三维Hopfield型神经网络的混沌同步研究

利用状态观测器理论提出了具有多个非线性项的混沌系统的标量输出同步方法。通过对误差系统的变换,以降低非线性项对误差系统的影响,从而可减少极点配置参数。基于这种方法,设计出含有多个非线性项的Hopfield型混沌神经网络的同步系统,并计算出同步参数,从而实现了含有多个非线性项的混沌系统同步,并用计算机仿真证实了此方法的有效性。Hopfield型混沌神经网络具有全局吸引的混沌吸引子,混沌性能稳定,采用线性电路器件容易实现,对混沌的实际应用有参考价值。     

基于模型的网络控制系统稳定性研究

针对网络存在时延和网络控制系统被控制对象无法直接测量这两种情况,提出了使用基于观测器的对象模型的网络结构,在此基础上研究了系统的稳定性。通过仿真实验,表明了稳定性条件的正确性与有效性,采用此结构系统具有很强的鲁棒性。     

PMSM调速系统新型抗扰动模型预测控制策略

提出一种基于灰预测理论的抗扰动模型预测控制方法。首先推导出模型预测控制系统中干扰量与输出误差之间的解析关系;利用系统已知输出误差建立稳定灰预测模型,预测系统未来时刻的输出误差;根据干扰量与输出误差之间的关系,采用反馈输出误差预测值的方法,实现对系统干扰量的前馈补偿控制。对模型预测控制PMSM调速系统进行仿真实验,选择出干扰观测器抗扰动方法中的最优干扰模型结构;对两种抗扰动方法比较分析得出,基于灰预测理论的抗扰动模型预测控制不需要考虑干扰模型结构,简化了系统设计、提高了系统自适应性,同时能够获得与优化干扰观测器模型预测控制一样的性能。     

基于变论域模糊滑模观测器的微网逆变器系统容错控制

针对微网逆变器系统量测回路中,电流互感器故障及虚假数据注入攻击问题,提出基于滑模观测器融合变论域模糊控制的异常量测信号估计与电流补偿容错策略。基于电流量测量设计并网模式微网输出反馈线性二次型最优控制器,构建电流互感器故障及虚假数据注入攻击模型,根据Lyapunov稳定性理论及线性矩阵不等式方法设计滑模观测器,构造融合异常量测信号估计值的电流补偿容错控制策略;最后提出基于模糊推理的变论域模糊控制方法实现滑模增益的动态调整,提高观测器估计性能。仿真及实验表明,电流互感器故障及虚假数据注入攻击将使微网逆变器系统的稳定控制器失效,所提出的容错控制策略对多场景下异常电流量测信号的估计精度更高,可确保微网安全稳定运行。     

基于地面反力最优规划的双足机器人姿态控制

提出了一种基于地面反力最优规划的双足步行机器人上体姿态控制算法,以实现上体轨迹准确跟踪及为分级递阶控制结构中的地面反力／位混合控制提供参考输入。由于上体只安装了加速度器并未安装陀螺仪,文中采用线性观测器来重构沿偏转轴和俯仰轴的偏转速度,利用无源性理论控制器－观测器设计了保持上体姿态跟踪特性及系统为最终有界和局部指数稳定有界的地面反力期望值。     

基于串联型自抗扰控制器的逐次求精法

利用模型补偿自抗扰控制器辨识系统参数,对于低阶系统取得了满意的辨识效果。但在用上述方法进行高阶系统参数的辨识时,还存在扩张状态观测器参数不易调整的问题。笔者将串联型扩张状态观测器构成的自抗扰控制器运用于参数辨识的逐次求精法,能有效地辨识出系统的参数。特别是在辨识高阶系统参数时,具有扩张状态观测器在数易调的优点。     

一类非线性不确定时滞系统基于观测器的鲁棒稳定

研究了一类具有非线性不确定性时带系统的基于状态观测器的鲁棒稳定控制器的设计问题。在非线性不确定函数增益有界的假设条件下,对所构造的增广系统,利用Lyapunov稳定性理论,证明了其鲁棒稳定的一个充分条件, 给出了通过求解两个代数RicCatl方程的状态观测器和鲁棒稳定控制器的设计方法, 结果是对线性不确定时滞系统相应结果的一种推广。最后做了具体算例。     

一类状态不可测非线性时滞系统的神经网络故障诊断

针对一类状态不可测的非线性时滞系统,提出了基于神经网络故障诊断的新方法.采用系统的状态和时滞状态的估计值作为神经网络的输入对故障进行估计.首先构造一种状态观测器结构,利用输出信息和神经网络的非线性逼近能力对系统不可测状态进行估计,然后对系统发生的故障用另一个RBF神经网络进行估计,故障估计器的输入为系统的当前估计状态以及时滞状态,所估计出的故障是随时间变化的非线性函数.基于Lyapunov理论,分析并证明了系统的稳定性和参数收敛性,同时作了仿真研究.仿真结果表明,该方法能够很好地解决一类状态不可测的非线性时滞系统的故障诊断问题.     

一类非线性系统的自适应控制

提出一种带有状态观测器的非线性系统自适应控制策略 ,实现了非线性系统的镇定和零误差跟踪 .这种方法简单有效 ,尤其适用于状态不可观测系统和输出无法直接连续测量的非线性系统 .     

基于MPC的无人机航迹跟踪控制器设计

针对固定翼无人机航迹跟踪问题,采用基于状态扩展的双反馈模型预测控制理论对控制器进行设计。首先推导基于侧向偏差的无人机侧向航迹跟踪模型,采用动态逆方法对模型进行线性化处理,在此基础上设计基于状态扩展的双反馈模型预测控制器,并采用量子粒子群优化(quantum particle swarm optimization, QPSO)算法对控制器参数进行优化,考虑无人机飞行过程中受到的未知干扰,引入扩张状态观测器(extended states observer, ESO)对干扰进行观测,进一步提高系统的鲁棒性,并结合实际工程应用对系统进行数学仿真。仿真结果表明,基于状态扩展双反馈模型预测控制的无人机侧向航迹跟踪控制器,能够在系统存在模型不确定性与受到动态干扰时对期望航迹进行准确、稳定的跟踪。