基于灰色预测的自适应解耦控制

传统的预测控制算法虽然有着良好的性能,但是需要求解复杂的丢番图方程.因而在实际应用中,算法的计算量很大,难以满足实时性要求.文中结合灰色理论,利用GM(1,2)模型辨识多输入多输出系统的参数,提出了一种解耦灰色预测控制算法.该算法可以采用较少的数据进行建模,需要辨识的参数也较少,并且元需求解丢番图方程,所以减少了计算量.为了消除系统各通道之间的输入输出耦合,在性能指标中引入解耦因子,给出了详细的解耦推导过程.最后,对解耦灰色预测控制算法进行了设计.仿真结果表明:本文算法能够有效地消除系统耦合,进而提高多输入多输出系统的闭环跟踪性能.     

基于分布式模型预测控制的多无人机协同规避控制技术

建立了多无人机协同规避控制模型,并提出了一种基于纳什最优的分布式模型预测控制算法。仿真结果表明,基于纳什最优的分布式模型预测控制算法有效地实现了多架无人机对障碍物的规避,并且相对于集中式模型预测控制算法减少了求解过程中的计算量,缩短了优化控制的时间,改善了系统的实时性。     

一种新的多维随机振动试验控制算法——矩阵微分法

介绍了多维随机振动试验的应用必要性和前景,就多维随机振动试验控制算法问题进行了讨论,提出了一种新的多维振动控制算法--矩阵微分法,在国内现有的公开发表的文献中该方法首次实现了对自功率谱密度、互谱密度、互谱相位和相干系数的同时控制,用双台振动试验模型进行了数值仿真,证明了该方法的有效性.     

MIMO非线性非最小相位系统的鲁棒跟踪控制

针对仿射多输入多输出非线性非最小相位系统,提出了一种新的鲁棒跟踪控制方案.用反馈线性化解耦系统输入输出关系,通过高增益状态反馈镇定系统外部动态,通过模型预测控制镇定系统内部动态,所设计的控制器能保证跟踪控制闭环系统的指数稳定性,且对系统参数扰动具有鲁棒性.仿真结果表明了所提出方法的有效性和优越性.     

变设计参数的广义预测控制算法

提出了一种使ＧＰＣ的主要设计参数根据跟踪误差变化的预测控制算法。其主要思想是：在动态跟踪时．将ＧＰＣ的预测水平和控制水平参数取大些，以保证系统的动态品质。而在进入稳态跟踪时，两个参数可切换成较小的值（特别地，控制水平可取为１）。这不仅减小了ＧＰＣ的在线计算量，而且对许多对象，算法的稳态性能更好。理论分析与仿真均证明了这一点。     

时滞系统的Elman网络多步预测模糊控制方法

讨论了Elman神经网络的结构与学习算法,研究了基于Elman网络的动态系统辨识模型、预测模型及预测算法,并与模糊控制相结合,研究神经网络多步预测模糊控制方法。仿真结果表明该方法可以提高系统的鲁棒性及稳定性,多步预测最佳模糊控制的控制精度及ITAE指标均较无预测时要优。     

基于动态失效率模型的可靠性实时预测

针对失效率函数可变的非线性动态系统,基于系统状态建立参数未知的动态失效率模型。将历史状态和Nelson-Aalen估计的失效率数据作为训练样本,利用具有快速且精确学习能力的径向基网络逼近动态失效率函数。针对系统的非线性,通过粒子滤波方法对运行中的状态进行在线估计,并由此确定随状态改变的系统失效率,从而对可靠性进行实时评估与预测。通过对带有疲劳裂纹增长的机械系统进行仿真,充分验证了这种可靠性预测方法的可行性和有效性。     

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。     

机载光电系统平台稳定控制算法

在分析研究机载光电系统原理的基础上,对其稳定控制回路进行了分析和建模,提出了稳定回路的构型;研究了影响系统稳定精度的因素,分析了经典控制算法存在的不足,提出了基于线性自适应神经网络原理的改进算法.仿真及实验平台测试表明,改进后的算法克服了经典控制算法存在的问题,能够有效地抑制非线性扰动的影响,提高了机栽光电系统的稳定精度,与其他神经网络算法相比具有在线学习、实时性好、控制精度高的特点.     

一类非线性多智能体系统的预定性能控制研究

针对一类非线性多智能体系统,研究了满足预定性能的协同控制问题。基于动态面控制技术和模糊逻辑系统的逼近特性,提出了一种含有预定性能的自适应协同控制算法,并对其进行了仿真。仿真结果表明了该算法能使系统中所有信号均有界,"跟随者"能与"领导者"的输出达到一致,且同步误差在预先给定的性能边界内,并提高了误差精度。     

基于LPV模型参考自适应飞行边界保护控制

进行有效的飞行边界保护控制有利于预防飞行失控。研究了一种基于线性参数变化(Linear parameter varing,LPV)模型参考自适应飞行边界保护控制方法。基于函数替换方法构建了仿射参数依赖LPV飞行动力学模型,通过调度变量的动态变化来减小与全量非线性动力学模型的失配。将实时飞行边界保护转为有约束广义预测控制问题,设计了数值算法以实现对舵偏角控制量及其增量、飞行状态参数的边界保护。通过仿真分析表明,LPV模型能够较好地逼近全量模型,反映出瞬时飞行动态;通过有约束广义预测控制数值算法能够有效地实现飞行边界的保护控制。     

基于Hammerstein模型的非线性建模与预测控制

所有实际的运动机构中都包含一定的非线性,对其进行精确的建模和控制是运动控制中具有挑战性的难题。文中提出了基于粒子群优化算法的RLS-PSO系统辨识建模方法,所得伺服转台模型具有良好拟合效果;对该模型提出改进的两步法,应用基于预测函数控制(Predictive functional control,PFC)的全局优化预测控制;伺服转台的仿真运行结果表明跟踪效果良好。     

基于遗传算法整定的PID网络流量控制

结合经典控制理论和优化控制理论设计了基于遗传算法的线性PID控制器,并与经典的PID控制器进行了比较．此控制器较好地控制了交换机缓冲器的队列长度,动态性能明显优于一般PID控制器．并得到了仿真结果的验证．     

空间载荷机柜热控设计的仿真研究

空间站主动热控系统的作用是提供和保持航天员、仪器设备和结构部件所要求的温度、湿度和风速等热环境。本文以空间载荷机柜为热控系统的基本单元,建立了以单相流体循环回路为基础、采用液冷结合风冷的冷却方式的载荷机柜数学模型;介绍了模糊增量控制算法的工作原理;提出了采用模糊增量控制算法,以液冷支路进出口温差和风冷支路冷却量占总冷却量的比值为控制目标的反馈控制策略。同时文章采用数值模拟方法研究了控制系统的动态响应效果。仿真结果显示,模糊增量控制算法具有响应迅速、超调量小、无静态误差的特点,控制策略满足有效性、稳定性和高精确度的要求。     

基于神经网络的机器人迭代学习控制

针对机器人动力学模型的不确定性和负载扰动,提出了一种采用神经网络的机器人迭代学习控制方法。该方法将反馈控制和神经网络学习控制相结合,反馈控制沿时间轴方向使关节运动跟踪期望轨迹,神经网络学习控制沿迭代轴方向使关节运动逼近期望轨迹。文中还给出了基于ＢＰ神经网络的学习控制算法。仿真结果表明,该方法能克服机器人动力学模型的不确定性和负载扰动,具有良好的鲁棒性和控制性能。     

无人机简化配置控制技术研究

提出了一种仅采用垂直陀螺和GPS的简化配置控制方案，形成了无人机飞行控制系统常用的俯仰／滚转控制回路、高度控制回路和航迹控制回路。由于GPS信号更新率(1Hz)较低，利用无人机运动学之间的内在关系,给出了高度、航向、位置反馈信号的融合算法。这些反馈回路的控制增益均采用改进的输出反馈LQR设计技术,该技术简化了权矩阵的选择。对比研究表明，对于自身稳定性较好的无人机，该简化配置方案能够实现姿态控制、高度控制和航迹控制。