基于预测控制的单向比例泵控非对称液压缸系统控制方法

为了解决单向比例泵控非对称液压缸系统的无超调位置控制问题,提出了采用带约束的三阶状态空间模型描述单向比例泵控非对称液压缸系统的方法,设计了一种适用于该模型的模型预测控制器来保证系统的无超调位置输出.仿真结果表明,运用模型预测方法能够避免换向阀切换引入的系统非线性,并有效解决泵控非对称液压缸系统的超调问题,实现多约束条件下的高精度位置控制.     

采用支持向量机的非对称阀控液压缸模型预测控制

针对非对称阀控液压缸位置控制中出现超调与由阀芯换向引起的压力冲击问题,设计了基于支持向量机与序列二次规划算法的非线性模型预测控制器。采用支持向量机拟合控制信号与活塞速度的关系得到系统的近似模型,使用序列二次规划算法求解获取控制器输出;通过增加输出约束以及满足输入约束实现每次控制过程中阀芯不换向、活塞快速到达目标位置并且无超调。数值仿真结果表明:在相对位置误差信号大于8%时,控制器输出的控制信号始终大于最大控制信号的90%,有效缩短了系统的响应时间;在保证活塞位置无超调、阀芯不换向的条件下,实现了精确位置控制,稳态误差小于0.02%。所提算法实现了多约束条件下非对称阀控液压缸系统的无超调快速控制,具有一定的理论和工程价值。     

一种新型三自由度液压伺服关节的动力学模型

建立了一种新型三自由度液压伺服关节的动力学空间模型,提出了一种自适应控制补偿方法,该方法能够消除死区造成的位置跟踪误差．利用Madab对该动力学模型进行了仿真试验研究,仿真试验结果表明,死区对位置跟踪误差有直接影响,该关节的动力学系统是稳定的,采用自适应控制补偿方法,可以使位置跟踪精度误差小于0．1％,且系统输出无超调．同时,系统对负载变化不敏感,具有较强的鲁棒性．     

一种神经网络自适应控制策略

针对未知非线性不确定系统,提出了一种新的基于神经网络的自适应控制策略,该方法只需辨识对象的正向模型,将神经网络与优化方法相结合,对控制量进行优化迭代求解,使被控对象的输出能较好地跟踪期望输出,并且分别针对单输入-单输出系统和多输入-多输出系统进行了控制算法的推导,其中的优化方法分别采用梯度法和高斯-牛顿法·仿真结果表明,该算法能精确跟踪设定输出,超调量小,响应速度快,无稳态误差,控制效果是非常令人满意的     

基于位置控制的多自由度机械臂非线性比例-微分阻抗控制

机器人柔顺控制可以响应环境变化,但接触信息的延迟以及未知机器人系统的跟踪误差等问题均导致接触瞬间力矩超调严重。针对上述问题本文提出一种基于自适应位置控制的改进阻抗控制策略,实现快速、精确的位置跟踪,同时,提高力控制的响应速度和精度。本策略采用双环控制,外环在传统阻抗模型基础上引入非线性接触力微分项在保持系统稳定性的同时提高机器人对接触力变化的响应,有效降低接触力超调;内环为自适应滑模控制,并使用RBF神经网络逼近机器人动力学模型并补偿系统中不确定性扰动,提高了系统的鲁棒性,提高收敛速度并降低跟随误差。通过仿真与实验,验证了所提出的改进阻抗控制方法相比于传统的阻抗控制方法有更好的力控响应速度和位置跟踪精度,可有效解决机器人与环境接触瞬间的接触力超调问题。     

基于PID预测控制的机炉协调控制系统

机炉协调控制系统的热力过程控制是典型的多变量系统.本文提出一种在多变量条件下,结合PID和模型预测控制相融合的控制策略——MIMOPID-MAC.根据Lyapunov稳定性理论,此算法对于闭环控制系统具有稳定性.燃气锅炉的模拟实验证明了该控制策略具有较小的稳态误差、较短的上升时间、较小的超调,保证每个控制变量跟踪设定值快且平滑,对于外部干扰和模型不确定时具有很好的适应性和鲁棒性.在一定程度上摆脱了PID调节时间较长,MAC稳态误差较大的问题.     

船舶航向非线性输出反馈控制

为解决船舶航向控制系统的模型不确定性、高度非线性以及状态变量与控制输入的约束问题,提出一种基于滑模控制的反馈控制算法.利用递归迭代设计法,将非线性滑动模态建立到扩展状态空间,并结合增量反馈控制,无须对不确定项进行估计.在系统输入增益符号已知条件下可自动寻找使系统稳定的控制量,避免变结构控制的抖振以及输出反馈控制的稳态误差及超调,并保证闭环系统的高阶状态变量严格有界.应用船舶非线性水动力模型进行航向控制仿真.结果表明,控制器对系统参数摄动及外界干扰不敏感,具有强鲁棒性.     

考虑误差校正的智能车辆路径跟踪鲁棒预测控制

为进一步增强高速智能车辆路径跟踪预测控制的鲁棒性和实时性,研究了一种考虑误差反馈校正机制的路径跟踪预测控制方法。考虑车辆纵向、侧向和横摆运动建立三自由度弱非线性车辆模型,以泰勒公式展开实现控制模型的线性时变一阶近似,引入预测状态变量构建路径跟踪预测优化问题。针对车辆参数偏差、系统时变和外界干扰等不确定性因素导致的建模失配,定义系统实际状态值与预测值之间的误差,得到带有反馈校正项的预测输出模型,通过误差反馈校正机制增强路径跟踪控制系统的鲁棒性。将路径跟踪预测优化问题推导转化为带约束的二次规划问题,并通过数值解法实现路径跟踪鲁棒预测控制律的滚动优化求解。结果表明:误差反馈校正机制可以有效改善路径跟踪预测控制算法因整车质量和横摆转动惯量变化导致的低鲁棒性问题,能够实现智能车辆高速行驶工况下的路径跟踪功能,且具备良好的实时性。     

基于IGPC-NADRC火电机组制粉系统控制策略

针对火力发电机组制粉系统存在参数不稳定、大滞后及多变量的问题,本文构建非线性最小二乘法辨识模型,采用隐式广义预测算法预测模型输出,构造非线性扩张状态观测器(NESO),估计系统存在的干扰并补偿,设计应用于火力发电机组制粉系统的隐式广义预测非线性自抗扰控制策略(IGPC-NADRC),化简内模结构并分析系统稳定性。在仿真实验中采用时域分析法验证控制器内关键参数对系统输出的影响;设计抗干扰实验和变设定值实验,比较IGPC-NADRC控制、动态矩阵(DMC)自抗扰控制(ADRC)、IGPC-PID控制策略和DMC-PID控制策略的控制效果。研究结果表明：IGPC-NADRC控制系统的抗干扰性能好,鲁棒性强,当系统受到外界干扰时该方法的超调量为5.72%,调节时间为44 s,稳定性更佳。工程应用结果表明,采用IGPC-NADRC控制策略后系统的偏差范围比PID控制时的更小,证明了方法的有效性。     

基于预设性能的自适应神经网络船舶轨迹跟踪

针对存在模型参数摄动与外界未知海洋环境干扰的船舶轨迹跟踪问题,提出一种具有规定性能要求约束的船舶轨迹跟踪控制策略．该控制策略通过引入具有约束作用的性能函数进行控制器的设计．先将有不等式约束的船舶轨迹跟踪误差转换为等价的无约束的误差,然后将转换得到的误差与滑模控制相结合设计控制器,保证船舶轨迹跟踪控制的快速性与高精度,同时使用低通滤波器求解虚拟控制量导数,避免微分爆炸．而后通过径向基函数(RBF)神经网络克服模型参数摄动,利用非线性增益函数与双曲正切函数设计自适应律,对外界未知干扰与模型参数逼近误差的总和的界进行估计．最后基于李雅普诺夫(Lyapunov)稳定理论证明了闭环系统中所有状态量最终一致有界,且船舶轨迹跟踪误差收敛到规定的范围内．仿真实验验证了所提出的控制策略的有效性与优越性．