基于LQR-IMCS算法的智能结构振动主动控制

为了解决最小控制综合（MCS）算法在快速扰动下缺乏鲁棒性和线性二次调节器（LQR）在非线性扰动下容易失稳的问题,构造了一种自适应增益补偿函数,对标准的MCS算法进行改进.提出了基于LQR-IMCS（改进的最小控制综合）算法的新策略,并通过波波夫准则验证了该系统的稳定性.以实验室压电壁板结构的第1阶振动模态为研究对象,分别施加随机扰动和高次谐波扰动.仿真和实验结果表明：该方法相对于标准的MCS算法具有更快的收敛速度和更小的跟踪误差,对壁板的第1阶模态抑制具有良好的控制效果和鲁棒性.     

永磁同步电机的非线性自适应解耦控制

为了解决电机参数变化和负载扰动的不确定性、影响基于非线性解耦控制的永磁同步电机调速系统性能的问题,提出了一种带干扰抑制的永磁同步电机调速系统非线性解耦控制方法.该方法利用非线性解耦控制理论的微分几何方法实现永磁同步电机调速系统转速和磁链子系统的动态解耦,并结合自适应策略,将参数变化和负载转矩扰动作为扰动输入,设计了动态自适应状态反馈控制律和参数自适应规律.应用Lyapunov稳定理论证明了算法的稳定性,并实现具有L2暂态性指标的渐进跟踪.仿真和试验结果表明,该控制策略能有效地改善永磁同步电机调速系统的动态性能,增强其鲁棒性和抗干扰的能力.     

基于神经网络自适应控制的磁滞类间隙补偿

利用连续时间动态微分方程描述磁滞非线性特性,采用两个神经网络函数分别逼近未知的非线性函数和磁滞模型的扰动误差,结合反步法提出一种自适应控制方案。仿真结果表明,系统具有良好的跟踪性能和全局稳定性。     

不确定性非线性系统的神经网络稳定自适应控制

为克服常规鲁棒控制中存在的保守性问题,提出一种不确定性非线性系统的神经网络稳定自适应控制算法。该算法是神经网络自适应控制和鲁棒最优控制的集成,采用线性参数神经网络逼近不确定性非线性函数,将神经网络逼近误差视为扰动并利用鲁棒控制对其进行抑制。整个系统的全局渐进稳定性及神经网络权值矢量的一致有界性采用Ｌｙａ－ｐｕｎｏｖ 稳定性理论和Ｂａｒｂａｌａｔ引理进行了证明,并证明了性能指标有界。在二自由度机械手应用中的结果表明,该控制系统不仅具有精确的跟踪性能,而且具有良好的鲁棒性。     

多输入多输出非线性时变时延系统的自适应跟踪控制

针对多输入多输出非线性时变时延系统,提出了一种模糊自适应跟踪控制方案,该方案构建了基于模糊T-S模型的自适应时变时延模糊逻辑系统,用来逼近未知非线性时变时延函数,从而实现了对非线性系统的建模.根据跟踪误差给出了模糊逻辑系统的参数自适应律,设计了H..补偿器来抵消模糊逼近误差和外部扰动.基于Lyapunov稳定性理论,提出的控制方案保证了闭环系统的稳定性并获得了期望的H..跟踪性能,机械臂的仿真结果表明了该方案的有效性.     

基于RBF神经网络的全向智能轮椅自适应控制

在外界扰动为有界不可测条件下,利用径向基函数(radial basis function,RBF)神经网络在线逼近全向智能轮椅的非线性逆运动学模型,提出对轮椅轨迹跟踪的直接自适应控制方法.首先,在分析全向智能轮椅平台动力学模型的基础上,设计了基于径向基函数神经网络的全向智能轮椅自适应控制器;并进一步利用李雅普诺夫稳定性理论,证明了在外界扰动及神经网络权值误差逼近有界的条件下,该控制器在全向智能轮椅轨迹控制中跟踪误差的一致稳定且有界;最后,通过全向智能轮椅轨迹跟踪仿真实验,验证了所提出控制方法的有效性和稳定性.     

基于神经网络的欠驱动水下机器人地形跟踪控制

为实现欠驱动自治水下机器人(AUV)的精确地形跟踪控制,设计了一种自适应神经网络控制器.采用径向基神经网络估计时变水动力阻尼引起的AUV模型不确定部分和外界海流干扰,设计自适应学习律来实现神经网络权值的最优估计.基于李雅普诺夫稳定性理论分析了跟踪控制系统的稳定性,设计的控制器可以使闭环误差系统渐近稳定且系统状态有界.仿真实验中选择实际测量得到的期望随机真实地形进行跟踪实验,并且要求AUV相对地形保持一个恒定的高度偏差.结果表明,该控制方法可以有效地降低模型非线性和不确定性引起的扰动,具有较高的跟踪精度,满足实际工程需求.     

控制方向未知的非线性系统自适应模糊滑模控制

针对一类带有未知外部扰动及控制方向的不确定非线性系统设计自适应模糊滑模控制器,利用Nussbaum函数估计系统未知的控制方向.模糊系统的输入为跟踪误差而不是系统状态向量,这样能提升控制器对误差变化的灵敏度.基于Lyapunov稳定性理论设计系统可调参数的自适应规则,该控制器能保证闭环系统稳定性并且跟踪误差及其各阶导数渐近趋于原点.数值仿真的结果也验证了该方法的有效性.     

基于MCS算法的自适应时滞补偿振动控制研究

由于Smith预估时滞补偿器对预估模型和预估时间有较高的要求,在预估模型和时间出现较大偏差时会引起时滞补偿的MCS算法出现控制效果下降甚至失稳的问题,因此,基于李雅普诺夫稳定性原理,设计一种自适应时滞补偿结构添加到时滞补偿MCS算法中,构建一种具有自适应时延补偿的MCS算法。选取悬臂梁结构为研究对象进行仿真分析,结果表明改进的MCS算法不仅克服了预估时间出现较大偏差时的失稳问题,而且具有较好的时滞补偿控制效果。     

欠控制方向的非线性系统自适应迭代学习控制

针对控制方向未知且具有周期扰动的非匹配非线性系统, 提出了一种自适应迭代学习控制策略. 控制算法具有以下3个特点:不需要控制方向的先验知识; 能够对系统的周期不确定性进行在线学习; 能够克服系统的非匹配不确定性. 随着迭代学习次数的增加, 系统跟踪误差渐近收敛于零. 仿真结果表明了控制算法的可行性和有效性.     

非线性自适应控制的鲁棒性

用锥-扇形理论研究非线性系统的自适应控制的鲁棒性.设计系统时首先对非线性环节进行补偿,补偿误差归入建模误差,在此基础上提出一种修正的投影算法,并用锥-扇形理论证明了算法的鲁棒性.仿真结果表明,该算法的参数容易选择,控制精度高,具有一定的实用性.     

船用汽轮机变工况的遗传粒子群优化智能控制方法研究

为提升船用汽轮发电机组大幅变工况时的控制精度和鲁棒性,首先剖析船用汽轮机大幅变工况的运行特性,以调节系统各部件的模块化数学模型为基础,建立汽轮机组DEH闭环模糊PID控制模型；其次,融合遗传算法的选择、交叉、变异和自适应递减权重法,提出遗传粒子群智能优化算法,并结合标准测试函数验证提出算法具有较高的收敛速度和精度；然后,基于遗传粒子群智能优化算法建立汽轮机变工况自适应智能模糊PID控制模型,实现模糊PID的量化因子与比例因子最优化设计,进而开展船用汽轮发电机组大幅变工况动态特性及扰动因素影响分析,结果表明本文建立的自适应智能模糊PID控制模型具有更好的控制稳态性能与鲁棒性,为船用汽轮机组大幅度变工况智能控制优化设计提供了有力的技术支撑。     

控制饱和系统的极限学习机控制算法

为提升被控系统的鲁棒性和控制精度,对存在控制饱和约束和内外参数摄动的非线性系统,提出一种基于极限学习机的自适应反演控制算法。针对存在控制饱和约束的非线性系统,基于所设计的辅助函数,将非线性控制饱和约束转换成常规控制输入形式,有效降低了控制器的设计难度。为提升内外参数摄动的估计精度和估计算法速度,采用极限学习机逼近内外参数摄动的综合项,构建了基于极限学习机的自适应控制算法,理论证明了闭环系统的全局渐近稳定性。与自适应滑模控制器对比仿真结果显示,控制器在控制力矩总能耗、系统输出收敛轨迹上具有更优的品质。     

基于自适应门限的分形维数语音端点检测

针对固定门限方法在语音端点检测技术中的局限性,为了提高低信噪比下语音端点检测的鲁棒性和准确率,将自适应门限应用于分形维数的语音检测中,提出了一种新的语音端点检测算法.该算法通过对语音信号产生机制的分析,将分形维数用于语音起止点的检测中,设计了自适应门限,从而有效降低了噪声干扰对检测结果的影响,并实现了实时检测.仿真实验结果表明,在低信噪比的情况下,改进的端点检测算法比传统的短时能量检测算法可更准确有效地实现带噪语音的端点检测,而且对噪声干扰具有更好的鲁棒性.     

声纳探测信号自适应脉冲噪声对消算法

针对浅海环境噪声严重影响声纳探测信号检测性能的问题,提出了一种非线性变换的自适应脉冲噪声对消算法。算法首先对回波信号和参考通道噪声信号同时进行非线性变换,对脉冲噪声进行软阈值滤波,在此基础上,采用最小均方误差算法实现自适应噪声对消,可获得稳健的收敛性能。α-稳定分布脉冲噪声条件下的仿真和某次实验中的声纳探测回波信号处理证明了算法的有效性。     

一类工业固定床反应器热点温度的非线性自适应控制

以工业邻二甲苯氧化非绝热管式固定床反应器为研究对象，通过正交配置集中化建立了一个降阶非线性动态模型。直接以降低模型作为开环状态观测器及新型的非线性自适应控制算法设计控制器，设计了该类固定床反应器热点温度的非线性自适应控制系统。仿真结果表明，该热点温度控制系统具有良好的跟踪性能、抗干扰性能和鲁棒性能。     

一种非线性系统的自校正调节器

用线性方法研究了一类具有典型特征的非线性系统的自校正控制问题,提出了一种适用于实际过程控制的鲁棒性较强的自适应算法,用小增益理论对算法的稳定性进行了证明,并对几种形式不同的非线性系统进行了计算机仿真。仿真结果表明,这种方法是一种比较有效的控制算法,在过程控制中有一定的实用价值。     

基于自适应 UKF 微型航姿系统噪声在线估计

针对先验噪声与系统真实噪声不符引起标准无迹卡尔曼(unscented Kalman filter,UKF)性能退化的情况,提出一种应用于非线性时变状态和参数联合估计的自适应UKF(adaptive unscented Kalman filter,AUKF)算法.根据新的协方差矩阵与相应估计值之间存在的误差,构建成本函数.采用梯度下降法进行在线预估,对噪声的协方差进行在线更新并反馈给标准的UKF.实验和仿真分析表明,与标准UKF相比,自适应UKF算法在精度上有较大的提高.对于时变噪声协方差不确定时,自适应UKF噪声在线估计的鲁棒性得到明显改善,验证了自适应UKF噪声在线估计模型的准确性和可行性.     

永磁直线同步电机自适应变结构位置控制器的研究

针对永磁直线电机参数变化和外部扰动对伺服系统的影响,提出了自适应变结构位置控制设计方法.用电机的位置误差信号及其导数构造切换函数,利用自适应律对系统不确定性扰动因数的极限进行估算.经过分析验证,与基于SVPWM的矢量控制系统相比较,自适应变结构位置控制算法明显减少了由系统参数变化和外部扰动引起的推力脉动,能快速、准确地跟踪给定信号,增强了整个系统的自适应性和鲁棒性.