基于Wiener模型的风力发电系统变桨距控制

风力发电系统具有非线性强和波动性大的特点,如何在风速随机变化的工况下,快速地将风电机组输出功率控制在额定范围内是风电系统控制面临的重大难题。针对5 MW风电机组的变桨距控制问题,提出一种基于Wiener模型的风力发电系统变桨距控制方案。根据Wiener模型线性和非线性环节可分离的特殊结构,通过计算非线性环节的逆,构造具有线性性质的广义风电系统被控对象,将风电系统非线性变桨距控制问题简化为线性模型控制问题。采用独立可分离信号分步辨识风电机组Wiener模型,可以更加精准地预测风电机组输出功率。仿真实例表明：该控制方法有效地提高了变桨距系统的控制效果。     

感应电机Backstepping控制方法及dSPACE实时仿真研究

感应电机的高性能控制研究始终是非线性控制领域中的一个重要研究方向，Backstepping控制方法的提出为感应电机控制系统的非线性设计带来了全新的思路。利用本质上是非线性反馈控制的Backstepping方法，在转子磁链和电机转速不可测的情形下，实现感应电机部分状态反馈的位置渐近跟踪，且确保系统中的所有信号的有界性。该方法通过建立磁链、转速观测器，设计全局定义的控制律，具有形式简单、无奇异点、鲁棒性好等的特点。基于dSPACE的在线仿真结果表明：系统运行平稳，转速、磁链不可获知时，仍可有效渐近跟踪期望的参考位置，具有较优的伺服跟踪特性。     

基于先验知识和神经网络的非线性建模与预测控制

神经网络模型是模拟非线性系统的有力工具，它的缺陷是难以利用已有的先验知识。利用通用学习网络的建模方法，提出了一种利用先验知识和神经网络建立非线性系统模型的方法，具有简化神经网络结构、减小计算量的优点。基于这种模型利用改进的遗传算法进行优化计算，从而实现了基于先验知识和神经网络的非线性建模和预测控制。对一个悬吊系统的仿真实验说明了该算法的有效性。     

非线性多模型控制及仿真研究

连续发酵过程是一个强非线性的生化反应过程，其控制已成为一个难点。传统的预测函数控制一般只能处理线性对象。通过对非线性动态过程的多模型建模，提出了基于加权的多模型自适应预测函数控制方法，用于大范围的非线性连续发酵过程控制，实现了多模型之间的无扰切换。仿真结果表明：跟踪性能优良，鲁棒性强，说明了该方法对非线性系统大范围控制的有效性。     

基于干扰观测器的导引头稳定平台滑模控制

针对导引头稳定平台存在不确定弹体速度干扰以及非线性摩擦干扰的问题,结合滑模控制和非线性干扰观测器理论,提出一种基于非线性干扰观测器的二阶滑模控制方法。针对系统模型中的多个不确定干扰项,首先,采用新型微分跟踪器对状态量的导数值进行估计,进而得到干扰项的估计值,通过坐标变换,将系统中的不确定项进行归一化处理,便于控制器设计;其次,基于新型微分跟踪器设计了新型非线性干扰观测器,以实现对归一化后系统干扰项的精确估计;最后,采用二阶滑模控制算法进行控制器设计。仿真实验证明,新型非线性干扰观测器精度高、响应快,基于干扰观测器的二阶滑模控制方法能够有效隔离弹体扰动与非线性摩擦对导引头稳定平台的干扰,提高了稳定平台的鲁棒性和跟踪精度。     

高超声速飞行器轨迹跟踪控制仿真研究

针对高超声速飞行器纵向模型的快时变、强耦合和高度非线性的特点,在考虑模型不确定性的情况下,采用李导数的方法对某型高超声速飞行器进行输入输出的精确线性化。基于线性化后的模型,提出一种非线性动态逆控制的方法,并对其稳定性进行分析,实现对该型高超声速飞行器的轨迹跟踪控制。并利用Matlab搭建仿真平台,仿真结果显示仿真平台的正确性和控制算法的有效性。     

具有伪控制补偿的自适应动态逆控制系统设计与仿真

论述了基于伪控制补偿解决自适应控制中作动器饱和问题的方法。基本控制律采用非线性动态逆方法设计，神经网络用于对逆误差进行重构。伪控制补偿消除作动器和自适应单元之间的交互影响。通过在超机动飞行控制的应用仿真表明，该控制方案弥补了动态逆要求精确数学模型的缺点，消除了作动器饱和对自适应单元的影响，提高了整个控制系统的鲁棒性。     

多模自适应控制在空中飞行模拟器中应用

为了克服空中飞行模拟器传统上使用增益高控制方式的弱点，设计了一种改善空中飞行模拟器性能的自适应模型跟随控制系统，其中辨识器采用基于卡尔曼滤波器的多模辨识方法，该方法将本机先验信息加入到参数辨识过程中，辨识结构是与卡尔曼滤波器相对应的各个先验模型参数的概率权重和，仿真结果表明，该控制系统克服了原空中飞行模拟器模拟精度依赖于需要精确已知本机气动导数的严重缺陷，并显示出多模辨识算法比一般的辨识方法收敛速度快，精度高，有效地解决了非线性随机系统的参数辨识问题。     

一种直线感应电机的新型积分滑模控制器的设计与仿真

针对非匹配扰动影响下的直线感应电机速度跟踪问题进行研究,基于扩张扰动观测器设计了一种新型积分滑模控制器,使电机在非匹配扰动下具有良好的响应特性。针对带有边缘效应的直线感应电机模型,为其中的非匹配扰动分别设计了扩张扰动观测器,对扰动导数的观测值进行滤波处理,基于扰动量及其导数的观测值设计了新型积分滑模控制器(EDO-NSMC)。仿真研究表明所设计的控制器具有良好的响应特性和鲁棒性,并且减轻了传统滑模控制器的抖振效应。     

非线性模型预测控制的智能算法综述

从非线性模型预测控制的预测模型建模和最优化问题求解两方面入手,介绍了近年来基于智能模型和智能优化算法的非线性系统预测控制方法,并对各种算法的特征进行了总结评述,指出了智能非线性预测控制方法存在的问题和未来的发展方向。     

永磁同步电动机自适应反步控制的建模与仿真

设计了一种基于自适应反步控制的永磁同步电动机非残性速度控制器，采用二阶滤波环节平滑速度指令．在设计非线性速度控制器的同时，进行不确定参数及负载力矩的在线自适应估计。建立了采用该控制器的永磁同步电动机速度伺服系统仿真模型．仿真结果表明，所设计的非线性控制器保证了系统的全局一致稳定性，永磁同步电动机伺服系统获得了很好的跟踪效果，并且对参数不确定性及负载力矩扰动具有很好的鲁棒性。     

基于能量最优的无人驾驶汽车路径跟踪控制

动力总成控制对无人驾驶汽车的动态性能和经济性起着重要的作用。为了提高车辆在路径跟踪过程中的动力性和经济性,提出了一种基于能量最优化的路径跟踪控制策略。控制策略分为两部分,在上层控制器中使用非线性模型预测控制来计算所需要的动力参数和前轮转角。下层控制器采用基于电机能耗数值最优的方法进行设计。该方法可以确保电机一直运行在效率最优状态,并可根据电机状态动态调节无级变速器以满足车辆动力需求。仿真结果表明,控制方案具有良好的跟踪性能和节能潜力。     

非线性系统的模糊滑动模态控制

针对未建模的动态非线性系统,根据滑动模态控制原理,导出了基于Ｌｙａｐｕｎｏｖ稳定性的一种模糊控制器设计方法;避免了以往非线性滑模控制中控制信号的不连续造成系统“颤动”问题;显示出模糊推理的作用。     

基于T-S模型的非线性系统离散时间滑模控制

基于T-S模糊模型,讨论了一类非线性离散时间系统的控制问题。采用T-S模糊模型来描述非线性系统的动态模型,再将非线性系统的全局T-S模糊模型转化为线性不确定系统的模型。这样复杂的非线性系统的稳定问题就转化为线性不确定系统的鲁棒镇定问题。采用离散时间滑模控制方法实现线性不确定系统的鲁棒镇定。利用用线性矩阵不等式技术设计稳定的滑动模面,以降低非匹配不确定对系统的影响。给出了线性矩阵不等式形式的稳定滑动模面存在的充分条件。此外还给出了滑模控制律的设计方法。所给设计方法可保证系统鲁棒镇定,并且在滑动模面附近的抖振可明显减弱。最后,给出了truck-trailer的仿真算例,证明了所给方法的可行性和有效性。     

一类非线性系统的直接自适应模糊滑模控制

研究了一类非线性系统的一种直接适应模糊滑模控制（AFSMC）的问题。首先，在系统的非线性动态函数满足可估计和有界两个基本假设的条件下，给无了此类系统基于非线性动态函数估计的一般滑模控制律设计。然后基于目标函数梯度校正的方法，通过自适应机构调解模糊逻辑系统（FLS）的后作参数，所设计的自适应模糊逻辑系统（AFLS）能够逼近系统基于非线性动态函数估计的一般滑模控制律。这样，系统的自适应模糊控制律具有一般滑模控制律的控制效果，同时由于AFLS的滤波作用，具有消除滑模控制高频抖振的特性。数值仿真结果证明了所设计控制律的有效性。     

模糊-GPC串级控制在网络时延控制中的应用

为了解决网络闭环非线性控制系统中的时延问题,本文提出了一种在模糊神经网络控制的基础上结合广义预测控制(GPC)处理非线性系统网络时延的方法,建立了网络控制系统的结构模型,并分析了此模型对处理非线性网络控制系统中时延问题的有效性。在MATLAB环境下对网络控制倒立摆系统进行了仿真,通过对比模糊神经网络控制与模糊-GPC串级控制的控制效果,进一步证实了此方法对非线性网络控制系统能够实现稳定控制。     

基于LS-SVM的燃料电池控制建模的研究

由于直接甲醇燃料电池数学模型的复杂性难以满足工程上对DMFC控制系统的设计，提出一种基于最小二乘支持向量机建模算法，用具有RBF核函数的LS-SVM离线建立DMFC电堆的非线性模型；仿真和实验结果表明了该建模方法具有建模简单、模型精度高等优点，亦证明了该算法的有效性和优越性。研究结果对直接甲醇燃料电池控制系统的建模和控制具有一定的实用价值。     

基于分段线性逼近网络的直接自适应控制

对一类单输入单输出系统的控制问题进行了研究 ,设计了对这类系统的直接自适应控制方案。控制方案的一部分是采用分段线性逼近神经网络逼近给定的非线性系统 ,利用已经发生的实际数据对网络的权值进行训练 ;另一部分是结合神经网络的一步预测输出和系统的参考输出 ,通过梯度优化器计算得到系统的控制输入。数值仿真结果表明 ,控制效果比较理想     

二级倒立摆的摆起控制

以往对非线性系统主要是采用线性化的方法进行控制，提出了一种基于专家系统及变步长预测控制的实时非线性系统控制方法。用变步长一步预测避开复杂的非线性推导，结合专家系统对控制参数进行修正，从而实现对复杂非线性系统的实时控制。利用这种方法，实现了二级倒立摆的摆起及稳定控制。     

一类非线性系统的鲁棒自适应控制

针对一类含有不确定参数和未知扰动的非线性系统，提出一种鲁棒自适应控制方法以确保系统输出稳定地精确跟踪给定的参考信号。控制器的设计分两步进行：首先，在不考虑扰动的情况下，采用一种基于参数映射的Lyapunov设计方法设计系统参数自适应控制器；然后，在该自适应控制器的基础上，采用衰减控制策略设计鲁棒补偿器，实现对扰动的抑制。最后通过数字仿真验证了设计方案的有效性。