An adaptive controller for current-fed induction motor

A model reference speed adaptive controller for a current-fed induction motor drive is proposed. It uses a proportional-plus-integral (PI) adaptation to satisfy the hyperstability condition for taking care of the load and machine parameter changes of the drive. The available information on the states and output of the reference model as well as the plant output are all that are required for the control; no explicit parameter identification is needed. The controller can be designed by using a reduced reference model to simplify the design without much degradation of the performance, so that it is relatively easy to implement practically     

航空发动机神经网络自学习PID控制

将神经网络与传统的PID控制相结合,构成神经网络自学习PID控制,用神经网络在线整定PID控制器的比例、积分及微分三个参数,使被控对象跟踪理想参考模型的输出。该系统具有自学习能力,能适用于非线性、时变的被控对象。将神经网络自学习PID控制方法用于航空发动机全包线控制以及蜕化发动机的控制,进行了数字仿真,验证了该方法的有效性。     

Neural network modeling of flight control system

Modeling of angle tracking systems in the presence of actuator non-linearity such as angle, position and rate limits is a very significant and difficult task in the design and implementation of aircraft, target-tracking, and missile guided systems. A new recurrent neural network with time-delayed inputs and output feedback is used for the modeling of angle tracking systems, with emphasis on the neural network architecture, principles and algorithms. The neural network controller with modeling units for angle tracking is designed by using TMS320C25 processors. For time and size requirements, limited precision technology and look-up table technology are used in the design of the hardware and software systems. Given a set of input commands, the network is trained to control the system within the constraints imposed by actuators. The results show that the proposed networks are able to model the angle tracking system through learning without separate consideration of the non-linearity of actuators     

飞机纵向非线性系统的鲁棒输出跟踪控制器设计

研究了单输入单输出非线性不确定系统的鲁棒输出跟踪控制。在标称系统可输入/输出线性化、不确定性项有界且满足广义匹配条件的情况下,可得到系统的高增益鲁棒输出跟踪控制器。鲁棒控制器仅依赖于设计参数和不确定性的界。将该方法应用于飞机纵向高阶非线性动态的控制器设计,并进行了数字仿真。结果表明了该方法的有效性。     

导弹非线性控制系统设计方法研究

导弹过载输出跟踪控制系统是一个非最小相位系统.为了克服非最小相位特性造成的设计控制器的困难,介绍了一种新颖的导弹非线性控制算法--(系统)浸入和(流行)不变算法,将导弹的输出跟踪问题转化为系统的镇定问题.研究和仿真结果表明,这种方法是简单和实用的.     

基于LMI的多目标特征结构配置方法及应用

提出了将线性矩阵不等式（LMI）技术用于多目标特征结构配置的控制器设计方法。由于利用状态反馈或输出反馈进行特征结构配置时存在一些设计裕度,这些裕度可以用来满足附加的性能指标要求。本文利用LMI技术实现了降低系统参数对摄动的灵敏度同时改善系统的鲁棒稳定性的特征结构配置，为特征结构配置方法的实现提供了一条新的途径。设计实例的仿真结果表明了该方法的有效性。     

基于混沌变量的航空发动机模糊神经网络控制

针对模糊神经网络控制器中模糊规则的设计和神经网络权值的确定存在困难这个问题,提出了混沌优化控制方案,将混沌优化算法应用到航空发动机模糊神经网络控制中,利用混沌优化算法对模糊神经网络的参数进行优化。仿真结果表明,设计的模糊神经网络控制器具有良好的性能。      

涡轴发动机非线性模型预测控制

 对涡轴发动机进行了非线性模型预测控制(NMPC)研究,设计了非线性模型预测,该控制器主要包括3个方面：预测模型、滚动优化和反馈校正。利用神经元网络模型预测涡轴发动机动态响应过程,得到预测模型;运用序列二次规划(SQP)优化算法进行发动机的在线滚动优化,得到发动机的燃油控制量;根据神经元网络模型与实际发动机对象的输出误差,对控制器的指令信号进行了反馈校正。最后进行了仿真实验,与常规串级PID控制相比较,非线性模型预测控制器的超调量从2.2%降低到0.8%,响应时间从6 s降低到2 s,具有很好的控制品质。     

基于RVM回归误差补偿的航空发动机分布式控制系统多步预测控制

针对具有随机有界双侧时延的航空发动机分布式控制系统,提出了一种基于多步预测和关联向量机(RVM)回归误差补偿的控制方案.首先建立航空发动机分布式控制系统(DCS)的神经网络非线性自回归滑动平均(NARMA)模型,利用当前的系统输出和控制量对N步之后的系统输出进行预测;其次用改进的RVM回归多步预测算法估计NARMA模型的的预测误差,并对预测结果进行误差补偿;最后利用补偿之后的预测值和设定值对控制参数进行滚动优化,设计系统的神经网络逆控制器实现系统的自适应控制.仿真结果证明该控制策略能够避免随机有界双侧时延对控制系统的影响,实现对设定值的稳定跟踪,且控制器具有较好的实时性和鲁棒性.低压转子转速阶跃响应的稳态绝对误差小于0.04%,响应时间小于0.3s.      

机械手的神经网络自适应滑动模控制器设计

 针对多关节机械手的鲁棒跟随控制器设计问题，提出了一种新的机械手神经网络自适应滑动模控制器设计方法，机械手的动力学非线性假设是完全未知的。在提出的控制结构中，高斯径向基函数神经网络用于在线补偿机械手的动力学非线性，参数学习律由稳定性理论得到。给出了系统稳定性和参数收敛性的证明。最后提出方法的可行性通过仿真得到验证。     

基于小波神经网络的自适应飞/推控制系统设计

基于小波神经网络提出了一种H∞自适应控制方法。控制器由等效控制器和H∞控制器两部分组成。用小波神经网络逼近非线性函数,并把逼近误差引入到权值的自适应律中用以改善系统的动态性能。H∞控制器用于减弱外部及神经网络的逼近误差对跟踪的影响。所设计的控制器不仅保证了闭环系统的稳定性,而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标。最后基于所设计的控制方法对新一代歼击机设计了飞/推控制系统,并对飞机作大迎角机动仿真。仿真结果表明所设计的飞/推控制系统是有效的,同时验证了所设计的非线性控制方法是有效性的。      

光伏水泵提水系统功率补偿器设计

光伏水泵提水系统是一种环保、可持续的新能源提水系统。但是光伏阵列的输出功率既不稳定又不连续,难以实现24 h连续高效运行。由此提出了一种光伏-市电联合供电的提水系统,通过功率补偿器进行协调控制,亦即在光伏出力不足时,自动接入市电进行功率缺额补偿。针对已有的系统为单级电路的特点,分析了现有的功率补偿器方案的局限。提出了一种三相市电经过整流电路后直连直流母线的功率补偿器设计方案;根据设计方案,在MATLAB/Simulink环境中搭建了相应的仿真模型并进行仿真验证;最后,通过试验对功率补偿器的功能、效率等进行了测试,试验结果验证了设计方案的可行性。     

一类非线性系统的反演变结构控制及应用

针对一类非线性系统 ,将其变换为易于设计变结构控制规律的规范型。利用小脑关节神经网络( CMAC)估计系统中的不确定函数 ,利用 CMAC神经网络和多面滑模技术估计出变换后系统的状态 ,最后利用变结构控制技术设计出控制器 ,特点是无需已知不确定性函数及其各阶导数的上界 ,与经典设计方法相比 ,所提出的方案允许非参数化不确定性。最后将此方法应用于空空弹控制系统的设计中 ,仿真结果表明了该方法的有效性     

有输入未建模动态的导弹鲁棒控制器设计

在导弹系统俯仰通道中存在输入未建模动态情况下，提出了一种基于RBF神经网络和反演控制技术的非线性鲁棒控制器的设计方法。首先应用两个RBF神经网络对输入未建模动态设计了神经网络逆补偿器．然后利用反演控制技术设计了导弹非线性控制器．最后应用Lyapunov稳定性理论推导出RBF神经网络权重矢量调节律，证明了系统的所有信号均有界且全局指数收敛至原点。最后给出的BTT导弹非线性六自由度数字仿真结果显示了该设计方法的有效性。     

无人机-无人车异构时变编队控制与扰动抑制

研究了无人机-无人车异构系统时变输出编队控制与扰动抑制问题，要求多无人机与无人车在受到未知外部扰动的情况下，保持设计的输出时变编队构型。首先，对无人机与无人车进行单体运动学与动力学建模，同时建立扰动模型，并引入代数图论概念，建立异构集群系统的协同控制模型。然后，对各无人机-无人车设计了具有分层架构的分布式时变输出编队控制器，包含基于一致性理论的编队中心估计项和基于内模原理的扰动抑制补偿项。进一步分析异构系统实现输出时变编队的可行性条件，给出了分布式编队控制器的参数选取算法，并证明了时变编队控制器构成的闭环系统的稳定性。最后，通过仿真算例来验证所设计的编队控制器的有效性。     

基于反馈误差学习的神经网络控制

研究了应用神经网络和ＰＤ反馈控制实现非线性系统的自适应跟踪问题。ＰＤ反馈控制器不但保证闭环系统的稳定性,同时其输出又作为训练神网络的参考信号。证明了通过选择适当的初始加权和加权的调节速率可以实现非线性系统的固定点跟踪。     

基于RBF神经网络的机器人鲁棒自适应控制器设计

在考虑机器人系统中存在的模型不确定性的情况下,提出了一种基于RBF神经网络和反演技术的鲁棒自适应控制器的设计方法。首先,通过状态变换将机器人的模型转换为适用于反演技术的形式;然后,利用反演技术设计了鲁棒自适应控制器,用两个RBF神经网络分别对模型的不确定性进行了处理,并用Lyapunov稳定性理论推导出RBF神经网络的权重矩阵调节律以及相关的鲁棒项,证明了系统的全局稳定性;最后,进行了相应的仿真研究,验证了设计的正确性和有效性。     

实时计算机力控制系统的一种设计方法

 本文给出用于实时计算机力控制系统的、具有条件输出反馈的数字控制器的设计方法。文中讨论了条件反馈控制器的基本原理、结构以及设计方法。该控制器应用于变后掠机翼的结构强度加载控制系统之中。试验结果表明,本文提出的方法具有跟踪精度高、抗干扰能力强、重复工作性能好的优点。试验结果是优良的。     

航空发动机神经网络自适应控制研究

本文研究神经网络自适应控制方法及其在航空发动机控制中应用。结合某型航空涡喷发动机,首先研究采用神经网络进行非线性动态系统辨识,包括神经网络模型辨识的格式、输入信号形式等问题。然后,提出了一种神经网络自适应控制方法,阐明了该方法基本结构、原理。最后,在选定的设计点处进行发动机控制系统设计,当偏离设计点时,利用神经网络很强的学习、适应能力,通过在线修正神经网络参数,使控制系统仍保持良好性能。      

基于内模控制的多输入多输出高阶振动系统

常规的比例-积分-微分(PID)控制器一般用于单输入单输出系统。对于具有多个输入和多个输出且相互之间具有较强耦合作用的高阶多变量系统,PID控制器的设计常难以实现。针对高阶柔性结构振动控制问题,提出如下PID控制策略：首先在某一频段内对频响函数进行拟合降阶,建立过程模型,然后采用内模控制方法和麦克劳林展开式设计多输入多输出振动系统PID控制器。以4层刚架进行建模仿真计算,结果表明,通过本文方法设计的PID控制器,可以在避免未控模态影响的前提下,使外部干扰得到有效抑制,得到比较理想的控制效果。