基于线性变参数H∞反馈的机器人迭代学习控制器设计

提出了一种基于线性变参数（LPV）H∞反馈的迭代学习控制器,用于不确定性机器人的高精度轨迹跟踪,此控制器包括反馈部分和前馈部分,其中反馈部分设计为LPVH∞控制,前馈部分设计为高阶PD型迭代学习控制,在满足一定的收敛条件下,证明了该控制器的跟踪误差界正比于系统初始误差系统输出干扰项界,仿真结果不仅验证了此控制器随机器人关节位置变化始终具有干扰衰减、鲁棒稳定的性能,而且还验证了此控制器具有高精度轨迹跟踪的性能。     

均热炉温度神经网络迭代学习控制算法

针对具有不确定性的重复非线性均热炉温度控制系统,提出基于神经网络的迭代学习控制算法,该算法采用神经网络作为迭代学习控制器,以前馈方式作用于被控系统,并引入PID反馈控制器来提高系统的性能.仿真结果表明,针对过程存在的重复干扰,该算法比单纯反馈控制具有更好的控制效果.     

一类非线性系统迭代优化神经网络控制器

提出了一类非线性系统迭代优化神经网络控制器的设计方法,该是在正向神经网络辨识模型的基础上,应用迭代学习方法进行控制器设计。为了补偿辨识和迭代学习误差,给出了通过引入了反馈补偿控制器控制精度的方法,仿真结果证明了该方法的有效性。     

线性时滞系统H∞迭代学习控制器的设计

推导采用闭环迭代学习律的系统收敛充分条件,分析该条件并把迭代学习控制设计问题转化为H∞输出反馈设计问题,然后用线性矩阵不等式（LMI）方法,系统设计线性时滞系统迭代学习控制器,仿真结果证明该设计方法的有效性。     

泵控缸电液位置伺服系统的迭代学习控制

针对可调转速泵控缸电液伺服系统由于建模不良所造成的参数不确定性特点，在建立系统数学模型基础上，利用迭代学习控制方法据动态指标的要求设计了控制器，并完成了系统仿真，结果表明，与传统PID控制相比较，所设计的迭代学习控制器使系统的动态性能得到了很大的改善。     

线性时滞系统H_∞迭代学习控制器的设计

推导采用闭环迭代学习律的系统收敛充分条件 ,分析该条件并把迭代学习控制设计问题转化为H∞ 输出反馈设计问题 ,然后用线性矩阵不等式 (LMI)方法 ,系统设计线性时滞系统迭代学习控制器 .仿真结果证明该设计方法的有效性     

传感器故障非线性系统的快速抑制初态误差迭代学习控制

针对一类带有传感器故障的非线性系统提出了一种新的迭代学习控制算法,该算法在任意初态条件下,结合开环D型迭代学习律,设计一个随迭代次数增加而缩短的时间段,该时间段控制器对状态偏差进行修正,使系统跟踪误差收敛到与初态误差无关的界内,仅由系统自身不确定性和干扰决定。进而基于λ范数理论选取适当的控制增益,抑制传感器故障带来的跟踪误差,并给出控制算法的一致收敛性和误差的有界性证明。注塑机系统的速度控制仿真结果验证了该算法的有效性。     

不确定时滞系统鲁棒迭代学习控制器设计

针对一类具有时变的不确定性时滞系统提出鲁棒迭代学习控制器设计方法,通过求解Riccati方程方法设计鲁棒迭代学习控制器,并基于Lyapunov理论推导出不确定时滞系统收敛充要条件。该控制器具有阶次低,易于实现等特点,所提出的控制方案保证系统跟踪在有限的迭代步骤内达到较好的控制效果。以机器人为仿真对象的仿真结果表明了该设计方法的有效性和可行性。     

一种机械手的鲁棒学习控制器的设计

本文介绍了一种应用于机械手的鲁棒学习控制器.该控制器包括一个鲁棒反馈控制器和一个迭代学习控制器,能够抑制由于参数变化、机械非线性、非模型动态特性带来的扰动,使系统获得良好的性能.本文应用Lyapunov稳定性理论证明了控制算法的收敛性.仿真结果表明该控制器能够有效地控制机械手.     

二维线性离散系统理论在迭代学习控制中的应用

利用二维线性离散系统理论设计了线性离散控制系统的迭代学控制器,并给出了这种迭代学习控制规律收敛的充要条件,该迭代学习控制器较为简单,且在应用中受到的限制也较少,说明二维线性离散系统理论在线性离散系统迭代学习控制中的应用是成功的。     

输入受限非线性系统的自适应零误差跟踪控制

针对非线性系统面临的不确定动态、未知外部扰动和输入受限问题，提出了一种考虑输入饱和的零误差跟踪控制器。首先将系统的未建模动态和外部扰动综合为有界的“总扰动项”，进而设计控制律和自适应律补偿这一扰动项，使跟踪误差渐进收敛至零而不仅仅收敛至有界的紧集内。相比于传统的考虑不确定动态和外部扰动的非线性控制方法，所提控制方法的控制器结构更加简单，跟踪精度更高。此外，通过设计辅助误差补偿系统，使得控制器能较好地应对输入饱和情形，在饱和情形消失后，补偿信号能够渐进收敛至零。最后，通过仿真验证了所提方法的有效性。     

机器人主动柔顺恒力打磨控制方法

为了解决打磨过程中打磨控制系统存在扰动问题,设计了一种机器人力控末端执行器,并提出了一种机器人主动柔顺恒力打磨自抗扰模糊变阻抗控制方法.所提方法的内环控制采用模糊变阻抗控制器,外环控制采用自抗扰打磨控制器.采用Lyapunov稳定性理论证明了所提方法的跟踪误差收敛为零.通过仿真和实验,验证了所提方法的有效性和适用性.研究结果表明：在内环控制相同情况下,与外环控制为PID控制器相比,所提出的机器人主动柔顺恒力打磨自抗扰模糊变阻抗控制方法减小了打磨过程中的力跟踪误差和位置超调量,提高了机器人打磨力控制系统的控制效果和鲁棒性,实现机器人柔顺恒力控制.     

无人直升机自抗扰自适应轨迹跟踪混合控制

为满足无人直升机高精度轨迹跟踪的控制需求,并降低直升机动力学模型误差对飞行控制器飞行控制效果产生的影响,提出自抗扰自适应直升机混合控制.该控制器的内环控制采用模型跟随自适应控制,通过使用动量反向传播算法(MOBP)对该内环控制参数进行实时优化.通过使用自抗扰控制(ADRC)对直升机的水平速度进行控制.仿真结果表明,该混合控制器能够实现直升机对预定轨迹的跟踪.相对PID和级联ADRC控制,该控制器具有更好的抗扰性和鲁棒性.通过在200 kg级的专业植保无人直升机XV-2上搭载所提出的控制器,使其自主飞行轨迹跟踪控制的均方根误差在0.6 m以内.     

基于自抗扰控制技术的电子节气门控制

为解决传统线性控制器无法满足汽车电子节气门控制要求的问题,利用自抗扰控制技术进行了电子节气门非线性控制器研究。首先根据博世公司的电子节气门性能指标,给出了参考过渡过程和采样时间的选取准则;然后通过将建模误差等不确定性看作加性外部扰动,利用扩张状态观测器实时估计出作用于系统的扰动总和,并给予补偿。仿真表明,基于自抗扰控制技术的控制方法能够很好地实现电子节气门的快速跟踪控制,而且具有较强的鲁棒性。     

非结构型不确定性机器人的鲁棒控制

本文研究具有非结构型不确定性机器人的鲁棒控制问题，提出了一种新的鲁棒控制方案。控制器由两部分组成：第一部分为基于标称模型设计的计算力矩控制器；第一部分为基于Ｌｙａｐｕｎｏｖ方法设计的鲁棒补偿控制器，其作用是消除不确定性对跟踪性能的影响．本文证明了闭环系统的全局收敛性、仿真结果表明本方法对于存在外扰和模型不确定性的机器人系统是十分有效的。     

磁力轴承的模糊控制

介绍了磁力轴承系统的工作原理和数学模型,针对该系统的高度非线性、本质不稳定性和参数不确定性,提出了一种控制算法较为简单的模糊控制方案,通过分析得出影响模糊控制器稳态误差大小的两个主要因素为比例因子ke和误差e的量化论域中"0"点的量化策略.在Simulink中的仿真结果表明,将模糊控制器用于磁力轴承系统的控制,与PID控制相比,系统超调小,调节时间短,抗扰动能力强,且能达到一定的控制精度.     

基于自抗扰控制器的异步电机鲁棒控制研究

提出采用自抗扰控制技术设计异步电机矢量控制系统,以克服负载扰动、被控电机参数变化、以及建模误差等“内扰”、“外扰”对系统控制性能的不利影响。在MATLAB环境下对提出的异步电机鲁棒矢量控制系统进行了仿真对比研究,结果表明其各方面性能均优于基于PI调节器的矢量控制系统;在TMS320F2812DSP开发环境中编写程序,进行了实验对比研究,结果表明提出的ADRC矢量控制系统的鲁棒性明显优于PI系统,方案可行、有效。     

基于驱动电机控制的电动汽车坡道静止保持系统

针对传统坡道驻车系统制动力释放时间延迟或提前会引起坡道起步具有冲击和后移问题，文中提出了一种基于驱动电机控制的电动汽车坡道静止保持系统，基于驱动电机系统参数建立了坡道静止保持系统动力学模型.对于模型中坡度和整车质量参数的不确定性，系统采用了参数辨识-自抗扰技术控制策略.参数辨识技术作为控制器输入初值，并使用自抗扰控制技术补偿辨识误差.实验数据表明:变遗忘因子最小二乘法能够估算坡度和整车质量参数，且误差在15%以内.此外，控制器中自抗扰算法能消除参数估算误差和扰动，与传统PI控制器相比，具有控制车辆后移距离短、响应速度快的特点.      

高档数控机床伺服系统误差源研究

通过对ＣＮＣ控制系统的分析，建立了轮廓误差的数学模型。从复杂加工曲线中抽取出典型曲线，讨论了产生轮廓误差的主要原因和外界扰动的特性，为进一步设计控制器提供了有用的结论。     

具有降阶模型的多模型鲁棒自适应控制

针对传统鲁棒自适应控制器暂态性能差的缺点,提出了多模型鲁棒自适应控制方法.对于包含未建模动态的自适应控制系统,首先采用正则化技术把系统未建模动态转化为系统有界扰动,并利用系统低阶模型设计多模型鲁棒自适应控制器,最后证明了系统BIBO稳定以及跟踪误差有界.仿真实验说明所提出的方法能获得较好的控制效果.