基于双迭代学习-交叉耦合的双轴误差控制

在双轴高精度轮廓加工中,单轴的跟踪误差和双轴间运动不协调产生的轮廓误差都会影响加工精度。文章提出了一种基于双迭代学习-交叉耦合的双轴运动控制策略,将单轴的迭代学习控制(iterative learning control,ILC)与双轴的交叉耦合控制(cross-coupled control,CCC)以及轮廓误差的ILC相结合。单轴的ILC用来改善单轴的跟踪性能,减小单轴的跟踪误差;双轴的CCC用以增加各轴之间的匹配程度,减小轮廓误差;轮廓误差的ILC可以提高轮廓的跟踪性能,进一步削减轮廓误差。仿真结果表明,双迭代学习-交叉耦合控制系统不仅能够有效降低单轴的跟踪误差,而且能显著减小轮廓误差。     

超精密加工轮廓误差的ILC—CCC补偿控制

迭代学习控制(ILC)通过对重复运动轨迹的不断学习可提高系统位置跟踪的快速性和跟踪精度,而交叉耦合控制(CCC)通过对轮廓的闭环控制可以有效地减小轮廓误差.在分析双轴数控加工中轴跟踪误差和轮廓误差之间的关系的基础上, 提出将ILC 与CCC 结合构成的ILC-CCC 集成控制器引入超精密数控机床的伺服控制.该控制器对被控对象模型有较好的鲁棒性,仿真结果证明算法是可行和有效的.     

基于预设性能的欠驱动UUV有限时间路径跟踪控制

为实现参数摄动、海流扰动条件下欠驱动水下无人航行器（underwater unmanned vehicle, UUV）安全执行路径跟踪控制任务，提出一种基于预设性能、改进视线制导律（improved line-of-sight, IMLOS）和非奇异终端滑模（nonsingular terminal sliding mode, NTSM）的路径跟踪控制策略。首先，引入Serret-Frenet坐标系建立跟踪误差方程，引入预设性能函数对跟踪误差进行约束及转换；然后，设计基于预设性能的海流补偿制导律和动力学控制器，确保航行器跟踪期望路径的同时确保航行安全；最后，利用有限时间理论证明该路径跟踪控制策略作用下的闭环运动系统的跟踪误差是有限时间收敛的。通过数值仿真验证所提出的路径跟踪控制策略能够有效地执行欠驱动UUV在参数摄动、海流扰动等约束下的路径跟踪任务，且跟踪误差始终处于预设性能范围之内，可有效地保证航行器的航行安全。     

基于DRNN的机器人轨迹跟踪自适应控制

针对模型未知和动力学非线性机器人轨迹跟踪,提出了一种基于分布式动态回归神经网络（ＤＲＮＮ）的自适应控制方法．该方法在ＰＤ动态反馈控制的基础上,引入神经网络辨识器（ＮＮＩ）在线逼近对象的非线性动力学,并设计出神经网络自适应控制器（ＮＮＣ）来补偿机器人动力学非线性造成的误差．仿真结果表明该控制方案具有良好的跟踪性能和较强的鲁棒性．     

线性跟踪微分器及其在状态反馈控制中的应用

目的 给出线性跟踪微分器的设计方法,并研究将其用于控制系统状态反馈的效果。方法 利用积分器反馈方法,给出了α阶线性跟踪微分器（可实现对微分信号的α阶静态无差跟踪）及γ阶强跟踪微分器（可直接获得待微分信号的Ｉ￣γ阶微分估值）两种线性跟踪微分器设计方案,并将其用于直接获取状态及进行状态反馈控制的仿真研究。结果与结论 结果表明只要合理地选择跟踪微分器的类型及参数,无论对线性系统还是非线性时变系统,这一方     

带有界扰动的一类大型互联非线性系统的鲁棒分散输出跟踪

对带有界扰动的一类大型互联非线性系统进行了分散输出跟踪设计,通过子系统状态的线性变换,得到分散状态反馈控制律。当反馈控制律作用于该系统时,无扰动时的跟踪误差是渐近趋于零的,当扰动较小时,跟踪误差能够收敛到原点的一个小邻域内,并给出仿真算例说明该结论的可行性和有效性。     

基于反步法的永磁同步电机输出反馈控制系统研究

针对永磁同步电机(PMSM)绕组相电流和转速强耦合特性，采用积分反步法讨论了精确的位置跟踪控制问题．在已知电机模型的精确参数情况下，假定只有转子位置可测．设计了速度和定子电流的非线性观测器，提出了输出反馈控制器的设计方法，在保证定子电流跟踪参考电流的前提下，实现了位置的精确跟踪控制．通过构造适当的Lyapunov函数，证明了所设计的控制系统的全局稳定性．仿真结果表明，用该方法设计的PMSM控制系统滤波跟踪误差迅速以指数规律收敛到零．     

非线性系统的递推最小二乘自适应模糊控制

提出了一种可有效消除被控系统不确定性的自适应模糊控制方法．该方法采用模糊逻辑系统（FLS）来辨识系统的未知函数，并采用连续形式的递推最小二乘算法作为自适应律调节FLS权参数．该自适应律可保证FLS权参数稳定收敛，最终收敛至最佳值的一个很小邻域中，同时保证跟踪误差指数衰减趋于0．倒立摆仿真结果表明，采用该方法时，辨识的归一化平方误差小于2％，其相对跟踪误差较混合自适应控制方法减少了58％．     

一类基于非线性状态反馈的机器人操作手的鲁棒控制

考查了一类具有非匹配不确定性的非线性系统的全局稳定性及其在机器人鲁棒控制中的应用,针对机器人系统存在参数不确定性以及外界干扰的情况，利用非线性鲁棒控制理论给出了连续状态反馈控制器．考虑不确定性存在情况下跟踪误差的渐近收敛性．最后给出了两连杆刚性机器人的仿真例子，验证了其控制效果．     

线性离散时不变系统的分数阶相位校正迭代学习控制

针对带有随机干扰的线性离散时不变系统,提出一种分数阶相位校正迭代学习控制算法.设计一种新型相位超前校正与分数阶迭代学习控制相结合的迭代学习控制(ILC)学习律.基于频域分析方法,得到分数阶相位校正迭代学习控制在算法开、闭环两种情况下的频域收敛条件.结果表明:文中算法显著提高了ILC跟踪误差的收敛速度和收敛精度,具有先进性和有效性.     

基于变增益迭代学习算法的多元间歇精馏控制

面对多元间歇精馏过程的多阶段操作和非稳态运行特点以及高稳定性和高精度的控制需求,传统的反馈控制一般难以确定最优的回流比操作方案.针对该问题,在传统P(比例)型迭代学习控制(itecative learning control,ILC)算法的基础上,提出了一种学习增益沿批次指标自适应调整的变增益P型ILC算法.该算法能够保证间歇精馏过程在不同的操作时刻沿批次指标具有平衡的学习效率,从而提高过程控制性能沿批次指标的收敛速度.以Aspen Batch Distillation(ABD)软件系统中的一个三元间歇精馏模型为实际控制对象,对所提出的变增益P型ILC和传统PID控制以及P型ILC 3种控制方案进行了控制性能的仿真和比较,仿真结果证明了该控制算法不仅计算简单,同时比传统P型ILC算法具有更快的收敛速度.     

基于滑模变结构的迭代学习控制器算法

迭代学习控制是一种新型控制算法,它不依赖于动态系统的精确数学模型,通过重复执行同一任务来减少误差,使系统输出尽可能逼近理想值的方法.滑模变结构控制具有很强的鲁棒性,将滑模控制算法引入ILC,提出两种基于滑模变结构的迭代学习控制算法.仿真结果表明随着迭代次数的增加,误差逐渐减小并趋于平稳,得到较好的跟踪效果.     

Best Tracking Performance under Plant Uncertainty and Control Energy Constraint

This paper has investigated best tracking performance for linear feedback control systems in the case that plant uncertainty and control effort need to be considered simultaneously. Firstly, an average integral square criterion of the tracking error and the plant input energy over a class of additive model errors is defined. Then, utilizing spectral factorization to minimize the performance index, we obtain an optimal controller design method, and furthermore study optimal tracking performance under plant uncertainty and control energy constraint. The results can be used to evaluate optimal average tracking performance and control energy in designing practical control systems.     

距离度量下的一类非线性系统输出反馈控制

针对一类非线性项下三角形依赖的输出反馈控制系统,在非线性距离度量框架下,设计状态观测器和反馈控制律稳定闭环,并分析控制器的鲁棒性.在有测量误差和输入误差时,控制器实现了闭环在距离度量意义下的稳定.当模型扰动小于正常数时,控制器可实现对于模型扰动的鲁棒稳定性.     

静电陀螺支承系统的内模控制

针对静电陀螺支承系统超前-滞后PID控制器参数确定过程的复杂性,引入反馈控制器处理不稳定对象,处理后的对象采用一种改进的内模控制方法,推导了内模控制静电支承控制器的传递函数和系统闭环传递函数.结果表明,控制器可由新的稳定对象的逆、不稳定分量和一个低通滤波环节相乘得到,确定过程简单.给出了MATLAB环境下的仿真实验,仿真结果表明,采用内模控制的静电陀螺支承系统跟踪无静差,控制效果良好.     

行走机器人控制策略与开闭环学习控制

主从式双腿协调控制用于异构双腿行走机器人可减少规划量,控制的关键是步态轨迹跟踪.仿生膝关节使机器人步态更加仿人;但仿生腿模型复杂,跟随人工腿步态控制困难.P型开闭环迭代学习控制结合开环和闭环学习控制优点,不依赖于模型,适用于复杂机器人轨迹跟踪控制.从开闭环结合角度,证明了算法收敛性.算法在虚拟样机上的仿真表明算法有效、鲁棒性好且收敛速度优于单独开或闭环学习控制.     

具有均匀量化器的网络控制系统的一致有界性

针对连续被控对象、系统总时延小于1个采样周期的网络控制系统建立了离散模型.利用Lyapunov稳定性理论和线性矩阵不等式方法给出了使网络控制系统稳定的控制方法.实现了均匀量化情况下系统的一致有界控制,给出了系统收敛上界.通过调节量化器的误差可以将系统状态控制在一定的范围内.实际中据此可设计相应的量化级别及编码长度等参数.通过仿真验证控制方法的有效性并分析了量化误差对系统收敛性的影响.     

带观测器的鲁棒控制系统设计方法

本文分析了观测器对系统鲁棒性的严重影响;分离性原理被破坏,观测误差不可避免.给出了带观测器系统的鲁棒控制设计方法.首先,给出了一种反映鲁棒性的目标函数,然后在解Sylvester 矩阵方程AX-XA=-BU 的基础上,确定了所有使组合系统名义工作点的极点为指定值的反馈阵和观测器参数,在这些F 及观测参数中对目标函数优化,既使系统满足给定的动态性能指标,又提高了鲁棒性.     

一类非线性系统的鲁棒自适应模糊控制

对一类非线性系统，根据模糊自适应控制的设计思想，考虑逼近误差及外扰的影响，提出一种在控制器中增加一个鲁棒自适应控制项的设计方法，并利用Lyapunov理论证明了由此控制的闭环系统的跟踪误差可收敛到零的一个邻域内。采用该方法，无需事先知道逼近误差和外扰的界，从而提高了实际应用价值。     

A Simulation Study of Higee Rotor Auto-balancing Based on Iterative Learning Control

Hypergravity technology has a wide application prospect on many industry areas for its powerful ability on muitiphase flow transport and reaction.In its long-term operation,vibration control of higee rotor is an important guarantee for high-quality continuous outputs.Offline approach has great influence on continuity of the whole production line.In order to study online auto-balancing control strategy,a mathematical model of higee rotor was established.Then basic Iterative Learning Control(ILC)algorithm and its improved structure based on vector analysis were introduced.Pure injection balancer and electromagnetic balancer were separately used as the actuator.Three different control algorithnts(P control using Cohen-Coon parameter tuning law,basic ILC,and improved ILC based on vector analysis)were compared under single eccentric mass disturbance and continuous ones.Simulation results manifested the effects of ILC in rotor auto-balancing control,especially on the"over-control"issue during the balancing process.