分数阶线性系统初值学习的PDα型迭代学习控制

针对分数阶线性时不变系统的随机初值问题,提出了基于初值学习的PDα型分数阶迭代学习控制算法,利用λ-范数,对控制算法的收敛条件进行了严格证明,并利用仿真实验进行验证.理论分析和仿真实验表明,系统初值不论如何取值,在该算法作用下,随着迭代次数的增加,都能实现系统输出对期望输出的精确跟踪.相比传统的PDα型控制算法,该算法解决了传统控制算法要求系统初值与期望初值相同的限制,消除了随机初值对系统的影响.     

分数阶线性时滞系统PDα型迭代学习控制的鲁棒性

针对一类具有外部有界噪声干扰的分数阶线性时滞系统,利用卷积的推广Young不等式,讨论了PD~α型分数阶迭代学习控制算法(FOILC)在Lebesgue-p(L~p)范数意义下的鲁棒性,获得其鲁棒收敛的条件。理论分析表明,若选取适当的学习增益矩阵,在系统受到外部有界噪声干扰时,随着迭代次数的增加,该算法能够保证系统的跟踪误差一致收敛有界。数值仿真验证了该算法的可行性和理论的正确性。     

线性广义系统P型迭代学习控制在Lp范数意义下的收敛性

在对一类线性广义系统进行非奇异变换后,利用卷积的推广Young不等式,在Lebesgue-p(L~p)范数意义下,研究了一、二阶P型迭代学习控制算法的收敛条件,并对两种算法的收敛速度进行了比较。理论分析表明,控制算法的收敛条件、收敛速度与学习增益矩阵、系统本身属性有关;如果选取合适的学习增益矩阵,则二阶P型控制算法的收敛速度快于一阶的。仿真实验验证了控制算法的可行性和理论的正确性。     

线性离散时不变系统的分数阶相位校正迭代学习控制

针对带有随机干扰的线性离散时不变系统,提出一种分数阶相位校正迭代学习控制算法.设计一种新型相位超前校正与分数阶迭代学习控制相结合的迭代学习控制(ILC)学习律.基于频域分析方法,得到分数阶相位校正迭代学习控制在算法开、闭环两种情况下的频域收敛条件.结果表明:文中算法显著提高了ILC跟踪误差的收敛速度和收敛精度,具有先进性和有效性.     

含分数阶导数阻尼的线性振动系统的稳定性

我们讨论了两部分内容： 含分数阶导数阻尼的单自由度线性振动系统的稳定性和受分数阶状态反馈控制的线性振动系统的闭环稳定性. 首先从稳定性分析的角度研究了线性振动系统的阻尼表示, 严格证明了介于0和2之间的任意分数阶导数项都可以起到阻尼作用. 进而又研究了采用分数阶控制器来调节线性振动系统的闭环稳定性, 给出了确定控制增益的一般步骤使闭环系统具有渐近稳定性, 得到了分数阶对稳定性增益区域的影响规律. 和经典的速度反馈只能调节阻尼的大小不同, 分数阶状态反馈不仅可以调节阻尼力, 也调节弹性恢复力. 稳定性切换是我们理论分析的主要思路和方法, 研究表明, 它是研究含分数阶导数动力系统稳定性的一种普遍有效的方法.     

带初始状态误差的分数阶P型迭代算法的收敛性分析

【目的】为了解决实际的操作中迭代初态相对于期望初态的误差问题。【方法】通过Laplace变换和M-L函数引导出了弱解的表达式,证明开闭环P型迭代算法收敛的充分条件,最后举例对结果进行验证。【结果】证明了开闭环迭代算法的收敛性。【结论】所得结果拓展了迭代算法在分数阶领域的研究,对已有成果进行了补充。
     

线性多时滞系统的开闭环PID型迭代学习控制

针对线性多时滞系统讨论了开闭环PID型迭代学习控制算法的收敛性和鲁棒性0利用λ范数和Bellman-Gronwall定理,获得了算法收敛的判定条件．仿真结果表明,这种算法是有效的．同时,从仿真实例也可看出,在收敛速度方面,开闭环算法优于开环算法．     

不确定分数阶广义系统的滑模控制器设计与仿真

针对一类含有外部扰动的分数阶广义系统进行滑模控制研究，提出了一种改进的指数趋近律从理论上消除了抖振.通过构造分数阶反馈控制器的方法将分数阶广义系统正常化.采用积分滑模面以消除滑模运动的趋近阶段.分数阶次α分0<α<1和1<α<2两种情况讨论，运用Kronecker积与LMI方法，分别设计增益矩阵使得滑动模态方程稳定.在滑模控制器的设计中，对指数趋近律进行了性能的改进，以所设计的连续函数代替符号函数，使得当状态趋近滑动模态时可以与滑动模态实现光滑过渡.最后，通过Simulink建立滑模控制仿真实验，验证了0<α<1和1<α<2两种情况下算法的有效性.     

带初始状态误差的分数阶P型迭代算法的收敛性分析

【目的】为了解决实际的操作中迭代初态相对于期望初态的误差问题。【方法】通过Laplace变换和M-L函数引导出了弱解的表达式,证明开闭环P型迭代算法收敛的充分条件,最后举例对结果进行验证。【结果】证明了开闭环迭代算法的收敛性。【结论】所得结果拓展了迭代算法在分数阶领域的研究,对已有成果进行了补充。     

基于BP神经网络的分数阶PIαDβ控制器参数整定研究

对于分数阶控制系统,因分数阶控制器较传统PID控制器具有更好的适应性,这就为得到更加细腻的控制品质提供了可能。然而,分数阶PI^αD^β控制器的参数整定则相对复杂。针对这一问题,提出了基于BP神经网络的分数阶控制器参数整定方法,有效地克服了分数阶控制器参数整定复杂问题。采用文章所提方法,分别设计了整数阶PID、分数阶PI^αD^β控制器,并进行仿真对比。结果表明,采用分数阶PI^αD^β控制器的系统控制品质优于整数阶PID控制器。     

基于粒子群优化算法的分数阶系统二次型最优控制算法

目前,利用分数阶变分法和分数阶非变分法,解决分数阶系统的二次型最优控制问题时,存在数值算法的收敛效果不够好,近似化的步骤过于繁琐,且计算耗时长,以及在使用传统的梯度迭代优化算法解决分数阶系统的二次型最优控制问题时,对于优化函数要求较高等问题。针对一类Caputo定义下的确定性线性分数阶系统,首先,设计一种状态反馈控制器,考虑从优化角度去解决分数阶系统的二次型最优控制问题,然后,利用粒子群算法(PSO)求二次型性能指标的最优值,即系统的最优控制增益,最终,得到系统的最优控制律。仿真结果表明,PSO比传统的梯度迭代优化算法收敛效果更佳,通用性更好,获得的性能指标更小,验证了该算法有效可行。     

非线性时变系统开闭环PI型迭代学习控制研究

讨论了一类非线性时变系统开闭环PI型迭代学习控制算法,该算法相对于开环、闭环PI型迭代学习算法不仅能较快地跟踪期望轨迹,而且能增强学习控制的鲁棒性。给出了仿真研究实例,仿真结果验证了该算法的有效性和优越性。     

一类微差分方程整函数解的性质

利用值分布理论对一类微差分方程f(z)ⁿ+P(f)=β₁e^α₁z+β₂e^α₂z+β₃e^α₃z的整函数解的存在性、增长性和零点收敛指数进行了研究,其中α_i,β_i(i=1,2,3)为复常数,P(f)为f(z)的1阶微差分多项式,并推广了已有的一些结论.     

基于粒子群优化算法的的分数阶系统二次型最优控制算法

目前,利用分数阶变分法和分数阶非变分法,解决分数阶系统的二次型最优控制问题时,存在数值算法的收敛效果不够好,近似化的步骤过于繁琐,且计算耗时长,以及在使用传统的梯度迭代优化算法解决分数阶系统的二次型最优控制问题时,对于优化函数要求较高等问题。本文针对一类Caputo定义下的确定性线性分数阶系统,首先,设计一种状态反馈控制器,考虑从优化角度去解决分数阶系统的二次型最优控制问题,然后,利用PSO求二次型性能指标的最优值,即系统的最优控制增益,最终,得到系统的最优控制律。仿真结果表明,PSO比传统的梯度迭代优化算法收敛效果更佳,通用性更好,获得的性能指标更小,验证了该算法有效可行。     

分形集上的广义调和s-凸函数及Hadamard型不等式

在分形实线的分形集R^α(0<α≤1)上给出广义调和s 凸函数的定义, 并建立关于广义调和s 凸函数Hermite-Hadamard积分不等式以及关于局部分数阶积分的恒等式, 进而得到了关于该类函数的几个Hermite Hadamard型局部分数阶积分不等式.     

单值预估控制

给出了单值预估控制的算法,论证了单值预估控制与一般多值预估的等价性,认为两者控制性能是相当的.在给出闭环预估控制系统稳定性的一些必要条件和充分条件的基础上,提出用相对预估增益作为闭环系统的整定参数.同时给出了基于状态空间模型的单值预估控制算法,使算法更为简单,控制性能可得到进一步提高.     

初态偏移非线性系统跟踪控制的迭代学习算法

基于迭代学习控制理论提出一种新的可变增益学习控制算法,并对系统初态的迭代学习律进行了讨论,利用算子理论证明在非线性系统中存在初态偏移时经过迭代学习后,输出仍能跟踪期望轨迹;对其收敛性进行数学证明,得到谱半径形式的迭代学习律收敛的充分条件,从而解决了可变学习增益迭代学习控制的初态偏移问题.最后在注塑机注射速度控制系统中与增益不可变迭代学习算法进行比较,仿真结果验证了算法的有效性.     

Riemann-Liouville分数阶P型迭代算法的收敛性

运用Laplace变换和Mittag-Leffler函数,研究一类Riemann-Liouville分数阶P型迭代算法的收敛性,建立并证明了开闭环P型迭代算法收敛性定理.结果表明:此算法在Riemann-Liouville分数阶系统中是可行、有效的,拓宽了迭代学习算法的应用范围.     

双闭环直流调速系统的分数阶PIλ控制

分数阶PIλDμ控制算法有助于比较新的、控制性能比较高的控制器。将分数阶PIλ算法应用到双闭环直流调速系统的速度控制器中,利用粒子群优化算法确定分数阶PIλ控制器的最优的Kp、Ki和λ参数;并和整数阶PI控制器进行比较。通过Matlab/Simulink仿真验证了分数阶PIλ控制器的稳定性、跟随性能、抗扰动性能都优于普通整数阶PI算法,同时验证了粒子群优化算法参数整定的有效性。     

基于分数阶PDμ控制器的车辆方向控制

在分数阶微积分及分数阶PIλDμ控制器的基础上,给出了一个带有分数阶PDμ控制器的车辆方向控制算法,设计了一种基于预瞄-跟随理论的分数阶PDμ控制器的在线整定方法,并对带有分数阶PDμ控制器和带有整数阶PD控制器的驾驶员-车辆系统进行了综合性能评价.结果表明,分数阶PDμ控制器在闭环系统中是有效且可靠的,分数阶控制器的使用使驾驶员-车辆系统的性能有了明显的改善.