HSIC特征模型改进算法的抗干扰问题研究与仿真

提出了一种HSIC特征模型的改进算法(ICMA-HSIC),将系统动态过程划分为若干运行模态, 与系统性能指标建立起直接联系,对系统响应做了完整的划分.在保证调节性能的前提下减少了调节参数的个数.采用闭环为主导的开环系统--闭开环控制结构,符合人类的思维.通过对二阶系统叠加不同的典型干扰信号,分析比较了闭环PID控制、ICMA-HSIC控制在不同的干扰作用下系统的动态、稳态性能的变化,仿真分析表明该控制方式具有较好的抗干扰能力.     

随动系统的模糊自适应整定PID变阻尼控制

为了使随动系统的输出以尽可能小的误差复现输入,通常用速度反馈以增大等效阻尼比的方法减小输出响应振荡和超调量,但阻尼比增大,系统响应迟钝,快速性变差。变阻尼控制技术根据系统输出响应的不同阶段在线实时调整系统的阻尼比,从而改善随动系统的动态性能。结合PID控制和模糊控制的优点,运用模糊推理方法建立PID三参数的模糊控制规则,设计出一种随动系统的模糊自适应整定PID变阻尼控制器。仿真结果证明了该方法可行,系统动态性能得到明显改善,具有良好的抗干扰性和鲁棒性。     

基于RBF神经网络的多变量系统PID解耦控制

针对工业生产过程中的多变量耦合系统采用传统控制方法不能达到满意的效果,提出了一种基于神经网络的PID解耦控制方案。在实验研究中,采用改进型动态BRF神经网络辨识器,在线辨识多变量系统的非线性时变模型,同时自动调整PID控制器各项参数,最终实现对系统的智能化解耦控制。给出了BRF神经网络的拓扑结构和算法,并对一组二变量强耦合时变系统的控制过程进行了计算机仿真,结果表明:基于BRF神经网络的PID控制不仅超调量小、响应速度快、控制精度高,而且具有很强的鲁棒性和自适应能力。该设计方案使得解耦后的多变量系统具备了良好的动、静态特性。     

双联变频空调系统建模与控制方法仿真研究

双联变频空调是非线性、时变、强耦合、多变量的控制对象；这使得过份依赖于被控对象精确的控制数学模型，如传递函数、高阶方程的经典控制方法难以实现。本文则着重于根据双联变频空调的运行特性，制定了双电子膨胀阀及压缩机的控制方法；并引进了负荷系数的概念和模糊推理方法。通过建立系统的动态热力学模型，利用仿真运算考察双电子膨胀阀开度及压缩机转速的调节对系统的控制结果，以验证控制方法的可行性。仿真结果表明此控制方法具有响应快、超调小，控温精度高，易于微机实现及实时控制性好的优点。     

一类径向基神经网络干扰观测器轨迹线性化控制

利用径向基神经网络(RBFNN)的逼近能力,研究了基于径向基神经网络干扰观测器(RDO)的鲁棒自适应轨迹线性化控制(TLC)策略,以解决空天飞行器复杂飞行条件下系统不确定及干扰的控制问题。分析了系统存在不确定性时轨迹线性化控制方法性能降低甚至失效的原因,设计了自适应调节律,并采用Lyapunov方法严格证明了在该自适应调节律作用下闭环系统所有误差信号最终有界。仿真结果表明,较当前TLC方法的控制性能,新方案在空天飞行器系统上具有更优异的控制性能和鲁棒性。     

基于伪谱法的欠驱动航天器实时最优控制算法设计

针对欠驱动刚性航天器提出了时间最优的闭环状态反馈控制算法。首先,利用直接Legendre 伪谱法规划出航天器开环的姿态机动轨迹,并验证了所得最优控制输入的可行性。然后,以航天器实际运行轨迹与开环轨迹间的偏差为变量构造偏差方程,并提出了基于间接Legendre 伪谱法的最优姿态稳定控制算法。最后,采用实时重规划策略实现了稳定控制器状态的反馈,从而完成了对参考轨迹的闭环跟踪。仿真结果表明所提算法运算量小,计算速度快,可以实时获取解析形式的控制输入修正量,而且对初始姿态存在扰动的情况具有一定的鲁棒性,运算精度较高。     

基于阶跃跟踪响应的PID控制器性能评价与调节

对阶跃跟踪扰动下的PID控制器性能评价与调节方法进行了研究。首先给出一种由系统闭环阶跃响应数据辨识过程阶跃响应系数的方法。基于辨识得到的过程阶跃响应系数,给出了求取PID/PI控制系统最佳控制性能(SSE指标意义下)和最佳控制器参数的方法。最后给出了对PID/PI控制器阶跃跟踪性能进行评价和调节的流程。仿真实验验证了方法的有效性。     

RLV亚轨道再入段制导技术

重复使用运载器亚轨道再入段一般采用航天飞机应急返回发射场的飞行方案,分三个阶段：迎角恢复段、过载保持段和过渡段。该方案的难点是抑制动压,缺点是只有开环制导。分析了动压变化的影响因素,制订了抑制下沉率的制导策略,并给出迎角和过载指令的设计方法。其次分析初始状态偏差和气动升力/阻力系数偏差对动压的影响,提出了根据初始高度调整制导指令和根据下沉率进行过载指令补偿的闭环制导方案。仿真表明设计的轨迹能够满足飞行约束,闭环制导能有效减小最大动压偏差。     

双级矩阵变换器的神经元PID闭环控制研究

为了提高双级矩阵变换器(TSMC)对电网电压突变以及负载扰动的鲁棒性,引入了神经元PID控制器.建立了基于d-q坐标系的TSMC闭环控制系统,利用神经元PID控制器对输出给定电压d,q分量进行跟踪控制.通过MATLAB/SIMULINK仿真将其分别与TSMC开环系统响应和采用PI控制器的TSMC闭环系统响应进行比较,仿真结果表明采用神经元PID控制器能使系统取得较好的动、稳态性能并具有较强的鲁棒性.     

Fuzzy-Gray预测控制算法及应用

针对大滞后系统的控制 ,本文提出了一种带智能积分的参数自调整 Fuzzy-Gray预测控制算法 .该算法综合 Fuzzy控制、Gray预测的长处 ,对大滞后系统进行控制是有效的 .仿真结果表明该算法能较好地兼顾系统的动、静态特性 ,超调小、响应快 ,稳态精度高 ,在工业控制系统中有实用价值 .     

具有可变终端代价项的非线性模型预测控制

针对离散时间非线性系统的模型预测控制问题,提出了一种具有可变自调节终端代价项的模型预测控制方案.此方案通过引入自调节因子,并对其设定不同的自调节规则,使终端代价函数项具备了可变自调节性能.证明了带有可变自调节终端代价项的模型预测控制方案可保证闭环系统的性能.为自调节因子提出了若干自调节规则,并分别分析了它们的性质.用实例证明了研究结果的有效性.     

多变量系统预测函数解耦控制

提出一种新的多变量系统预测函数解耦控制(PFC)算法。该算法将多变量系统的PFC分散为若干单变量系统的PFC,使参数设计和算法求解大为简化。此外,利用该算法可得到一个解析的控制量计算方程,控制器参数均可离线计算,因此在线时算法简单、计算量小,可用于解决复杂的耦合控制问题。仿真结果表明了该算法的有效性和可行性。     

Research of robust adaptive trajectory linearization control based on T-S fuzzy system

A robust adaptive trajectory linearization control （RATLC） algorithm for a class of nonlinear systems with uncertainty and disturbance based on the T-S fuzzy system is presented. The unknown disturbance and uncertainty are estimated by the T-S fuzzy system, and a robust adaptive control law is designed by the Lyapunov theory. Irrespective of whether the dimensions of the system and the rules of the fuzzy system are large or small, there is only one parameter adjusting on line. Uniformly ultimately boundedness of all signals of the composite closed-loop system are proved by theory analysis. Finally, a numerical example is studied based on the proposed method. The simulation results demonstrate the effectiveness and robustness of the control scheme.     

基于U-I模型的感应电机定子磁链估计的仿真研究

定子磁场定向的直接转矩控制逐渐被广泛应用于高性能异步电机调速系统。定子磁链估计精度是影响控制系统动态、稳态性能的主要因素。由于定子电阻参数变化及低通滤波器的影响，尤其低速运行时，传统定子磁链估计方法的估计精度及快速性往往很差。提出了一个全新的改进U-I模型定子磁链估计方案，不仅解决了定子电阻整定补偿问题。而且解决了低通滤波器截止频率优化补偿问题．在此基础上，建立直接转矩控制方案的仿真系统，仿真结果表明提出的方案能够使异步电机在低速到高速范围内都能得到令人满意的性能。     

扑翼微型飞行器自适应鲁棒姿态控制

给出了扑翼微型飞行器姿态控制系统的数学模型,并提出了一种自适应鲁棒控制的新方法。飞行过程的复杂性使得姿态控制器的设计极具挑战性,主要困难是系统表现为非线性、不确定性、多变量参数耦合以及各种干扰。由于自适应鲁棒控制不依赖系统的精确数学模型,所以将系统分为名义模型、结构不确定性和非结构不确定性,对其分别设计直接反馈控制器、自适应控制器和鲁棒控制器,并用李亚普诺夫定理分析了系统的稳定性。仿真结果证实了所提方法的有效性。     

基于自整定和模糊自校正技术的改进Smith预估控制系统

针对常规Smith预估控制系统难于整定和对过程参数敏感的缺点,将模糊自校正与继电反馈自整定技术结合起来,提出了一种改进的Smith预估控制系统。大量仿真测试表明这种新的系统与常规系统相比可显著改善控制性能和适应能力。这种新的系统不仅对纯迟延占优势的大迟延对象有效,而且还适用于过程控制中大量存在的具有类似于纯迟延占优势对象特性的高阶对象和非最小相位过程。     

一类非线性系统的自适应模型跟随控制

讨论了一类非线性系统的自适应模型跟随控制问题。首先给出了系统的一般描述,然后研究了该系统模型跟随控制的存在条件，最后讨论了如何设计前馈控制和反馈控制矩阵的迭代调节律,使得系统输出能够快速地稳定地跟随参考模型输出。仿真结果表明了这一控制方案具有良好的非线性跟随效果。     

基于自适应量子粒子群算法的FIR滤波器设计

针对量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)算法的参数控制方式,提出了一种自适应调节方法,该方法根据粒子之间的位置关系来设定参数值,给出了具体的设计思想与实现步骤。然后针对有限脉冲响应(finite impulse response,FIR)数字滤波器的优化设计实质,即多参数优化问题,通过适当的编码方式将改进的QPSO算法(adaptive QPSO,AQPSO)应用在其优化设计中,设计了低通和带通FIR数字滤波器。实验结果表明,AQPSO在收敛速度、鲁棒性及优化效果等方面都优于遗传算法(genetic algorithm,GA)、PSO算法及QPSO算法,说明了AQPSO算法的有效性和可行性。     

基于混沌粒子群优化算法的翼伞系统轨迹规划

研究灾难环境下翼伞空投机器人系统轨迹规划问题,基于简化的翼伞系统质点模型,采用混沌粒子群优化算法对翼伞系统归航轨迹进行寻优。该方法采用非均匀B样条技术实现最优控制规律的参数化,将翼伞系统轨迹规划的最优控制问题转换成参数优化问题,进而运用混沌粒子群优化算法进行寻优计算。轨迹规划的控制曲线是光滑的,利于电机对翼伞系统的操纵伞绳实施控制。仿真结果表明,该方法对翼伞系统的轨迹规划控制是有效的。