间歇过程模糊预测学习控制器的设计与仿真

针对工业间歇过程的控制问题，分析比较了现有的两类反馈-前馈迭代学习算法在解决工业间歇过程控制系统滞后问题上的缺陷，采用T-S模糊预测模型，在原有反馈-前馈迭代学习算法基础上引入预测思想，研究了基于模糊预测的迭代学习算法，并设计了一种模糊预测学习控制器。以具有滞后、变参数特性的间歇过程为例，进行了仿真研究，验证了提出方法的有效性。     

基于二维混合模型的鲁棒迭代学习控制设计

针对一类正则线性不确定系统,提出一种基于连续/离散二维混合模型的迭代学习控制设计方法。首先,通过独立地考虑迭代学习控制系统连续的控制行为与离散的学习行为,建立迭代学习控制系统的连续/离散二维混合模型,将迭代学习控制器设计问题转化为一类连续/离散二维系统的状态反馈控制问题。然后应用二维连续/离散系统方法,获得迭代学习控制系统稳定性条件。最后根据稳定性条件,利用线性矩阵不等式方法,求得迭代学习控制器参数,它通过Matlab工具箱可以方便的获得。与现有方法相比,所提出的迭代学习控制器利用了输出误差以及状态变化的信息来修正当前的控制,因而设计方法更加符合其本质特征,具有简单实用、直观明了的特点。数值仿真实例验证了所提方法的有效性。     

基于2D模型的网络系统迭代学习控制设计方法

迭代学习控制(iterative learning control, ILC)方法应用于网络控制系统时,由于数据需要在控制器和远程对象间传输经常产生数据丢失现象。给出了一种存在数据丢失时网络系统的随机迭代学习控制设计方法,首先将数据丢失现象描述为随机伯努利序列,在此基础上将迭代学习的控制器设计转化为随机〖JP2〗2D Roesser系统的稳定问题。定义了随机意义下2D系统的均方渐进稳定,基于线性矩阵不等式(linear matrix inequality, LMI)给出一个判别稳定性的条件,该条件同时可实现迭代学习控制器的设计。仿真示例验证了设计方法的有效性。     

基于2-D系统理论的变初始条件离散系统的迭代学习控制

对于具有重复运动特性的系统，迭代学习控制是一种简单有效的控制方法。为便于实时应用，所有迭代学习控制方案的设计必须在离散时间域进行。初始状态问题是学习控制设计中遇到的一个重要问题。针对具有变初始状态的离散时间系统，利用2-D线性连续．离散型系统理论设计了闭环迭代学习控制器，并给出了保证控制器收敛的充分必要条件。仿真结果证明了该方案的有效性。     

锅炉复杂热工过程两层结构监控系统设计方法

当系统存在较大扰动时,锅炉的变量如蒸汽压力和汽包水位都会产生较大的波动.简单的底层控制器消除这种波动的效果不太理想.提出了两层结构控制方法来改善系统的性能.底层控制采用基于DCS（Distributed control systems）系统的预测PID控制方法,根据当前的工况,蒸汽压力和水位的设定点由基于模糊理论的监控层给出.针对一个具体的锅炉系统,改进后的方法其控制性能和经济目标均有了很大的改善.     

闭环系统的虚拟参考反馈校正控制及迭代最小辨识

在线性框架下研究基于输入输出观测数据对未知系统模型中两反馈控制器的设计问题. 采用虚拟参考反馈校正控制直接设计控制器,无需系统建模过程. 在构造代价函数时,同时考虑闭环传函和灵敏度的模型-匹配问题. 针对模型匹配过程,分别设计虚拟输入和扰动;推导用于观测数据预处理的滤波器. 在设计控制器前,利用概率统计法对控制器进行检验以保证闭环系统的稳定性. 针对控制设计中的参数优化,利用数值优化理论分析迭代最小二乘辨识算法所生成的迭代序列与全局最优值间的逼近式,以此式作为评价收敛性和收敛速度的依据. 最后用仿真算例验证方法的有效性.     

基于滑模迭代学习律的航天器姿态控制

针对航天器姿控系统长期运行期间因执行部件老化或故障引起性能下降的情形,设计了一种基于滑模迭代学习率姿态自主容错抗扰控制方案。采用虚拟控制输入设计了滑模控制器,以确保故障发生后系统能精确跟踪参考运动轨迹|通过李亚普诺夫稳定性分析,设计了新的自适应迭代学习率,根据系统跟踪误差,在线确定控制器参数以应对执行器故障和外部干扰的影响。数值仿真实验表明,该方法可以有效进行故障检测和干扰补偿。     

时变非线性系统直接自适应迭代学习控制

针对一类含有非周期时变参数化不确定性的非线性系统,设计了一种新的迭代神经网络估计器,解决了非周期时变不确定性带来的设计难题。用迭代神经网络直接对期望控制量进行整体逼近,利用Lyapunov稳定性理论和自适应迭代学习控制技术设计了控制器,并进行稳定性分析,证明了系统所有状态量有界,且输出量将收敛至期望轨迹的一个邻域内。仿真结果验证了控制器设计方案的正确性。     

基于强化学习的连续型机械臂自适应跟踪控制

针对空间主动碎片清除操作中连续型三臂节机器人系统跟踪问题,提出一种基于强化学习的自适应滑模控制算法。基于数据驱动的建模方法,采用BP神经网络对三臂节连续型机械臂进行建模,并作为预测模型指导强化学习实时调节所提出滑模控制器的控制参数,从而实现连续型机器人运动的实时跟踪控制。仿真结果表明：提出的数据驱动的预测模型对随机轨迹预测的相对误差保持在±1%以内,能够高精度地反映系统动态特性。对比固定参数的滑模控制器,提出的自适应控制器在保证系统达到控制目标的同时具有更低的超调量和更短的调节时间,表现出更好的控制效果。     

自适应灰色预测控制的稳定性与仿真研究

基于灰色预测和在线切换算法的研究,提出一种自适应灰色预测控制方法,该方法根据控制系统不同周期的输出误差值,自适应调整灰色预测控制器的预测步长,提高系统输出非平稳时间序列的光滑度,减少其随机性,以改进系统的暂态和稳态性能.并基于线性时不变对象,推导了该类自适应预测控制系统数学模型,给出其收敛的充分条件.最后,通过实例仿真分析证实了本方法控制精度高,鲁棒性强,具有良好的应用价值.     

基于T-S模型的迭代学习控制算法及其在机器人点位控制中的仿真研究

考虑了一类特殊的迭代学习控制问题，即用迭代学习方法解决机器人的点位控制问题。采用T-S模型描述机器人系统，在T-S模型的基础上，运用并行分配补偿方法(PDC)确定T-S模型的迭代学习控制器结构，并给出了误差收敛条件。为避免迭代过程的初始定位操作，丈中还设计了模糊循环迭代学习律。最后以在垂直面内运动的单关节的机器人为例说明了所提出方法的有效性。     

鲁棒迭代学习控制及在高精密平台中的应用

针对不确定性系统,提出一种非因果的鲁棒迭代学习控制方法。采用反馈控制和迭代学习控制分别设计并统一进行鲁棒性分析的方法,以提高系统的反馈性能和学习性能。首先采用H_∞控制方法,保证反馈部分的鲁棒稳定性;其次采用二次型优化迭代学习控制律来提高系统的学习效率;最后结合μ分析理论,对迭代学习控制系统进行鲁棒性验证,并对优化学习律的参数进行修正。该方法吸取了非因果迭代学习律学习性能好的优点,也充分利用μ分析保守性小的特点来提高系统的性能。算例结果验证了方法的有效性。     

AN INTELLIGENT CONTROL SYSTEM BASED ONRECURRENT NEURAL FUZZY NETWORK AND ITS APPLICATION TO CSTR

In this paper, an intelligent control system based on recurrent neural fuzzy network is presented for complex, uncertain and nonlinear processes, in which a recurrent neural fuzzy network is used as controller (RNFNC) to control a process adaptively and a recurrent neural network based on recursive predictive error algorithm (RNNM) is utilized to estimate the gradient information ρy/ρu for optimizing the parameters of controller.Compared with many neural fuzzy control systems, it uses recurrent neural network to realize the fuzzy controller. Moreover, recursive predictive error algorithm (RPE) is im-plemented to construct RNNM on line. Lastly, in order to evaluate the performance of the proposed control system, the presented control system is applied to continuously stirred tank reactor (CSTR). Simulation comparisons, based on control effect and output error,with general fuzzy controller and feed-forward neural fuzzy network controller (FNFNC),are conducted. In addition, the rates of convergence of RNNM respectively using RPE algorithm and gradient learning algorithm are also compared. The results show that the proposed control system is better for controlling uncertain and nonlinear processes.     

Adaptive robust control of mobile satellite communication system with disturbance and model uncertainties

The tracking and stable control of a typical shipmounted mobile satellite communication system(MSCS) is studied.Unlike the former studies based on simplified single-axis models,a tri-axis nonlinear model including the kinematic and dynamic features of the MSCS is used as the control object.An adaptive robust controller with trajectory planning is designed to deal with large parametric uncertainties and uncertain nonlinearities of the system.A theoretic performance result is given and proved.The designed adaptive robust controller and other two traditional controllers are tested in the comparative simulations under three different situations.The simulation results show the tracking and stable validity of the proposed controller.     

基于在线支持向量机和遗传算法的预测控制

针对非线性系统模型预测控制中预测模型容易失配且目标函数难以求解的问题,本文提出一种基于在线支持向量机建模和遗传算法滚动优化的模型预测控制方法。该方法利用在线支持向量机建立被控对象的非线性模型,在线支持向量机是一种迭代学习的支持向量机训练算法,可以进行在线训练,从而实现模型在线自校正;并且通过遗传算法求解目标函数的最优控制量,完成滚动优化。对非线性系统的仿真研究结果表明,该方法有效且具有良好的自适性。     

任意初始状态下迭代学习控制的频域分析

针对广义受控对象G(s) ,提出了一种迭代学习控制器在频域中设计的思想 ,给出了在任意初始状态下迭代学习控制算法收敛的充分条件 ,证明了经过逐次迭代后系统实际输出信号对期望输出信号的逼近特性 ,输出跟踪误差将一致有界 ,且与期望状态及期望输入无关。进一步讨论了反馈控制在迭代学习控制器中的作用。仿真结果表明了该算法的有效性。     

控制力矩陀螺高速转子稳定性控制仿真研究

针对航天器姿态控制执行机构磁悬浮控制力矩陀螺的高速大惯量飞轮转子系统的强非线性和由强陀螺效应产生的进动和章动导致系统的失稳问题,提出了模糊控制和传统的PID和交叉解耦控制相结合的方案,对高速转子系统中非线性所导致的问题进行了研究。研究表明,该控制器解决了陀螺效应导致的主动磁轴承-高速大惯量飞轮转子的不稳定性问题,且抑制了噪声对磁轴承稳定性的影响。最后,数值算例证明了该方法的可行性和有效性。