存在建模误差时的鲁棒自校正控制

研究了一类存在建模误差时的鲁棒自校正问题.在对象的模型误差是“相对小”的情况下,提出了具有辨识误差死区的辨识算法和相应的控制律;通过理论分析,给出厂辨识算法的收敛性;在给出的极点配置自校正定理中证明了对存在任意建模误差及任意有界初始状态的被控对象,整个自适应系统中所有的信号保持有界,因而也就表明所提出的控制算法对模型误差有很强的鲁棒性.     

一种鲁棒稳定的自校正控制器

对于一类带有未建模动态和有界外部扰动的离散线性系统提出了一种新的自校正控制算法。此算法不要求系统参数更多的先验知识。不但能保证闭环系统是鲁棒稳定的。而且平均跟随误差趋于零。从而说明本文方法具有消除各种可能存在的稳态误差的能力,仿真结果证明了本文方法的有效性。     

基于BP神经网络预报的动态矩阵预测控制

提出了一种基于BP神经网络预报的动态矩阵预测控制新算法，在该算法中，先用BP神经网络辨识对象模型，同时预测对象的未来输出，然后用动态矩阵控制算法进行滚动优化和反馈校正。该方法解决了非线性、时变对象难以建模及控制的问题，仿真结果验证了这一新型算法的可行性。     

异步电动机转子参数的自校正辨识方法的研究

转子参数的变化对异步电机调速系统的动静态性能有很大的影响。基于自校正方法设计了一种新的转子电阻的辨识算法。并通过仿真和实验 ,将这种算法与直接公式法进行了比较。在对自校正辨识算法进行研究时 ,主要分析了算法中参数 kp、 ki、电阻初始设定值、转速和负载转矩的变化对辨识效果的影响。讨论了负载转矩和转速对转子电阻辨识精度产生影响的原因。并且给出了该辨识算法的适用范围。实验结果证明了自校正辨识算法的有效性 ,特别是在大负载的情况下该算法可以准确地辨识出转子电阻     

基于稳定学习的碳酸碱浓度模糊建模

针对氧化铝生产过程中原矿浆制备工序碳酸碱浓度机理模型难以建立,无法实现在线检测的问题,通过对铝酸钠溶液温度和电导率的特性分析,提出一种基于同步聚类和稳定学习的碳酸碱浓度模糊建模方法。首先采用同步聚类算法将建模数据分类,并对聚类中心及分类进行离线修正,然后对每类数据进行模糊TS(Takagi-Sugeno)建模,并采用稳定学习算法对模型参数进行在线校正,保证辨识误差有界。将该方法应用于氧化铝生产过程碳酸碱浓度的软测量,现场实际数据预测结果表明了方法的有效性。     

多变量自校正控制的任意维数输入输出

本文对具有任意维数输入输出的多变量系统,提出了在线修正加权多项式矩阵和输出最优预测两种最小方差自校正控制算法.这两种自校正算法中,参数辨识均采用隐式步骤,参数估计数目较少.控制器闭环稳定性分析表明所述算法能适用于非最小相位系统.仿真结果验证了此算法的有效性.     

一类自校正控制器及其稳定性分析

本文对具有有界干扰和未建模动态的系统，建立了自校正控制系统的闭环模型和控制算法。对比研究了修正的投影估计法和修正的最小二乘估计法的自校正控制算法，并给出了稳定性分析。使用修正的投影估计法更简单、稳定性更好。     

模型参考自适应控制系统的鲁棒设计

本文提出了模型参考自适应控制系统的一种鲁棒设计方法.当被控对象存在有界外扰和建模误差时,本方法保证系统的全局稳定性;当被控对象不存在外扰和建模误差时,它还能保证跟踪误差趋于零.     

基于BP神经网络预报的动态矩阵预测控制

提出了一种基于BP神经网络预报的动态矩阵预测控制新算法 ,在该算法中 ,先用BP神经网络辨识对象模型 ,同时预测对象的未来输出 ,然后用动态矩阵控制算法进行滚动优化和反馈校正。该方法解决了非线性、时变对象难以建模及控制的问题 ,仿真结果验证了这一新型算法的可行性     

面向鲁棒控制的l1中心估计算法及其误差界

分析了具有ｌ１误差的线性时不变系统的最不利情况的辨识问题，对系统假设的先验信息是未知系统的脉冲响应函数控制稳定，并且假设实验数据具有有界噪声干扰的一般输入响应样本，提出了中心估计算法，分析了其最不利情况的误差界限，所给算法和辨识结果是面向鲁棒控制的。     

自校正内模控制器

提出了设计自校正内模控制的新方法。该方法把输出预测误差划分为有规律和无规律误差两部分。通过在线辨识建立有规律误差的预报模型,由此模型对误差值进行自适应预报,达到对内模控制器的在线校正,而对无规律的误差只作闭环反馈修正,最后达到消除系统的稳态余差。本方法比通常自校正内模控制算法的运算量大大减少,而在对象参数在一定范围内漂移时,同样能取到自校正效果。     

阶次未知系统的递推算法和自校正控制

基于Ｕ－Ｄ分解法，提出了一种新的递推算法，它能同时在线辨识受控系统的 阶次和参数，因而，可用于阶次未知的系统的自校正控制。文中给出了这种算法的设计 原理和实验结果。     

多变量自校正控制器的确定收敛性分析

对多变量自校正控制器进行了确定收敛性分析。首次表明:即使自校正算法应用于非最小相位系统,只要合适地选择加权阵,则输入输出向量有界,广义输出跟踪误差向量趋于零。     

基于模型的工业机器人误差参数标定技术研究进展

 为提高机器人末端控制精度,围绕基于模型的工业机器人误差参数标定技术,总结了其应用在高精度机械加工制造领域时存在的误差参数不完整、标定成本高和标定精度不满足工业需求等关键问题;综述了误差参数标定模型建模方法、机器人末端位姿测量技术、误差参数辨识技术和误差补偿技术4个方面的进展,分析了处理复杂标定任务时基于模型的误差参数模型标定技术的主要难点进行总结,针对传统建模方法不再满足标定需求、现有自标定技术测量精度不够、传统线性辨识算法在辨识矩阵奇异或存在冗余参数时无法得到准确的辨识结果、如何高效获得和处理测量得到的误差数据等难题,提出了可行性解决方案及发展方向。     

鲁棒的状态空间自适应预测控制算法

本文给出了状态空间自适应预测器的一种新算法，由于该算法采用了一种鲁棒的辨识器，因此，它具有一定程度的鲁棒性，稳定性分析的定量化结果表明，在一定的建模误差范围内，自适应闭环控制系统对于未建模动态是鲁棒稳定的。     

隐式PID自校正控制器及其应用

针对某化工厂间歇化学反应器模型难以建立与控制的问题，本文提出一种隐式ＰＩＤ自校正控制算法。该算法克服了常规ＰＩＤ算法参数整定难且整定周期长的问题，可实现在线实时辨识被控对象的参数，并具备ＰＩＤ控制器参数的自校正功能，经计算机仿真研究表明该算法具有较强的鲁棒性，是一种较有应用价值的算法。     

基于模拟退火的相位测量轮廓术随机相移误差校正

建立任意步长的随机相移误差校正模型,采用模拟退火算法完成随机相移误差的优化估计,利用最小二乘法推导出求解截断相位的新算法,并给出计算机模拟和不同算法的试验结果.仿真结果表明,所提出的算法能准确地优化出随机相移误差,提高了测量精度.     

广义自校正前馈控制算法

本文基于带积分因子的ＣＡＲＩＭＡ模型，将自校正控制策略与极点配置策略有机结合起来，提出了能够在线选择加权项的广义自校正前馈控制算法．该算法由于引入了积分作用能够消除跟踪误差，具有较强的鲁棒性．在非最小相位系统给出了算法的全局收敛性证明．     

基本参数估计的自校正PID控制

利用系统辨识手段，通过一系列变换，提出一种基于系统参数估计的自校正PID控制算法．以一电加热炉为被控对象进行仿真研究，结果表明该算法具有很好的适应性和鲁棒性．     

多变量系统的鲁棒自适应控制

考虑了具有未建模动态和外来有界干扰的离散时间多变量系统，提出了一种鲁棒自适应控制方案。这种控制器是基于系统的降阶模型设计的，其建模部分的参数估计采用带有死匹的最小二乘算法。在相当一般的假设下，证明了所建立的闭环系统是全局稳定的和跟踪误差是有界的。