基于最小控制合成算法的自适应时滞补偿振动控制研究

由于Smith预估时滞补偿器对预估模型和预估时间有较高的要求,在预估模型和时间出现较大偏差时会引起时滞补偿的MCS算法出现控制效果下降甚至失稳的问题。因此,基于李雅普诺夫稳定性原理,设计一种自适应时滞补偿结构添加到时滞补偿MCS算法中,构建一种具有自适应时延补偿的MCS算法。选取悬臂梁结构为研究对象进行仿真分析,结果表明,改进的MCS算法不仅克服了预估时间出现较大偏差时的失稳问题,而且具有较好的时滞补偿控制效果。     

基于MCS算法的振动主动控制时滞补偿

 针对振动主动控制中时滞会引起最小控制合成算法失稳问题,提出在传统的最小控制合成算法(MCS)的基础上,应用smith 预估器时滞补偿原理,在MCS 算法中添加时滞补偿因子,构建一种改进的具有时延补偿的MCS 算法。选取工业生产中常见的受控机械臂结构进行建模和仿真。结果表明,改进的MCS 算法克服了振动主动控制策略中时滞失稳问题,具有较好的时滞补偿控制效果。     

基于改进MCS算法的加筋板结构振动控制研究

为解决传统的MCS算法控制中,因时滞导致一定程度上的振动控制效果下降甚至失稳的问题。因此,提出将自适应Smith预估器添加到MCS算法中,结合李雅普诺夫第二法设计自适应因子,构建时滞补偿的MCS算法。利用Lissajou图形法测量了控制系统的时滞,运用Lab VIEW软件编写了MCS算法程序,通过CRIO实时控制平台进行加筋板振动主动控制实验。实验结果表明改进的MCS算法有效地减轻时滞测量误差对控制的影响,具有更好地抑制效果。     

EHA半主动悬架自适应Smith预估时变时滞补偿控制

由于传统Smith预估补偿控制对采用电动静液压作动器(Electro Hydrostatic Actuator,EHA)半主动悬架只能进行临界时滞时间的补偿,设计了一种自适应Smith预估时变时滞补偿控制器。通过计算含时滞半主动悬架系统的临界时滞,结合小时滞下悬架系统不会发生失稳的条件,得到了含时滞EHA半主动悬架时滞的时变特性,并验证了该时滞补偿控制器对时变时滞补偿的有效性。利用模糊控制算法求取了含时滞EHA悬架的半主动控制力,并进行了时变时滞补偿。建立了含自适应Smith预估时变时滞补偿控制的EHA半主动悬架仿真模型,并进行了对比仿真分析。结果表明,当时滞为0.05 s和0.1 s时,自适应Smith预估时变时滞补偿控制下的悬架簧载质量加速度和轮胎动载荷的均方根值分别改善了14.6%,5.5%和29.5%,15.5%;相比于传统Smith预估时滞补偿控制,时滞补偿效果分别提高了39.7%,41%和18%,55%.     

基于LQR-IMCS算法的智能结构振动主动控制

为了解决最小控制综合（MCS）算法在快速扰动下缺乏鲁棒性和线性二次调节器（LQR）在非线性扰动下容易失稳的问题,构造了一种自适应增益补偿函数,对标准的MCS算法进行改进.提出了基于LQR-IMCS（改进的最小控制综合）算法的新策略,并通过波波夫准则验证了该系统的稳定性.以实验室压电壁板结构的第1阶振动模态为研究对象,分别施加随机扰动和高次谐波扰动.仿真和实验结果表明：该方法相对于标准的MCS算法具有更快的收敛速度和更小的跟踪误差,对壁板的第1阶模态抑制具有良好的控制效果和鲁棒性.     

用于壁板结构多模态振动主动控制的改进最小控制合成(MCS)算法

针对压电壁板结构,引入具有良好非线性控制性能的最小控制合成(minimal controller synthesis,MCS)算法来抑制其振动.鉴于标准的MCS算法在快速扰动下缺乏稳定性,为进一步提高其控制效果,构造了一种新的自适应补偿因子,形成了改进MCS算法-IMCS算法,并通过波波夫准则验证了该控制系统的稳定性.选取LQR(linear quadratic regulator)控制作为参考模型,分别施加宽频随机扰动和前2阶正弦混合脉冲激励,分析比较了IMCS算法和标准MCS算法的控制效果、自适应增益因子和跟踪误差.仿真结果表明,IMCS算法具有更快的收敛速度和更小的跟踪误差;多模态扰动实验结果表明,当存在外部非线性扰动时,IMCS算法具有更好的控制效果和鲁棒性.     

自适应时滞补偿加筋板无线振动控制研究

为了解决时滞问题带来的控制系统无线传输信号滞后问题,提高压电加筋板振动系统控制效果,提出一种基于改进幂次趋近律滑模算法的自适应Smith时滞补偿方法,并通过李亚普洛夫第二法则验证了稳定性,最终使得系统控制效果得到有效提升。实验结论表明,添加自适应Smith时滞补偿加筋板无线振动控制系统的控制效果为1.147V,相较于未添加自适应预估补偿的1.436V,改进后的振动幅值降低0.289V,控制效果提升13.50%。     

一种改进的Smith预估补偿方法

在常规Ｓｍｉｔｈ预估补偿算法控制结构的基础上,进行适当改进,使用模型参考自适应辨识方法,把控制对象与模型间的差异用增益来补偿,得模型失配条件下的Ｓｍｉｔｈ预估补偿控制效果接近于模型精确条件下的控制效果,仿真结果表明,在存在模型偏差时,提出的方法能大大改善Ｓｍｉｔｈ预估补偿 动态性能,且对外扰具有很好的抑制作用。     

一种改进的Smith预估补偿方法

在常规Ｓｍ ｉｔｈ 预估补偿算法控制结构的基础上,进行适当改进,使用模型参考自适应辨识方法,把控制对象与模型间的差异用增益来补偿,使得模型失配条件下的Ｓｍ ｉｔｈ 预估补偿控制效果接近于模型精确条件下的控制效果．仿真结果表明,在存在模型偏差时,提出的方法能大大改善Ｓｍ ｉｔｈ 预估补偿控制的动态性能,且对外扰具有很好的抑制作用．     

基于时滞补偿的气动系统位置控制仿真

为解决气动系统在控制过程中出现的时滞性、非线性性和外部干扰等问题,提出了一种基于时滞补偿的模糊比例-积分-微分(proportion integration differentiation, PID)控制的策略。首先,分析气动系统的工作原理,建立气动系统的机理模型。其次,针对气动系统存在的时滞特性,在Smith预估器的结构中引入干扰观测器,并使用改进的Smith预估器来补偿系统的纯滞后环节。最后,为提高位置控制精度,设计了具有自整定能力的模糊PID控制器。仿真结果表明,改进的Smith预估器与模糊PID控制相结合的策略能够保证系统的稳定输出,提高系统的抗干扰能力和鲁棒性。     

基于互联网的过程控制系统的时延补偿

为了克服不确定性变化的时延影响,基于互联网的过程控制系统的动态性能,在传统的控制系统结构中设计了带时延预测器的网络时延补偿环节．该时延预测器采用AR模型对互联网的传输时延进行在线预测,仿真结果表明在时延变化不太剧烈、稳定性比较好的情况下,有85．3％的时延预测值预测误差在5％以内,利用AR模型取得了很好的预测效果．通过基于互联网的水箱控制系统实验表明：采用该网络时延补偿环节既能保证控制系统的稳定性,又能缩短控制系统稳定的调节时间和减少超调量,改善控制系统的动态性能．     

基于改进模糊PID算法的空燃比控制策略研究

对发动机瞬态工况空燃比进行控制时,由于单缸汽油机本身固有的非线性和时滞环节,传统PID控制很难取得满意的效果,本文构造了一种带动态补偿的模糊PID控制器.首先搭建了单缸机仿真模型,并将模糊PID控制算法应用于空燃比控制中,以适应系统的非线性;然后针对单缸机系统中固有的时滞环节提出一种动态时滞补偿器,以降低时滞环节对系统的影响;再将该时滞补偿器耦合于模糊PID控制器中,应用于单缸机瞬态工况下的空燃比控制.仿真结果表明,改进的模糊PID控制器不仅能补偿系统中时滞环节带来的非最小相位影响,而且能很好地适应发动机系统的非线性特征,从而使控制系统的稳定性、准确性、快速性均得到了很大的改善.     

啤酒发酵温度多变量解耦控制算法

针对工业过程中常见的多变量时滞输入输出系统,基于常规PID控制和Smith补偿控制算法在处理大时滞、强耦合、多变量、不确定性对象的控制时效果不好的情况,提出了一种多变量解耦控制器的设计方法,该方法以控制器或者补偿器来消除系统各输入输出间的相互耦合和关联,是解决多变量控制问题的有效工具。用该方法针对多变量强耦合的啤酒发酵温度控制系统进行了设计和仿真研究,仿真结果证明了该方法的有效性。     

时滞网络预测PI控制算法鲁棒稳定性分析

针对网络中存在的时滞给主动队列管理算法性能带来的不利影响,将Smith预估补偿器与达林算法相结合,提出了一种预测PI控制算法,既利用Smith预估器克服了大时滞给系统性能带来的影响,也减少了控制器参数整定数量.利用控制理论分析了该算法中Smith预估模型与实际对象模型分别存在增益、时间常数和时延失配情况下系统的鲁棒稳定性,并分别给出了保持系统稳定的失配参数条件.理论分析表明,通过适当选择期望闭环传递函数时间常数和预估模型参数,可以使系统获得较强鲁棒性和较快响应速度.仿真试验验证了理论分析的正确性.     

混合动力挖掘机能量管理系统控制策略研究

针对最优控制理论设计的混合动力挖掘机最佳燃油控制策略具有全局寻优计算量大、需提前预知系统所有工况状态的不足,本文提出一种实时最佳燃油能量管理策略,对发动机的"转速-功率-燃油耗率"进行数值建模,在直流母线电压稳定的约束下,计算使发动机高效运行的储能系统功率补偿量,并作为控制决策输出;随后,采用有限控制集模型预测控制实现储能系统在该控制决策下的快速功率控制.仿真验证了该方法的有效性和正确性;工程试验表明,该策略在挖掘机平地轻载、重载旋转工况下的燃油耗量分别为传统机型的82.2%和77.6%,可供实际设计参考.     

基于GM(1,2)模型的多步自调节灰色预测控制算法

基于GM(1,2)灰色模型和一种新型综合偏差,提出了基于GM(1,2)模型的多步自调节灰色预测控制算法.该算法可对系统输出偏差和预测偏差进行合成形成一个在线多步综合偏差,用此偏差代替传统最优控制算法中的偏差项,这样算法既有在线预测系统未来多步行为的功能,又能根据预测模型精度实时调节预测值在控制回路中的作用,减小了预测误差对系统的不利影响.仿真结果表明,该算法可获得较好的控制跟踪效果.     

基于递归神经网络模型的传感器非线性动态补偿

讨论了递归神经网络模型在传感器非线性动态补偿中的应用，给出了递归神经网络模型的结构及相应的训练算法．递归神经网络模型本身具有动态映射能力，其结构仅与输入层和中间层的节点数有关，且不需要知道被补偿传感器的结构特性(如输出、输入的最大延迟)等先验知识，简化了动态补偿器的结构设计．采用递推预报误差算法训练神经网络，具有收敛速度快、收敛精度高的特点．实验结果表明，经过补偿后的传感器具有期望的输入输出特性，应用递归神经网络对传感器进行非线性动态补偿是一种行之有效的方法．