基于PSO在线优化的多模型自适应动态矩阵控制

针对常规的自适应动态矩阵控制算法,在实际被控对象的模型参数发生突变时,系统的瞬态响应较差,提出了基于PSO在线优化的多模型自适应动态矩阵控制方法。对一类含跳变参数的单输入单输出离散时间被控对象,在模型参数范围未知情况下,以自适应模型参数为依据,经规则判断后通过所提出的基于双群体深度搜索的粒子群优化（PSO）算法在线优化自适应模型参数,并通过所定义的模型相似度自动建立多个固定模型。通过指标切换函数找到当前最优控制器。仿真结果表明,该方法明显优于常规的自适应动态矩阵控制算法,说明了该方法的有效性和可行性。     

连续搅拌釜的模糊多模型自适应控制

多模型控制器是解决复杂非线性系统的控制问题的一个十分有效又易于实现的方法.针对化工过程连续搅拌釜的数学模型,在不同的工作点设计多个线性模型逼近被控对象的动态特性.并在此基础上,基于模糊控制器的设计原理,设计模糊多模型控制器,并对控制器的性能进行分析.仿真研究表明,此模糊多模型控制器作用于连续搅拌釜这个复杂的非线性被控对象,能够使系统的输出很好跟踪设定值.     

多变量非线性系统的直接自适应模糊预测控制

对一类多变量非线性系统提出了直接自适应模糊预测控制方法,此方法首先对被控对象提出了线性时变子模型加非线性子模型的预测模型,然后直接利用模糊系统设计预测控制器,并基于时变增益自适应律对控制器中的未知向量和逼近误差估计值进行自适应调整。证明了此方法可使跟踪误差收敛到原点的一个邻域内,仿真结果验证了此方法的有效性。     

基于聚类方法和神经网络的非线性系统多模型自适应控制

针对具有参数跳变的非线性系统,联合聚类算法和神经网络提出新的多模型自适应控制方法。首先对系统的输入输出数据进行模糊聚类,然后基于递推最小二乘法建立多个固定模型。为提高系统的暂态性能,同时建立两个自适应模型,并在此基础上设计鲁棒自适应控制器。此外,为了补偿系统的非线性部分,建立非线性预测模型,并设计非线性神经网络自适应控制器。所提方法可使控制切换系统具有稳定性保证。最后,通过性能指标对控制器进行平滑切换。仿真结果表明,所提方法能够保证系统具有良好的控制性能。     

地形跟随中航迹跟踪模型预测控制方案设计

针对地形跟随飞行中的航迹跟踪问题,设计了航迹跟踪模型预测控制器,并讨论了模型预测控制中时域参数切换的自适应方案设计。首先,结合被控对象的特点,设计了用于实现全局稳定跟踪参考航迹的模型预测航迹控制器,并对控制器展开了稳定性分析。然后,充分发挥模型预测控制的预测能力,进行了航迹跟踪方法和综合误差评价策略设计。同时,通过分析不同航迹段的跟踪需求,设计了自适应调整模型预测控制中时域参数的优化方案。仿真验证结果表明,自适应方案相比固定时域方案航迹跟踪精度更高、飞行颠簸小、稳定性好,预设的评价指标函数能有效评估跟踪性能。     

基于变神经网络的非线性最小方差预测控制器

提出基于变神经网络学习动态系统参数的最小方差预测控制器。其目的是通过在线学习 ,使控制器(MVPC)能适应被控对象参数变化和非确定性。提出的变神经网络由两部分组成 ,一部分是线性神经网络 (LNN) ,作为被控对象局部线性动态模型 ,另一部分是多层交叉回归神经网络 (DRNN) ,它近似为非线性动态模型。由于引进递推最小方差算法 ,本控制器运算速度相当快。仿真结果表明所提方法对非线性系统自适应控制是有效的     

时滞对象的自适应Smith广义预测控制

针对时滞被控对象提出了一种自适应Smith广义预测控制器方案。在广义预测控制中 ,以Smith预估器建立被控对象预测模型 ,并基于零频率时的模型匹配和有遗忘因子的递推最小二乘算法在线辨识系统参数和时滞 ,不断修正Smith预估器模型和控制器参数 ,有效克服系统参数和时滞变化对系统的影响 ,动态响应快 ,跟踪效果好。仿真结果证明了这种方法的有效性。     

MIMO网络控制系统的容错控制

针对被控对象为多输入多输出的网络控制系统,设传感器与控制器均为时间驱动,未能成功传输数据的传感器节点视为暂时失效,将网络控制系统建模为一类具有时变传感器"故障"的系统。此类系统相当于一个有限子系统的切换系统,借助容错控制和切换系统的理论,基于共同的Lyapunov方法,给出了闭环系统渐近稳定的充分条件以及控制器和观测器的协同设计方法。最后的仿真验证了方法的有效性。     

基于主元分析的RBF神经网络多模型切换控制

针对传统多模型自适应控制中子模型数量过多、学习和自适应能力的局限性等问题,将神经网络的学习能力和非线性逼近能力与多模型切换的思想相结合,提出基于主元分析的径向基(RBF)神经网络多模型切换控制算法。首先,基于主元分析法进行工况区域识别。其次,在不同的工况区域内采用RBF神经网络建立多个子模型并设计相应的控制器。最后,根据性能指标函数选择相应的控制器以得到最佳的控制效果。仿真结果表明,该算法大大减少了子模型数量,并改善了系统的动态性能。     

一种基于LQ/变结构控制的多模型组合控制

针对一类含有参数跳变的非线性时变系统,提出了一种基于LQ与变结构控制的多模型组合控制方法.该方法在多模型及其切换的框架下,将全局鲁棒控制与多模型局部控制相结合,从而达到和保持整个系统的良好性能.首先,采用变结构控制理论设计全局鲁棒控制器,将被控系统的状态带到多模型局部控制器的作用区域以内.其次,在不同的特征点设计LQ固定控制器,按照一定的切换指标在局部固定模型中选择最佳固定模型以及相应的控制器将输出误差减小为零.仿真实验的结果表明了该方法的有效性.     

Multiple models adaptive feedforward decoupling controller

1.INTRODUCTION Thecontrolofdynamicsystemswithlargeuncertain tiesispaidgreatattentionforbothcontroltheorists andengineers.It’sknownthatthesystemwithun knowntimeinvariantorslowlytimevaryingparame terscangetgoodperformancebyusingaconventional adaptivecontroller.Butwhensystemboundarycon ditionchanges,subsystemfails,largeexternaldistur bancepresents,theparametersofthesystemwill changeabruptlyandthepresenceofthelargeparame tererrorswillgenerallyresultinslowreaction,slow convergence,poortransien…     

汽车AMT系统的Matlab/Simulink建模与仿真

文中首先建立汽车AMT控制系统的被控对象模型（油门执行器模型、传动系统模型和离合器模型）;其次基于Matlab/Simulink设计系统的控制器模型。系统地建立了汽车AMT控制系统的模型,仿真结果表明所建立的被控对象模型及所设计的控制器的合理性和可行性,从而为产品开发提供了依据。     

基于在线优化的多模型自适应控制

针对常规多模型自适应控制中子模型数量过多问题,提出在线优化的多模型自适应控制算法。将整个控制系统分为基本工况级和控制模型级的两层递阶结构。在系统运行过程中,通过在线学习自动地建立多模型及相应的控制器,并对所建的动态模型库进行优化,以进一步减少子模型数量和计算时间。证明了该算法能够保证闭环系统的稳定性和跟踪误差的渐近收敛性。计算机仿真结果表明该算法的有效性。     

直接驱动阀的阀芯摩擦力自适应补偿研究

针对直接驱动阀阀芯摩擦力,论述了基于模型的摩擦力自适应补偿.描述了几种摩擦力的动静态模型,建立了直接驱动阀的动态模型,设计了基于摩擦力动态补偿的自适应补偿器,并采用SIMULINK和AMESIM联合仿真进行了验证.结果表明:基于LuGre模型的摩擦力自适应动态补偿控制器能够有效改善摩擦的非线性特性对DDV式作动器性能的影响.     

一种自适应CMAC神经网络控制器的设计与仿真

为了消除常规前馈型CMAC神经网络控制器的过学习和振荡现象，基于常规CMAC的基础上，提出了一种自适应CMAC神经网络的控制器结构。该控制器以系统动态误差和给定信号量作为CMAC的激励信号，并与自适应神经网络控制器相并联构成系统的复合控制。仿真实例表明，提出的自适应CMAC神经网络控制器具有良好的鲁棒性、抗干扰能力和自适应能力，是解决非线性和不确定性对象控制问题的一种简便有效的控制算法。     

并联式运载器上升段广义超螺旋有限时间控制

针对受模型不确定和外部干扰影响的并联式运载器上升段姿态控制问题, 提出了一种基于广义超螺旋算法的自适应滑模有限时间控制方法。首先, 将姿态跟踪控制问题转化为跟踪误差系统的镇定问题, 建立了面向控制的模型。其次, 将单输入单输出(single input single output, SISO)固定时间广义超螺旋算法拓展应用到多输入多输出(multiple input multiple output, MIMO)耦合非线性系统上, 基于该算法设计了固定时间状态观测器和自适应滑模有限时间控制器, 利用Lyapunov稳定性理论证明了闭环系统的有限时间稳定特性。最后, 通过与传统比例-微分(proportional and differential, PD)控制器仿真对比, 验证了该方法具有更优的控制精度和鲁棒性。     

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.     

神经网络模糊非参数模型自适应控制及仿真

提出一种基于神经网络的模糊非参数模型自适应控制方案。该方案仅用受控系统的I/O数据来设计控制器,综合了模糊控制、神经网络与非参数模型学习自适应控制各自的优点。仿真表明该控制器对模型、环境具有较好的适应能力和较强的鲁棒性。