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，提出了具有辨识差死区的辨识算法和相应的控制律；通过理论分析，给出了辨识算法的收敛性；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。     

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.     

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。     

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.     

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。     

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。     

区间多目标粒子群优化算法及其应用

提出了一种区间多目标粒子群优化(IMOPSO)算法,用于解决多目标下区间变量的优化问题.基于区间可信度定义两个区间解的占优关系,通过归一化方法和区间拥挤度距离对Pareto最优解排序,并设立归档机制,利用外部存储器保存Pareto最优解集.针对有界误差系统的建模问题,提出了基于IMOPSO算法训练区间神经网络(INN)模型参数的建模方法,解决了误差界已知和误差界未知两种情况下的有界误差系统建模问题.最后,以一阶不确定系统为例,利用所提算法进行了建模仿真,验证了建模方法的有效性.     

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     

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,又保留了常规预测控制的优点,是一种比较好的、有着广阔应用前景的新型控制算法.仿真结果验证了这一新型算法的可行性.     

基于状态空间模型的机床热误差动态建模

提出了一种基于状态空间模型的机床热误差建模方法,以几个关键温度点的温升为输入,结合状态变量和干扰来确定热误差输出,由子空间辨识算法得到模型参数.同时,在一台数控车床上进行实验,以探究模型的精度和鲁棒性.结果表明:在不同的转速条件下,所提出的模型能够补偿70%的热误差;与自回归模型的建模方法相比,状态空间模型表现出更优异的鲁棒性.     

严格反馈非线性系统的鲁棒自适应逆最优跟踪

针对具有未知定常参数和未知有界扰动的严格反馈非线性系统,结合参考信号,构造了误差系统,并解决了其逆最优控制问题.使用Backstepping算法,设计了误差系统鲁棒自适应逆最优控制器和参数自适应律,从而解决了原系统的鲁棒自适应逆最优跟踪问题,并给出性能估计.仿真结果表明该控制算法的有效性.     

多变量间接自适应控制算法及全局收敛性分析

提出了可以控制具有任意交互矩阵的随机多变量系统的间接自适应控制算法并进行了稳定性和收敛性分析。首次表明:该算法无论用于开环不稳定或非最小相位系统,系统的输入输出以概率1采样均方有界,广义输出误差的条件均方取得整体最小值;参数估计强相容。     

有界扰动滞环非线性系统的自适应控制

对存在有界扰动下的滞环非线性系统，建立了适合于最小相位和非最小相位情况的自适应控制算法，证明了闭环系统的稳定性，同时给出了控制误差上界。仿真实验表明了这种算法的有效性。     

混沌系统变论域自适应模糊控制

针对未知不完全可测的非线性系统,提出基于状态观测器的自适应模糊变论域输出反馈控制,为了抑制外部扰动和参数变化对系统性能的影响,采用监督控制器将系统的状态约束在给定的范围之内,从而提高了控制器的精度和鲁棒性.利用Lyapunov函数证明了观测器-控制器系统的稳定性;在所有状态一致有界的前提下,整个自适应控制算法能够保证闭环系统的稳定性.将该算法应用于Duffing和Chua's混沌系统,仿真结果证明了控制方法的有效性,系统具有快的响应和无稳态误差.     

Robust direct adaptive fuzzy control for nonlinear MIMO systems

For a class of nonlinear multi-input multi-output systems with uncertainty, a robust direct adaptive fuzzy control scheme was proposed. The feedback control law and adaptive law for parameters were derived based on Lyapunov design approach. The overall control scheme can guarantee that the tracking error converges in the small neighborhood of origin, and all signals of the closed-loop system are uniformly bounded. The main advantage of the proposed control scheme is that in each subsystem only one parameter vector needs to be adjusted on-line in the adaptive mechanism, and so the on-line computing burden is reduced. In addition, the proposed control scheme is a smooth control with no chattering phenomena. A simulation example was proposed to demonstrate the effectiveness of the proposed control algorithm.     

TCP/AWM网络系统的自适应有限时间漏斗拥塞控制

研究了具有外部扰动的TCP/AWM网络系统拥塞控制问题.首先,为了保证队列跟踪误差具有预设的暂态和稳态性能,引入漏斗误差变换对队列跟踪误差进行限制.其次,利用RBF神经网络处理系统中存在的非线性项.结合漏斗控制、有限时间控制、自适应Backstepping技术和RBF神经网络,提出了一种主动窗口管理算法,不仅保证了闭环系统的所有信号是半全局实际有限时间有界的,还使队列跟踪误差收敛到预先给定的漏斗边界内.最后,将本文所提方法与现有的两种同类算法进行了仿真对比,通过得到的仿真结果可以看出所设计的控制器使系统具有更快的收敛速度和更小的超调量,进一步验证了所提方法的可行性和优越性.     

神经网络模型参考自适应控制算法研究

分析了基于BP算法的神经网络模型参考自适应控制器对大惯性环节被控对象的控制效果,发现该算法使控制器存在严重的“过学习”现象,为避免这一现象,设计了一种新的误差函数结构,得到改进的BP算法,针对一个存在大惯性环节的线性时变系统,对比分析了神经网络模型参考自适应控制器在采用传统的BP算法和改进的BP算法时得到的不同控制效果。     

一维双曲系统的网格自适应算法

文章基于一类Godunov型的中心-迎风算法构造了根据解的局部性质调整网格疏密程度的自适应算法;提出了一个新的光滑探测器用以检测光滑区域和间断区域;该探测器简单实用,数值实验证明光滑探测器能很好地捕获间断区域;同时,分析了自适应算法的误差以及提供了该算法相关步骤的理论证明,理论分析表明,对于阶数r≥2的算法,网格自适应算法能减小误差。     

单轴并联式混合动力汽车能量分配的模糊控制策略研究

针对单轴并联式混合动力轿车,以混合驱动系统需求转矩和电池剩余电量(SOC)为输入,以发动机转矩为输出,构建了能量管理模糊控制器,基于ADVISOR的仿真研究表明,模糊控制策略与传统的逻辑门控制策略相比,能够更有效地降低混合动力汽车的燃油消耗和排放,更好地控制电池组SOC的变化。     

一类不确定非线性系统的鲁棒自适应模糊控制

针对一类具有未知控制增益符号的不确定非线性系统。基于模糊系统的逼近能力，利用Nussbaum函数的性质，提出了一种自适应模糊控制器设计的新方案．该方案取消了函数控制增益符号已知这一条件，并通过引入最优逼近误差的自适应补偿项来消除建模误差和参数估计误差的影响．理论分析证明了闭环系统的有界性和跟踪误差收敛到零．仿真结果表明了该方法的有效性．