基于观测器的网络系统鲁棒控制器设计

针对网络拥塞问题,提出了一种基于观测器的主动队列管理(AQM)算法.该算法讨论了输入受限情况下时滞不确定网络系统的鲁棒控制器设计问题,利用线性矩阵不等式方法研究了观测器和控制器存在的充分条件.仿真结果表明,在网络条件变化的情况下,该方法能很好的使缓存队列迅速收敛到期望队列长度,并且对网络的负载扰动和参数变化具有很强的鲁棒性.     

基于TCP/AQM的离散滑模控制器设计

基于网络拥塞控制有效的主动队列管理算法(AQM),设计了一种鲁棒的离散滑模控制器(DSMC).针对实际网络中离散化的采样系统和定期更新等运行特点,将TCP动态拥塞窗口模型离散化,考虑该模型存在的网络延迟及流量扰动等参数不确定等特点,采用鲁棒性较好的滑模控制器.在控制器的设计中,构造了包含起始点滑模面,缩短到达时间;假设不确定扰动的最大上界,采用等效控制设计控制律;然后给出了系统的稳定性分析.仿真结果表明该控制器能够获得较快的响应速度和稳定的队列长度,在网络参数变化时仍能获得很好的鲁棒性.     

基于不确定时滞模型的鲁棒AQM控制器设计

针对网络环境的不确定性和网络参数的时变性,采用不确定时滞系统模型对网络拥塞控制问题进行了研究。给出了利用线性矩阵不等式方法判定主动队列管理(active queue management,AQM)系统稳定的充分条件,以及基于求解非线性矩阵不等式的AQM控制器参数设计方法,设计了基于线性矩阵不等式的含时滞静态输出反馈控制器。仿真结果表明,利用该方法所得到的控制器是有效的,在变化的网络环境下,其动态响应更快,稳态波动更小。     

基于非线性差分随机早期检测的拥塞控制机制

主动式队列管理技术是网络中间节点拥塞控制的关键技术,它和基于窗口的TCP端到端的拥塞控制相结合,是解决目前网络拥塞控制问题的有效途径。采用非线性增长数据包丢弃概率与差分服务模型相结合的方法,提出NLD_RED算法。该算法是对RED改动很小的一种算法,实现了控制参数动态化,一定程度上消除了RED的参数敏感性问题,满足了不同优先级差分服务需求,增强了调节拥塞控制的能力。在仿真平台上设计了仿真实例,对算法性能进行评估。算法能够尽量维持平均队列长度在一个相对稳定状态,提高了算法稳定性和灵活性。     

基于H∞控制方法的多链路网络拥塞控制

研究了一类基于主动队列管理(active queue management,AQM)路由器的多链路网络拥塞控制问题.用一个状态空间模型来描述多链路网络流量的动态特性,并将实际链路带宽相对于期望带宽的偏差作为干扰信号,从而用H_∞控制方法来解决网络拥塞问题.在链路带宽变化的情况下,通过丢包率来控制实际窗口大小及队列长度,使得实际窗口大小和队列长度达到期望值,从而达到降低网络拥塞的目的.最后通过两个仿真示例验证了方法的有效性.     

基于显式拥塞指示的自适应主动队列管理算法

目前Internet网络中间节点拥塞控制问题在网络和控制理论界已获得了广泛关注.本文提出一种基于神经元自适应PID控制器的AQM算法,针对TCP/AQM系统模型,结合中间节点队列管理和显式拥塞指示机制(Explicit CongestionNotincation,ECN)机制,采用梯度学习算法来在线调整基于神经元PID的AQM控制器参数,以实现标记/丢包概率的自适应调整,从而对网络拥塞程度作出及时响应,尤其在网络参数时变的情况下仍能保证良好的动态性能,并显著改善网络的服务性能(QoS).最后通过NS-2仿真结果表明,该算法在队列稳定性、平均丢包率等性能方面要明显优于基于常规PID的AQM算法.     

基于自适应模糊滑模控制的主动队列管理算法

针对TCP这样大型复杂的网络系统的拥塞问题,考虑系统中存在的不确定因素是未知非线性的情况,设计了一种采用自适应模糊滑模控制理论的主动队列管理算法。该算法基于网络模型的特殊性,构造了Lyapunov-Krasovskill函数,设计了滑动模面,并基于线性矩阵不等式的方法给出该系统鲁棒渐近稳定的充分条件,所设计的自适应模糊控制律能够使系统的状态轨迹在有限时间内到达滑动模面。仿真结果表明,该算法在网络条件变化的情况下,能实现准确的跟踪目标队列长度,避免网络拥塞的发生。     

一类不确定离散网络系统的全局滑模控制

针对动态传输控制协议(transmission control protocol, TCP)网络的拥塞问题,基于离散全局滑模控制理论设计了一种主动队列管理(active queue management, AQM)算法,该算法消除了滑模控制的到达阶段,保证网络系统在整个控制过程中的鲁棒性。为了减弱离散指数趋近律的抖振现象,给出了一种改进的滑模趋近律,使得复杂的网络系统具有良好的性能。仿真结果验证了所设计的控制器对活动的TCP连接数、链路带宽及往返时延的不确定性具有很强的稳定性和鲁棒性。     

参数自适应的随机早期检测算法

随机早期检测(Random Early Detection，RED)是一种广泛应用于包交换网络的主动队列管理技术，它通过保持较小的平均队列长度，在缓冲区溢出前主动丢包，降低路由器的丢包率，保持较低的服务延迟，避免缓冲区锁定，提高网络的利用率。但是RED严重依赖于参数的设置。该文根据保持网络流量平稳的丢包率和路由队列的变化提出了一种自适应地调节参数的RED改进算法。模拟实验的结果表明，自适应地调节参数提高了RED的适应性，降低了数据包排队延时和丢包率，提高了链路利用率。     

一种主动网络环境下的主动队列管理机制

针对主动网络这种新型网络体系能为主动队列的管理提供更加灵活和有效的方法,以及目前主动网络中主动队列的管理仍然简单移用传统网络算法这一情况,深入研究了这种简单移用存在的弊端,及应专门为主动网络设计主动队列管理机制的重要性和必要性。在此基础上,利用主动网络中路由器有着对流经其上的用户数据进行计算的特征,提出了主动网络环境下,基于资源动态协商的主动队列管理机制,并用OPNET8.0进行了仿真实验,验证了该机制在丢包率、队列长度和包延时等方面的优势。     

Rossler系统与统一混沌系统的异结构同步

针对异结构混沌系统的同步提出了两种不同的同步方案,研究了两个不同结构的混沌系统:Rossler系统与统一混沌系统的同步。系统参数已知时采用主动控制方法,通过设计适当的主动控制器,实现了响应系统与驱动系统的渐近同步;系统参数不确定或未知时采用自适应控制方法,基于李亚普诺夫稳定性理论,得出了两异结构混沌系统同步的充分条件,设计了相应的控制器和参数自适应律,使得响应系统的状态变量渐近跟踪驱动系统的状态变量,且两个系统的参数估计值渐近收敛于其真值,仿真结果证明了两种方案的有效性。     

高层建筑风振反应的T-S模糊控制

研究了高层建筑在顺风向脉动风荷载激励下T—S模糊控制问题。受控结构为拟建于澳大利亚Melboume的一幢钢筋混凝土结构办公楼，高306米，总共76层，控制设备为安装于结构最顶层的主动调谐质量阻尼器，主动控制力由T—S型模糊控制器求得。选取LQG控制的仿真结果为T—S模糊控制器的学习样本，采用减法聚类法和混合学习算法对T—S模型进行结构与参数辨识，通过改变结构刚度束检验模糊控制器的鲁棒性。仿真结果表明：T—S模糊控制器鲁棒性好，控制效果能够满足高层建筑风振舒适度的要求；与Mamdani型控制器相比，在线计算时间短，无计算时滞问题。     

基于递归神经网络的伺服系统自适应反步控制

针对伺服系统的系统参数摄动和非线性动态摩擦补偿问题,提出基于递归神经网络(RNN)的自适应反步控制(RNABC)系统设计方法.RNABC系统由反步控制器和鲁棒控制器组成,反步控制器包含RNN不确定观测器,鲁棒控制器则用来消除由于引入不确定观测器而带来的逼近误差.由于自适应反步控制的自适应律源于Lyapunoy函数的,因此系统的稳定性得到了保证.仿真结果表明,对于系统参数摄动和非线性摩擦干扰RNABC能使伺服系统具有很好的跟踪性能.     

一类高精度伺服系统基于模糊神经网络的复合控制

针对高精度伺服系统中存在的各种非线性及不确定性 ,提出了基于模糊神经网络的复合控制方法。控制器由前馈控制器和闭环反馈控制器组成。前馈控制器由零相差跟踪控制器 (ZPETC)及FIR滤波器构成 ,闭环反馈控制器采用模糊神经网络控制 ,包含一个辨识网络FNNI和控制网络FNNC。该控制方法结合了神经网络和模糊推理的优点 ,可以克服各种非线性和不确定性 ,明显提高跟踪性能 ,具有很好的鲁棒性。提出的模糊神经网络结构简单 ,推理算法易于实现 ,并且可以更合理地选择初始权值 ,加快了网络的收敛速度 ,在一定程度上解决了神经网络的实时性问题     

Intelligent vehicle lateral controller design based on genetic algorithmand T-S fuzzy-neural network

1.INTRODUCTION Effectivelateralcontrolisthepremiseofintelligent vehicle(IV)tracking.However,duetothenon lin earityandparameterstime variety,thelateralcon trollerdesignisadifficulttask.Manyworkshad beendoneforvehiclelateralcontrollerdesign.Ref.[1]usingstandardlinearquadraticcontrolapproach,Ref.[2]usingsliding modelapproach,Refs.[3～5]usingH infinityapproach,Ref.[6]usingnonlinear gain optimizedapproach,Refs.[7,8]usingfuzzy logicalapproach,studythelateralcontrolproblem,respectively.Refere…     

空间绳系机器人释放动力学与控制仿真研究

空间绳系机器人作为一种新型空间飞行器,为近距离目标捕获提供了一种全新的捕获方式。作为关键技术之一的空间绳系机器人释放动力学与控制目前尚未引起广泛关注。通过建立空间绳系机器人释放动力学模型,研究了绳系机器人稳定释放的控制技术。对非线性释放动力学模型全局反馈线性化,设计了绳系机器人释放的主动学习控制器,控制器根据规则在线学习自整定控制器参数,使绳系机器人沿切向稳定快速释放,解决了绳系机器人沿切向释放不稳定的问题。机器人作为一个独立的控制系统,可完成沿任意方向的释放。数字仿真验证了机器人能够满足释放过程中对主动控制律的要求,说明稳定释放控制策略的有效性。     

永磁同步电动机自适应反步控制的建模与仿真

设计了一种基于自适应反步控制的永磁同步电动机非残性速度控制器，采用二阶滤波环节平滑速度指令．在设计非线性速度控制器的同时，进行不确定参数及负载力矩的在线自适应估计。建立了采用该控制器的永磁同步电动机速度伺服系统仿真模型．仿真结果表明，所设计的非线性控制器保证了系统的全局一致稳定性，永磁同步电动机伺服系统获得了很好的跟踪效果，并且对参数不确定性及负载力矩扰动具有很好的鲁棒性。     

飞行仿真转台模糊神经网络补偿的复合控制

针对飞行仿真转台系统的非线性和不确定性,提出了基于模糊神经网络补偿的复合控制器,该控制器由前馈控制器、闭环控制器及模糊神经网络补偿环节组成。前馈环节由零相差跟踪控制器及FIR滤波器构成,闭环控制器由PD控制及干扰观测器构成,补偿环节由一动态模糊神经网络实现,给出了基于Lyapunov函数的稳定性证明。该控制方法突出优点在于兼顾考虑了系统中的结构化不确定性和非结构化不确定性,能够在外部干扰与参数摄动并存的情况下,保证系统的稳定性和跟踪性能。     

基于Backstepping的飞行仿真转台自适应摩擦补偿控制

论述了基于backstepping的飞行仿真转台自适应摩擦补偿控制。在实验的基础上,提出了飞行仿真转台的动态模型,其中包括动态LuGre摩擦模型。针对此动态模型推导出包括自适应摩擦补偿的backstepping鲁棒控制器。仿真实验证明:闭环系统的输出可以达到渐进跟踪给定的位置参考信号和速度参考信号,克服了转台在使用传统的PID控制器时,其位置波形存在平顶,速度波形存在畸变的缺点。     

永磁同步电机的模型参考模糊自适应控制

采用模糊基函数形式,将永磁同步电机时变参数的辨识转化为对模糊基函数权系数的辨识问题,经过离线学习和在线自适应调节的模糊估计器具有对永磁同步电机时变参数的逼近能力.利用参数跟踪误差和控制预测误差信息,设计模型参考模糊自适应速度控制器,基于Lyapunov稳定性理论分析了控制器的收敛性,仿真及dSPACE实验结果表明:所设计的永磁同步电机控制系统具有较好的参数跟踪及控制性能.