具有多采样率及状态时滞的线性离散时间系统的预见控制

研究了输入多采样率型离散时间控制系统的预见控制器设计问题.首先利用提升技术从形式上消除多采样率特点和状态时滞,把问题转化为一个普通的单采样率无时滞系统的控制器设计问题.由于状态时滞的存在,提升过程中会引入输入量的历史值.把这些历史值和状态时滞项一起放入扩大系统的状态向量中,因此提升过程不会引入误差.针对提升后的系统,利用最优预见控制的标准处理方法,通过构造扩大误差系统,把问题转化为调节问题,最后给出带有预见补偿的最优控制器.再经过变换,得到原系统的预见控制器.同时对预见控制器的存在条件进行了讨论.数值仿真表明,本文所设计的预见控制器是有效的.     

带有状态时滞的多采样率线性离散时间系统的最优预见控制器设计

研究了一类具有状态时滞的多采样率离散时间控制系统,对这类系统给出了一种最优预见控制器的设计方法.首先利用离散时间系统提升技术,把所研究的系统转化成单一采样的扩大系统;然后利用构造扩大误差系统的方法引入积分器;再对扩大误差系统应用通常的线性二次型最优预见伺服系统设计方法设计控制器,从而得到原系统的最优预见控制器.同时还对扩大误差系统的能控性和能观测性进行了讨论,并通过数值仿真说明了控制器的有效性.     

一种综合单入单出系统线性最优调节器的新方法

基于二次型性能指标,讨论了单输入单输出线性系统的最优调节器设计问题,并在此基础上提出了一种实用的综合最优调节器的方法.该方法具有求解简单的特点.     

基于Delta变换的时滞采样系统的最优减振控制

运用Delta变换的方法研究Delta域内含有控制器-执行器延时和传感器-控制器延时的采样系统最优减振控制律的设计问题.首先将时滞采样系统离散化,再利用系统转换方法和Delta算子将离散时滞系统转换为Delta域无时滞系统;然后通过求解Delta域Riccati代数方程和Delta域Stein矩阵方程得到前馈反馈最优减振控制律;最后运用仿真示例证明所设计的控制律能够有效补偿时滞及扰动对系统造成的影响.       

多重采样离散时间系统的最优预见伺服控制器设计

研究了具有多重采样特点的离散时间控制系统,对这类系统给出了一种最优预见控制器的设计方法.首先利用离散时间系统提升技术,把多重采样离散时间系统转化成单一采样的扩大系统.然后利用构造扩大误差系统的方法引入积分器.再对扩大误差系统应用通常的线性二次型最优预见伺服系统设计方法设计控制器,从而得到原系统的多重采样最优预见控制器.     

离散综合控制系统的静态输出反馈控制

为进一步对离散控制系统进行系统设计与分析,使新的闭环系统渐近稳定,满足预期性能指标,在时滞依赖和时滞独立两种情形下,对奇异摄动不确定控制系统设计一个静态输出反馈控制器,构造一种新的二次求和型L-K泛函.利用交叉项界定方法对泛函差分过程进行放大,运用引理消除系统的不确定性,得到静态输出反馈控制器在时滞条件下的充分性判据,...     

广义系统的最优调节器设计方法

关于广义系统的最优调节器问题,如果系统的状态轨迹含有脉冲响应,相应的二次型性能指标为无穷大。因此只有排除脉冲模,广义系统的最优调节器问题才有意义。本文不象往常那样,把广义系统分解为指数模部分和脉冲模部分,而是采用它的一种标准形式,以便对系统施加几乎任意的状态反缋,来排除它的脉冲响应。在此基础上,导出了一种广义系统最优调节器的设计方法。     

正弦干扰下时滞系统的状态预测观测器与前馈—反馈预测控制器设计

研究控制变量含有时滞的线性系统在外部正弦干扰下的最优减振预测控制问题。利用系统的控制向量和被控对象的预测输出向量，设计了1种全维状态预测观测器。并将该状态观测器用于时滞控制系统的最优前馈—反馈预测控制中。频域分析表明，应用该状态预测观测器可将闭环系统的时滞项移至系统闭环结构之外，从而其优化控制规律完全可以按无时滞系统进行设计。时域分析表明，设计的预测控制器对外部正弦干扰有较强的鲁棒性，得到的结果关于二次型平均性能指标是次优的。     

退化时滞系统的降维泛函观测器设计

讨论退化时滞系统观测器的设计方法.首先利用时滞算子将系统改写为算子方程的形式,然后通过矩阵变换将系统转化为维数为n-r的不含退化的系统而且输出为x1,在可观测条件下,可以得到退化时滞系统的降维泛函观测器.     

线性时滞多智能体系统的最优一致性研究

将一致性问题与代价函数相结合,研究了带有时滞的线性多智能体系统最优一致性问题。首先,采用模型变换将一致性问题转换成稳定性问题。进而,利用控制理论和线性矩阵不等式方法推导出控制器存在的一般性条件和代价函数性能指标上界。然后,将问题转换成凸优化问题,得到最优性能指标的一致性控制器。最后,通过仿真实例,验证了算法和判据的正确性。     

输出过采样闭环系统辨识方法中最优过采样率的选择

提出了一种基于输出过采样技术的线性离散时间闭环系统辨识方法 ,通过对输出端施加过采样 ,将原闭环系统模型转化为过采样模型 .对于输出端白噪声、有色噪声干扰 ,分别利用最小二乘辨识算法和误差预报算法辨识出过采样模型 ,进而计算出原闭环系统的模型参数 .辨识结果中模型参数的估计误差服从均值为0的正态分布 ,方差由过采样率决定 ,据此推导出了使参数估计误差最小化的最优过采样率的计算方法 .该方法实现简单 ,运算量小 ,估计精度高 .仿真实验表明 ,当信噪比大于 15dB时 ,该方法的估计精度可达98% ;当过采样率为 15～ 2 0时 ,算法具有最优的辨识精度     

模型参考自适应控制系统的一种设计方法

本文采用直接优化性能指标的方法,设计了离散时间的模型参考自适应控制系统,证明了最优调节器的存在性,并分别导出了确定性系统和随机系统的自适应算法.所设计的调节器参数,在一定条件下具有全局收敛性.数值模拟结果表明,所给出的算法是有效的,其控制精度和收敛性质都优于通常的自适应算法.     

不确定变时滞模糊广义系统的最优保成本控制

针对一类带有时变时滞的不确定T-S模糊广义系统,提出了基于时滞独立准则的最优鲁棒保成本控制方法.考虑一个线性二次成本函数作为闭环系统的性能指标,以线性矩阵不等式的形式给出了状态反馈保成本控制器存在的充分条件.最优保成本控制器的设计问题可以被简化为一个线性不等式约束的凸优化问题.所设计的保成本控制器不仅保证闭环系统的渐近稳定,而且具有最小的保成本上界.最后,数值算例说明了所提出方法的有效性以及最优保成本控制器的良好性能.     

机器人的动态补偿最优控制

本文首先将非线性、耦合机器人的动力学方程化成定常状态方程,然后利用状态反馈配置由线性定常状态方程描述系统的特征值,最后利用二次型性能指标设计机器人系统的最优控制器,控制器的输出是二次型性能指标最小的解。     

非方离散时滞奇异系统的观测器设计

讨论了非方离散时滞奇异系统的观测器设计问题.在一系列等价变换下,将该问题转化为一个正常线性离散时滞系统的观测器设计问题,利用线性矩阵不等式(LMI)方法,给出了存在一个与系统状态维数相同的函数观测器的充分条件,并用此观测器对系统的状态进行了估计并讨论了一种特殊情况.     

一类离散时滞系统的极小极大鲁棒控制

针对一类离散时滞系统设计有记忆的状态反馈控制器,使得在最坏的干扰和不确定性下,闭环系统渐近稳定且性能指标存在一个最小上界.给出离散时滞系统的极小极大控制定义,利用李亚普诺夫方法和线性矩阵不等式(LMI)方法给出了极小极大鲁棒控制器的存在条件和设计方法.通过建立、求解凸优化问题得到最优极小极大控制器参数和性能指标的最小上界.最后给出数值算例,说明所设计的极小极大控制器只需付出较小的代价成本就能很好地抑制干扰.     

状态时滞时变离散时间系统的最优预见控制器设计

研究了一类具有状态时滞的时变离散时间系统的最优预见控制问题.所用的方法仍然是通过引入差分算子构造扩大误差系统.首先克服了差分算子不是线性算子的困难,成功构造了扩大误差系统.然后通过提升技术,把系统转化为形式上没有时滞的普通控制系统.最后通过引入可预见的目标值信号信息,得到最终的扩大误差系统.从这个扩大误差系统出发,利用时变系统最优控制的有关结果,设计处理原系统的带有预见作用的控制器.利用矩阵分解,把需要求解的高阶Riccati方程转化成一个低阶的Riccati方程.仿真实例表明了该设计方法的有效性.     

时滞区间广义系统的最优保成本控制

研究了一类时滞区间广义系统的最优保成本控制问题,其中,系统矩阵和输入矩阵的各元素是未知的,但在某一确定的区间内变化,首先给出了时滞区间广义系统的一种等价描述形式,其次利用线性矩阵不等式方法,得到了问题有解的充要条件和状态反馈控制器的设计方法,设计的控制器不仅使得闭环系统广义二次稳定,而且最小化闭环性能指标的上界,最后举例说明了所给方法的正确性。     

模型参考自适应控制系统的一种设计方法

本文采用直接优化性能指标的方法,设计了离散时间的模型参考自适应控制系统,证明了最优调节器的存在性,并分别导出了确定性系统和随机系统的自适应算法。所设计的调节器参数,在一定条件下具有全局收敛性。数值模拟结果表明,所给出的算法是有效的,其控制精度和收敛性质都优于通常的自适应算法。     

离散时间多智能体系统的协调最优预见跟踪

在互联拓扑包含一棵有向生成树的条件下,研究了离散时间多智能体系统的协调最优预见跟踪问题.首先利用状态增广技术把协调跟踪问题转化为一个增广系统的全局最优调节问题.然后应用离散时间线性二次型调节理论的相关结果给出了使增广系统的闭环系统渐近稳定的控制器,并由此得到原系统实现跟踪一致性的全局最优预见控制器.仿真结果不仅验证了所设计控制器的有效性,并且表明适当增加预见步长对保证准确跟踪领导者的输出是至关重要的.