基于二维模型的保性能离散重复控制系统设计

对于线性离散系统,给出了一种基于离散二维模型的保性能重复控制设计方法。首先为了提高系统的稳定性引入了状态反馈;用离散二维系统的状态反馈来描述重复控制律;然后,使用保性能重复控制设计方法来确保控制系统性能指标不超过某个性能上界。和现有方法的区别是,通过调节性能指标值泛函中相关权重,能够方便地对控制和学习行为进行独立调节。最后通过仿真验证了该方法能取得满意的跟踪性能。     

离散重复控制系统设计的二维模型方法

针对一类线性不确定系统,提出了一种基于离散二维模型的重复控制系统设计方法,通过独立考虑重复控制系统的控制与学习行为,建立了离散重复控制系统的二维模型,构造二维状态反馈控制器,将离散重复控制系统设计问题转化为一类离散二维系统的设计问题,然后应用二维系统理论和线性矩阵不等式方法,分别获得了标称和不确定重复控制系统的稳定性条件,根据稳定性条件,通过求解线性矩阵不等式,求得重复控制器参数,最后数值仿真实例验证了本研究所提方法的有效性。     

基于AEPSO优化的神经网络多步预测控制

为提高神经网络预测控制的性能,提出了基于自适应扩展粒子群优化的神经网络预测控制方案。基本PSO算法中,每个粒子的更新受粒子个体极值和局部极值的影响,为了提高其全局收敛性,采用多粒子策略,使每个粒子的更新受更多其他粒子的影响;为提高收敛速度,采用自适应策略,对参数c0进行自适应调整,使c0随着迭代次数的增加而逐渐减小,这样,在PSO算法的搜索过程中,随着迭代次数的增加,搜索区域会越来越小,从而加快PSO算法收敛速度。运用该算法实现神经网络预测控制中的滚动优化,在有限时域内对控制序列进行寻列,给出基于粒子群优化的神经网络预测控制系统的稳定性证明。仿真结果表明,基于粒子群优化的神经网络预测控制系统具有良好的跟踪性能。