基于网络逆系统的迭代学习初始控制量确定

鉴于初始控制量对迭代学习控制(ILC)算法收敛速度及跟踪精度的重要影响,为保证ILC算法对任意期望轨迹的跟踪性能,提出了一种基于小波神经网络(WNN)逆系统的ILC初始控制量确定方法.首先分析了研究对象的可逆性,在此基础上建立了对象的WNN逆模型,然后根据该逆模型求得任意期望轨迹下的网络输出,捋其作为ILC算法的理想初始控制量进行迭代学习.仿真结果表明,新算法辅助的ILC能利用先前的控制经验,在面临新的期望轨迹时能有效减少迭代次数,提高跟踪精度.     

基于干扰观测器的Fuzzy-PID控制及应用研究

针对大射电望远镜(LT)悬索粗调系统为一变结构、非线性、慢时变、大滞后、强耦合、多输入多输出柔性结构系统的特点,提出了一种Fuzzy-PID控制和干扰观测器相结合的控制算法来实现馈源轨迹跟踪策略。这种方法通过构造干扰观测器来预测该柔性结构系统的各种干扰,并根据预测到的干扰信息进行补偿以抑制干扰对系统的影响,同时引入Fuzzy控制算法来自适应整定PID控制器的参数实现具有最佳组合的PID控制。最后,对LT悬索-馈源舱控制系统进行了数值仿真,结果表明该控制算法可以较好地满足馈源系统轨迹跟踪精度要求,同时系统具有较强的适应性和鲁棒性。     

基于动态RBF神经网络在线辨识的单神经元PID控制

针对工业控制领域中复杂非线性时变系统,提出了基于动态RBF神经网络辨识的单神经元PID控制方法。采用动态RBF神经网络辨识器在线辨识系统模型,获得PID参数在线调整信息,并由单神经元PID控制器完成控制器参数的在线自整定,实现系统的智能控制。仿真结果表明,与常规RBF神经网络辨识的PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性。     

非线性系统在任意初态下的闭环迭代学习控制

针对一类在有限时间区间上重复运行的非线性系统,提出了一种带有初态学习的闭环D型迭代学习控制算法,并利用算子理论证明了系统在任意初态条件下经过迭代学习后,其输出能够完全跟踪期望轨迹,同时得到了该算法收敛的谱半径形式的充分条件。该算法不仅解决了闭环D型迭代学习控制的初态问题,而且还放宽了收敛条件。最后通过simulink、matlab语言和S函数相结合的方法对控制系统进行了仿真,仿真结果验证了该算法的有效性。     

带有初始误差的机械手轨迹跟踪的快速迭代学习控制

针对具有非零初始误差的多关节机械手的轨迹跟踪控制问题,首先采用降阶变换的方式将原系统转化为低阶系统,再对低阶系统重新变换设计,该方法消除了Kawamura方法在学习过程中要求每次学习初态与期望初态一致或迭代初态固定的限制.然后提出一种新型快速迭代算法对变换后的机械手系统模型进行学习控制,充分利用了系统已存的有效信息,使系统的输出能尽快地收敛于期望轨迹.该算法相对于P型算法具有较快的跟踪收敛速度,相对于PD型算法计算过程简便易行,避免了微分运算给系统带来的不稳定影响.仿真结果表明了所提控制方案的有效性,提高了系统的实时性.     

非线性系统开闭环PD型迭代学习控制的鲁棒性

利用开闭环PD型迭代学习控制算法,对一类具有不确定性或扰动的重复非线性时变系统的鲁棒性进行研究,给出了该系统在开闭环PD型迭代学习控制律控制下的鲁棒条件,并证明了该受扰系统在干扰有界的情况下跟踪误差的一致有界收敛性,当所有干扰渐近消失时,系统输出渐近跟踪给定的期望轨迹。数字仿真表明了结论的有效性。     

基于模糊逻辑的二自由度PID调节器参数整定

传统二自由度PID(比例 积分 微分 )调节器中二自由度化系数α、β、γ ,根据经验值一次性选定 ,这样虽然能满足一般控制系统的控制要求 ,但是难以克服系统参数摄动或外界扰动对系统造成的影响。针对这一问题 ,提出了一种模糊自整定方法。该方法将模糊分类、模糊推理、特征量辨识等控制算法结合起来 ,自动整定二自由度化系数使系统响应达到期望的性能指标。仿真结果表明该方法是有效的     

基于动态神经网络的PID参数整定与实时控制

提出了一种基于对角回归神经网络的PID控制器结构,给出了PID参数在线自整定的学习控制算法。为检验控制效果同时还使用了静态BP网络来整定PID参数,并在Matlab环境下,分别建立了基于对角回归神经网络和BP网络的液位实时控制系统。实际的控制效果说明,基于动态网络的PID控制器工作稳定,具有较好的鲁棒性。     

一类非线性系统在任意初值下的开环D型迭代学习控制

给出了一类非线性时变系统在任意初值条件下采用开环D型迭代学习控制算法时的收敛条件,运用算子理论进行收敛性证明。该算法克服了系统输出信号跟踪期望输出依赖于期望状态和期望输入的缺陷,解决了迭代学习控制中的初始状态问题,而且收敛条件放宽了,给出了仿真研究实例,研究结果说明该算法的有效性。     

一种新型的模糊PID控制器

文中将PID控制器在工程整定方法的基础上，对PID参数作归一化处理，然后通过模糊控制规则和模糊推理确定对PID的参数进行调节，提出了一种新型的模糊PID算法，从而使PID控制器具有适应非线性、时变，不确定性等复杂难控对象的能力。最后利用某火力发电厂过热气温为对象对该算法进行了仿真研究。结果表明该算法使用可靠、精度高，而且具有较强的抗干扰能力和鲁棒性。     

基于强跟踪滤波器的再入飞行器制导律设计

研究了气动模型存在误差情况下高超声速再入机动飞行器的制导律设计问题。首先用强跟踪滤波器对气动参数进行估计,然后根据估计值与标称值的偏差对攻角和倾斜角进行修正,最后对原始非线性方程沿着标称轨道线性化得到线性偏差方程,并利用线性二次型最优调节器原理设计控制律。仿真结果表明所设计的制导律可以大幅度减小由于气动模型误差而引起的落点偏差。     

Tracking error reduction in CNC machining by reshaping the kinematic trajectory

In this paper, a method of reducing the tracking error in CNC machining is proposed. The structured neural network is used to approximate the discontinuous friction in CNC machining, which has jump points and uncertainties. With the estimated nonlinear friction function, the reshaped trajectory can be computed from the desired one by solving a second order ODE such that when the reshaped trajectory is fed into the CNC controller, the output is the desired trajectory and the tracking error is eliminated in certain sense. The proposed reshape method is also shown to be robust with respect to certain parameters of the dynamic system.     

非完整移动机器人的自适应滑模轨迹跟踪控制

针对动力学模型描述的非完整移动机器人系统，研究了其在未知参数和不确定性干扰下的轨迹跟踪控制问题，基于反演技术和自适应滑模控制的思想设计了具有全局渐近稳定的轨迹跟踪控制律。谊控制律将系统分解为低阶子系统来处理，利用中间虚拟控制量和部分Lyapunov函数简化了控制器设计，并具有直观的稳定性分析．满足了移动机器人的轨迹跟踪要求，且具有设计方法简单、鲁棒性强的特点。仿真结果验证了所设计控制器的有效性和正确性。     

A new neural network-based adaptive ILC for nonlinear discrete-time systems with dead zone scheme

By introducing a dead-zone scheme, a new neural network based adaptive iterative learning control (ILC) (NN-AILC) scheme is presented for nonlinear discrete-time systems, where the NN weights are time-varying. The most distinct contribution of the proposed NN-AILC is the relaxation of the identical conditions of initial state and reference trajectory, which are common requirements in traditional ILC problems. Convergence analysis indicates that the tracking error converges to a bounded ball, whose size is determined by the dead-zone nonlinearity. Computer simulations verify the theoretical results. This research is supported by General Program (60774022) and State Key Program (60834001) of National Natural Science Foundation of China, and Doctoral Foundation of Qingdao University of Science & Technology (0022324).     

基于强跟踪滤波器的PMSM无速度传感器DTC策略

针对扩展卡尔曼滤波器(EKF)对模型误差鲁棒性差的问题,提出了基于强跟踪滤波器(STF)的永磁同步电机(PMSM)无速度传感器直接转矩控制(DTC)策略,该方法利用永磁同步电机定子坐标系下的非线性数学模型和强跟踪滤波技术建立了STF观测器,从而实现了对电机定子磁链、转速和转子位置的实时在线观测。仿真结果表明,STF观测器可以准确地观测出电机定子磁链和转速,同时与EKF观测器相比,该观测器对于系统参数摄动、外部干扰等系统模型失配具有更强的鲁棒性。     

具有弱通讯的多智能体分布式自适应协同跟踪控制

针对具有弱通讯的高阶严反馈非线性多智能体系统,提出一种新颖的分布式自适应反演控制方法,并研究了该系统的协同跟踪控制问题。首先,以5个智能体作为被控对象,其中一个智能体以分布式结构组成“领航者-跟随者”编队模式,并且将领航者的运动速度作为整个编队系统的前行速度,其余智能体作为跟随者跟随领航者编队运动。其次,采用自适应反演方法,对系统中由于弱通讯导致的不确定参数进行自适应估计,并对系统设计补偿追踪控制律,使系统中的智能体能够实现自主跟踪时变的参考轨迹,最终以最优的轨迹避开障碍物,并保持期望队形运动。接着,根据Lyapunov稳定性理论,证明了所提方法的有效性。最后,通过仿真对比表明,所提方法能够使多智能体系统的横向、纵向跟踪误差以及参考轨迹的相对误差均实现快速收敛,并在跟踪过程中保持该系统渐近稳定。     

Adaptive tracking control of chaotic systems

1 .INTRODUCTIONDuringthelasttwodecades,thestudyofchaoticnonlineardynamicalsystemshasbeenrapidlyexpand ed .Oneofthereasonsfortheinterestsisthatchaoticbehaviorshavebeendiscoveredinmanynonlineardy namicalsystemsinphysics ,chemistry ,biology ,en gineering ,an…     

无人机鲁棒轨迹线性化控制航迹跟踪设计

研究一种鲁棒轨迹线性化控制方法并将其应用于无人机(unmanned aerial vehicle, UAV)航迹跟踪控制设计。通过理论分析指明传统轨迹线性化控制方法对系统中的不确定性存在鲁棒性不足的问题,采用改进隐层自适应神经网络对不确定性进行补偿,并利用Lyapunov理论证明了跟踪误差的有界性,最后将该方法应用到无人机三维航迹跟踪控制中。仿真结果表明,当参数摄动在20%时,该控制方法仍能使UAV很好地跟踪理想航迹,从而验证了该方法的有效性。     

改进的强跟踪飞机舵面快速故障诊断方法

针对多模型自适应估计(multiple model adaptive estimation, MMAE)方法适应突变故障能力差、多重渐消因子强跟踪算法滤波发散、故障条件概率计算量大等问题,提出一种改进的多重渐消因子强跟踪多模型自适应估计(strong tracking multiple model adaptive estimation, STMMAE)快速故障诊断方法。通过多重渐消因子提高了故障突变时滤波器的跟踪性能;通过改进一步预测协方差阵更新方程,保证了滤波器稳定性,提高了估计精度;采用基于欧几里得范数的飞机舵面故障概率快速计算方法,降低了故障概率计算量。对比仿真表明,该算法跟踪性强、速度快、精度高,具有较好的鲁棒性和稳定性。     

液压伺服并联机器人的自适应鲁棒跟踪控制

针对液压伺服并联机器人存在参数不确定性及外界干扰的特点，通过构造一合适的储能函数，设计了一种自适应鲁棒跟踪控制器，利用所选取的评价函数，可以将外界干扰有效地抑制在任意希望的给定指标以下。所设计的闭环系统对参数变化具有完全的自适应性，并实现了系统轨迹的渐近跟踪，仿真结果表明了该方法的有效性。