非最小相位系统特性分析

在自动控制理论中，对最小相位系统的分析与设计进行了广泛的讨论，而对非最小相位系统，文献资料中很少涉及，理论上也不全面，为此对非最小相位系统的概念、分析、特点作了全面系统的阐述。     

一类双线性系统的最小方差控制及其应用

对一类双线性系统，建立了具有广义性能指标的最小方差控制算法和参数未知时的自适应控制算法，该算法能用于最小相位和非最小相位的双线性系统。仿真实验表明该算法具有良好的动态响应性能，且能用于废水处理中的溶氧过程控制。     

液压变压器控马达系统特性研究

根据液压变压器控马达系统工作原理和系统动态方程,利用线性化理论,建立并简化了系统传递函数.理论分析表明,液压变压器控马达系统同时具有最小相位系统和非最小相位系统的性质.对于等配流槽液压变压器,当液压变压器控制角小于30°时,系统为最小相位系统;当液压变压器控制角大于30°时,系统为非最小相位系统.仿真结果表明,当液压变压器控制角大于30°时,系统的阶跃响应表现为负响应,系统具备非最小相位系统的特性.通过实验研究,进一步证明了理论分析和仿真分析的结果.研究表明,液压变压器控马达系统不适用于高精度转矩转速控制系统.      

倒立摆的输出反馈控制

倒立摆是不稳定的非最小相位系统,其H∞输出反馈缺乏鲁棒性。用带宽设计的观点分析了不稳定非最小相位对象的控制难点,指出非最小相位的控制要求系统的带宽要窄,而不稳定对象的控制则要求带宽要宽。提出用一个宽带宽的回路对不稳定动态部分进行镇定,再对只具有非最小相位的回路设计一个窄带宽的控制器。通过仿真表明,这样的设计具有良好的鲁棒性。     

关于非最小相位系统的几个结论

文献[1]中对非最小相位系统的一些命题是不能成立的。为使讨论有一个共同的前提,仍采用该文献中所提出的定义。 定义:如果系统中至少有一个极点或零点位于右半s平面,则系统称为非最小相位系统。 原命题1:稳定的非最小相位系统具有负的相位裕量和增益裕量。 可以用一个实际传递函数证明这个命题不能成立。     

滞后系统的一种混合MRAC方案

针对连续滞后系统，提出一种从模型取状态的混合MRAC方案。避免了系统因数字化而引起的非最小相位问题，更便于工程应用。     

一种非最小相位系统控制方法

针对非最小相位系统提出了一种非线性控制方法。利用一种非线性函数对常规PID控制的三个控制项分别进行非线性修正,形成一种非线性PID控制器,并结合这一控制器的直观物理意义,在状态平面上通过旋转该控制器来改变闭环系统的负零点个数,以适应非最小相位系统的控制需求。仿真结果表明,与线性PID控制器相比,本文方法在减小负调幅值的同时缩短了系统调节时间,较好地解决了非最小相位的控制问题。     

非最小相位系统预测控制算法的频域设计

在Z域和离散时域研究了非最小相位系统的控制问题,从系统内稳定和渐进跟踪要求出发,提出了一类非最小相位系统预测控制的新算法,该算法通过求取满足闭环系统最基本要求的参考轨迹来实现,设计例子表明了提出方法的有效性。     

一种鲁棒自校正内模控制器及其全局收敛性

给出了一种能适用于开环不稳定且非最小相位系统的鲁棒自校正内模控制器，证明了闭环系统的鲁棒性和全局收敛性，仿真研究证实了算法的可行性。     

一种直接自适应推理控制算法的全局收敛性的证明

针对所提出的直接自适应最小方差推理控制算法，完整地分析和证明了它的全局收敛性条件。因此，简化了控制系统的设计，减轻了计算负荷，它适用于稳定系统和最小相位系统。     

一类非线性系统的广义预测控制

将广义预测控制应用于Hammerstein模型描述的非线性系统,得到了一类非线性系统的广义预测控制算法.仿真结果表明,该算法具有较强的鲁棒性.     

一类非线性滞后系统的广义预测控制

对将线性系统的广义预测控制算法推广应用到非线性系统的控制问题进行了研究,即在每个控制周期内,递推预测非线性滞后系统在将来时刻的工作点,在工作点附近对非线性系统进行线性化,根据得出的线性化模型进行广义预测控制,并采用动态寻优的方法逐步逼近最优控制,仿真结果表明:非线性系统的广义预测控制算法能快速有效地跟踪系统的设定值,控制效果良好.     

离散时间非线性系统的一种新型状态观测器

该文通过建立离散时间非线性系统的状态估计与超定非线性方程组求解之间的联系,基于高斯－牛顿算法,得到了离散时间非线性系统的一种新型状态观测器,证明了该观测器的局部收敛性,并给出了仿真结果。     

非线性系统故障诊断与容错控制技术综述

介绍了一般非线性系统的模型,分析了非线性系统故障诊断与容错控制的特点,在此基础上综述了国内外在非线性系统故障诊断和容错控制技术上的研究进展和主要方法：包括基于滑模观测器的诊断方法、基于未知输入观测器的诊断方法、基于非线性观测器的容错控制、基于H∞的鲁棒容错控制方法等。总结了该领域待解决的几个重点和难点问题,并对该研究领域的发展趋势进行了展望。     

An Output-error-based Iterative Learning Control Algorithm for Linear Discrete-time Dynamic System

This paper improves the iterative learning control algo-rithm for nonlinear discrete-time dynamic systemswhich proposed by D.-H.Hwang et.al.,and make itpossible to use in the system which can give output erroronly.Then a sufficient condition for asymptotical conve-rgence of iterative learning algorithm is proposed.Thealgotithm can be used to a class of nonlinear systems withunknown but periodic parameters.     

状态空间精确线性化的计算机代数设计方法

讨论非线性系统状态空间精确线性化的计算机代数设计方法 .根据非线性系统几何理论 ,用计算机代数方法对系统进行了状态空间精确线性化的分析与设计 ,给出了用 Matlab符号编程语言实现的算法软件包 ,并使用该软件包对一个实例进行了分析和设计 .     

Reconstructing the Nonlinear Dynamical Systems by Evolutionary Computation Techniques

We introduce a new dynamical evolutionary algorithm（DEA） based on the theory of statistical mechanics and investigate the reconstruction problem for the nonlinear dynamical systems using observation data. The convergence of the algorithm is discussed. We make the numerical experiments and test our model using the two famous chaotic systems （mainly the Lorenz and Chen systems）. The results show the relatively accurate reconstruction of these chaotic systems based on observational data can be obtained. Therefore we may conclude that there are broad prospects using our method to model the nonlinear dynamical systems.     

欠定非线性系统极小二范数解的可信误差界

考虑欠定非线性系统极小二范数解的可信验证问题.欠定非线性系统的极小二范数解为解向量二范数的极小值点,对给定的欠定非线性系统,将方形非线性系统单根的可信验证方法与对称正定矩阵的可信验证方法相结合,给出计算Jacobi矩阵为列满秩欠定非线性系统极小二范数解的可信误差界算法.     

基于U模型的非线性系统Super-Twisting滑模控制研究

为了对基于U模型的非线性控制系统进行研究,利用Super-Twisting控制算法,解决非仿射非线性系统的控制问题,对非线性函数进行神经网络逼近,运用Super-Twisting控制算法进行控制。选取恰当的Lyapunov函数,对Super-Twisting算法的收敛性进行了证明。为了验证该方法的可行性和有效性,利用Matlab软件进行仿真,结果表明在神经网络自适应Super-Twisting控制器的作用下,被控系统具有快速的跟踪性能和输出的有界性。     

An extended nonlinear state predictor for a class of nonlinear time delay systems

An extended nonlinear state predictor (ENSP) for a class of nonlinear systems with input time delay is proposed. Based on the extended Kalman filter (EKF), the ENSP first estimates the current states according to the previous estimations and estimation errors, next calculates the future state values via the system model, and then adjusts the values based on the current errors. After a state predictive algorithm for a class of linear systems is presented, it is extended to a class of nonlinear time delay systems and the detailed ENSP algorithm is further proposed. Finally, computer simulations with the nonlinear example are presented, which demonstrates that the proposed ENSP can effectively and accurately predict the future states for a class of nonlinear time-delay systems no matter whether the state variables change quickly or slowly.