不确定非线性系统变结构鲁棒自适应控制及应用

针对一类具有不确定性的非线性系统,在系统模型的参数已知和不确定性界未知的条件下,提出了个变结构鲁棒自适应控制算法。最后以船舶减摇鳍非线性控制系统为例,进行了变结构鲁椿自适应控制器的设计,经仿真研究表明,所提出的算法是有效的。     

结构半主动减震控制新体系的理论与试验研究

提出了结构半主动减震控制的一种新体系———半主动变刚度·阻尼控制系统 ,设计了控制装置 ,推导了控制系统的运动方程 ,提出了基于预测控制的预测瞬时最优控制算法 ,完成了结构模型振动台对比试验 .试验研究表明 ,结构半主动变刚度·阻尼控制系统及其控制算法是十分有效的 ,为该前沿技术的工程应用创造了条件     

一种改进的离散变结构控制算法

研究基于离散幂指数趋近律的变结构控制器设计问题,对利用传统离散指数趋近律设计变结构控制器时出现的稳态抖振现象进行分析,提出了一种新的滑模趋近律,该趋近律克服了指数趋近律固有的的缺点,能有效地减小系统的抖振,并保证系统渐近稳定。用该算法设计离散变结构控制器,并选取永磁直线同步电机作为仿真研究对象,仿真结果证明了该算法的有效性。     

非线性系统的非结构模型和基于它的广义预测控制器

利用离散Laguerre函数的有关性质,给出了一类离散非线性系统的一个非结构模型;将之用于非线性过程广义预测控制器的设计,得到了一个适用于该类非线性过程的广义预测控制算法,并举例说明该算法的有效性。     

不确定离散系统全程滑模变结构控制

针对参数不确定和外部扰动的不确定离散系统,提出了一种全程离散滑模控制器.为了减少抖动,应用了变结构概念的边界层方法.通过选择离散变结构控制中的最佳边界值,保证了离散系统状态以最快的速度到达理想滑模面,且无抖振现象.对于常值或变化率小的扰动,给出了扰动补偿器的最佳设计参数,使闭环系统具有良好的稳定性和鲁棒性.计算机仿真结果表明了上述方法的有效性以及方案的可行性.     

集中空调送风静压系统建模与广义预测控制

集中空调空气处理系统因其大时滞、非线性、强扰动、被控对象辨识困难等特点,使得常规PID控制算法的控制效果欠佳。文中在分析集中空调整体系统架构的基础上,基于送风静压控制模型的辨识,提出广义预测控制算法。针对送风静压子模块,采用系统辨识方法,对风机频率风管静压回路进行建模,基于该系统控制模型,设计广义预测控制算法,并用于定静压控制策略的实现。仿真验证和实测结果表明,所设计的算法相对于传统PID控制算法具有较强的跟踪及抗干扰能力。     

适用于变时滞未知扰动过程的自校正控制算法

基于广义最小方差策略和极点配置策略,提出了一种适用于变时滞、未知扰动过程的新型自校正控制算法。该算法在操作条件变化的情况下,无需在线辨识被控过程的时滞和扰动,通过加权项的自动调整,始终能够保证控制系统稳定运行。该算法的数字仿真和实际应用的结果对于变时滞、未知扰动的过程,不仅具有良好的随机调节性能,而且还具有良好的伺服跟踪能力。     

一种具有时滞的离散系统的控制设计

研究含时滞的线性离散系统的变结构控制问题。首先将离散系统简化为不含时滞的线性离散系统,然后对简化的系统提出一种新的变结构控制设计算法。该算法分为2个阶段:当系统轨迹在滑模某邻域外时,控制律使系统轨迹单调趋近于滑模面;当系统轨迹渐近进入到该邻域内,控制律使其轨迹一步到达滑模面。抖振现象是离散系统滑模控制算法的主要缺陷,一些学者针对离散系统在消弱抖动方面做了广泛而深入的研究。离散系统在消弱抖振方面的研究提出的算法可以有效地消弱系统解轨迹的不连续性产生抖振的现象,使系统稳定。理论证明该方法可消除离散滑模控制系统的抖振且能够保证控制系统具有强鲁棒性。     

电机调速过程的模糊自适应变结构控制

电机在运行中受负荷和环境参数的扰动而速度不稳定,如不及时克服和调整,将使电机发生抖震,也影响系统的稳定.因此给出了一种针对电机调速过程的有效的控制算法.采用Tacagi-Sugeno分段模糊化再进行连接的方法,用局部的模糊线性模型集合来代替整体的非线性模型,完成了模糊模型辨识,并基于此给出了模糊自适应预测控制算法,使得电机的输出速度保持动态稳定;为保证控制的动态跟踪功能引进了变结构控制;对于提出的算法给出了稳定性和鲁棒性设计.实际应用结果表明,所给的控制方案适合于一类不确定动态过程的有效控制.     

一种适于开环稳定系统的预测控制器

提出的新的预测控制算法,克服了目前应用较广泛的模型算法控制(MAC)在线计算量大及闭环极点难以配置等不足。仿真研究表明该算法对负载变化、随机扰动及非最小相位系统具有较强的鲁棒性。     

一种具有控制时滞的离散系统的变结构控制设计

研究含时滞的线性离散系统的变结构控制问题。首先将离散系统简化为不含时滞的线性离散系统,然后对简化的系统提出一种新的变结构控制设计算法。该算法分为2个阶段:当系统轨迹在滑模某邻域外时,控制率使系统轨迹单调趋近于滑模面;当系统轨迹渐近进入到该邻域内,控制率使其轨迹一步到达滑模面。抖振现象是离散系统滑模控制算法的主要缺陷,一些学者针对离散系统在削弱抖动方面做了广泛而深入的研究。离散系统在削弱抖振方面的研究提出的算法可以有效地削弱系统解轨迹的不连续性产生抖振的现象,使系统稳定。文章最后给出了数值计算和仿真算例。     

电力系统动态无功/电压优化控制的一种新算法

在动态无功／电压优化控制问题中，将不可导的控制变量动作次数约束条件和含有离散变量的功率平衡等式约束条件进行了可导化的等价转换．利用控制变量中的离散变量构造了二次罚函数并引入到原对偶内点法中，以实现离散变量在优化过程中的逐次归整，在此基础上，建立了完整的基于非线性内点法的动态无功／电压优化控制的数学模型．算例结果表明，该方法在动态无功／电压优化控制中的效率显著优于动态规划法和遗传算法，并且算法迭代次数不随网络规模增大而明显增大，同时该算法既适用于配电系统，也适用于输电系统．     

船舶航向非线性迭代滑模变结构PID控制

针对一类不确定非线性受扰动系统,提出非线性迭代滑模变结构PID控制方法.通过对系统输出迭代设计非线性滑模函数,并引入传统PID控制,综合了滑模变结构控制与PID控制的鲁棒性强的特点,避免了传统PID控制积分引起的超调以及变结构控制的抖振问题.设计了船舶航向控制器.仿真结果表明,非线性迭代滑模变结构PID控制下的系统阶跃响应超调明显减小,定常干扰下的静态误差得到消除,稳定时间明显缩短并可通过设计参数调节,表明控制算法具有强鲁棒性.     

LMS算法的自适应逆控制变频调速系统

针对矢量控制变频调速系统参数鲁棒性差这一交流传动领域难题,提出基于自适应逆控制理论的感应电机变频调速新型控制结构用于增强系统参数鲁棒性;提出一种基于变论域的变步长LMS自适应滤波算法用于电机系统及其逆系统建模。研究结果表明,变论域变步长LMS算法克服了收敛速度、时变系统跟踪速度与收敛精度方面的矛盾;自适应逆控制的变频调速系统对感应电机参数摄动具有鲁棒性。     

振动溢出与共振的变结构控制

针对振动主动控制中的共振及溢出现象 ,提出了采用变结构控制的构想 ;再根据变结构控制的基本理论 ,提出了共振及溢出控制的变结构控制原理、算法 ;并以悬臂梁为模型通过仿真验证了所提出的变结构控制策略对共振及溢出控制的有效性 仿真结果表明 :对于主动振动控制中的共振及溢出现象 ,加速度反馈比阻尼反馈更为有效 ;在对共振及溢出采用变结构控制时 ,控制切换函数或区间的选取对控制效果的优、劣非常重要 ,有待于进一步探讨     

开架式水下机器人运动的变结构神经网络控制

针对开架式水下机器人运动的精确控制问题,提出一种水下机器人变结构神经网络控制方法。利用变结构控制理论中的趋近律方法,推导出神经网络参数的镇定算法,并讨论了学习算法的全局稳定性条件。仿真实验结果表明该控制方法对网络学习率的改变和外界扰动有很强的鲁棒性,具有一定的理论和实用价值。     

基于滑模变结构的风电机组一次调频算法研究

针对并网风电场中,经典一次调频控制方法存在抗干扰能力弱、机组易脱网的问题,本文提出一种基于滑模变结构的风电机组一次调频控制算法。首先,在永磁同步风电机组工作原理的基础上,建立含有大电网的风电机组模型。其次,为了解决传统PID控制下抗干扰能力弱的问题、引入经典滑模变结构控制器。然后,针对经典滑模变结构控制器导致执行机构存在抖振较多的缺点,本文提出一种基于Sigmoid函数趋近率的滑模变结构一次调频控制算法。最后,通过MATLAB/SIMULINK对风电机组一次调频进行建模仿真,并与经典控制算法相比,验证了所提算法的可行性,在风速波动和电网故障的环境下,滑模变结构一次调频控制算法更具有效性。     

一种离散非线性随机系统模型及其自校正调节器

建立了一种描述离散非线性随机系统新的数学模型,它是CARMA模型的一种扩展,双线性系统模型是它的一种特殊形式,参考CARMA模型下自交正调节器控制律的算法结构,同时给出了新模型了自校正调节器的算法,它将CARMA模型的算法在结构上从线性扩展到非线性。     

基于粒子群优化算法的高速网络可变结构节点位置控制

针对网络节点位置控制中网络容量较低、 控制过程节点能量消耗较大等问题, 提出一种基于粒子群优化算法的高速网络可变结构节点位置控制方法. 该方法结合粒子群优化算法与Metropolis接受准则, 找到各网络节点对应的粒子位置, 对初始位置权重进行自适应调节, 得出粒子最优值并建立高速网络可变结构节点位置控制模型, 以实现可变结构节点位置控制. 仿真实验与当前方法进行对比测试的结果表明, 该网络节点位置控制方法在250个节点位置控制实验过程中, 能量消耗可控制在30 kJ内, 控制效率较高.