具有输入时滞的集群无人机事件触发协同最优控制

针对带有输入时滞和外部干扰的集群无人机系统,提出了一种基于强化学习的集群无人机事件触发分布式自适应最优控制方法。为了实现最优控制,引入了基于神经网络的强化学习算法,并设计了一种与系统控制性能有关的动态事件触发策略,该策略可以在尽可能降低对一致性控制性能不利影响的前提下,减少通信资源的浪费,同时该策略不存在Zeno行为。此外,在控制器设计过程中,引入了一种含有积分项的坐标变换来处理系统的输入时滞问题。在输入时滞和外部干扰的影响下,所提出的基于干扰观测器的最优分布式协同神经网络控制策略能够保证每个无人机系统所有信号都有界,并且每个无人机系统的输出能够实现一致性。最后,仿真结果验证了所提控制方法的有效性。     

自适应时间平滑的演化谱聚类

传统的聚类算法一般只适用于静态数据的处理,而真实世界的数据往往数据量大且变化多,静态的聚类算法不能为动态数据提供其演化规律的分析学习。演化数据的聚类,一方面要正确反映每一时刻数据的合理簇划分,另一方面又要使动态的聚类结果在演化过程中尽可能平滑。本文提出了一种自适应时间平滑的演化聚类框架,该模型考虑到当前时刻数据与历史时刻数据的未知关联,通过限定时间回溯的范围,自适应地寻找与当前快照最相关的历史快照,并通过有机融合基于Itakura-Saito距离的静态相似度和基于时间序列的动态相似度,计算各个时间片快照上的相似度矩阵。本文进一步提出了两种自适应时间平滑的演化谱聚类算法,从不同的角度定义时间代价,得到不同的演化聚类结果。在真实数据集上的实验表明这两种算法能够有效地利用历史数据,在聚类结果上准确性更高,时间平滑性也更好。     

基于神经网络的一类非线性系统自适应回馈递推控制

文章针对一类非线性系统,研究了一种基于回馈递推法的自适应神经网络控制方法.首先基于隐函数定理和中值定理推导出模型跟踪误差的动态特性,再利用多层感知器神经网络并设计适当的权值调整规则使其能够自适应的逼近和补偿误差提高系统的鲁棒性.基于Lyapunov方法证明了闭环系统所有信号有界且跟踪误差收敛到一个很小的邻域,所得到的闭环系统是一致稳定的.仿真结果验证了所研究算法的有效性.     

基于改进帝国竞争算法的微型燃气轮机容错控制

针对微型燃气轮执行机构故障,提出了一种基于改进帝国竞争算法的自适应容错控制方法,实现了对故障的有效抑制。本文建立了微型燃气轮发电系统部件级一体化模型,实现了部件级模型与发电系统的联合仿真,提出了一种自适应改革概率的方法对帝国竞争算法进行改进。设计了基于改进帝国竞争算法的自适应模糊逻辑保护控制器。最后进行了改进算法性能测试以及微型燃气轮发电系统在孤岛模式下的仿真实验。结果表明:本文所提出的改进方法可以提高帝国竞争算法的寻优性能,设计的容错器可以明显改善故障发生时的动态性能,确保发电系统的稳定工作。     

OFDM多载波系统中的自适应技术研究

本文在已有的多载波传输系统的基础上设计了一个改进的多载波系统模型,将信道编码技术,OFDM技术以及自适应传输技术相结合,使多载波系统的性能进一步的得到改善。同时本文还给出了一种在原有的传输算法的基础上归纳出的一个改进的传输算法-动态分块加载算法。     

基于自适应模糊输出观测器的非线性系统鲁棒故障检测

针对一般非线性系统的故障检测，从工程应用的角度提出了一种基于自适应模糊输出观测器的非线性系统鲁棒故障检测方法。该方法以自适应模糊系统构造未知非线性模型的输出观测器，在充分考虑外加噪声干扰和系统误差的情况下，通过对一般反向传播学习算法进行改进，提出采用鲁棒反向传播学习算法调整观测器参数以辩识系统输出，再结合阈值故障检测策略检测系统故障。为保证算法具有较快的收敛速度，本文给出了根据模糊规则确定算法初始参数的选择方法并证明了算法的收敛性。仿真结果表明，对一般非线性系统故障检测，该方法具有有效性和实时性，以及对噪声干扰和系统误差的鲁棒性。     

基于自适应滤波的车载DR系统研究

ＧＰＳ／ＤＲ组合系统是一种低成本、高可靠性的车载导航设备ＤＲ（Ｄｅａｄ ｒｅｃｋｏｎｉｎｇ）是其最重要的组成部分。文中分析研究了ＤＲ自适应卡尔曼滤波模型及其滤波算法，设计了基于自适应滤波的车载ＤＲ系统，描述了系统的结构。实际跑车结果表明，采用机动加速度均值和方差的自适应滤波算法，可以大大提高系统的动态跟踪能力，特别是在车辆做大机动行驶时，跟踪效果尤为明显。     

简化的混合估计算法及其在GPS／SINS深组合中的应用

为解决GPS/SINS深组合导航系统滤波的非线性和噪声的不确定性的问题,针对深组合模型特点,设计了一种简化的基于U滤波的多模型混合估计滤波器。根据系统模型中状态方程是线性方程、观测方程是非线性方程的特点,提出了一种简化的U滤波算法(Ultra tight coupling unscented Kalman filter,UTCUKF),然后针对噪声变化建立了非线性模型,多模型混合估计滤波器的输出为各滤波器的概率加权融合,因此模型概率是根据噪声变化而调整的,从而也使系统输出对噪声变化具有一定自适应能力。最后进行了仿真,并与基于普通U滤波的多模型混合估计算法进行了比较。结果表明,本文算法的解算时间短,模型切换速度更快,而估计的精确度与同条件下的基于普通U滤波的多模型混合估计算法相当,更符合深组合系统高动态的要求。     

三轴无刷转台交流伺服放大器

研究了一种用于驱动无刷转台中永磁同步电机的全数字交流伺服放大器。针对转台系统对其伺服电机运行的要求,采用了独特的方式对其电流环和速度环进行考核。实验中结合全数字伺服放大器的特点,采用了一种参数实时补偿的方法,对调节器参数动态地进行修正,有效地保证了电机输出力矩性能的要求和矢量控制策略的实现。此外,文中还对高精度码盘在伺服系统中的应用展开了深入的研究,并设计了一套简单实用的分频器以便进行相关的运算。理论分析和实验结果验证了转台伺服放大器的良好性能以及控制策略的有效性。     

具有输入约束的飞机姿态L1自适应控制

针对具有模型不确定性、控制舵面故障以及非线性干扰的飞机俯仰姿态控制问题,基于L1自适应方法设计增广控制器。设计合适带宽的低通滤波器,以满足控制器快速自适应要求,保证系统输入输出信号的一致性能有界。考虑伺服控制实际存在的幅值约束,推导出所设计的自适应控制系统的稳定性条件及其性能界,即忽略幅值约束时,选择足够大的自适应增益,闭环系统性能能够任意接近参考系统;考虑幅值约束时,闭环系统的性能可以通过增大自适应增益得以改善,但是不能任意接近参考系统。仿真验证了所设计的飞机姿态控制系统的有效性,结果表明控制器对有界不确定性和干扰具有鲁棒性,同时满足输入约束要求。     

小阻尼动态系统的时域自适应反馈主动阻尼设计

针对在前馈／反馈混合控制中提高控制通道阻尼的问题,基于自适应滤波理论,提出适用于单输入单输出(SISO)和多输入多输出(MIMO)控制通道的时域自适应反馈主动阻尼设计方法。研究了自适应过程的理想期望信号的构造、SISO情况下闭环控制通道与反馈控制器同时进行自适应设计以及MIMO控制通道阻尼问题的简化与设计方法的拓展等问题;同时,基于某主动隔振试验平台的实测结果,对所有研究内容进行SIMULINK模型仿真。时域自适应反馈主动阻尼设计是高效的主动阻尼设计方法,并且为小阻尼动态系统的增阻设计提供了统一的方法框架。     

基于神经网络的非线性自适应输出反馈控制

针对能够采用仿射非线性表示的含有未建模动态的SISO非线性系统，讨论了一种基于神经网络的自适应控制方法，该方法对受控对象的已知部分，有用反馈线性化方法设计控制器，用神经网络在线补偿未建模动态及外部干扰等引起的误差，从而实现自适应控制。对具有未建模动态的双车倒立摆设计了输出反馈自适应控制系统，仿真表明该方法是有效的。     

基于自适应干扰观测器的无人直升机模型参考跟踪控制

针对外部干扰影响下无人直升机（Unmanned aerial helicopter, UAH）模型参考跟踪控制问题开展研究,提出基于自适应干扰观测器的跟踪控制设计方案。首先,根据干扰部分可测特性将其建模为存在参数误差下的非线性外源系统,并设计了状态观测器及其自适应调节下的干扰观测器（Disturbance observer, DO）,用于估计无人机系统的未知状态和外部干扰。其次,将模型参考控制与基于干扰观测器的控制方法相结合,提出抗干扰复合控制设计策略,获得了由观测与跟踪误差动态组成的闭环系统。再次,利用Lyapunov稳定性理论建立了给定H∞性能下判定闭环系统渐近稳定的充分性条件,并借助矩阵变换技术获得了观测器和控制器的联合设计方案。最后,通过数值仿真验证了所提跟踪控制算法的有效性和优越性。     

基于加权式多模型结构的歼击机自适应重构控制

针对复杂的歼击机飞控系统,提出一种基于多模型结构的鲁棒自适应控制方法,使得系统可以在不同的运行环境下跟踪给定的信号,并且对飞机操纵面故障具有重构作用.首先,由多个线性模型和一个模糊模型构成多模型控制结构,采用模糊方法设计多模型自适应控制器中的权值系数,再引入动态结构自适应神经网络以保证系统的稳定性,故避免了模型切换引起的噪声.最后,对歼击机进行正常和故障状态下的控制仿真,结果验证了所提控制方法的有效性.     

高超声速飞行器再入自适应容错制导控制一体化设计

针对故障下高超声速飞行器安全再入飞行问题,考虑控制系统存在各种不确定性参数、干扰和力矩故障,进行高超声速飞行器再入自适应容错制导控制一体化(Integrated guidance and control,IGC)设计。首先,针对分离通道的制导与控制(Separate channel integrated guidance and control,SCIGC)模型设计无法同时协调制导和控制系统容错能力的问题,考虑制导环和姿态环之间关系并建立制导控制一体化模型;然后,针对一体化模型设计自适应滑模Backstepping容错控制器,并采用Takagi-Sugeno(T-S)模糊模型在线逼近由未知参数和加性故障引起的复合干扰项;最后,基于Lyapunov稳定性定理设计参数自适应律在线更新容错控制器,同时引入投影算子防止参数漂移以保证参数处于合理区间,从而完成自适应容错制导控制一体化方案设计。在飞行器故障条件下,通过IGC与SCIGC控制策略的仿真对比,验证了自适应容错IGC控制策略的有效性和优越性。     

具有复合非线性特征不确定系统的自适应反推控制（英文）

针对一类具有复合非线性特征的不确定系统,提出了一种自适应反推多滑模近似变结构控制方案。基于模型分解的方法建立了具有复合非线性特征的执行器模型。论文设计径向基函数神经网络近似系统的未建模项,借鉴Nussbaum增益设计技术解决控制增益未知的问题,使用自适应律估计不确定干扰和神经网络近似误差的上边界。自适应近似变结构控制能够有效削弱控制信号的抖振,同时增强控制器的鲁棒性。基于Lyapunov稳定性理论,证明了整个控制系统的稳定性。该控制方案的主要创新点在于考虑并解决了不确定系统具有复合非线性特征的控制问题。最后,仿真结果证明了控制方案的有效性。     

基于自适应容积粒子滤波的车辆状态估计

针对车辆状态估计中由模型的强非线性、噪声的非高斯分布等相关因素导致估计精度下降甚至发散的问题,本文提出了基于自适应容积粒子滤波(Adaptive cubature particle filter,ACPF)的车辆状态估计器。首先基于非稳态动态轮胎模型,构建高维度非线性八自由度车辆模型。其次利用自适应容积卡尔曼滤波(Adaptive cubature Kalman filter,ACKF)算法更新基本粒子滤波(Particle filter,PF)算法的重要性密度函数,以完成自适应容积粒子滤波算法设计。利用车载传感器信息,运用ACPF算法实现对车辆的侧倾角、质心侧偏角等关键状态变量高精度在线观测。搭建Simulink-Carsim联合仿真平台进行了算法的验证,结果表明该算法状态估计精度高于传统无迹粒子滤波(Unscented particle filter,UPF)算法,且算法运算效率高于UPF算法,而传统PF估计值发散。研究结果为实现车辆动力学精准控制提供了理论支持。     

复合干扰下永磁球形电机的全阶滑模控制

针对受外部干扰和模型不确定性影响的永磁球形电机运动系统,提出一种基于有限时间干扰观测器的全阶滑模控制方法。首先,在复合干扰下建立永磁球形电机的动力学模型,其不确定性包括建模误差和外界干扰。其次,设计有限时间干扰观测器以快速、准确地估计出系统的复合干扰。然后,为永磁球形电机设计了全阶滑模面,理想滑模运动时反映其全阶动态特性,而不是传统滑模控制系统中的降阶动态特性。最后,通过李雅普诺夫定理证明了所提控制方法的闭环系统的稳定性。仿真和实验结果表明所提控制器在复合干扰情况下具有良好的动态特性和抗干扰能力。     

多机械手混合位置/力协调学习控制的研究(英文)

研究了多机械手抓持一刚性物体的协调控制。考虑多机械手系统的动态模型不确定性,导出了物体位置的误差方程和内力的误差方程,给出了多机械手的混合位置/力协调学习控制策略,并对学习控制的收敛性进行了讨论。文中提出的控制策略在每次迭代学习后,通过修正系统的控制输入来改善系统的性能。最后,通过两个平面机械手抓持一物体的仿真实验证明了该方法的有效性     

近空间飞行器泛函连接网络自适应预测控制

针对存在强烈不确定和干扰的近空间高超声速飞行器（NHV）,提出了一种新的非线性自适应控制方法。控制律由最优广义预测控制（OGPC）算法和泛函连接网络（FLN）直接自适应律组成。OGPC是一种连续时间的非线性预测控制算法。FLN则通过在线学习来抵消飞行中的未知不确定和干扰的影响。学习过程不需要任何离线训练过程。文中提供了NHV的闭环系统稳定性分析,经过证明系统误差和权值学习误差一致最终有界。对于姿态跟踪系统,仿真结果显示了控制器的良好性能。