基于逆系统方法的非线性系统故障调节

针对一类多输入多输出非线性可逆系统,提出一种基于逆系统原理的故障调节方法.该方法通过设计被控对象的自适应观测器来估计执行器故障,并根据故障估计值,基于逆系统方法产生附加控制律对逆系统进行调节补偿,使得被控对象和经调节后逆系统的串联仍能保持为无故障时的伪线性系统模型,从而在无需改变系统正常控制器参数的情形下,方便地实现对执行器故障的良好性能容错目标.     

分片线性神经网络逆系统方法的内模控制

为提高传统逆系统方法的跟踪精度和抗干扰能力,提出了基于连续分片线性神经网络α阶逆系统方法的非线性内模控制方法.利用标准连续分片神经网络逼近非线性系统的α阶逆模型,将它串连在原系统之前,得到复合的伪线性系统,对该伪线性系统应用内模控制策略进行控制,并分析了闭环系统的性能.仿真结果表明:该方法跟踪效果好、抑制干扰能力强,且设计简单,是解决非线性系统控制的一种可行的方法.     

动态补偿逆的非线性不确定系统LS-SVM内模控制

针对非线性不确定系统和传统的非线性内模控制在控制上存在的不足,提出一种基于动态补偿逆的非线性不确定系统LS-SVM内模控制,在引入LS-SVM建立逆模型的同时,将无模型自适应控制方法作为附加控制器,用于模型偏离被控对象时在线修正逆模型.仿真结果表明,提出的方法不仅对系统的常量摄动具有较好的鲁棒性,对时变不确定性仍然保持较好的跟踪效果,具有较好的实时性、鲁棒性和在线校正功能.     

基于逆系统方法的内模控制在伺服系统低速问题中的研究

针对常规控制方法对伺服系统低速抖动补偿效果不理想的问题,采用基于神经网络逆系统的内模控制方法对伺服系统进行控制。仿真结果表明,基于神经网络逆系统方法的内模控制能有效的改善低速性能,具有良好的控制效果,且控制器设计简单。     

多变量未知非线性系统容错逆控制方法

针对传统的逆系统在设计上需要精确数学模型和逆模型的解析解的限制,提出一种新的逆系统容错设计方法.该方法仅对非线性不确定系统的可逆部分求逆,通过引入鲁棒滑模观测器,对不可逆部分及执行器故障进行在线估计,从而以补偿方式在线修正逆模型并调节故障,使其在数值上精确地逼近非线性不确定受控对象的逆模型.仿真结果表明:该方法不仅对无显式的多变量未知非线性不确定系统具有良好的控制效果,对执行器故障也有较好的容错效果.     

非线性系统的神经网络逆模型控制

利用神经网络逼近任意非线性的能力 ,将其与非线性逆系统相结合 ,对非线性系统的逆模型进行建模 ,对实现的伪线性系统设计自适应控制进行综合 ,动态神经网络在线消除系统的近似逆误差和正向模型的辨识误差 ,设计权值调整规律为 w∧·=-λ·eTPbΦ(r ,r· ,v)‖e‖ p >E0‖e‖ p >E,仿真结果表明其有效 .     

基于逆系统的六自由度机械臂解耦内模控制

六自由度机械臂的强耦合非线性特性加大了机器人控制的难度,为解决这一问题,研究了一种解耦控制方法.基于拉格朗日力学建立六自由度机械臂的动力学模型,并利用逆系统方法推导其逆系统模型,将逆系统模型串联在原系统的前面构成伪线性系统.仿真实验表明,该系统被解耦为6个二阶积分子系统,但建模误差与外部干扰会影响模型的准确性,从而影响...     

基于模型完全动态延时逆的内模控制方法

分析了常规内模控制中存在的缺点,提出了一种基于模型完全动态延时逆的内模控制方法,取消低通滤波器的设计,以逆的延时时间的调整来提高系统的鲁棒稳定性,并结合自适应逆控制原理,采用有效消除被控对象下游输出端和上游输入端扰动的内模控制方法     

非线性逆控制研究浅析

回顾和总结逆控制系统的研究现状,从理论和应用的角度分析已用于非线性系统的逆控制方法,包括神经网络逆控制,自适应逆控制和将神经网络引入逆控制的一种基于神经网络自适应逆控制。最后,提出进行非线性系统逆控制设计需要解救的一些关键问题。     

基于逆系统理论的感应电动机控制策略

针对电压源型逆变器供电的感应电动机,应用逆系统理论提出了一种新型控制策略。利用得到的逆系统模型将感应电动机补偿为伪线性系统,而伪线性系统相当于两个解耦的线性子系统。以伪线性系统为控制对象,运用线性控制理论对整个控制系统进行了综合,给出了控制系统的原理框图。利用MATLAB软件对控制方案进行了仿真实验,实验结果验证了理论分析的正确性和控制方案可行性。     

一类非线性系统的自适应控制

提出一种带有状态观测器的非线性系统自适应控制策略 ,实现了非线性系统的镇定和零误差跟踪 .这种方法简单有效 ,尤其适用于状态不可观测系统和输出无法直接连续测量的非线性系统 .     

基于内模控制的CCD像机消旋控制器

针对CCD(Charge Coupled Devices)像机消旋控制系统中存在的不规则干扰力矩和模型不确定性等问题,利用经典的滞后-超前校正无法得到满意的控制结果,提出采用改进的内模控制方法(IMC:Internal Model Control).该方法既含有被控对象模型本身的闭环反馈形式,又加入了直接针对模型误差及外界干扰的滤波反馈.分别针对系统含有增益误差和极点误差的情况进行了仿真,两种系统输入阶跃信号仿真的结果表明:对于存在增益误差的系统,采用改进的IMC,系统的上升时间减小了一半,峰值减小了3%;对存在极点误差的系统,改进的IMC能很好地消除采用经典控制方法时系统存在的严重震荡问题.改进的IMC设计简便,为类似的控制问题提供了简单实用的控制方法.     

一类SISO系统离散非线性反馈内模组合控制

以非线性反馈控制器为第二控制器,提出了一种抗饱和离散非线性反馈内模组合控制.采用非线性反馈控制器实现系统无超调,而内模控制器在满足系统鲁棒稳定条件下,设计较小的阻尼率,确保响应快速性和无静差.详细讨论了存在输入受限情况下该组合控制在吸引域内的稳定性,以及降阶输出非线性反馈内模组合控制律在吸引域内的稳定条件.仿真实例表明...     

交流变频矢量控制系统的自适应逆控制

针对一般矢量控制系统存在的动、静态转矩电流与磁场电流的耦合问题,在分析磁场定向偏差对系统性能影响的基础上,首次引入自适应逆控制策略的控制方案,并分析了方案的控制特点. 理论分析及仿真实验表明,该控制策略可以有效地解决一般矢量控制系统存在的转矩与磁场耦合对系统性能造成的影响,提高系统动、静态性能.     

基于神经网络逆系统方法的机器人柔顺性控制

提出了一种机器人柔顺性控制算法 ,在未知机器人精确数学模型的情况下 ,通过构建一个ANN二阶逆系统 ,并级联ANN与机械手 ,实现机器人位置系统的线性解耦 .在此基础上 ,针对已解耦位置系统 ,通过本文提出的基于目标阻抗的控制算法调节机器人手臂的阻抗 ,从而实现机器人的柔顺性控制 .还介绍了机器人柔顺性控制实验平台的建立与组成 .基于两杆操作手的实验结果证明该方法具有良好的解耦和位置跟踪性能 ,仿真结果表明本方法可实现有效的柔顺性控制 .     

基于动态递归神经网络的自适应控制非线性系统研究

提出一种基于动态递归神经网络的自适应控制器 ,该控制器能通过自学习不断进行适应性控制 ,且结构简单 ,易于实现 .其主要特点是能够提供一个跟踪网络来辩识系统模型 ,进而确定控制器的网络参数 ,实现间接自适应神经网络控制 .经过对大量非线性系统的仿真研究 ,证明其具有良好的控制性能 .     

X滤波自适应逆控制算法及在液压位置控制系统中的应用

针对非线性时变特性的液压位置伺服系统跟踪控制问题,基于自适应逆控制理论,提出X滤波液压位置自适应逆控制策略.对传统自适应滤波算法在X滤波结构下的不足,提出变换域变步长归一化最小方差算法.采用该算法对液压伺服位置系统进行了对象建模、在线逆建模及开环控制系统设计.仿真结果表明,X滤波液压位置自适应逆控制具有跟踪速度快、对参数摄动鲁棒性强等良好动态特性.