具有饱和执行器跳变系统的鲁棒模型预测控制

针对一类具有饱和执行器的不确定离散Markov跳变系统,提出鲁棒模型预测控制器设计方法。为便于工程应用,考虑被控跳变系统各模态下的动态系统参数以及各模态间的跳变转移模态均存在不确定性的情形,这些不确定性均以凸多面体的形式给出。预测控制器的求解通过在每一个采样时刻优化无穷时域的最坏二次性能指标实现,该预测控制序列在每个采样时刻表现为具有饱和特性的状态反馈控制律,从而使得所形成的闭环系统鲁棒均方稳定。为方便求解,将控制器的求解转化为以线性矩阵不等式形式给出的正半定规划(SDP)问题。数值示例验证了所提方法的有效性。     

连续时间多面体不确定系统的鲁棒预测控制

运用线性矩阵不等式方法,研究连续时间多面体不确定系统的鲁棒预测控制问题。通过在线求解无穷时域二次型性能指标下的"最小-最大"优化问题,给出了分段连续的状态反馈控制器存在的充分条件。运用可控不变集理论,解决在线优化问题的可行性,证明了初始时刻的可行解可以保证闭环系统渐近稳定。仿真证明了控制算法的有效性。     

基于Elman网络的鲁棒型广义预测控制方法研究

提出一种基于Elman动态回归神经网络模型的鲁棒型广义预测控制(GPC)．该算法首先用EIman网络对非线性系统进行辨识，建立预测模型，然后在控制中将模型输出值与测量输出值进行综合，代替量测输出用于控制中，从而降低辨识器与控制器对未建模动态的敏感性，加强控制器的适应能力和鲁棒性．仿真结果证明：将本算法应用于非线性系统预测控制，对未建模动态具有很强的鲁棒性和很好的控制能力。     

非线性系统的鲁棒容错控制

对非线性鲁棒容错控制的研究现状进行了综述。首先介绍了一些与非线性鲁棒容错控制密切相关的研究方向,包括非线性系统理论、鲁棒控制、自适应控制等。然后分被动式和主动式介绍了非线性系统鲁棒容错控制的研究现状;被动容错控制方面,主要介绍了可靠控制方法;主动容错控制通常需要解决三个问题:诊断、控制以及二者的综合,本文按照这个划分对主动式的研究现状进行了总结。最后,探讨了该领域的一些热点和难点问题。     

一类非线性级联系统的鲁棒不变切换控制

研究了一类具有结构不确定性的单输入非线性级联系统的鲁棒不变切换控制问题。通过基于鲁棒严格无源技术和线性子系统状态反馈的切换控制来镇定线性子系统,同时保证了指定区域的正不变性,从而得到了该类系统鲁棒不变切换控制的充分条件。在适当的假设下,得到了系统的半全局渐近稳定。设计中无需ISS假设或非线性项的线性增长条件假设。在MATLAB环境下的仿真结果表明了设计的有效性。     

可重复使用运载器多约束鲁棒预测校正制导

针对可重复使用运载器(reusable launch vehicle,RLV)再入段常规约束、航路点约束、倾侧角速率约束和参数不确定问题,提出一种多约束鲁棒预测校正制导方法.首先,利用改进准平衡滑翔条件将常规约束转化为倾侧角幅值约束.其次,提出基于二分法快速迭代确定倾侧角翻转位置的航路点制导律,并将翻转速率约束转化为关...     

一类不确定非线性系统的鲁棒自适应控制

针对一类具有未知控制方向、未知参数以及未建模动态的非线性系统,提出了一种带有死区修正的鲁棒自适应递推控制策略.该策略不需要控制方向符号的先验知识.根据参数的上下界先验信息,分别将光滑投影算法和非连续投影算法与参数自适应律结合起来,既抑制了参数的漂移,又使估计参数达到了最小.算法保证了闭环系统所有信号的有界性,同时使得跟踪误差收敛于零的任意小邻域内.     

基于T-S模型的约束鲁棒保性能飞行控制律设计

对一类具有范数有界参数不确定Takagi-Sugeno (T-S)模糊模型系统,采用状态反馈并行分配补偿结构,综合考虑变量约束和多个性能指标,研究了约束鲁棒最优保性能飞行控制律设计问题。改进输入、输出及状态约束线性矩阵不等式,提出了带约束模糊最优保性能控制定理。在一般抗干扰控制基础上引入不确定性矩阵,证明了模糊鲁棒最优抗干扰定理。综合上述结论,推导出带约束模糊最优保性能抗干扰定理。最后,建立了飞机不确定T-S模糊模型,分别设计了满足上述3个定理的飞行控制律,并进行了仿真与对比分析,结果验证了该设计方法的有效性。     

不确定非线性时滞系统的鲁棒可靠控制

研究一类不确定非线性时滞系统的状态反馈鲁棒可靠控制问题。系统包含状态时滞、控制输入时滞、参数不确定性和未知的非线性扰动。目的是设计线性无记忆状态反馈控制器 ,使得对于任意容许的不确定性以及在一个预先指定的执行器子集合中执行器的失效 ,相应的闭环系统渐近稳定。最后给出一个数值例子验证了所给结果的有效性     

不确定广义系统的鲁棒H2控制

利用线性矩阵不等式 (LMI)方法 ,研究范数有界的不确定广义系统的鲁棒H2 性能分析与控制问题。对该系统所有容许的不确定参数 ,提出了满足鲁棒H2 次优性能的一个线性矩阵不等式 (LMI)的充分条件。进而设计了一个状态反馈控制律 ,保证了闭环系统是容许的且满足鲁棒H2 次优性能 ,即闭环传递函数的H2 范数小于一个给定的正数。利用Matlab控制工具箱 ,给出了该控制律的LMI实用设计方法。最后的数值例子进一步说明了所取得的主要结果     

Stabilizing model predictive control scheme for piecewise affine systems with maximal positively invariant terminal set

An efficient algorithm is proposed for computing the solution to the constrained finite time optimal control (CFTOC) problem for discrete-time piecewise affine (PWA) systems with a quadratic performance index. The maximal positively invariant terminal set, which is feasible and invariant with respect to a feedback control law, is computed as terminal target set and an associated Lyapunov function is chosen as terminal cost. The combination of these two components guarantees constraint satisfaction and closed-loop stability for all time. The proposed algorithm combines a dynamic programming strategy with a multi-parametric quadratic programming solver and basic polyhedral manipulation. A numerical example shows that a larger stabilizable set of states can be obtained by the proposed algorithm than precious work.     

Robust model predictive control of continuous uncertain systems*

The authors concern robust model predictive control for linear continuous systems with polytopic uncertainties and input constraints. At each sampling time, a piecewise constant control sequence is obtained by solving a set of linear matrix inequalities. The sufficient conditions on the existence of the model predictive control are given, and the robust stability of the closed-loop systems is guaranteed. A simulation example illustrates the efficiency of the proposed method.     

基于LMI的网络化切换系统的鲁棒控制

为了克服时延和不确定参数对系统性能的影响,利用Lyapunov稳定性理论,设计了一种新的切换观测器和相应的切换控制器,给出了对任意切换规则和延迟周期数,都能保证整个闭环网络化切换系统稳定的充分条件。最后给出了求解切换观测器增益和切换控制器增益的锥补线性化方法,仿真实例说明了所提方法的有效性。     

基于约束规划的小天体接近段鲁棒制导控制方法

以小天体接近段任务为背景,提出了一种基于约束规划的鲁棒制导控制方法。该方法将目标天体引力模型引入轨迹规划过程中,并将具有控制约束与轨迹状态约束的非线性动力学路径规划问题转化为以优化燃耗为性能指标的二阶圆锥规划(second order cone program, SOCP)问题|同时考虑目标天体引力模型与外界干扰等不确定因素对轨迹跟踪的影响,基于模型不确定界设计鲁棒反馈控制律。数学仿真证明,在相同条件下,基于凸规划的制导控制性能无论在制导控制偏差或是状态与控制约束满足方面均优于传统多项式拟合制导控制算法。     

时变仿射广义系统鲁棒H∞性能研究

针对不确定时变参数以及其导数属于凸有界(多面体型不确定)区域的时变仿射广义系统,提出了一种研究时变仿射广义系统鲁棒H∞性能的新方法.该方法利用依赖于仿射的带有不确定参数的Lyapunov函数代替固定Lyapunov函数,来降低设计的保守性,是研究时不变广义系统的鲁棒H∞性能方法的推广.利用此方法,并通过引入带有额外自由参数的线性矩阵不等式(LMIs),可获得时变仿射广义系统具有鲁棒H∞性能γ的充分条件,同时也给出了优化系统H∞性能的算法.最后给出一个数值例子来演示设计过程并说明此方法的有效性.     

Robust predictive control of polytopic uncertain systems with both state and input delays

A robust model predictive control algorithm for discrete linear systems with both state and input delays subjected to constrained input control is presented,where the polytopic uncertainties exist in both state matrices and input matrices.The algorithm optimizes an upper bound with respect to a state feedback control law.The feedback control law is presented based on the construction of a parameter-dependent Lyapunov function.The above optimization problem can be formulated as a LMI-based optimization.The feasibility of the optimization problem guarantees that the algorithm is robustly stable.The simulation results verify the effectiveness of the proposed algorithm.     

基于模糊模型的非线性系统鲁棒控制方差

针对T S模糊模型描述的一类不确定非线性连续系统,研究使得闭环系统的稳态方差小于某个给定上界,同时闭环极点位于给定圆盘中的状态反馈鲁棒方差控制律设计问题。导出了以一组线性矩阵不等式表示控制律的存在条件。通过一个质量弹簧阻尼控制系统验证了这种方法的有效性。     

Constrained predictive control based on T-S fuzzy model for nonlinear systems

A constrained generalized predictive control （GPC） algorithm based on the T-S fuzzy model is presented for the nonlinear system. First, a Takagi-Sugeno （T-S） fuzzy model based on the fuzzy cluster algorithm and the orthogonalleast square method is constructed to approach the nonlinear system. Since its consequence is linear, it can divide the nonlinear system into a number of linear or nearly linear subsystems. For this T-S fuzzy model, a GPC algorithm with input constraints is presented. This strategy takes into account all the constraints of the control signal and its increment, and does not require the calculation of the Diophantine equations. So it needs only a small computer memory and the computational speed is high. The simulation results show a good performance for the nonlinear systems.