基于状态感知的UGV 事件触发路径跟踪控制

针对通信受限下的无人驾驶车辆路径跟踪控制问题，提出了一种基于状态感知的H∞事件触发路径跟踪控制策略.首先，根据车辆的动力学行为建立了相应的路径跟踪控制模型；其次，基于对路径跟踪控制系统的状态实时感知，设计了一种新型的基于状态感知的事件触发通信策略（SS-ETC），可根据控制系统的状态对事件触发阈值进行动态自适应的调整；然后，在该动态事件触发通信策略下，结合时滞系统建模方法与Lyapunov 稳定性理论，设计了基于状态感知的事件触发H∞控制器.本文所提出的基于状态感知的动态事件触发通信策略能够根据控制系统的量测状态进行通信阈值的动态调整，有效地实现了自主车辆通信与控制的自适应协同设计.最后，通过仿真实验验证了所提出的动态事件触发控制策略的有效性.     

基于动态事件触发机制的双通道时延网络预测控制

本文针对传感器-控制器通道和控制器-执行器通道均存在时延的网络控制系统(NCSs),研究了在动态事件触发机制(DETM)下基于模型的网络预测控制(NPC)问题。通过在静态事件触发机制(SETM)中引入一个内部动态变量,设计了双通道动态事件触发机制,采用龙伯格观测器对系统状态进行估计,提出了基于模型的网络预测控制方法主动对双通道网络时延进行补偿,根据Lyapunov稳定性理论,给出了网络控制系统渐进稳定的充分条件,通过数值仿真验证了所提方法的有效性。     

基于倍频采样和状态预测的LQ控制策略

针对网络控制系统中的延时补偿问题,设计了一种新型网络控制系统工作方式.通过设置缓冲区和采用控制器节点倍频采样的方法,使系统在能够实时准确地获得系统延时的情况下,最大限度地减小系统环路中的时滞,在状态预测的基础上设计的LQ控制器,使得网络控制系统的性能得到进一步改善,仿真结果验证了该方法的有效性.     

带有量化的事件触发预测控制

针对存在量化的网络控制系统,提出了一种基于事件触发机制的预测控制设计方法,其中,信号从传感器传送到控制器和从控制器传送到执行器时需要被量化。建立了带有事件发生器的网络化模型,设计了事件触发机制,给出了预测控制律的设计方法,分析了闭环系统稳定性条件。最后,通过数值仿真验证了本文方法的有效性。     

基于特征模型和模糊动态特征模型自适应控制方法的网络控制系统

针对网络控制系统模型参数选取困难的问题,利用特征模型和动态特征模型的自适应控制方法在实际工程中建模简单、控制精度较高的特点,以直流电机的网络控制系统为例,研究了具有时延和数据丢包网络情况下的网络控制系统,提出了基于特征模型的自适应控制方法和基于模糊动态特征模型的自适应控制方法.仿真结果表明:丢包率对特征模型控制器系统的影响较大,而网络延时对模糊动态特征模型控制器系统影响较大.所提两种方法均可有效保证网络控制系统的控制性能.     

航空发动机模糊自适应广义预测解耦控制

为克服航空发动机控制回路间的耦合作用,针对具有不确定大时延的航空发动机分布式控制系统,提出了一类模糊自适应广义预测解耦控制算法.利用发动机非线性模型的输入输出数据对模糊自适应推理网络进行离线训练,网络的前提参数训练后固定,后件参数则可在线调整以使网络能更好地逼近实际系统.将模糊自适应推理网络作为广义预测控制器的预测模型,可以省去常规广义预测控制器的反馈校正机构.仿真表明:当参考轨迹为阶跃信号、斜坡信号时,所设计的控制器均具有良好的动态跟踪特性和解耦特性,当时延发生变化时,系统输出仍然能稳定地跟踪参考轨迹,说明该控制器对时延不敏感,鲁棒性强.     

双通道受周期性DoS攻击下的NCSs事件触发控制

本文针对双通道(传感器-控制器通道、控制器-执行器通道)受到已知周期性拒绝服务(DoS)攻击的网络控制系统,设计了一种基于观测器的具有弹性事件触发策略的控制器。使用切换系统的方法,将受到周期性DoS攻击的网络控制系统分为DoS攻击休眠子系统和DoS攻击活跃子系统,在周期性DoS攻击活跃期,采用保持输入补偿策略以避免DoS攻击对传输数据的影响。通过引入两个辅助函数得到闭环增广系统,基于系统全局指数稳定的充分条件,通过给定的周期性DoS攻击参数,设计系统的状态观测器和事件触发控制器。仿真结果表明,所设计的控制器在保证系统稳定的同时,还能减少不必要的数据传输。     

有数据包丢失网络控制系统的建模和控制

针对一类具有不确定时变时延和数据包丢失的网络控制系统,提出了一种控制器设计方法。在控制器节点利用状态预测器,当传感器数据丢失时,用预测状态代替当前对象状态;当传感器数据传输成功时对预测状态进行修正,并应用预测状态来构造控制律。在执行器节点采用缓冲技术将控制器-执行器时延转化为固定实验。与状态预测器相结合,将有数据包丢失的长时延网络控制系统建模为有事件率约束的异步动态系统。根据此模型,以矩阵不等式的形式给出了系统指数稳定的充分条件,通过求解矩阵不等式的可行解获取控制律。仿真算例说明了该方法的有效性。     

车辆单神经元模型参考自适应控制算法研究

针对智能车辆油门控制系统,提出了一种单神经元模型参考自适应控制算法.首先通过实验研究获得油门控制系统的传递函数,再以该函数获得的数学模型为依据设计了自回归滑动平均模型（NARMAX）神经网络,并对系统输出进行离线辨识和在线预测.采用免疫模糊思想改进二次型单神经元控制算法,构建基于NARMAX神经网络预测的模型参考自适应控制系统,定义了一种评价车辆纵向运动的目标函数,采用浮点遗传算法寻找各控制器的最优值.仿真结果表明,NAR-MAX神经网络可辨识和预测车辆油门系统的动力特性,与免疫模糊和二次型单神经元算法相比,单神经元模型参考自适应算法的阶跃响应速度显著提高.     

TCP网络的非线性自适应滑模控制

针对TCP网络存在网络参数高度变化和UDP流的情况,提出了两种非线性自适应滑模控制算法.考虑到系统不确定的上界很难获得,针对系统不确定的上界设计了一种自适应滑模控制器.由于使用了符号函数,该算法不能有效地抑制抖振.为此,设计了一种直接对不确定进行自适应的滑模控制器.仿真结果表明,对不确定的上界自适应的滑模控制器优于对上界自适应的滑模控制器,对上界自适应的滑模控制器优于PI控制器.     

拒绝服务攻击下信息物理系统事件触发广义预测控制

针对传感器到控制器通信信道上存在拒绝服务(DoS)攻击的信息物理系统的安全问题进行研究.首先,基于系统的定周期采样策略,设计了事件触发的通信策略,以减少通信资源的占用.同时,为降低DoS攻击给系统带来的不良影响,提出了一种基于预测控制的数据补偿方法,在控制器节点中,通过成功接收到的历史状态信息得到系统受攻击导致状态信息丢失情况下的状态预测值,并给出控制器反馈增益的表达式.随后,提出了事件触发预测控制下的系统闭环模型,分析了系统闭环稳定的充分条件.最后,通过仿真实例证明了该方法的有效性.     

一类非线性网络控制系统的控制器设计

针对一类非线性网络控制系统,提出了一种新型自适应模糊滑模预测控制方法,采用带有时间超前非线性状态预估器的新型的滑模控制(SMC)方案,补偿网络诱导时延,而后利用模糊自适应系统来逼近非线性环节,并基于Lyapunov稳定性理论设计自适应律,保证系统的稳定性. 以网络环境下空间飞行器的姿态控制为例进行仿真,结果表明,所提出的方法不仅实现了高精度的姿态稳定控制,且系统对不确定参数、网络诱导延时及外界干扰带来的影响具有很好的鲁棒性.     

间歇性连接移动自组网中自适应喷雾路由协议

针对传统喷雾路由协议缺乏自适应能力的问题,该文提出一种适用于间歇性连接移动自组织网络的可预测自适应种子喷雾(PASS)路由协议.该PASS路由协议在业务源端检查应用层发送时延要求的合理性,并预测路由代价;被授权的中继节点根据当前网络环境动态建立时延与喷雾深度的映射关系.仿真结果表明,该PASS路由协议能在缺乏网络参数的动态网络环境中满足时延约束,是一种有效的低代价时延约束路由协议.     

工业信息物理系统间隙DoS攻击的自适应事件触发稳定控制

针对具有间隙拒绝服务（DoS）攻击的工业信息物理系统（ICPS）,研究一种基于观测器的自适应事件触发稳定控制方案。首先构造一个观测器估计系统状态,并采用一种新的自适应事件触发通信方案以节约网络资源;然后通过受频率和持续时间限制的间隙DoS攻击对ICPS的影响建立攻击模型,将受到DoS攻击的ICPS划分为DoS攻击活跃期系统和DoS攻击休眠期系统,并用一些过去成功触发状态重构当前受到攻击的状态,得到基于动态估计器的攻击补偿机制,保证系统在DoS攻击活跃期间的渐进稳定;最后运用分段Lyapunov泛函方法、Jensen’s不等式和Schur补引理,得到系统的稳定条件,并提出自适应事件触发参数、观测器增益和控制器增益的协同设计方案。用间歇反应器系统模拟间隙DoS攻击下基于自适应事件触发的ICPS系统稳定性能。仿真结果表明,自适应事件触发策略和基于动态估计器的补偿机制不仅能够提升系统的稳定性,还能有效降低数据传输的次数,系统在静态事件触发策略下的触发次数大约是在自适应事件触发策略下的4.5倍。     

基于MRFAC的感应电机控制器设计

结合感应电机这一非线性控制对象,设计了感应电机的模型参考模糊自适应速度控制器。该控制器具有传统模型参考自适应控制构架,传统模型参考自适应控制系统中的反馈控制器和常规自适应机构分别由主模糊控制器、模糊自适应机构替代,模糊逆模型结合自适应调整算法构成的模糊自适应机构对主控制器参数进行实时调整,以达到快速适应对象参数和状态变化的目的。基于模块化建模工具Matlab/Simulink建立感应电机控制系统模型,仿真结果表明该控制器运行平稳,具有良好的动、静态性能。     

变采样周期网络控制系统的量化状态反馈控制

研究了一类具有变采样周期的网络控制系统的量化状态反馈控制问题.将从传感器到控制器的随机时延作为系统的时变采样周期,通过将具有时变采样周期、随机时延和量化器的网络控制系统建模为M arkov跳变系统,利用李雅普诺夫稳定性理论和线性矩阵不等式方法给出了系统指数均方稳定的充分条件,并设计了一种量化状态反馈控制器.通过仿真算例说明了所提方法的有效性.     

基于模糊熵时延预测的车辆远程转向控制

构建某电液控制转向缸在因特网环境下的远程闭环控制模型.从时滞依赖鲁棒稳定控制理论的角度,设计一种根据网络时延所满足的时滞条件进行动态切换的控制器;从网络时延序列复杂性测度的角度,设计一种自适应加窗滑动平均时延预测算法,为控制提供切换依据.实验结果验证了这种基于模糊熵时延预测的自切换鲁棒控制器的可行性和有效性.     

基于离散隐马尔可夫模型的网络化控制系统最优控制器设计(英文)

设计了一种最优控制器来补偿网络化控制系统中控制器到执行器之间的随机时延对系统的影响.引入了离散隐马尔可夫模型来预测当前采样周期内控制器到执行器之间的时延,并将这一预测值考虑到最优控制器的设计中以保证系统的均方稳定.仿真实验验证了最优控制器的有效性及其相对于状态反馈控制器的优越性.     

铣削加工的最优化自适应控制

本文研究用 TP-801单板机作为自适应控制器的最优化自适应控制系统,建立了最小加工成本的数学模型,用随机决策方法给出了刀具寿命方程的经验表达式,提出了一种快速的在线优化方法.并在 XK-715数控铣床上进行了实验研究.结果证明,当切削余量或刀具磨损等因素变化时,自适应控制器可根据给定的输入和过程的输出信号在线优化切削条件,保证数控机床始终工作在最优状态.     

基于在线神经网络的自适应控制器的设计与应用

针对线性控制系统自适应性较弱的缺点,在其基础上设计了一种基于在线神经网络的自适应控制器．该控制器根据被控对象和参考模型之间的误差调整网络权值,在线抵消被控对象的未建模动态特性和不确定因素．文中以某小卫星姿态控制系统为例,对所提出的自适应控制器进行设计和仿真．结果表明,神经网络以很高的精度跟踪和在线补偿不确定项,改善了线性控制系统的动态性能．