磁悬浮开关磁阻电动机径向力的动态解耦控制

基于基本电磁场理论，给出了磁悬浮开关磁阻电动机径向力与位置的模型．针对模型具有非线性和强耦合的特点，对该模型进行可逆性分析，从而证明该系统可逆．应用神经网络逆系统方法。设计其非线性控制器，将原来非线性强耦合的多变量系统解耦，转变成2个位置彼此无耦合的线性子系统，应用线性系统理论容易对这2个子系统进行控制．仿真表明，系统具有良好的静动态性能．     

采用逆系统方法的混合有源电力滤波器逐步反推滑模控制

提出一种基于逆系统方法的逐步反推(backstepping)滑模控制策略.在明确混合有源电力滤波器(SHAPF)的仿射非线性模型具有强耦合非线性特点后,利用逆系统方法进行线性化解耦,与原系统复合形成2个独立的伪线性子系统.设计伪线性子系统建模和参数不确定性误差的backstepping滑模控制器.与传统控制策略的仿真对比表明:所提控制策略可进一步提高SHAPF的滤波性能.     

主动磁悬浮轴承的解耦控制

运用解耦控制策略对六自由度刚性转子主动磁悬浮轴承（ＡＭＢ）进行控制,应用基于逆系统理论的状态反馈线性化方法,设计出非线性控制器。将ＡＭＢ这一多变量、强耦合及非线性的系统,分解为６个单变量无耦合的线性子系统,并对线性子系统进行了综合。仿真表明,此控制策略实现了各自由度之间的动态解耦,系统的动态性能较传统的ＰＩＤ控制方法有明显的提高。     

交流永磁同步电机的反馈线性化位置控制

提出了交流永磁同步电机多目标输出跟踪控制的一般方法,利用微分几何中的微分同胚转换,先将永磁同步电机的非线性模型转换为与之反馈等价的线性模型,再采用线性系统中成熟的极点配置的方法对虚拟的电机线性系统进行控制器的设计.该方法实现了转子位置和转子磁链的动态解耦,将多输入多输出强耦合非线性的永磁同步电机系统分解成了两个独立的单输入单输出的子系统.在此基础之上提出了带干扰随动的位置伺服控制器的设计方法,不但实现了位置的动态跟踪控制,而且还能对扰动进行动态跟踪补偿.仿真结果证实了其有效性和优越性.     

磁浮列车悬浮系统的反步控制方法及实验研究

电磁铁的悬浮控制技术是磁浮列车最关键的核心技术之一.但是悬浮系统受到本质非线性和开环不稳定的影响,其控制器的设计一直存在难点和挑战.针对磁浮列车系统的稳定悬浮控制问题,设计了基于反步(Backstepping)法的非线性控制器.首先建立单点悬浮系统的非线性动力学模型,然后利用反步法将系统分成2个子系统并分别对每个子系统提出Lyapunov候选函数.在第一个子系统中设计虚拟控制量,并代入二级子系统的Lyapunov函数中获取出整个系统的控制器,接着利用Lyapunov理论验证系统的稳定性.同时,通过仿真证明:所提出的控制方法不仅具有更好的动态和稳态表现,而且能很好的抑制干扰对悬浮系统的影响.最后通过实验验证了该方法的有效性和可行性,在磁浮列车的悬浮系统方面具有良好应用前景.     

Hammerstein系统遗忘因子有限窗口分解辨识

提出一种带遗忘因子和分解辨识策略的有限数据窗口递归最小二乘Hammerstein系统辨识方法。针对Hammerstein系统具有耦合参数的问题,将Hammerstein系统分解为2个子系统：一个子系统包含线性子系统参数,另一个子系统包含非线性子系统参数;提出一种基于遗忘因子的有限窗口递归最小二乘方法对分解模型进行在线递归估计;仿真示例验证了所提算法能够快速跟踪参数,实现对Hammerstein系统的精确辨识。     

环境约束可重构机械臂模块化力/位置控制

针对受环境约束的可重构机械臂系统,提出了一种自适应神经网络模块化力/位置控制方法.利用雅克比矩阵将机械臂末端与环境接触力映射到各关节,将系统动力学模型描述成一组通过耦合力矩相关联的子系统集合,通过控制各子系统的位置和力矩来达到控制末端执行器位置和接触力的目的.利用神经网络估计可重构机械臂系统的非线性项和交联项,通过自适应更新律在线估计神经网络权值函数,并引入滑模控制项补偿估计误差,从而保证闭环系统渐近稳定.最后,在不改变控制器参数的条件下对2个不同构形的2自由度可重构机械臂进行数值仿真,结果验证了所设计控制器的有效性.     

基于反步滑模法的四旋翼飞行器的轨迹跟踪

研究了四旋翼飞行器的轨迹跟踪控制问题.首先根据经典的动力学模型建立惯性坐标系下带有扰动的四旋翼方程.其次将系统划分为姿态子系统和位置子系统,对姿态子系统的轨迹跟踪控制,采用反步控制与滑模控制相结合的方法,根据飞行器的欠驱动和强耦合特性,利用反步控制方法实现位置子系统的轨迹跟踪控制.然后对系统进行稳定性分析.最后通过仿真...     

基于逆系统的六自由度机械臂解耦内模控制

六自由度机械臂的强耦合非线性特性加大了机器人控制的难度,为解决这一问题,研究了一种解耦控制方法.基于拉格朗日力学建立六自由度机械臂的动力学模型,并利用逆系统方法推导其逆系统模型,将逆系统模型串联在原系统的前面构成伪线性系统.仿真实验表明,该系统被解耦为6个二阶积分子系统,但建模误差与外部干扰会影响模型的准确性,从而影响...     

2个二能级原子与最小热环境作用系统中的量子特性

利用全量子理论研究了2个二能级原子与单模热场相互作用的简单模型(其中一个原子是孤立的,另一个原子与单模热场相耦合,该热场为一个小微外环境),通过对该模型进行精确求解,探究小微外环境对2个相互作用二能级原子系统量子特性的影响.通过研究量子纠缠和相干特性的时间演化,讨论了相关耦合常数及环境有效温度对有关物理量演化的影响.结果表明：这一系统中,可观察到2原子间量子纠缠的突然死亡和再生的现象,分别对应弱耦合及强耦合情况,当平均光子数不同时,相干性及原子的线性熵随时间变化呈现不同的演化规律.     

两电机同步系统的神经网络逆控制

以多变量、非线性、强耦合的两电机同步控制系统为研究对象，在同步旋转坐标下，建立了两电机同步系统的数学模型，并进行了可逆性分析．采用静态神经网络加积分器构造两电机同步控制系统的逆系统，将此逆系统与原系统相串联构成复合伪线性系统．即两电机同步系统被线性化且已解耦成速度和张力两个相对独立的系统，速度环为y=s^-1φ（s）型伪线性子系统，张力环为y=s^-2φ（s）型伪线性子系统，再分别设计线性闭环调节器对速度环和张力环进行控制．实验结果证明了采用神经网络逆系统控制方法可以实现两电机同步调速系统的解耦控制．     

基于逆系统理论的感应电动机控制策略

针对电压源型逆变器供电的感应电动机,应用逆系统理论提出了一种新型控制策略。利用得到的逆系统模型将感应电动机补偿为伪线性系统,而伪线性系统相当于两个解耦的线性子系统。以伪线性系统为控制对象,运用线性控制理论对整个控制系统进行了综合,给出了控制系统的原理框图。利用MATLAB软件对控制方案进行了仿真实验,实验结果验证了理论分析的正确性和控制方案可行性。     

基于神经网络逆系统的感应电机变频系统解耦控制

感应电机反馈线性化方法的优点之一 ,是在电机参数准确已知的前提下 ,可将感应电机数学模型解耦为相互独立的转速子系统和磁通子系统 但是电机参数是时变的 ,不易精确获得 ,为进一步完善反馈线性化方法 ,提高调速性能 ,本文应用神经网络逆系统控制理论 ,使用神经网络直接替代现有解耦控制方法中的对应逆系统模型 ,理论分析与实验的结果表明 :该方法成功地实现了转速与磁链的解耦 ,同时对感应电机变频调速系统负载的变化具有较强的抗扰性和鲁棒性     

非线性振动控制的神经网络离散逆系统方法

针对非线性结构振动控制难以用线性控制方法精确控制的情况，提出神经网络离散逆系统方法．建立了结构的离散化模型，再用神经网络将非线性系统通过逆系统变换变为伪线性系统，对该伪线性系统可以用一般线性方法精确控制．该方法将非线性结构控制问题转化成了线性结构控制问题，使问题难度大大减小．对某非线性建筑结构振动作了控制仿真，实现了精确线性化，控制效果曲线与对线性结构控制效果曲线几乎完全吻合．神经网络离散逆系统方法发挥了神经网络和线性控制各自的优点，可用于强非线性结构的振动控制．     

一种基于Wiener模型的非线性预测控制

提出了一种基于Wiener模型的非线性预测控制方法.通过引入非线性部分的广义回归网络逆模型,将非线性预测控制转化为线性预测控制,用线性优化算法解决非线性预测控制问题,避免了复杂的非线性优化.仿真实验表明了该方法的有效性.     

基于神经网络的人工肌非线性控制

运用非线性控制的逆系统方法,提出了一种基于神经网络的人工肌非线性控制方案,由原系统导出n-m阶逆系统模型,并与原系统一起构成具有反馈结构的伪线性系统,从而可方便地运用线性控制理论完成对控制系统的设计,用BP神经网络逼近逆系统模型,并借助于递推预报误差算法来训练神经网络,该算法与传统的BP算法相比具有更好的收敛特性,设计了一个具有单关节的人工肌试验系统,给出了人工肌关节跟踪正弦波和矩形波参考信号的试验结果,与传统的线性控制方案比较,基于神经网络的人工肌非线性控制方案能够得到更快的控制速度和更高的控制精度。     

非线性逆控制研究浅析

回顾和总结逆控制系统的研究现状,从理论和应用的角度分析已用于非线性系统的逆控制方法,包括神经网络逆控制,自适应逆控制和将神经网络引入逆控制的一种基于神经网络自适应逆控制。最后,提出进行非线性系统逆控制设计需要解救的一些关键问题。     

基于电压源换流器的柔性直流输电系统非线性控制

基于电压源换流器的柔性直流输电与传统直流输电相比,在运行的灵活性和可靠性方面具有明显优势.常规PI调节器为线性控制,使系统性能受到影响,对此,采用在电流环作为内环,功率环作为外环的双闭环传统控制方式基础上,内环采用输入-输出反馈线性化的方法对换流器的非线性耦合模型进行线性化和解偶,从而将复杂的非线性系统转化为线性系统控...     

基于自回归动态神经网络的逆模型辨识及在线控制

研究了自回归动态神经网络及其学习算法，提出应用于动态逆模型辨识的结构，并与ＰＩＤ控制相结合形成了非线性动态对象的在线自适应控制系统．仿真结果表明此方案简单可行，克服了静态网络的一些局限性．