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.     

基于线性近似和神经网络逼近的模型预测控制

针对非线性系统的模型预测控制问题,提出了一种基于线性近似和神经网络逼近的控制算法。用Taylor级数展开法对非线性系统进行线性近似时,要求对象系统中的非线性函数必须连续可微。为了突破这一限制,引入了Stirling插值公式线性近似法,拓展了可处理的非线性系统范围。通过对线性化过程中产生的非线性高阶项进行径向基函数(radial basis function, RBF)神经网络逼近,显著提高了对象系统模型精确度。为了降低数值计算复杂度,将控制性能指标函数重构为易于处理的二次型最优化问题,通过对该二次型最优化问题的求解得到了最优控制序列。控制过程考虑了约束条件的影响以模拟真实的工业生产过程。仿真结果证明了所提出预测控制方案的有效性。     

基于非线性干扰观测器的高超声速飞行器反演滑模控制

针对高超声速飞行器非线性动力学系统中存在的高度非线性、多变量耦合及参数不确定等特点,利用非线性干扰观测器对各种干扰的逼近特性,结合反演滑模控制,设计了一种飞行器反演滑模控制器。该方法首先利用干扰观测器观测出系统的干扰,未观测出的部分干扰使用反演滑模控制进行补偿,避免了累积误差,实现对制导指令的鲁棒输出跟踪,并证明了系统稳定性。仿真结果验证了该方法能较理想地观测干扰,保证系统良好的鲁棒性。