多变量非线性系统的有约束模糊预测解耦控制

针对多变量非线性系统提出了一种带约束输入的广义预测解耦控制算法:首先对多变量非线性系统建立T-S模糊模型,然后在每个采样点对系统进行局部动态线性化,将得到的系统线性化模型进行对角解耦,然后对其设计带输入约束的GPC算法.该算法充分考虑了控制输入及其增量受约束的情况,而且不必求Dio-phantine方程,减小了计算量,且削弱了变量之间的耦合程度.最后的仿真结果说明了该算法对多变量非线性系统的有效性.     

磨矿分级过程多模型智能控制研究

提出了一种非线性多模型控制算法,在若干平衡点附近首先建立多个子模型及相应的控制器,再通过在线计算模型匹配度来适应模型参数的变化,被控对象的最终输入是各控制器输出的加权和.将其应用于磨矿分级非线性系统的控制研究,仿真结果表明,所提算法极大地改善磨矿分级系统的动态响应,并增强了系统的鲁棒性.     

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。     

灰色误差校正MAC控制及其在机组负荷中的应用

单元机组负荷系统是一个两输入两输出多变量系统,具有较大的惯性,利用常规控制方法往往难以得到好的效果。首先将原系统分解为两个双输入单输出系统,根据模型算法控制设计两个子系统的控制器。对两个控制器方程联立求解得到预测控制序列。针对对象特性时变等不确定因素,该文以灰色多步误差预测校正替代原有算法的当前一步误差校正,可以更为有效的克服模型失配等因素的影响。通过对125MW机组的负荷系统的仿真,验证了该方法的有效性。     

一种有约束的神经网络预测控制方法

针对非线性系统的控制问题，提出了一种采用黄金分割法的神经网络预测控制算法。该算法以神经网络作为预测模型，以黄金分割法用于优化控制器，其中以系统输入的约束条件作为黄金分割法的动态搜索区间。该算法解决了控制量的范围和变化速度受约束的情况下，未知非线性系统的预测控制问题，通过仿真研究证明了该算法计算速度、稳定性和杭扰动能力。     

2-D系统一般模型控制输入能量受限下的能达集

研究了2-D系统一般模型控制输入能量受限下的能达集问题.当该系统能达时,给出了其控制能量受限下能达集的表达式.利用线性矩阵不等式(LMI)给出了一个估计该能达集范围的方法,该方法在计算上是容易的.最后给出了一个示例.     

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。     

基于动力学系统移动焊接机器人焊缝跟踪控制

为了解决轮式移动焊接机器人的焊缝跟踪问题,从移动焊接机器人的运动学和动力学模型出发,采用分段运动学到动力学的方法设计焊缝跟踪控制器.控制算法结合积分Backstepping算法和单层神经元网络控制算法,利用单层神经元网络的自学习和自适应能力克服机器人模型参数部分未知和扰动的影响,使跟踪更加快速,平滑.在选定系统Lyapunov函数基础上,证明了所选取的控制力矩输入使系统全局渐进稳定.经MATLAB仿真验证了该控制算法的有效性.     

多智能体系统的有限时间跟踪控制

基于领导-跟随者模型研究了多智能体系统的有限时间跟踪控制问题。针对领导者状态是时变的情况,提出了一类非线性有限时间跟踪控制算法,在固定网络拓扑结构下,利用Lyapunov有限时间稳定性理论和矩阵理论分析,得到了该算法使得系统中跟随者状态在有限时间内与领导者状态达到一致的充分条件;在切换网络拓扑结构下,提出了一类有限时间跟踪控制算法,在领导者的状态是时不变的情况下,给出了该算法使得系统实现有限时间跟踪控制的充分条件。仿真实例验证了所提出两类算法的有效性。     

控制受限加权预报自校正系统的稳定性分析

针对控制幅值受限的、含稳定的未建模动态和有界干扰的对象 ,给出了一种鲁棒加权预报自校正控制算法。这种算法是在最小二乘型参数估计的基础上通过引入死区而得到的 ;通过引入一补偿函数f(t) ,并结合关键性技术引理便捷地对系统的鲁棒稳定性作了详细证明。结果表明 ,即使受控对象不稳定 (通常涉及控制幅值受限的控制系统稳定都需要对象稳定 ) ,所建立的系统也可以稳定。     

改进的GPC算法及其在火电机组的应用

结合实际工业过程模型，通过仿真曲线指出阶梯式广义预测控制算法（SGPC）参数调节的困难，并对其参数进行重新组织，得到了γ增量型阶梯广义预测控制算法（γ-SGPC），仿真结果表明其参教调节的简单直观性。通过在一套600MW火电机组的1：1仿真系统上对其烟气含氧量进行快速平稳的控制，说明γ-SGPC算法的实用性。     

基于神经网络的非线性动态系统的多内模控制研究

由于非线性动态系统的复杂性,目前还没有统一的控制器设计方法,用传统的线性系统理论来设计,当工作点大范围变化时,很难保证其性能及稳定性.在人工神经网络内模控制系统中建立了神经网络内部模型和神经网络内模控制器,提出了基于多模型的内模控制方法,它对非线性动态过程的控制具有良好的性能.在此基出上,给出了方便易行控制算法,仿真分析结果验证了控制算法的有效性.     

独轮车机器人的动力学建模与非线性控制

为了实现对于独轮车机器人非线性系统的姿态控制.以独轮车机器人车体的俯仰角度、横滚角度和航向角度作为广义坐标,基于拉格朗日定理提出了一种独轮车机器人的非线性动力学模型.并使用MIMO仿射非线性系统描述了该动力学模型.基于MIMO仿射非线性系统的精确线性化理论设计了独轮车机器人的控制算法,实现了对于输入的解耦.基于该动力学模型和控制算法搭建了仿真系统,仿真结果验证了动力学模型的正确性和反馈线性化控制算法的有效性.     

基于扩张观测器的输入受限四旋翼飞行器轨迹跟踪动态面输出反馈控制

针对速度不可测和输入受限的四旋翼飞行器轨迹跟踪控制问题,考虑系统存在模型动态不确定和外界干扰未知的情况,提出一种输入受限四旋翼飞行器轨迹跟踪动态面输出反馈控制方法。该方法首先设计非线性扩张状态观测器估计飞行器系统的速度和广义扰动,然后结合反演法和动态面技术设计动态面轨迹跟踪控制律,以降低控制算法的复杂性,同时引入双曲正切函数解决控制输入饱和问题,并构造辅助方程降低饱和效应,最后选取李雅普诺夫函数证明闭环系统所有信号一致最终有界。以大疆M100飞行器为目标进行控制仿真,结果表明,所设计的输出反馈控制器能够有效地处理飞行器系统控制输入受限、速度不可测和未知干扰问题,实现飞行器精确轨迹跟踪控制。     

一类线性时变系统组合自适应迭代学习控制

针对一类有限时间区间上具有可重复性的BIBO稳定的一阶线性时变系统,将模型参考自适应控制方法与迭代学习相结合,提出了组合模型参考自适应迭代学习控制算法.基于Lyapunov方法推导出迭代学习控制律以及针对时变惯性参数与时不变高频增益的组合自适应参数更新律.该算法适于控制快时变系统,并使跟踪误差、参数估计误差和控制信号有界.当迭代次数趋于无穷时,跟踪误差关于有限时间区间一致收敛到零.系统仿真验证了所提控制算法的有效性.     

一类非线性系统在任意初值下的开环D型迭代学习控制

给出了一类非线性时变系统在任意初值条件下采用开环D型迭代学习控制算法时的收敛条件,运用算子理论进行收敛性证明。该算法克服了系统输出信号跟踪期望输出依赖于期望状态和期望输入的缺陷,解决了迭代学习控制中的初始状态问题,而且收敛条件放宽了,给出了仿真研究实例,研究结果说明该算法的有效性。     

适用于模型失配时的改进IMM算法

机动目标难以跟踪的主要原因是无法找到一个准确的模型来描述目标的运动,即此时目标运动模型是失配的。现今交互式多模型（interacting multiple-model, IMM）算法是一种常用的用于机动目标的跟踪算法。推导分析了现有的典型IMM滤波算法在跟踪机动目标时存在的不足,提出了一种更适用于运动模型失配情况下机动目标跟踪的改进IMM算法。该算法对在跟踪机动目标时滤波器的新息序列的均值特性进行推导分析,改进了IMM算法中模型概率的计算方法,提高了模型概率计算的准确性,从而提高对机动目标的跟踪精度。建立了典型的机动目标跟踪场景,将改进后的IMM算法和原有的典型IMM算法的跟踪性能进行了对比研究,并对模型转换概率的准确性进行了分析,仿真结果验证该改进算法的有效性。     

基于模糊自适应的微型飞行器姿态控制

针对一类不确定非线性系统,基于李亚普诺夫稳定性理论提出了模糊自适应算法.将系统分为标称模型和包含建模误差、参数变化、干扰及未建模动态等在内的混合干扰项,用模糊自适应控制实时逼近系统各个不确定参数,用鲁棒反馈控制消除系统的外部干扰.由于模糊自适应控制是对系统输入系数矩阵和系统函数向量的不确定部分的每一个分量进行实时逼近,所以系统控制的精确性得到了提高,有较好的鲁棒性.模糊逻辑系统的计算量相对较少,从而能够很好地完成系统输出信号的渐近跟踪.给出了控制算法的稳定性证明,并对微型飞行器的姿态控制系统进行了仿真研究,仿真结果验证了算法的有效性.     

具有稳定性的新型预测控制算法

提出一种新型的预测控制算法，通过对控制输入进行柔化和滤波处理，使实际实施的控制量为现时和现时对未来控制时域长度预测控制量的加权平均，从而具有较快的响应能力。通过引进广义跟踪误差，并使其终端为零，保证了系统的稳定性。这种新型的预测控制器，具有在线计算量小、无记忆弊端等优点。仿真结果表明了该算法的可行性。     

多输入模糊协调控制算法及应用研究

针对某新2#焦炉集气管压力波动幅值大、压力振荡剧烈且具有突变的特性,提出了三输入模糊协调控制算法.首先,根据工况的不同,选择相应的三输入模糊控制算法,该算法在两输入模糊控制算法的基础上,引入偏差瞬时变化率作为输入,较好地预测了集气管压力的即时变化趋势,并能对其跟踪控制.然后,采用蝶阀控制算法适应蝶阀的流量特性,提高控制品质.最后,通过仿真实验以及实际运行结果证明了该方法的有效性和优越性.