一种多变量系统鲁棒设计方法

本文基于鲁棒稳定性理论和多变量控制器优化设计方法，提出了一种鲁棒系统设计方法．用该方法设计了实际工业对象的鲁棒控制系统，得到了很好的结果，表明这是一种实用、有效的设计方法．     

多变量非线性系统的逆系统解耦控制

本文对多变量非线性控制系统的一种新方法——逆系统解耦控制进行研究,给出状态反馈解耦条件,同时提出逆系统解耦镇定条件,最后以两自由度机械手进行仿真。     

基于主-辅控制架构的无人机鲁棒飞行控制律设计

无人机在实际飞行中易受到扰动与系统未建模动态等不确定性因素的影响.为此,文中提出了一种新的鲁棒飞行控制律设计方法.该方法以主-辅控制器为基本架构,主控制器采用鲁棒伺服线性二次型调节(LQR)法构造,以提供基本指令跟踪控制输入;以加入主控制器后的理想闭环系统为参考模型,基于鲁棒模型参考自适应算法设计辅控制器,以抑制扰动和未建模动态对飞行控制系统的影响.理论分析表明,该控制律能够保证闭环飞行控制系统在存在有界扰动与未建模动态情况下稳定且跟踪误差有界.非线性对比仿真验证了控制系统对各种形式扰动的抑制作用,说明了该控制系统的有效性与鲁棒性.     

基于物理平台的多变量控制系统设计与研究

针对工业控制中多变量控制系统的强耦合特性,在模拟仿真环境下进行的过程控制的研究与实际情况有很大差距的问题,提出了一种在YC-SX多变量过控实验平台上进行的对多变量系统的解耦控制。在研究过程中,通过这个实验平台搭建了四容水箱多变量控制系统实物模型;并且借助Matlab软件实现了对此系统的系统辨识和解耦控制。由研究结果表明,此四容水箱多变量系统耦合基本消除;并且这样的设计能够更接近于工程实际情况。     

一类多变量系统的解耦适应控制

本文提出了一种多变量系统的解耦适应控制算法,该算法简单、灵活并且容易实现.系统各通道的控制器可按不同的要求独立设计,控制器参数可以在线计算。仿真结果证明了该算法的适应能力.     

离散多变量自适应解耦控制系统设计

基于 MRAC 系统的设计理论,利用连续系统从模型取状态的设计思想,给出了一类参数未知的多变量离散系统的自适应解耦算法,仿真结果表明,算法可行.     

多变量解耦控制的研究

针对化工生产过程中遇到的多变量控制问题,以分析多变量的相关性为切入点,以某一加热器的控制系统为实例,提出并讨论了有效的解决方法———如何实现多变量解耦控制。     

多变量解耦控制的研究

针对化工生产过程中遇到的多变量控制问题,以分析多变量的相关性为切入点,以某一加热器的控制系统为实例,提出并讨论了有效的解决方法--如何实现多变量解耦控制.     

带有参数自调整机构的多变量系统模糊神经网络解耦控制

在文献[1]的基础上,引入模糊神经网络和参数自调整算法,改善系统的智能,使系统具有自学习和自调整模糊规则的能力.仿真结果表明,该方法能实现静态解耦,并提高了系统的抗干扰能力和鲁棒性,改善了系统的性能.     

多无人机编队控制轨迹的凸优化设计

将多无人机编队控制优化模型分解为优化层和协调层,从而将多无人机编队控制轨迹的设计转化为优化层和协调层的优化设计。首先在共有的辅助决策变量汇合点的前提下,对优化层采用对偶理论将约束问题转化为无约束问题,进而利用最优必要条件求解最优的控制输入信号值。对协调层关于辅助变量汇合点的设计,可采用凸算法中的梯度投影策略,并分析该梯度投影算法的收敛性。最后用仿真算例验证该方法的有效性。     

全解耦的多变量自校正控制

本文在 Koivo 建立的多变量自校正控制基础上,给出了描述系统动态的CARMA 模型。并将它化为 V 规范多变量耦合系统,然后进行解耦,从而提出一种新的多变量全解耦自校正控制(MFDSTC)策略。仿真结果表明,本文提出的解耦策略是可行的。文章还指出,这种解耦策略也适应于非最小相位系统。     

基于ADRC的无人机纵向通道控制

根据自抗扰控制器不依赖对象的精确数学模型以及能够对系统模型内扰和外界干扰进行补偿的特点,提出了在无人机纵向通道中引入自抗扰控制器的方法。设计的自抗控制器在不同的飞行状态下,不需要改变控制器参数,就能实现对俯仰指令的精确跟踪控制,以及速度回路与俯仰角回路的解耦控制。仿真结果表明,系统具有良好的动态响应和鲁棒性。     

基于模糊RBF神经网络整定的航空发动机多变量解耦控制

为解决航空发动机控制变量之间的强耦合性,构造了基于模糊RBF神经网络整定的航空发动机多变量解耦控制系统.设计了基于模糊RBF神经网络的多变量解耦控制器,在线调整PID控制器的参数并根据Delta学习规则对网络权值进行修正以达到最佳控制;针对某型航空发动机含未建模动态和噪声等随机干扰的非线性模型进行了多变量解耦控制系统仿真.结果表明:系统具有满意的动态性能和解耦特性,该方法不需要知道发动机的精确数学模型,对航空发动机的非线性和不确定性具有较强的自适应能力.     

基于多变量统计方法的产品质量控制

提出了一种多变量统计质量控制方法来减小由于过程扰动引起的产品质量变化.该方法首先通过正常工况的历史数据,建立一个部分最小二乘的回归模型,利用高采样频率的过程测量值来预测质量变量的值.预测误差作为部分最小二乘逆模型的输入得到过程操纵变量的调节量,通过调节过程操纵变量来抑制过程扰动,减小质量变量的变化.所提出的多变量统计质量控制方法在TE过程中得到了验证.仿真结果表明,与传统的PID质量控制方法相比,所提出的方法能减小由过程扰动引起的质量变化.     

基于神经网络的多变量非线性系统的广义预测控制

为了使广义预测控制的思想成功应用于多变量非线性系统,用神经网络对其进行开环解耦得到单变量非线性系统后,采用一种复合多层前馈神经网络结构作为单变量非线性系统预测模型,利用递推最小二乘法和Davidon最小二乘法作为在线学习算法,建立了一种适合多变量非线性系统的自校正广义预测控制器。     

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。     

基于两级神经网络的发酵过程多变量前馈解耦控制

针对具有时变、非线性、不确定性的多变量耦合生物发酵过程,提出了一种基于两级神经网络的多变量前馈解耦方法.一级神经网络利用可获得的过程信息拟和耦合通道的过程特性,实现耦合作用对被控量影响的估计;二级神经网络用来拟和控制通道的逆特性.通过两级网络的串联,消除系统间的耦合.实验结果表明,提出的解耦控制方法能适应生物发酵过程模型的不确定性和参数时变性,克服了前馈解耦方法依赖于过程模型和对模型参数的变化表现敏感的缺点.     

多变量系统的鲁棒自适应控制

考虑了具有未建模动态和外来有界干扰的离散时间多变量系统，提出了一种鲁棒自适应控制方案。这种控制器是基于系统的降阶模型设计的，其建模部分的参数估计采用带有死匹的最小二乘算法。在相当一般的假设下，证明了所建立的闭环系统是全局稳定的和跟踪误差是有界的。