最优分数阶PIλDμ网络时延控制器

将分数阶控制理论应用于网络控制系统的时延研究当中,设计了适用于网络控制系统的分数阶最优PIλDμ控制器,并通过仿真实验将其针对固定时延和随机诱导时延的控制效果与整数阶最优PID控制器作了比较.实验结果表明,分数阶控制器和整数阶控制器在应用于对象为整数阶的网络控制系统时均能得到较为理想的效果,但分数阶控制器得到的阶跃响应的超调量更小、上升时间和调节时间也都相对更短,这说明最优分数阶PIλDμ针对网络时延具有更为理想的控制效果.     

伺服系统串级递阶滑模变结构控制

提出了一种串级递阶滑结构控制，将三维空间结构的控制器分解为两个二阶系统的控制器独立设计，这两个控制器共同完成系统的状态受限、控制受限式串级递阶滑模控制。给出了参控制器参数的确定方法，使系统获得优良的动态过渡过程品质。     

3级递阶舰艇作战系统控制结构

介绍了一种舰艇作战系统3级递阶集成控制结构,该结构自上而下包括系统组织级、资源协调级和设备执行级,形成了“信号-数据-知识”的3层信息递阶关系和“伺服-协调-组织”的3层控制递阶关系;同时融合了基于领域专家设计经验和指挥员作战知识的学习控制,结合“人在回路”设计实现人机智能的统一.针对作战系统分级递阶控制的信息度量、资...     

递阶进化算法的小波网络在设备状态预测中的应用

为改善小波网络的学习和逼近性能 ,基于递阶结构染色体提出了递阶进化算法用以实现小波网络的设计和训练。该算法采用包含控制级基因和参数级基因的递阶结构的染色体 ,分别对网络结构和网络参数进行编码 ,并根据编码特点将遗传算法与进化规划结合进行进化操作 ,可实现同时对网络结构与网络参数进行进化设计和学习训练。该算法不仅克服了梯度下降算法中的局部极小和网络训练不收敛问题 ,也使网络结构更优 ,从而提高了网络训练效率和网络的工作性能。就函数逼近问题和水轮机组的状态预测问题进行了事例研究 ,验证了所提出的算法的优越性和可行性     

时延相关网络控制系统的输出反馈镇定

研究了一类具有时变时延网络控制系统的输出反馈镇定问题.对于传感器与控制器间产生时变时延情形,采用时延相关切换控制器,通过Lyapunov-Krasovskii泛函方法和广义模型变换,得到了使闭环系统渐近稳定的线性矩阵不等式充分条件,该控制器是可以降阶的.仿真算例验证了该方法的有效性.     

网络控制系统具有时延补偿的离散滑模预估控制

基于线性时不变被控对象的网络控制系统的离散模型,研究了系统滑模控制器的设计问题.在系统状态预估的基础上,构造了具有时延补偿的滑模超平面,提出了完全消除抖振的滑模控制方法.利用李雅普诺夫方法证明了该控制器可保证系统的稳定性且不要求网络诱导时延小于一个采样周期.以伺服系统为对象的仿真实例验证了该方法的可行性和有效性.     

具有时滞和丢包的网络化控制系统稳定性分析

将数据包丢失看成一种特殊的时延,研究了同时具有网络诱导时延和数据包丢失的网络化控制系统的稳定性问题.采用动态反馈控制器稳定系统并提高系统的动态性能,得到了总时滞(包括传感器与控制器之间的时滞,控制器与执行器之间的时滞)的表达式,建立了网络化控制系统模型,证明了系统的稳定性判定定理.仿真结果表明了该方法的有效性.     

切换广义被控对象网络控制系统状态反馈镇定

针对切换广义被控对象的网络控制系统,根据网络的时延特性,结合被控对象为广义切换系统的特点,在传感器采用时间驱动,控制器和执行器采用事件驱动,网络诱导时延小于一个采样周期时进行系统建模,然后通过构造李雅普诺夫函数和多李雅普诺夫函数的方法研究了系统的稳定性,并设计了保证时延切换广义网络控制系统渐近稳定的鲁棒状态反馈控制器.     

切换广义被控对象网络控制系统状态反馈镇定

针对切换广义被控对象的网络控制系统,根据网络的时延特性,结合被控对象为广义切换系统的特点,在传感器采用时间驱动,控制器和执行器采用事件驱动,网络诱导时延小于一个采样周期时进行系统建模,然后通过构造李雅普诺夫函数和多李雅普诺夫函数的方法研究了系统的稳定性,并设计了保证时延切换广义网络控制系统渐近稳定的鲁棒状态反馈控制器.     

非线性网络控制系统的稳定性分析

针对传感器为时钟驱动、执行器、控制器均为事件驱动的一类非线性网络控制系统(net-worked control systems,NCS),通过在信息接收端设置一定长度的缓存,可以将时变的网络诱导时延转化为固定时延,并且将此类NCS建模为一类具有输入输出时延的非线性时延系统.基于建立的模型,利用Lyapunov定理和Razumikhin定理给出了系统渐近稳定的充分条件,同时给出使系统保持渐近稳定的最大允许网络诱导时延.最后通过算例验证了时延小于最大允许网络时延时,NCS是稳定的.     

考虑时滞影响的分层非线性全局控制器的设计

提出了基于广域信息的分层控制器结构,第一层是负责计算全局信息（如功角中心、角速度中心）的广域控制器,第二层是将本地测量信号与全局信息相结合以得到控制规律的本地控制器.同时,为了克服基于线性二次调节的非线性全局控制器易受时滞影响的弊端,应用线性矩阵不等式的H∞控制理论提出了新的计及时滞影响的非线性全局综合控制器.四机系统的仿真结果表明,当考虑广域信息的时滞影响时,该控制器仍能快速平息系统的振荡,提高系统的稳定性.     

基于运行模式切换的多能源系统的混合控制

为了实现具有高度灵活性的智能控制策略,以提高多能源系统的稳定性、安全性和自愈能力,文中提出了基于分布式能源运行模式切换的分层混合智能控制。对应于系统的混合动态行为,分层混合控制由上层的离散控制策略、下层的本地连续控制器和它们之间的相互作用组成。上层离散控制策略主要负责切换操作模式,以增强遭遇重大干扰时的安全性和自愈能力。下层连续控制的目的是调节各被控单元的动态稳定性,以获得满意的性能。通过仿真实例验证了该混合控制方法的有效性。     

网络控制系统反馈和前向通道的随机时延补偿

针对网络化控制系统的网络诱导时延,提出了一种改进的补偿时延的预测控制方法。对于反馈通道,根据测量的反馈时延设置预测步长,采用柔性控制增量算法设计预测控制器对时延进行补偿。对于前向通道,前向时延相对控制器来说是未知的,为此在系统输出端和前向通道间添加一个反馈补偿环节,设计一个控制补偿器估算出历史时刻实际作用于被控对象的控制量与控制器在此时刻输出的控制量之间的误差,用该误差来补偿前向时延的影响。当被控对象参数缓慢变化或未知时,给出了渐消记忆递推最小二乘辨识算法的网络化反馈修正算法。最后对闭环系统的稳定性做了分析并通过仿真验证了该策略的有效性,保证了网络化控制系统的良好性能。     

一类网络化控制系统的局部最优控制器设计

假定延时恒定且小于1个采样周期, 采用Lyapunov函数、线性矩阵不等式（LMI）以及区间矩阵的概念, 对状态反馈回路网络化的控制系统控制器增益进行设计, 以寻求某个局部最优控制器增益, 使网络化控制系统渐近稳定并同时使该控制器增益可变区间达到最大. 此局部最优控制器增益以及控制器增益的最大可变区间可以利用LMI工具箱中的求解器gevp得到. 实例表明, 采用此种设计方法很容易得到局部最优控制器.     

时延和可靠性感知的多控制器均衡部署策略

当前的软件定义网络多控制器部署问题研究,大多针对控制网络时延、可靠性和负载均衡等指标中的部分进行优化,对上述因素的整体考虑较少.针对该问题,首先分析了控制器部署对网络时延、可靠性和负载均衡的影响;其次,提出了以全网平均时延、控制路径可靠性和负载均衡度为参数,以网络综合性能为目标的控制器部署优化评价模型;最后,基于模拟退...     

基于自适应网络的动态双足机器人模糊控制

提出一种基于步态规划分级结构的自适应网络模糊推理系统控制策略,该方法不需要确定双足机器人运动学和动力学模型.以一种动态双足机器人为例,建立机器人的Sugeno模糊模型,对机器人系统的不确定上界进行自适应参数估计,采用自适应控制器逼近未知不确定界,解决了一类非线性系统的稳定控制问题.控制器的设计只要求不确定性满足匹配条件,而无需知道不确定界,能够处理不确定参数变化范围更广的情况,减少控制系统设计中的保守性.设计的分级控制系统可以学习试验的输入输出数据,从而在动态平衡下进行行走.同时,模糊控制器的进一步在线学习能力可以显著地改善步行机器人的动态性能.     

基于时滞补偿的气动系统位置控制仿真

为解决气动系统在控制过程中出现的时滞性、非线性性和外部干扰等问题,提出了一种基于时滞补偿的模糊比例-积分-微分(proportion integration differentiation, PID)控制的策略。首先,分析气动系统的工作原理,建立气动系统的机理模型。其次,针对气动系统存在的时滞特性,在Smith预估器的结构中引入干扰观测器,并使用改进的Smith预估器来补偿系统的纯滞后环节。最后,为提高位置控制精度,设计了具有自整定能力的模糊PID控制器。仿真结果表明,改进的Smith预估器与模糊PID控制相结合的策略能够保证系统的稳定输出,提高系统的抗干扰能力和鲁棒性。     

基于Hamilton理论的无人车路径跟踪控制

针对当前车辆路径跟踪控制存在精度低、可靠性差的问题,基于Hamilton理论提出一种四轮驱动四轮转向无人车路径跟踪分层控制方法.通过集成车辆动力学模型和路径跟踪模型,建立了路径跟踪误差模型,结合系统控制目标,提出采用Hamilton理论设计车辆上层控制器,用于实现路径跟踪误差模型的镇定,从而提高车辆路径跟踪的精度与鲁棒性.同时,在下层控制器中,设计4个车轮纵向轮胎力分配算法,通过轮胎力的动态分配满足车辆上层控制需求.利用CarSim和Simulink搭建车辆路径跟踪联合仿真模型并进行仿真实验,仿真结果表明,提出的无人车路径跟踪分层控制策略能够通过前后轮转角以及4个轮胎力的实时控制与分配,抑制路径跟踪过程中的横向误差和航向误差,提高路径跟踪精度并确保控制系统的可靠性.      

分布式电动车的线性自抗扰稳定性控制策略

为研究分布式电动车的操纵稳定性控制策略问题,将直接横摆力矩控制器设计为2个一阶线性自抗扰控制器,用于计算车辆维持稳定所需的横摆力矩。在转矩分配方面,根据路面附着和车辆状态调节目标函数的权值,采用二次规划算法计算得到电机输出转矩。应用硬件在环仿真平台进行了正弦迟滞和正弦递增实验,实验结果表明分布式电动车的操纵稳定性控制策略能够提高车辆的操稳性能,使得控制变量能够紧密跟踪期望值。      

考虑网络诱导时延的电动汽车主动安全控制策略

为了解决汽车CAN网络的消息处理、数据丢包等行为会引起汽车控制系统的时间迟滞效应,从而影响整车动力学控制的准确性的问题,提出了基于鲁棒模型预测控制的汽车横摆稳定性控制策略. 首先分析了CAN网络的消息时延特点,以此为基础构建多胞时滞动力学模型描述汽车网络的参数不确定性. 进一步设计了包含不确定参数的鲁棒模型预测控制器,提高了汽车主动安全控制器的抗干扰能力. 此外,横摆稳定控制策略还使用基于渐进稳定不变椭圆集的变时域最优控制律提高了鲁棒控制算法的在线求解效率,平衡了系统控制鲁棒性和最优性的矛盾. 结果表明,提出的控制策略能够抵抗CAN网络时延诱导的参数不确定性,缓解鲁棒控制算法的保守性,提高汽车转向时的主动安全性能.