带状态反馈约束的驾驶仪极点配置设计方法

将成熟的极点配置算法引入带状态反馈约束的自动驾驶仪设计中,提出了利用极点配置的求解工具将带状态反馈约束系统的非线性方程求解问题的阶数降低这一设计思路。具体方法是设置极点约束,利用极点配置求解的方便性,将极点配置算法求得的反馈增益与状态反馈约束组成非线性方程组,使原来的n阶非线性方程求解问题降阶,从而降低求解难度,通过求解非线性方程组进而完成自动驾驶仪设计。随后通过具体的带状态反馈约束的滚转驾驶仪设计例子验证了这一设计思路是可行的。     

广义线性系统鲁棒极点配置分离原理

针对广义线性系统,提出了基于全维观测器的控制系统设计的鲁棒极点配置分离原理。基于矩阵灵敏度理论证明了如下事实:与状态反馈系统相同的闭环系统极点具有和状态反馈系统极点相同的极点灵敏度。与观测器系统相同的闭环系统极点具有和观测器系统极点相同的极点灵敏度。于是全维观测器的状态反馈控制器中具有最小灵敏度的鲁棒极点配置,可以通过求解两个分开的鲁棒状态反馈极点配置问题实现。     

线性系统同时极点配置的代数几何方法

利用代数几何方法,研究两个线性系统状态反馈和输出反馈同时极点配置问题。通过讨论代数几何中的有理映射是否为到上的,来判别线性系统的特征多项式的系数可否几乎任意配置,从而推导出两个线性系统状态反馈和输出反馈同时极点配置的充分条件。将此结论应用到同时镇定问题上,得到了两个线性系统同时镇定的充分条件,并证明了如果两个线性系统存在复反馈同时配置极点,则一定存在实反馈同时配置极点。     

一类化工过程自适应状态观测器的设计

提出了一种非线性系统自适应状态观测器的设计方法。根据系统工作点的变化在线配置极点,选取合适的反馈增益矩阵,无论如何选取状态观测器的初值,都能保证观测器在大范围内稳定工作。理论分析了存在模型误差和噪声干扰时观测器的鲁棒性。在CSTR上的仿真结果证明,用该方法设计的观测器能够稳定收敛到状态真值,并且对模型失配和噪声干扰有一定的抑制能力     

块对角可控规范型多输入线性系统及极点配置

基于向量空间的模结构分解和矩阵的有理标准形给出了定常多输入线性系统一类新的块对角可控规范型,其中的系统矩阵相似与一个块对角矩阵,该块对角矩阵类似于矩阵的有理标准形,与现在有的可控规范型比较,更容易反映系统的结构特征,证明步骤给出了求解方法。作为一个应用,讨论了定常多输入线性系统的极点配置问题,得到了反馈增益矩阵的一般表达式,此表达式中含有任意参数,此方法将多输入线性系统极点配置问题转化为个数为系统矩阵循环指数的单输入系统的极点配置问题,进而推导出确定一个反馈增益矩阵的最少元素个数即为系统的阶数。     

状态空间设计方法的CAD

本文介绍状态空间设计方法的CAD软件工具,通过化Yokoyama或Hessenberg能控、能观标准型,分析系统的能控性和能观性,给出了状态反馈极点配置及观测器设计和输出反馈极点配置设计。     

极点配置

本章分述三个主要问题:(1)系统设计中极点-零点配置的使用——它们对动态响应的影响;(2)使用根轨迹法和状态反馈或输出反馈控制器设计单输入单输出系统;(3)用输出反馈控制器(固定控制器、动态控制器和比例 积分控制器)在多变量系统中实现极点配置。在(3)中主要介绍最简单的单位秩控制器及极点配置,对于无约束秩控制器以及零点配置问题也将作某些解释。     

非线性微分〖CDF*2〗代数系统的自适应状态观测器设计

针对非线性微分-代数系统,给出了可观性判据,提出了基于非线性微分-代数方程的自适应状态观测器设计方法。根据状态观测器工作点变化在线配置极点,获得合适的观测器的反馈增益阵,保证观测器在大范围内稳定工作。理论分析了存在模型误差时观测器的鲁棒性,证明如果模型稳态无差,观测器也是稳态无差的。以化工过程中的典型微分-代数系统为例,仿真结果证明了用该方法设计的观测器能够稳定收敛到状态真值,具有较好的动态性能。     

桥门式起重机吊重摆角软测量及仿真研究

为了解决工程中起重机吊重摆角和摆角角速度不易测量的问题,通过利用小车位置信息设计状态观测器,小车吊重系统和观测器构成软测量系统。通过引入观测器输出与小车吊重系统输出之间的差值并经过观测器的增益向量负反馈至观测器的输入端,将观测器的极点配置在负实轴上,实现系统对摆角和摆角角速度稳定、快速软测量。仿真研究表明：软测量系统具有较强的鲁棒性;随极点增大,软测量系统对吊重和绳长变化具有更宽的适应范围;当极点确定时,软测量效果对绳长变化比吊重变化敏感。     

振动二阶线性系统的鲁棒极点配置设计及其仿真分析

研究了振动二阶线性系统的鲁棒极点配置设计问题.基于矩阵方程参数化解提供的自由度,给出了能使闭环振动二阶线性系统具有希望极点的所有状态反馈控制律的参数化表达式.利用状太反馈控制律的参数化表达式,将衡量系统鲁棒性的误差指标参数化,从而鲁棒极点配置问题就转化为误差指标的最小化问题.给出了求解该振动二阶线性系统的鲁棒极点配置设计算法,该算法不包含"返回"过程,故便于工程应用.数值算例及其仿真结果表明该算法的简单及有效性.     

#br# 不确定参数快估反演自适应最优L2增益控制

为了加快参数自适应律微分方程求解速度和状态变量的稳定收敛速度,通过改进常规反演自适应L2增益控制算法和引入线性矩阵不等式(linear matrix inequality,LMI),实现了参数自适应律微分方程只需一步积分运算即可求解,简化了不确定参数自适应律计算求解,并保证了L2增益系数最小,给出了不确定参数快估反演自适应最优L2增益控制（rapid back stepping adaptive optimal L2 control, OP-L2-RBAC）的通式。军用电站谐波励磁系统的控制仿真结果表明,相对于传统反演自适应L2增益控制,该方法可加强军用电站励磁系统的动态稳定性。     

Adaptive Stabilization for a Class of Feedforward Systems with Zero-Dynamics

This paper investigates adaptive state feedback stabilization for a class of feedforward nonlinear systems with zero-dynamics,unknown linear growth rate and control coefficient.For design convenience,the state transformation is first introduced and the new system is obtained.Then,the estimation law is constructed for the unknown control coefficient,and the state feedback controller is proposed with a gain updated on-hne.By appropriate choice of the estimation law for the control coefficient and the dynamic gain,the states of the closed-loop system are globally bounded,and the state of the original system converges to zero.Finally,a simulation example is given to illustrate the correctness of the theoretical results.     

An overview of the development of low gain feedback and low-and-high gain feedback

Low gain feedback refers to certain families of stabilizing state feedback gains that are parameterized in a scalar and go to zero as the scalar decreases to zero. Low gain feedback was initially proposed to achieve semi-global stabilization of linear systems subject to input saturation. It was then combined with high gain feedback in different ways for solving various control problems. The resulting feedback laws are referred to as low-and-high gain feedback. Since the introduction of low gain feedback in the context of semi-global stabilization of linear systems subject to input saturation, there has been effort to develop alternative methods for low gain design, to characterize key features of low gain feedback, and to explore new applications of the low gain and low-and-high gain feedback. This paper reviews the developments in low gain and low-and-high gain feedback designs.     

基于观测器的一类不确定非线性系统自适应输出反馈控制

针对一类不确定非线性系统,基于非线性状态观测器采用回馈递推(Backstepping)设计方法提出了一种鲁棒自适应L2增益控制方案。该控制方案首先对系统的不可观测状态设计非线性状态观测器,在此基础上通过多步递推得到系统的控制律并设计了未知干扰的参数自适应律,使系统具有L2增益性能。同时把采用常规设计方法需要对过多参数进行辨识问题简化为只需对与未知干扰个数相同的参数进行辨识的问题,简化了控制器结构。最后通过仿真算例验证了所设计控制方案的有效性。     

一种非线性融合系统中的传感器管理方法

针对非线性非高斯动态跟踪系统,提出一种基于序贯蒙特.卡洛粒子滤波的传感器管理方法。该方法首先利用粒子滤波计算目标的协方差;然后利用信息熵计算目标的信息增量;最后利用信息增量大小实现传感器资源对目标的分配。仿真结果表明,在非线性系统下,该方法对传感器管理具有较高的精确性、实时性和鲁棒性。     

基于神经网络的自由漂浮空间机器人鲁棒控制

针对带有模型误差及外界扰动的自由漂浮空间机器人轨迹跟踪问题,提出了一种基于神经网络的自适应鲁棒控制策略。采用对神经网络状态空间进行划分后与滑模变结构结合的控制器,对不确定非线性进行自适应学习,逼近误差作为外部干扰由鲁棒控制器消除。该方法从整个闭环系统的稳定性出发,利用H_∞理论设计的鲁棒控制器及神经网络权值的在线调整规则保证了系统的稳定性,并能使系统L2增益小于给定的指标,具有较好的控制精度及动态特性。仿真分析进一步证明了该自适应鲁棒控制算法的有效性。     

基于贝叶斯序贯推理的自适应调制识别算法

提出了一种时变衰落信道下的自适应调制识别算法,设计出一种新的动态状态空间模型,来刻画信号调制方式与时变信道增益的时变特性,并引入一阶有限状态马尔可夫(finite state Markov channel,FSMC)模型来描述衰落信道;基于上述,新算法采用贝叶斯序贯推理法,充分发掘利用了其中所隐含的信道动态相关特性,实现对调制方式和时变信道增益的联合估计。仿真结果表明,新算法性能相比于传统ALRT算法有极大提升,且增加采样点数或者降低多普勒频移值都会使算法性能得到改善。     

带有初态学习的指数变增益迭代学习控制

针对一类非线性时变系统在有限时间区间上的轨迹跟踪问题,提出一种新的迭代学习控制算法,该算法对系统的控制输入和初始状态同时采用闭环指数变增益迭代学习律。基于算子理论,对具有任意初始状态的系统,在该迭代学习律作用下的收敛性进行严格证明,同时给出该迭代学习算法收敛的谱半径形式的充分条件。该算法与固定增益的迭代学习控制相比较,不仅加快了收敛速度,而且还解决了指数变增益迭代学习控制要求初始状态严格重复的问题。仿真结果表明了该算法的有效性。     

误差方差约束下不确定离散时间系统的鲁棒卡尔曼滤波

本文研究状态矩阵及测量矩阵中均含有不确定性的离散时间系统的鲁棒卡尔曼滤波问题。在状态估计领域中，指标要求常直接以状态分量的估计误差方差上限的形式给出。为此，本文的目的在于设计卡尔曼滤波增益，使不确定系统的估计误差方差达到稳态且其值不大于预先指定值、文中给出了期望鲁棒滤波增益的存在条件及其解析表达式，并以数值算例说明设计方法的直接性与有效性。     

Reduced-order Kalman filtering for state constrained linear systems

This paper aims at solving the state filtering problem for linear systems with state constraints. Three classes of typical state constraints, i.e., linear equality, quadratic equality and inequality, are discussed. By using the linear relationships among different state variables, a reduced-order Kalman filter is derived for the system with linear equality constraints. Afterwards, such a solution is applied to the cases of the quadratic equality constraint and inequality constraints and the two constrained state filtering problems are transformed into two relative constrained optimization problems. Then they are solved by the Lagrangian multiplier and linear matrix inequality techniques, respectively. Finally, two simple tracking examples are provided to illustrate the effectiveness of the reduced-order filters.