多变量系统的变时滞无模型自适应单值预测控制

针对难以建模的变时滞多变量非线性系统的控制问题,基于改进具有辅助向量的多变量紧格式动态线性化泛模型,参考多变量单值预测控制算法,提出改进的目标函数,给出变时滞多变量无模型自适应单值预测控制算法,采用自适应递推算式的优化算法进行优化,给出了目标函数的加权网络参数的在线优化算法,解决了试凑法确定加权网络参数的问题.试凑法确定的加权网络参数不能保证控制算法最优,综上研究提出在线优化参数的变时滞多变量无模型自适应单值预测控制算法,仿真结果说明,单值预测控制算法具有无模型自适应控制性能及预测控制功能和参数寻优功能,故算法具有优良的控制性能.     

多变量广义预测控制及一种简化算法

推导了多变量广义预测控制算法，该算法能有效地处理过程的不稳定性和非最小相位特性，并具有良好的解耦性能。同时提出一种处理纯滞后对象的新方法，即将近似法和广义预测控制相结合解决时滞的方案。这种方法可以解决通道之间时滞不同的对象，并且针对广义预测控制算法的复杂性对其简化算法（多变量单值广义预测控制算法）进行了研究。通过仿真研究表明，多变量单值广义预测控制算法在跟踪性、鲁棒性、抗干扰能力等方面都得到很好的控制效果。     

船舶航向的神经网络二阶导数多步预测模糊自适应控制

针对大型船舶控制特性,设计了船舶航向的神经网络二阶导数多步预测模型及其辨识和预测算法,提出基于径向基函数神经网络多步预测模型和模糊小脑模型关节神经网络控制器的大时滞船舶航向模糊控制自动舵方案,解决传统自适应控制中模型的在线辨识和控制器的在线设计问题,以达到对具有大时滞、不确定非线性特性的大型船舶实现高精度输出跟踪控制.仿真结果表明对设定航向具有精确的跟踪控制效果.     

无模型自适应去噪控制及其应用

为了使无模型自适应控制(Model-Free Adaptive Control,MFAC)更好地解决伴有噪声干扰系统的控制问题,在无模型自适应控制方法的基础上,针对伴随噪声干扰的系统进行分析研究,引入带有滤波作用的跟踪微分器,在反馈过程进行滤波操作,提出一种基于改进跟踪微分器(Improved Tracking Differentiator,ITD)的无模型自适应去噪控制方法,同时给出了该算法的收敛性证明.并通过仿真证明了本文改进的控制方法可以快速跟踪给定信号并且具有良好的抵抗噪声干扰特性.最后,将其应用在循环流化床锅炉汽包水位的控制中.     

基于二阶段自适应多模型的聚合釜温度控制

针对丙烯腈聚合过程的强时滞和较大参数不确定等特性,该文提出一种基于二阶段自适应多模型的广义预测控制方法。该方法首先根据系统的参数范围,建立多个自适应模型,应用最小二乘算法分别进行参数估计。再利用各自适应模型的参数估计值和预报误差计算模型的权值,将各参数估计值加权求和得到最终参数估计值。将该参数估计值作为参数的真值,利用广义预测控制算法确定各时刻的控制作用。仿真结果显示:该方法能使系统未知参数快速收敛到真值,同时系统的动态性能和对理想温度的跟踪精度较常规多模型自适应控制有明显的提高。     

多重时滞非线性系统的自适应预测控制

针对NARX模型中一步时滞控制算法不完全适用于多重时滞的情形,提出一种在工作点处用线性的动态切平面逼近一般的非线性系统的方法,结合一种准则函数和预测器算法,提出一种自适应预测控制算法,给出了该模型下具有遗忘因子的递推最小二乘非线性参数估计算法.仿真结果表明:该控制算法品质好,参数估计算法几乎无偏,验证了自适应预测控制算法和递推参数估计算法的有效性.     

基于模型预测控制和干扰观测器的电子节气门控制

针对传统的电子节气门控制方法不能从实现某一性能优化指标的角度出发去提升控制性能的问题,提出一种基于模型预测控制和干扰观测器的方法.基于模型预测控制算法实现对电子节气门理想开度的快速跟踪,并引入干扰观测器观测系统存在的扰动,将扰动估计值加入预测模型中,使得预测输出更接近实际输出,提高控制系统的抗干扰能力.仿真结果验证了该方法的有效性.     

无模型坐标补偿积分滑模约束的自动驾驶汽车轨迹跟踪控制

为了解决四轮自动驾驶汽车轨迹跟踪的复杂控制问题，提出一种新的全格式无模型自适应坐标补偿积分滑模约束控制方案。控制方案只需要自动驾驶车辆轨迹跟踪的I/O数据，不涉及车辆模型信息，即前轮转角输入数据和车辆横摆角输出数据。因此，该方案对于不同车型均能实现轨迹跟踪控制。在轨迹跟踪过程中只针对车辆横摆角进行控制易造成跟踪轨迹偏差，本文在全格式无模型自适应控制的基础上加入坐标补偿算法；为了提高系统在运行过程中的鲁棒性，加入积分滑模控制；为了应对在滑模控制过程中系统运行在饱和区域，设计了动态补偿，使轨迹跟踪系统运行在滑模控制的线性区域。最后，对无模型自适应积分滑模约束控制方案、原型无模型自适应控制算法和PID算法进行仿真比较。仿真结果表明，所提算法比传统控制方法具有更好的控制性能，跟踪波动误差在0.09%以内，稳定时间在0.5 s以内，跟踪曲线平滑。     

一类时变系统模型参考自适应迭代学习控制

针对一类有限时间区间上可重复运行的有界输入有界输出稳定的一阶线性时变系统,其高频增益和惯性参数均时变,为使之能够跟踪不同的参考轨迹,将模型参考自适应控制方法与迭代学习方法相结合,提出了模型参考自适应迭代学习控制算法.基于类李雅普诺夫(Lyapunov-like)函数证明了当迭代次数趋于无穷时,跟踪误差在有限时间区间上一致收敛到零,并证明了闭环系统中参数估计和控制信号有界.系统仿真验证了所提控制算法的有效性.     

模型参数未知的双率采样数据系统广义预测控制方法

对于双率采样数据系统,预测控制的困难是存在采样间损失输出,使得传统的预测控制算法和参数估计算法无法实现。为此,阐述了参数未知双率系统预测控制策略。其基本思想是,利用多项式变换技术导出了一个可以使用双率数据进行辨识的模型,通过对这个模型的估算和对采样间损失输出的估计,提出了双率系统的预测控制算法,仿真例子给出满意的控制效果。     

变论域自适应模糊分数阶自抗扰控制器设计

提出了一种变论域自适应模糊分数阶自抗扰控制算法,用以提高分数阶系统的性能;在变论域自适应模糊控制的设计中,引入分数阶扩张状态观测器和分数阶跟踪微分器;在变论域自适应模糊分数阶自抗扰控制中,利用分数阶跟踪微分器将输入信号转化为平滑跟踪和高质量差分信号,用扩张状态观测器获取每个状态变量的估计值、不确定性的实时动态模型以及外部扰动．为了消除稳态误差,提高控制精度,提出了可变值域的扩张状态误差积分;将变论域自适应模糊分数阶自抗扰控制算法和分数阶自抗扰控制 (FADRC)算法对典型的分数阶系统进行仿真,验证了所提方案的优越性和有效性．      

基于粒子群寻优的汽车自适应巡航预测控制

为进一步提升多目标自适应巡航系统预测控制精度,提出一种基于粒子群寻优的汽车自适应巡航预测控制算法.首先建立一种包含前车加速度扰动的自适应巡航系统车间纵向运动学模型,并对其线性离散化;其次综合车距误差、相对车速、自车加速度和冲击度,设计二次型多目标优化性能指标函数和多参数约束条件,构建自适应巡航预测控制优化命题;最后为便于问题求解,将目标函数和约束条件推导转化为以预测控制增量为优化变量的规范形式,并基于粒子群优化算法求解自适应巡航预测控制的最优控制律.通过Matlab/Simulink多工况仿真结果表明,粒子群算法求解的最优控制律能够控制自车保持更好的跟踪性和自适应性.      

基于跟随领航者的车辆自适应编队控制

针对反馈线性控制器在实际情况中可能受路面湿度等因素的影响,使其参数具有不确定性的缺陷,设计了基于变量估计的自适应反馈线性控制器,提高控制器参数中的相对距离的精确度。在Matlab /Simulink 环境下进行仿真对比实验,实验结果验证了自适应编队控制方法的有效性,并且其在误差调整时间方面和抗扰性方面优于传统反馈线性控制方法。自适应编队控制方法在未来的智能交通方面具有一定应用价值。     

基于反馈学习粒子群算法的极值搜索控制

将基于反馈学习的粒子群 (Feedback Learning Particle Swarm Optimization,FLPSO) 算法引入极值搜索控制中,并且应用经典跟踪参考信号的方法,进一步改善极值搜索控制的性能.仿真结果显示,算法使系统控制输出平稳,并且系统性能输出快速渐进收敛到最优值,改善了基于格拉姆矩阵设计的极值搜索控制算法中存在的输出震荡问题.     

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。     

非线性时滞系统的鲁棒适应控制

讨论了一般非线性时滞系统的鲁棒适应控制问题,基于著名的Razumikhin条件对时滞项进行处理,同时对不确定性中含有适应参数θ进行在线估计,设计出适应控制器,使得所构成的闭环系统是渐进稳定的.     

一类不确定仿射非线性系统的自适应变结构控制

研究非匹配不确定仿射非线性系统的输出跟踪问题．针对系统中的参数不确定性，基于李亚普诺夫稳定性理论提出了一种分段控制方案，当控制误差大于一定范围时，采用自适应变结构控制方案，使得闭环跟踪系统全局渐近稳定，参数估计值收敛，系统信号保持有界，控制误差减小到零域附近时，切断变结构控制，避免了颤振现象的出现．理论研究和仿真结果证实了理论结果的正确性和有效性．     

一种针对时滞系统的改进智能轨迹导引控制算法

针对在控制大时滞系统时,智能轨迹导引控制(ITGC)算法在偏差选取上的不足,引起系统调节时间过长以及抗扰性不佳的问题,提出了一种改进智能轨迹导引控制(改进ITGC)算法。根据引入的参考模型和估计滞后,可得规划导引与无时滞参考模型间的偏差D_A以及有时滞给定与实际被控对象间的偏差D_B,以D_A和D_B的加权线性组合纠正系统的响应。分别运用MATLAB和一体化试验箱进行验证。结果表明改进算法在控制大时滞对象时兼具系统的响应速度和抗扰性能优势,且模型失配时,算法依然有效。改进ITGC算法为控制大时滞系统增加了解决途径。     

高速公路入口匝道无模型控制研究

高速公路交通系统是具有非线性、随机性、时变性等特性的复杂系统,用传统的数学模型很难准确地描述,因此依赖数学模型的交通流控制存在很大的局限性.建立了一个包含神经网络的无模型高速公路交通流匝道控制系统,这里以入口匝道的放行率(即控制变量)作为神经网络输出,并给出了神经网络的结构和详细的训练算法,其中训练算法采用了SPSA方法.仿真结果表明,该方法能有效地对高速公路入口匝道实施控制,且比一般的神经网络模型具有更强的在线控制能力.