原不确定时滞系统化为无时滞系统。在新坐标下,提出了基于二次型性能指标的最优滑模面的设计方法;选择适当的动态不连续控制律保证了系统状态在有限时间到达滑模面,并有效的削弱了抖振。提出并证明了原系统渐近稳定的充分条件。将该控制方法应用到典型的不确定时滞对象——聚合反应釜的温度控制系统中,仿真结果表明了该方法的有效性。     

稀薄流区的多弹协同编队构型生成策略设计

针对多枚子弹在稀薄大气层的编队飞行控制问题,进行了相关研究。基于反作用控制系统(reaction control system, RCS)的姿轨控制技术,提出一种新的协同编队策略,满足所需的空间构型约束,以实现对目标的精确定位。考虑最优空间构型约束,完成了协同制导方案设计,并利用经典的比例积分微分(proportion integration differentiation, PID)控制律实现了对子弹姿态的稳定跟踪和控制。采用脉宽脉频(pulse width pulse frequency, PWPF)调制技术将连续的控制量转换成等效的喷管开关指令,在保证姿态稳定控制的前提下有效减小了发动机的燃料消耗。仿真结果表明,该协同制导控制策略可保证子弹在飞行过程中的姿态稳定,并使其空间构型逼近最佳构型。     

一类多关节机器人系统的模糊滑模控制算法仿真

针对具有参数不确定性的多关节机器人动力学系统，提出了一种基于模糊逻辑的滑模控制方案。该方案采用模糊滑模跟踪控制设计，柔化了控制信号，减轻了一般滑模控制的抖振现象。利用李亚普诺夫定理证明了闭环模糊控制系统的稳定性和跟踪误差、控制信号的有界性。仿真结果表明了所提出的控制策略是有效的。     

无人机姿控系统鲁棒动态面容错控制设计

针对含有不确定和执行器故障的无人机姿态控制系统,提出了一种鲁棒自适应动态面容错控制方法。在设计中,首先提出由非线性阻尼技术抵消不确定性及外界干扰,然后设计一种基于自适应动态面控制方法的容错控制策略,保证无人机在出现未知执行器故障情况下,其闭环姿态控制系统是全局渐近稳定的,实现姿态输出对制导指令的容错跟踪。最后对所提出的容错控制方法进行了某无人机非线性姿态控制系统的仿真验证, 结果表明了所提方法的有效性。     

基于DSC和MLP的欠驱动船舶自适应滑模轨迹跟踪控制

针对存在船舶动态不确定和外界干扰的欠驱动水面船舶轨迹跟踪控制问题,提出一种基于动态面控制(dynamic surface control,DSC)和最小学习参数法(minimal learning parameter,MLP)的自适应滑模控制方法。在控制律的设计过程中,为实现位置跟踪误差的收敛,利用反步法设计船舶前向速度和横漂速度的虚拟控制律镇定轨迹跟踪误差;引入DSC技术,用于消除反步法对虚拟控制求导引起的“微分爆炸”问题;另外,采用MLP技术,以单参数在线学习代替所有权值在线学习,减少控制器的计算量,避免出现“维数灾难”问题,并结合带有“σ-修正”的自适应律,防止参数漂移,易于工程的实现。稳定性分析证明了所设计控制律可以保证轨迹跟踪船舶闭环系统中轨迹跟踪误差信号一致最终有界,仿真结果验证了所设计控制器的有效性。     

Event-Triggered Adaptive Fuzzy Finite Time Control of Fractional-Order Non-Strict Feedback Nonlinear Systems

In this article, the problem of event-triggered adaptive fuzzy finite time control of non-strict feedback fractional order nonlinear systems is investigated. By using the property of fuzzy basis function, the obstacle caused by algebraic loop problems is successfully circumvented. Moreover, a new adaptive event-triggered scheme is designed under the unified framework of backstepping control method, which can largely reduce the amount of communications. The stability of the closed-loop system is ensured through fractional Lyapunov stability analysis. Finally, the effectiveness of the proposed scheme is verified by simulation examples.

     

具有预设性能的近距离星间相对姿轨耦合控制

针对存在系统不确定性和外界干扰的接近绕飞阶段跟踪航天器相对目标航天器的姿态与轨道一体化控制任务,设计了一种具有预设性能的鲁棒反演控制器。该控制器能预先设计系统的稳态与暂态性能,保证相对姿轨跟踪误差满足预先设计的性能指标要求;为避免传统反演控制方法中存在的“微分膨胀”问题,引入滑模微分器对虚拟控制量的导数进行估计;同时利用自适应控制技术估计不确定模型参数及包含滑模微分器估计误差和外界干扰的集总干扰上界,并引入鲁棒补偿项处理这些不确定性带来的影响。理论分析证明所设计的控制方法能保证相对姿轨跟踪误差满足预设性能指标要求,仿真结果验证了所设计控制方法的有效性。     

基于神经网络的非线性系统的间接自适应控制

针对一类不确定非线性动态系统 ,利用多层神经网络系统MNNs的逼近能力 ,提出了一种间接鲁棒自适应神经网络控制器的设计方案。该方案不仅能够保证闭环系统的所有信号有界 ,而且理论分析证明了闭环系统的跟踪误差渐近收敛到零。仿真试验表明本控制算法是有效的。     

基于Simulink的小车-倒摆模糊自适应控制系统设计与仿真

运用动力学原理建立了小车—倒摆的仿真模型，并以对象输入输出的测试数据为依据，讨论了Takagi—Sugeno模糊模型的参数辨识，提出了模糊逆模型控制方案，基于此借助Matlab的Simulink设计了小车—倒摆的动态模型及其模糊自适应控制系统。仿真结果证明了本文采用的控制策略的有效性。     

神经元模糊控制器在工业过程控制中的应用

针对普通模糊控制器存在控制精度不理想的问题,提出一种把神经元与模糊控制器相结合的方法,提高了控制系统的鲁棒性和控制精度,应用于工业过程控制中表明该系统具有良好的性能及应用前景.