闭环辨识条件下迭代激励信号设计方法

针对闭环系统辨识中激励信号的优化选择问题,提出一种迭代的优化激励信号设计方法.以优化控制的性能指标作为激励信号选择的目标函数,考虑闭环辨识的鲁棒性稳定性,以及激励信号、控制信号和输出信号的能量限定,求取激励信号的优化能量谱,并以迭代的方法逐步选择优化的激励信号和闭环辨识系统模型,从而得到满足闭环系统性能的系统模型和相应的激励信号.仿真验证结果表明,使用该方法得到的激励信号去激励闭环系统,进行模型辨识,能够有效提高辨识模型的准确性.     

基于虚拟结构的卫星编队机动控制

针对某些航天任务在小卫星机动过程中需要保持编队构型,提出了利用虚拟结构解决三星编队机动控制问题。建立了虚拟结构坐标系,在机动过程中,三颗卫星视为一个虚拟刚体,保持编队构型。设计了虚拟结构的动力学和运动学控制器。动力学控制器包含编队队形反馈,实现对编队速度的控制。针对外加干扰,设计了姿态变结构控制器,利用李雅普诺夫方法证明了系统的稳定性。对三星编队机动进行仿真,实现了编队构型的保持,验证了方法的有效性。     

基于MPC的无人机航迹跟踪控制器设计

针对固定翼无人机航迹跟踪问题,采用基于状态扩展的双反馈模型预测控制理论对控制器进行设计。首先推导基于侧向偏差的无人机侧向航迹跟踪模型,采用动态逆方法对模型进行线性化处理,在此基础上设计基于状态扩展的双反馈模型预测控制器,并采用量子粒子群优化(quantum particle swarm optimization, QPSO)算法对控制器参数进行优化,考虑无人机飞行过程中受到的未知干扰,引入扩张状态观测器(extended states observer, ESO)对干扰进行观测,进一步提高系统的鲁棒性,并结合实际工程应用对系统进行数学仿真。仿真结果表明,基于状态扩展双反馈模型预测控制的无人机侧向航迹跟踪控制器,能够在系统存在模型不确定性与受到动态干扰时对期望航迹进行准确、稳定的跟踪。     

可重复使用运载器再入弹道仿真

针对RLV再入特点,应用反馈线性化与模型预测控制相结合,设计了基于控制角与控制力矩间全反馈(非时标分离)条件下的反馈线性化控制器,实现了以控制增量做为优化变量、考虑模型状态和输入约束的模型预测控制器设计,解决了RLV再入模型的多变量耦合、参数不确定等非线性控制问题的平滑控制.最后在Simulink环境下建立了RLV再入仿真模型,应用RtFly快速原型系统完成了再入模型六自由度弹道实时仿真,仿真结果验证了该控制器能够较好跟踪制导参数,满足控制器设计指标和系统实时性要求.     

基于公共Lyapunov函数的一类切换系统H∞鲁棒控制

针对一类含有参数不确定性的离散时间切换系统,在任意切换的情况下研究了这类系统的H∞鲁棒控制问题,利用公共二次Lyapunov函数法,设计了切换系统的状态反馈控制器。切换系统的不确定性满足一定的匹配条件,所设计的控制器能保证闭环系统鲁棒稳定且具有H∞扰动衰减度。可以通过求解一组线性矩阵不等式获得状态反馈控制器,仿真结果验证了设计方案的有效性。     

船舶航向的神经网络并行鲁棒模型参考控制

针对大型船舶的航向控制特性,提出一种神经网络并行自学习鲁棒模型参考控制方法。这种复合控制结构利用神经网络的学习能力和非线性映射能力,解决传统自适应控制中模型的在线辨识和控制器的在线设计问题,以达到对不确定非线性船舶的高精度输出跟踪控制;通过引入运行监控器,克服神经网络控制方法实时性差的问题;利用一个鲁棒反馈控制器,来保证神经网络模型学习初期闭环系统的稳定性。仿真结果表明这一方法对设定航向具有精确的跟踪控制效果。     

基于2-D系统理论的变初始条件离散系统的迭代学习控制

对于具有重复运动特性的系统，迭代学习控制是一种简单有效的控制方法。为便于实时应用，所有迭代学习控制方案的设计必须在离散时间域进行。初始状态问题是学习控制设计中遇到的一个重要问题。针对具有变初始状态的离散时间系统，利用2-D线性连续．离散型系统理论设计了闭环迭代学习控制器，并给出了保证控制器收敛的充分必要条件。仿真结果证明了该方案的有效性。     

VTOL直升机的鲁棒非脆弱H∞控制

针对含有飞行时滞的垂直起飞着陆(VTOL)直升机系统,基于Lyapunov稳定性理论和线性矩阵不等式(LMI)方法,设计了考虑加性控制器增益摄动的时滞相关鲁棒非脆弱H∞控制器.利用描述系统变换,得到了状态反馈鲁棒非脆弱H∞控制器存在的充分条件.在无控制增益摄动的情形下,读控制器能够允许更大的飞行时滞.引入凸优化算法,求解使闭环系统渐近稳定且干扰抑制水平最小的最优控制器参数.仿真结果表明所设计的控制器具有良好鲁棒性和非脆弱性.     

时滞模糊奇异摄动系统状态反馈H∞控制

针对一类非线性奇异摄动系统,建立基于T-S模型的时滞模糊奇异摄动系统模型,通过Lyapunov方法和Schur补定理,研究其状态反馈H∞控制.将系统状态反馈H∞控制器的设计,归结为求解一组与摄动参数ε无关的线性矩阵不等式问题,避免由ε引起数值求解的病态问题.所得控制器使闭环系统渐进稳定且达到给定的H∞性能指标.该方法适用于标准和非标准非线性奇异摄动系统,仿真实例说明该方法的有效性.     

基于混沌优化的自主式小车智能控制系统研究

针对自主式小车作业过程会受到环境的影响且控制系统具有未知性、多变量、随机性和非线性的特点,将模糊控制器和模糊神经网络相结合构成双环串级的闭环形式,利用一种改进的变尺度混沌优化算法对两个控制器参数进行整定,以实现复杂系统的优化控制.该算法简单,不依赖对象的精确数学模型,避免了设计过程中大量的参数调试工作.仿真和实验结果表明:系统具有响应速度快,超调量小、跟踪性能好的特点.     

Finite Sample Properties of Virtual Reference Feedback Tuning Control

In this paper, finite sample properties of virtual reference feedback tuning control are considered, by using the theory of finite sample properties from system identification. To design a controller in closed loop system structure, the idea of virtual reference feedback tuning is proposed to avoid the identification process corresponding to the plant model. After constructing one identification cost without any knowledge of plant model, the author derives one bound on the difference between the expected identification cost and its sample identification cost under the condition that the number of data points is finite. Also the correlation between the plant input and external noise is considered in the derivation of this bound. Furthermore, the author continues to derive one probability bound to quantify this difference by using some probability inequalities and control theory.     

基于二维混合模型的鲁棒迭代学习控制设计

针对一类正则线性不确定系统,提出一种基于连续/离散二维混合模型的迭代学习控制设计方法。首先,通过独立地考虑迭代学习控制系统连续的控制行为与离散的学习行为,建立迭代学习控制系统的连续/离散二维混合模型,将迭代学习控制器设计问题转化为一类连续/离散二维系统的状态反馈控制问题。然后应用二维连续/离散系统方法,获得迭代学习控制系统稳定性条件。最后根据稳定性条件,利用线性矩阵不等式方法,求得迭代学习控制器参数,它通过Matlab工具箱可以方便的获得。与现有方法相比,所提出的迭代学习控制器利用了输出误差以及状态变化的信息来修正当前的控制,因而设计方法更加符合其本质特征,具有简单实用、直观明了的特点。数值仿真实例验证了所提方法的有效性。     

任意初始状态下迭代学习控制的频域分析

针对广义受控对象G(s) ,提出了一种迭代学习控制器在频域中设计的思想 ,给出了在任意初始状态下迭代学习控制算法收敛的充分条件 ,证明了经过逐次迭代后系统实际输出信号对期望输出信号的逼近特性 ,输出跟踪误差将一致有界 ,且与期望状态及期望输入无关。进一步讨论了反馈控制在迭代学习控制器中的作用。仿真结果表明了该算法的有效性。     

一类高阶非线性系统的动态面控制

针对一类含不可控不稳定线〖JP+2〗性化的高阶非线性系统的跟踪控制问题,给出了一种连续状态反馈动态面控制器设计方案。基于增加幂次积分方法,利用状态参考的思想,设计了可导的期望虚拟控制律。利用动态面技术,让期望虚拟控制律的函数通过一阶低通滤波器,避免了对期望虚拟控制律的函数进行微分。所提连续状态反馈动态面控制器能够保证跟踪误差半全局一致终结有界。数值仿真算例结果验证了所提控制方案的有效性。     

鲁棒迭代学习控制及在高精密平台中的应用

针对不确定性系统,提出一种非因果的鲁棒迭代学习控制方法。采用反馈控制和迭代学习控制分别设计并统一进行鲁棒性分析的方法,以提高系统的反馈性能和学习性能。首先采用H_∞控制方法,保证反馈部分的鲁棒稳定性;其次采用二次型优化迭代学习控制律来提高系统的学习效率;最后结合μ分析理论,对迭代学习控制系统进行鲁棒性验证,并对优化学习律的参数进行修正。该方法吸取了非因果迭代学习律学习性能好的优点,也充分利用μ分析保守性小的特点来提高系统的性能。算例结果验证了方法的有效性。     

高次非线性系统自适应动态面输出调节方法

针对一类在线性外系统驱动下的不确定三角结构高次非线性系统的输出调节问题,提出了一种自适应动态面鲁棒输出调节方法。根据输出调节问题的可解条件,将该问题转化为三角结构高次非线性系统的镇定问题。在此基础上,前n-1步采用自适应增加幂次积分方法设计期望虚拟控制律;第n步引入具有误差的内模方程,通过有效地结合自适应增加幂次积分方法和内模控制,设计出鲁棒输出调节控制器。在每一步递推中,通过采用动态面控制思想引入一个低通滤波器,克服了对期望虚拟控制律的微分。最后,通过数值仿真实例验证了所提控制方案的有效性。     

一类非线性互联大系统的近似最优扰动抑制

研究一类受外界扰动非线性互联动态大系统的最优扰动抑制问题。根据有限时域二次型性能指标,提出了一种基于逐次逼近思想的大系统近似最优扰动抑制方法。利用该方法将由原系统得到的高阶耦合的非线性两点边值问题简化为一族解耦的线性两点边值问题序列。证明了该序列的解一致收敛于原非线性互联大系统的最优控制。通过截取最优控制序列的有限次逼近值,可以得到非线性互联大系统近似最优扰动抑制控制律。最后通过数值仿真表明了该方法的有效性。     

基于扰动观测器的伺服控制器设计及仿真研究

利用扰动观测器减弱系统的量测噪声和外部扰动,利用抗漂移的状态反馈控制器来减弱驱动饱和的影响,将这两种策略综合用于伺服控制器的设计并重点对这种方案进行了仿真对比研究。仿真结果表明基于扰动观测器的伺服系统在扰动及量测噪声不大,且系统模型参数变化不大的情况下具有较高的动态性能及较高的跟踪精度并能克服饱和约束的不良影响。     

QFT control based on zero phase error compensation for flight simulator

To improve the robustness of high-precision servo systems, quantitative feedback theory (QFT) which aims to achieve a desired robust design over a specified region of plant uncertainty is proposed. The robust design problem can be solved using QFT but it fails to guarantee a high precision tracking. This problem is solved by a robust digital QFT control scheme based on zero phase error (ZPE) feed forward compensation. This scheme consists of two parts: a QFT controller in the closed-loop system and a ZPE feed-forward compensator. Digital QFT controller is designed to overcome the uncertainties in the system. Digital ZPE feed forward controller is used to improve the tracking precision. Simulation and real-time examples for flight simulator servo system indicate that this control scheme can guarantee both high robust performance and high position tracking precision.     

一类高精度伺服系统基于模糊神经网络的复合控制

针对高精度伺服系统中存在的各种非线性及不确定性 ,提出了基于模糊神经网络的复合控制方法。控制器由前馈控制器和闭环反馈控制器组成。前馈控制器由零相差跟踪控制器 (ZPETC)及FIR滤波器构成 ,闭环反馈控制器采用模糊神经网络控制 ,包含一个辨识网络FNNI和控制网络FNNC。该控制方法结合了神经网络和模糊推理的优点 ,可以克服各种非线性和不确定性 ,明显提高跟踪性能 ,具有很好的鲁棒性。提出的模糊神经网络结构简单 ,推理算法易于实现 ,并且可以更合理地选择初始权值 ,加快了网络的收敛速度 ,在一定程度上解决了神经网络的实时性问题