一、基于CMAC神经网络的一类MIMO非线性系统的自适应反馈线性化(论文文献综述)
康硕[1](2020)在《电液式负载模拟器耦合特性及非线性加载控制策略研究》文中指出运载火箭推力矢量伺服机构是火箭的运动控制子系统,其性能优劣直接影响火箭在发射过程中的控制性能与可靠程度。在其研发过程中,通常采用一类电液式负载模拟器来实现地面性能测试。因此,负载模拟器对实际环境载荷变化情况的模拟精度高低与加载性能好坏直接决定推力矢量伺服机构的性能测试数据是否准确有效,进而间接影响火箭发射过程的可靠性。本文针对模拟载荷加载过程中所涉及的加载动力学建模问题与固有耦合特性问题进行了深入探讨,进而设计了相应的非线性加载控制策略,用以实现模拟载荷的高精度加载。首先,根据电液式负载模拟器的实际机械结构,提出了一种多扰动耦合力加载模型,其中考虑了来自被试推力矢量伺服机构的位置扰动、加载液压缸内部摩擦以及传动机构间隙等各类扰动因素对载荷加载过程的综合影响;并从理论上阐释了多余力现象的产生机理。通过对比仿真结果与实际工程现象,验证了所提模型的合理性,为后续分析非线性耦合扰动对加载性能的影响和设计基于模型的非线性加载控制策略奠定了理论基础。针对加载液压缸内部摩擦与传动机械间隙影响的精确补偿问题,对如何获得实际负载模拟试验系统中摩擦与间隙的精确数学描述进行了研究。考虑摩擦动态特性与间隙不连续特性,分别提出了适用于参数辨识的改进广义麦克斯韦尔滑移摩擦模型与拟线性间隙模型。继而,相应地设计了基于粒子群优化算法的摩擦参数辨识方法与结合二阶滑模速度观测器、递归最小二乘法的间隙参数辨识方法,解决了非线性模型参数难以准确辨识的问题。根据上述辨识方法与试验数据,获得了实际系统中的摩擦与间隙精确模型,并分析了各扰动参数摄动对加载性能的影响,进一步完善了前述多扰动耦合力加载模型,为后续设计非线性扰动的精确补偿方法提供了可行性。针对如何在多扰动耦合影响下实现模拟载荷的高精度加载问题,基于所建多扰动耦合力加载模型,分别设计了改进自适应终端滑模加载控制策略与基于控制输入抗饱和的几乎干扰解耦加载控制策略。首先,从改善加载过程鲁棒性的角度出发,提出了一种基于速度观测器的改进自适应终端滑模加载控制策略,该方法既可同时抑制位置扰动与间隙作用的影响,其有限时间收敛特性又可保证系统的动态性能,且其自适应项可对摩擦参数不确定性进行有效补偿。其次,采用将外部干扰从力加载过程解耦的思路,并考虑增强控制策略的工程实用性,又提出了一种基于控制输入抗饱和的几乎干扰解耦加载控制策略;此方法基于位置扰动与输出加载力的耦合特性分析与微分几何理论设计,通过选取合适的控制参数可将力跟踪误差减小至精度指标范围内,且无需考虑外部扰动的形式与边界,更为简单易行;此外,通过加入饱和补偿辅助子系统,减小了由硬件限幅引起的控制信号振荡,进而消除了相应的响应滞后现象,有效改善了加载过程的动态品质。最后,上述两种加载控制策略在改善力加载精度与动态性能方面的有效性均得到了仿真验证。为了验证上述所提出的两种加载控制策略在实际工程应用中的可行性,搭建了负载模拟试验系统,分别对二者的有效性进行了试验验证;并在此基础上,分别对比归纳了所提非线性控制策略与工业中常用的基于结构不变性前馈补偿的PID策略之间,以及两种非线性加载控制策略之间的性能差异,从而针对如何在不同应用场合下选取合适的加载控制策略给出指导意见。
郭振嘉[2](2020)在《智能动物医疗监护设备的研究与开发》文中指出智能动物医疗监护设备主要针对于动物的康复和治疗,给病弱和病危的动物提供一个适宜的监护和恢复环境。设备主要是由相对封闭的监护仓、传感器和控制器等组成。动物在监护仓中将会获得可以设定的适宜的温度、湿度和氧气浓度,同时设备将会提供灯光照明、断电保护和故障告警等功能。设备在研发过程中的重点和难点在于监护仓的温湿度控制,一方面是需要控制温湿度达到设定目标值,另一方面是控制目标达到后,需要维持恒温恒湿的状态。温湿度的控制属于多输入多输出(MIMO)系统,具有非线性、大迟滞和强耦合的特点,控制起来十分复杂且具有挑战性。本文首先深入分析设备的物理结构和系统组成,在掌握各种可能对温度和湿度造成影响的因素后,根据热力学第一定律列写能量守恒方程,建立了温度模型,根据空气中水蒸气的质量变化列写水蒸气质量守恒方程,建立了湿度模型。并在建立的温湿度模型的基础上,使用Matlab的Simulink组件搭建仿真实验环境,验证了所建立的温湿度模型的合理性和准确性。其次在已经建立的温湿度模型的基础上,研究分散式神经网络前馈补偿解耦方法。利用神经网络拟合非线性函数的能力去拟合温度和湿度控制通道之间的耦合作用,再参考了前馈补偿解耦方法的结构,提出分散式的神经网络前馈补偿的连接方案,使得神经网络的训练变得简单且易于实现。最后利用Simulink进行仿真实验,仿真实验的结果证明了分散式神经网络前馈补偿解耦方法准确性和有效性。然后在已经解耦的温湿度控制模型的基础上,针对PID控制算法对复杂模型控制效果不太理想的缺点,使用模糊控制对PID控制进行参数优化,实现了PID控制的参数在线自整定。最后使用已经解耦的温湿度模型进行控制对比的仿真实验,实验结果表明,使用经过模糊控制优化的PID算法的控制效果更优,系统响应更快。最后在工程实现上,设备将AVR单片机作为控制核心,围绕核心控制器设计了相关的硬件电路。针对设备需要实现的功能,分别设计了电源模块给设备提供电源,串行通信模块和人机界面交互,控制输出模块实现对控制信号输出,传感器采集模块去获取各类传感器的信息。在程序设计上基于已经实现的硬件电路,设计并实现了各个子模块的功能,并将子模块按照一定流程进行组合,完成了单片机程序的设计开发工作。最后针对人机界面的设计与实现工作进行了详细说明,完成了整个智能动物医疗监护设备的开发研制任务。
沈艺[3](2020)在《无人直升机的鲁棒弹性控制技术研究》文中研究说明无人直升机具有垂直起降、灵活机动、定点悬停、自主飞行等特有的飞行特性,这些特性使其在军事侦察、农业生产等领域得到了广泛的应用。由于无人直升机是高阶、时变的复杂非线性系统,大大增加了系统建模和飞行控制的难度。另外,飞行过程中存在很多不确定因素和外界干扰,并且控制器参数会发生变化,传统的控制方法难以满足无人直升机在复杂环境下不断提高的飞行控制要求。针对上述问题,本文关于无人直升机在T-S模糊建模与分析、非线性系统的模糊弹性控制、非线性系统的模糊自适应弹性控制以及非线性不确定系统的模糊自适应鲁棒弹性控制这四个方面开展了较为深入的研究,主要研究内容如下:首先,主要建立无人直升机6自由度运动学和动力学方程,然后针对姿态子系统研究开环稳定特性及控制器摄动对闭环控制系统性能的影响程度,并进行合理的分析,给出控制系统设计所需的姿态系统非线性模型。其次,基于T-S模糊逼近理论,分析了无人直升机姿态系统的动态特点,建立了无人直升机存在不确定的姿态子系统的T-S模糊模型;基于特征值摄动的思想,并考虑直升机的系统不确定和控制器增益的加性摄动,提出了一种基于正规化设计的模糊弹性控制方法,基于线性矩阵不等式(LMI)实现控制器问题的求解,并基于Lyapunov理论分析了闭环系统的稳定性,仿真验证了所设计的控制器对控制器存在的摄动有较好的鲁棒性。然后,为避免T-S模糊过度依赖专家经验的缺陷,引入自适应算法,针对SISO非线性系统,利用T-S模糊系统估计未建模动态,采用σ-修正参数自适应律在线调节模糊辨识参数,考虑控制器增益的加性摄动,设计模糊自适应弹性控制律,并基于Lyapunov理论分析了闭环系统的稳定性,证明了输出信号能一致跟踪期望输入信号。随后将SISO模糊自适应弹性控制推广至MIMO系统,设计了无人直升机模糊自适应弹性控制器,并在无人直升机姿态系统的跟踪控制的仿真中,验证了所提控制方法的有效性。最后,考虑一类不确定非线性SISO系统,针对系统存在的不确定,考虑系统的鲁棒性,设计了模糊自适应鲁棒弹性控制律,此控制律包括自适应控制律、弹性控制律和鲁棒控制律。为了验证该方法的可行性,针对给定的直升机SISO不确定非线性系统,验证了所设计的模糊自适应鲁棒弹性控制律的有效性。随后将SISO模糊自适应鲁棒弹性控制将其推广至MIMO系统,设计了无人直升机模糊自适应鲁棒弹性控制器,并在无人直升机姿态系统的跟踪控制的仿真中,验证了所设计的模糊自适应鲁棒弹性控制器对系统不确定和控制器摄动有一定的鲁棒性。
金仲佳[4](2020)在《船舶远洋安全航行运动姿态控制技术研究》文中研究指明大型船舶作为十分重要的远洋运载、作业平台,确保其在远洋复杂海况下的航行安全性极为重要。因此,对安全航行姿态(横摇/艏向)实施主动控制具有显着的现实意义,而重心较高的大型集装箱船对远洋安全航行姿态控制系统的自适应性、鲁棒性要求更为苛刻。本文瞄准国际先进控制技术发展前沿,针对船舶大幅横摇、艏向和横摇-艏向的非线性姿态控制问题研究建立运动姿态控制方案和策略,进一步提升大型船舶远洋航行能力和安全性。首先,论文阐述了相关船舶运动姿态控制发展概况、控制理论研究进展以及论文总体研究思路;根据控制力、水动力和环境干扰力等作用力叠加的方法,建立船舶横向四自由度非线性耦合运动模型;同时,考虑船体边界层影响估算鳍面积并开展带鳍阻力试验不确定度评估验证;并根据一阶波浪干扰力/力矩的切片计算和功率谱加权平均等手段,给出了不规则波浪干扰力/力矩仿真结果;此外,通过合理化假设,建立恒定航速下的仿射非线性船舶横向运动控制模型并进行自由运动稳定性分析。其次,针对远洋安全航行大幅非线性横摇运动中的减摇控制问题,提出基于非线性干扰观测的指令滤波反演横摇控制和预设性能积分滑模改进控制方法等策略。引入非线性干扰观测器以观测波浪干扰,在带非线性干扰观测器(Nonlinear Disturbance Observer,NDO)的非线性横摇模型上设计反演控制器,并串联限幅指令滤波,避免了传统反演控制固有的“微分计算膨胀”问题,设计出基于非线性干扰观测器的指令滤波反演控制器(Nonlinear Disturbance Observer based Command-Filtered Backstepping Control,NDOCBC);另外,在NDOCBC方法的基础上,引入预设性能控制(Prescribed Performance Control,PPC),将虚拟控制量限制在预设性能函数的“预设”范围内,结合滑模控制和自适应技术,提出预设性能积分滑模改进控制方案,进一步消除估计误差和提高鲁棒性。仿真表明,该控制方案避免了突变大风浪下因鳍角饱和限幅导致的减摇效果变差的问题,使船舶横摇控制性能平滑,兼顾了控制精度和控制可靠性。接着,针对船舶远洋安全航行中航向(艏向)控制问题,提出一种基于径向基函数(Radial Basis Function,RBF)神经网络的离散指令滤波反演控制方法。在多自由度耦合运动方程中关于艏向控制部分的复杂非线性项用非线性函数统一表示,使用RBF神经网络对该非线性函数进行整体逼近;同时通过状态重构途径设计状态观测器,对RBF权重实现自适应估计;最后基于RBF模型参数的估计信息进行离散指令滤波反演控制器的设计,同时设计补偿器对滤波误差进行准确及时的补偿,避免了因离散指令滤波误差导致的控制精度受损的问题。论文提出的基于RBF神经网络和状态观测估计的离散指令滤波反演控制方法,满足实时性要求,可显着提高艏向控制系统的精度、鲁棒性和自适应性,具有较强的实用价值。然后,针对远洋安全航行船舶舵鳍联合横摇/艏向控制问题,提出一种基于扩张状态观测器(Extended State Observer,ESO)的多输入多输出(Multiple Input Multiple Output,MIMO)非线性自适应比例-积分-微分(Adaptive Proportional-Integral-Derivative,APID)控制策略。对舵鳍联合横摇/艏向控制系统动力学进行分析,将控制模型由横荡/横摇/艏摇(艏向)三自由度转变为横摇/艏摇(艏向)二自由度方程;针对简化的模型进行反馈线性化可解证明,并利用反馈线性化方法得到伪线性化系统并进行解耦;在存在的外部波浪干扰和模型参数不确定的情况下,设计基于ESO的自适应PID伪控制器。该控制器中,非线性ESO实现解耦线性化系统状态和复合干扰的估计,用以降低自适应PID伪控制器中切换函数的增益设定,从而有效抑制控制输入抖振。所提出的方法可实现船舶横摇-艏向舵鳍联合系统非线性解耦控制,并保证系统的鲁棒性和抗干扰能力。最后,针对大型船舶远洋安全航行综合控制性能优化和控制输入可靠性需求,提出一种受输入约束的H∞型鲁棒模型预测控制技术(H∞-type Input Constrainted Model Predictive Control,H∞-ICMPC)。考虑了实际减摇鳍系统的延迟约束,提出基于自回归(Auto Regression,AR)模型的渐消记忆递推最小二乘法(Fading Memory Recursive Least Squares,FMRLS)预测横摇角,用于控制器的设计;结合模型预测控制(Model Predictive Control,MPC)多变量和约束处理能力,引入H∞型成本函数,实现带干扰的实际系统的性能优化,提高闭环稳定性和抗干扰能力;设计舵鳍联合横摇-艏向状态反馈控制器,并化作不等式处理,同时显式地处理执行器舵、鳍约束,使得控制器的动作趋于平滑,进而减少了执行器能耗并增强其动作可靠性。仿真表明了所提出方法的先进性和有效性,另外,对舵减摇(Rudder-Roll Damping,RRD)控制系统和参数摄动不确定系统,也能取得较好的控制效果,具有较强的鲁棒性。
韩阳[5](2019)在《飞行器耦合及不确定性分析与导引控制设计方法研究》文中研究指明由于飞行环境复杂、飞行包络大、飞行速度快,飞行器导引控制系统存在耦合非线性强、参数与干扰不确定性大、控制约束复杂等问题。这些问题的综合作用给飞行器导引与控制律的设计带来了严峻挑战。本文以耦合及不确定性飞行器为研究对象,基于滑模控制、反演控制和自适应动态面等鲁棒控制技术,深入开展了耦合系统与不确定性系统的基础理论与控制方法研究,并应用到飞行器导引与控制律的设计中。本文的主要研究内容和创新点如下:(1)研究了不确定性系统的控制,提出了三种非匹配不确定系统的鲁棒增强控制方法。本文对于非匹配不确定性系统,首先,为得到系统状态的精确微分,采用Levant’s精确微分器技术,并结合二阶滑模控制,完成非匹配不确定系统的鲁棒控制器设计。其次,将反演控制结合非线性干扰观测器,完成非匹配不确定系统的鲁棒控制器设计。最后,考虑不确定性是系统状态的函数,提出了一种双层自适应动态面控制方法,其控制效果比现存文献中的单层自适应更好。(2)研究了耦合系统的控制,提出了三种耦合系统的控制方法。梳理了耦合系统的分类,按控制输入与系统状态之间的耦合关系将所研究的耦合系统细分为状态耦合系统和控制输入耦合系统。首先,给出了现存文献中关于状态耦合系统最常见的,基于耦合直接补偿的分布式控制方法;并在此基础上,提出了控制结构更为简洁的,基于耦合直接补偿的向量式控制方法。其次,受启发于Backstepping控制区别反馈线性化的基本思想,提出了耦合及参考输入有效补偿的控制方法。最后,针对一类控制输入耦合的系统,基于矢量运算法则,提出了一种新型矢量控制方法。(3)研究了飞行器的姿态控制,提出了新型飞行器姿态非解耦矢量控制方法。综合考虑飞行器控制系统中可能出现的干扰不确定以及模型矢量耦合,有别于传统姿态控制中将飞行器动力学解耦表达在速度坐标系或弹道坐标系内,本文将速度矢量和角速度矢量动力学建立在体坐标系内,将飞行器速度、攻角和侧滑角,以及滚转角速度的控制问题转化为空间矢量的跟踪问题。首先,考虑有推力情况下,设计飞行器速度与姿态非解耦矢量控制器;其次,考虑无推力情况下,设计飞行器姿态非解耦矢量控制器,为飞行器姿态控制提供新的思路和方法。(4)研究了高阶系统的确定时间收敛控制,提出了一种确定时间收敛的自适应积分滑模控制方法,并设计了一种新型三维非线性导引律。为了解决高阶系统确定时间收敛控制存在的奇异问题,许多学者进行了深入广泛的研究,其主要集中在新型滑模面的设计上。然而,滑模面的设计相对复杂,而且需要进行近似处理。本文针对该奇异问题,结合积分滑模和自适应控制,提出了一种确定时间收敛的自适应积分滑模控制方法,并将其应用到三维导引律的设计中,考虑自动驾驶仪动态特性,设计了一种新型三维非线性导引律。(5)研究了导引与控制一体化,提出了一种全状态耦合的导引与控制一体化设计方法。建立了导弹导引与控制一体化的全状态耦合模型,不再将导引系统与控制系统以及各个通道分离开来,而是把它们完全当做一个整体来对待,实现了导引与控制的完全一体化建模,并设计一种自适应动态面控制器实现全状态耦合导引与控制一体化。
张浩[6](2019)在《大型风力机预测前馈变桨控制》文中提出化石能源是目前全球主要的能源材料,包括煤炭、天然气、石油等,为人类生活、生产各个方面提供着能量支持。然而,化石能源的不可再生性,以及其燃烧过程中对环境的污染,已经成为人类普遍关注的问题。开发可持续性、清洁的新型能源变得日益重要与紧迫。当前的新型可持续绿色能源主要有太阳能、潮汐能、风能等。其中,风能以其资源丰富,发电成本低、技术成熟等特点而备受关注。变桨控制是风力发电的核心技术,控制算法的特性直接影响发电功率的品质,优良的控制算法不仅可以提高输出功率的精度,而且可以降低功率抖动、减小迟滞和响应超调。同时,风力机是一个大型的复杂系统,其大惯性、参数时变,以及可能出现的湍流、风剪效应等的影响,使得变桨控制更加复杂,难以达到有效的控制。为解决这些问题,大量相关学者研究出了各种优良的控制算法,包括经典的滑模变结构控制算法、神经网络算法、模糊控制理论、预测控制等,这些算法都在某些方面解决了控制过程中出现的问题。本文主要是针对变桨控制中的控制精度、延迟、鲁棒性、超调问题,提出了前馈预测变桨策略,利用前馈控制去补偿反馈环节,优化控制性能。论文的主要工作包括:1.分析变桨控制原理和建立系统数学模型分析风力发电的系统结构和原理,根据空气动力学建立风能计算公式,并对风力机特性参数进行分析,得到不同运行区域的控制机理。然后根据风力机系统建立具体的数学模型,并对其进行线性化处理。2.反馈线性化滑模控制与变论域模糊PID相结合的控制策略提出一种复合的控制策略,前馈控制器采用滑模变结构控制,对反馈环节进行预测补偿。为降低模型的复杂度,对系统进行反馈线性化处理。在反馈控制中采用PID控制算法跟踪额定功率,为了提高控制精度,采用了模糊智能算法整定PID参数,同时为了提高模糊算法的适应性,对基本论域进行了变论域处理,使大风速波动控制更加准确,小风速波动控制更加灵敏。3.卡尔曼滤波预估最优风速的前馈变桨控制算法为克服风力机大惯性导致的系统迟滞问题,研究了一种预测前馈控制算法。首先对系统状态方程进行离散化,然后采用卡尔曼滤波算法,根据离散系统模型预估下一时刻气动转矩,再采用牛顿拉夫逊算法计算得到预估风速,并通过最小二乘法对风速与桨距角进行拟合,得到桨距角输出补偿量,对反馈输出进行补偿。反馈回路采用PID控制以保证输出功率恒定,并利用粒子群算法对PID特性参数进行优化。4.变置信区间的小脑神经网络与反馈线性化滑模联合的控制策略风力机是强非线性、大滞后系统,常规PID控制器难以达到控制要求。为实现对风力机的有效控制,采用前馈反馈的复合控制方法。反馈控制环节采用反馈线性化滑模的控制算法,保证输出功率的稳定性,并提高系统鲁棒性。前馈控制采用变置信区间的小脑神经网络算法,通过加入变置信区间去改变存储单元的学习性能,使学习饱和的单元减少改变或停止改变,欠学习单元加强学习,节省内存开销,加快计算速度,让控制更加迅速,更加准确。此算法不仅可以很好地逼近非线性模型,而且对系统提前施加一个控制量,可以很好补偿变桨系统大惯性导致的延迟。
叶林奇[7](2019)在《具有非最小相位特性的新型飞行器控制方法研究》文中进行了进一步梳理近年来,随着航空航天科技的发展,新型飞行器的研究正成为一股热潮。其中,高超声速飞行器、可重复使用运载器和垂直起降飞行器由于具有重要的军事和民用价值,受到世界各国的广泛关注。研究表明,以上三种新型飞行器均可能表现出非最小相位特性,模型中的不稳定零动态阻碍了传统控制方法的使用,是设计飞行控制系统时最具挑战性的难点问题。本文围绕这一课题,以保障飞行安全为目的,通过发展非最小相位系统控制新理论新方法,解决具有非最小相位特性的新型飞行器稳定控制和精确跟踪控制问题。本文的主要工作包括:(1)针对高超声速飞行器,提出基于扩展回路反步的稳定控制方法。在对模型结构分析的基础上,指出了通过反步法设计稳定控制器的原则,即采用扩展回路反步。通过对控制回路进行扩展使内部状态包含在内,使得实现输出跟踪的同时也能保证内部状态稳定,在此基础上设计了自适应反步控制器。该方法具有较好的跟踪精度和较强的鲁棒性,为弱非最小相位系统的稳定控制提供了新思路。(2)针对高超声速飞行器,提出基于输出重定义-动态逆的稳定控制方法。首先通过输出重定义得到稳定的零动态,提出三种最小相位新输出设计方法,包括内部状态作为输出、静态合成输出以及带有积分的合成输出,然后对新输出采用动态逆得到稳定的控制器。该方法可以在鲁棒性和控制性能之间取得较好的平衡,为一般非最小相位系统的稳定控制提供了系统性的方法。(3)针对欠驱动可重复使用运载器,提出基于最优有界逆的精确跟踪控制方法。首先通过输出重定义得到稳定的零动态,然后通过最优有界逆得到精确跟踪所需的理想内动态,最后通过反步法为对新输出设计跟踪控制器,并通过反馈误差限幅防止输入饱和,成功实现了欠驱动可重复使用运载器的精确跟踪控制。(4)针对带有不确定参数的垂直起降飞行器,提出基于经验回放的精确跟踪控制方法。首先采用经验回放技术对模型中的不确定参数进行辨识,然后根据辨识的参数利用最优有界逆方法求解理想内动态,并嵌入跟踪控制器中以实现精确跟踪。该方法有效解决了不确定非最小相位系统的精确跟踪控制问题。(5)针对最小相位系统和非最小相位系统,提出通用跟踪控制器的概念并应用于高超声速飞行器。通用跟踪控制器是PID控制在状态空间模型上的扩展,揭示了PID控制与其他控制方法之间的联系,为PID控制提供了新的理解,并且体现了非最小相位系统的性能限制。
孔令欢[8](2019)在《约束条件下非线性系统自适应学习控制设计与研究》文中研究表明非线性系统现在已经广泛存在于人类各项生产过程中。为此,必须针对非线性系统的数学模型,采用非线性控制理论进行分析。人们提出的很多建模方式尝试获得非线性系统的精确数学模型,由于实际系统的材质和复杂的运动,精确的数学模型往往很难得到或过于复杂,因此,使得传统的控制算法很难达到理想控制效果。在实际系统中,往往存在一定的非线性特性,如输入死区和输入饱和。这些非线性特性往往降低系统的控制性能,甚至造成不稳定。另一个在非线性系统中广泛存在的是,系统的状态需要满足一定的约束,如果系统的状态侵犯了要求的约束,可能会造成安全隐患。人工神经网络是参数化网络,由于其强大的数值近似能力和泛化能力,在图像处理、模型识别等得到广泛应用。其次,它结构简单,容错能力强,且能自适应学习,因此,在控制领域中也被广泛的应用。本文主要解决带有输入约束和状态约束的非线性系统的估计跟踪问题。考虑的输入约束包括输入死区和输入饱和,神经网络用于近似系统未知的参数和函数,随后利用直接控制器设计方法和反推技术设计控制器。与传统方法不同的是,本文分别采用了神经网络近似输入死区和双曲正切函数解决不对称饱和约束问题。本文分别设计了状态观测器和扰动观测器估计未知的状态信号和未知的扰动信号,基于状态反馈和输出反馈分别设计控制器。使用障碍李雅普诺夫函数解决约束约束问题。本文主要针对三类非线性系统进行控制器设计。首先对一类带有输入死区的非仿射非线性系统进行初步理论研究,构造滑膜面,再结合状态反馈和输出反馈分别设计控制器,最后通过李雅普诺夫理论验证系统稳定性,最终实现半全局一致有界。其次对一类带有状态约束的多输入多输出系统进行初步理论研究,再结合障碍李雅普诺夫函数,设计基于神经网络近似的自适应控制器,最后通过李雅普诺夫理论验证系统稳定性,最终实现半全局一致有界。最后对更复杂的带有输入饱和的多输入多输出的机器人系统分别设计基于状态反馈和输出反馈的控制器,实现稳定的系统,最终得到半全局一致有界。
张凯[9](2019)在《基于未建模动态补偿的非线性系统控制方法研究》文中研究指明在工业控制过程中,几乎所有的被控对象都是非线性的。例如,球磨机系统、水灌液位控制系统和风洞系统等。将传统的线性控制方案应用在这些非线性系统上很难取得较好的控制效果。因此,研究非线性系统的控制问题无论在理论上还是实际应用上都具有非常重要的意义。在非线性系统的研究中所遇到的主要困难在于缺乏适当的方法来消除非线性项和不确定项对系统的影响。随着神经网络理论的发展,基于神经网络的非线性自适应控制方法取得了较快的发展。该方法的核心思想在于利用神经网络估计和消除非线性项和不确定项对系统的影响。然而,利用该方法识别系统非线性项和不确定项需要在线采集大量的数据,并且传统的反向传播(BP)神经网络具有收敛速度慢和容易陷入局部极小值的缺点。为了克服上述缺点,本文研究了一类非线性系统的自适应控制问题,所做的具体研究工作描述如下:(1)研究了一类单输入单输出非线性系统的自适应控制问题。针对该被控对象设计了一个新的控制框架。该控制框架包括一个线性控制器和一个比例-积分-微分型神经网络补偿控制器。在该控制框架中线性控制器使得系统的输出逐渐收敛到给定信号附近,比例-积分-微分型神经网络补偿控制器估计和消除未建模动态对系统的影响,使得系统输出较好的跟踪给定信号。该控制框架具有所需在线测量数据少和鲁棒性好的优点。一个数值仿真实验和一个水罐液位控制系统仿真实验验证了该方法具有较好的控制效果。(2)基于上述的单输入单输出非线性系统的控制框架,研究了一类多输入多输出强耦合非线性系统的自适应控制问题。不同于单输入单输出非线性系统,多输入多输出非线性系统需要考虑耦合对系统的影响。因此,在设计多输入多输出系统的自适应控制器时,无论是设计线性控制器还是未建模动态补偿控制器都考虑了解耦问题。一个数值仿真验证了该方法的有效性。(3)本文所采用的未建模动态补偿控制器为比例-积分-微分型神经网络。相比于传统的BP神经网络,比例-积分-微分型神经网络的隐含层加入了比例神经元、积分神经元和微分神经元。这样的做法有利于将PID“记忆”和“预测”的特点加入到了比例-积分-微分型神经网络中,使得比例-积分-微分型神经网络相较于传统的BP神经网络更加的智能化;且由于积分神经元的作用,比例-积分-微分型神经网络不易陷入局部极小值;再者比例-积分-微分型神经网络输入层到隐含层的连接方式是按照PID控制规律的基本原则设计的,因此保证了系统的快速收敛性。
李云玲[10](2019)在《不确定非线性系统的保性能控制方法研究》文中研究表明随着科技的日新月异,人们对控制系统的性能提出了越来越高的要求。众所周知,在考虑实际系统的模型误差、干扰以及未建模动态等不确定因素影响时,控制系统一般被描述为具备不确定性的非线性系统。对这样的复杂系统,设计能够保证控制性能的控制器,非常具有挑战性,并且有许多问题亟需进一步研究和完善。本文结合微分几何的相关数学工具,针对上述问题进行了深入的研究,研究的主要工作集中在以下几个方面。首先,研究了具有“集中的不确定性”的SISO非线性系统的指定性能控制问题。基于微分同胚变换,使指定性能的误差转化为无任何限制的误差,并获得了转换后误差系统可控性不变的证明。通过误差转化将指定性能控制问题转化为新系统的有界性问题。这种设计方法能够降低控制器的复杂性,并且保证输出跟踪误差满足指定性能。其次,研究了具有不确定性和输入饱和的MIMO非线性系统的指定性能控制问题。针对MIMO系统,提出新的同胚误差变换方法用以解决指定性能问题。对于转化后的系统,利用扰动观测器有效地获得不确定性的观测值,进而在控制器设计中消除其影响。通过引入辅助系统,分析并补偿输入饱和对系统的负面效应。所提出的设计方法不仅可以简化控制器结构,而且能够保证输出误差满足提前指定性能和闭环系统的所有信号是全局有界性。再次,研究了具有不确定参数的MIMO非线性系统的能够保证控制性能的控制问题。基于反馈线性化理论,将具有不确定参数的非线性系统分解为一系列的受扰动的线性子系统。设计常值的扰动增益矩阵,使不确定参数的影响在输出环节能够完全消除。与此同时,利用李导数能够获得不确定参数的估计。此外,当不确定参数不存在时,能够保证标称系统的原有控制性能,这是该方法优越于一般鲁棒性方法的地方。然后,研究了具有参数不确定性和全状态受限的非线性系统的指定性能控制问题。目前对于控制系统的全状态受限问题的研究方法,主要是障碍李雅普诺夫函数,这种方法设计的控制器结构繁琐且不易构造。本文基于微分同胚理论,提出了一种新的思路用以解决障碍李雅普诺夫函数方法中存在的问题。这种同胚变换方法与自适应控制相结合,能够在不确定参数存在时,保证系统状态在指定范围内且输出跟踪误差满足指定性能。最后,研究了基于李群方法的对一类不确定非线性系统进行建模和设计问题。非线性系统的状态空间的实质是微分流形,因此在流形上直接对控制系统建模能够避免向量空间上系统模型的局部性问题。针对李群上具有群不变性的刚体转动姿态系统方程,本文提出了一种自适应不变观测器设计方法,能够在消除系统不确定性的同时,保证观测器群不变性。所设计的观测器具有很强的鲁棒性和全局指数收敛性。综上,本文针对具有不确定性的非线性系统,利用同胚变换、李导数和李群等微分几何工具,研究了能够保证系统性能的控制设计问题。同时,对系统可控性问题、输入饱和问题及状态受限问题进行了深入地研究,逐步完善和扩充了一些现有的成果。
二、基于CMAC神经网络的一类MIMO非线性系统的自适应反馈线性化(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于CMAC神经网络的一类MIMO非线性系统的自适应反馈线性化(论文提纲范文)
(1)电液式负载模拟器耦合特性及非线性加载控制策略研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 课题研究背景及意义 |
1.2 负载模拟器研究综述 |
1.2.1 负载模拟设备的研制开发进展 |
1.2.2 负载模拟加载技术的研究进展 |
1.3 问题提出及本文主要研究内容 |
1.3.1 问题的提出 |
1.3.2 主要研究内容及论文结构 |
2 电液式负载模拟器系统建模研究 |
2.1 引言 |
2.2 电液式负载模拟试验系统的基本组成及工作原理 |
2.2.1 基本组成 |
2.2.2 工作原理 |
2.3 考虑多种扰动耦合影响的力伺服加载模型 |
2.3.1 力伺服加载过程的基本非线性模型 |
2.3.2 考虑位置扰动耦合影响的力伺服加载改进模型 |
2.3.3 考虑其它非线性扰动因素耦合影响的力伺服加载改进模型 |
2.3.4 力伺服加载装置中的其它环节模型 |
2.4 多扰动耦合力加载模型的仿真验证 |
2.5 本章小结 |
3 负载模拟试验系统非线性扰动因素的建模与参数辨识 |
3.1 引言 |
3.2 力加载液压缸非线性摩擦特性的建模与参数辨识 |
3.2.1 改进GMS摩擦辨识模型的提出 |
3.2.2 基于改进GMS模型的摩擦参数辨识方法设计、验证与试验 |
3.2.3 力加载液压缸非线性摩擦特性对力加载性能的影响分析 |
3.3 加载传动机构非线性间隙特性的建模与参数辨识 |
3.3.1 拟线性间隙辨识模型的提出 |
3.3.2 基于拟线性间隙模型的非线性参数辨识方法设计 |
3.3.3 间隙特性参数辨识方法的仿真验证 |
3.3.4 负载模拟试验系统间隙特性的参数辨识结果分析 |
3.3.5 加载传动机构非线性间隙特性对力加载性能的影响分析 |
3.4 本章小结 |
4 基于速度观测器的改进自适应终端滑模加载控制策略研究 |
4.1 引言 |
4.2 基于有限时间速度观测的扰动间接估计方法 |
4.3 改进自适应终端滑模加载控制策略设计 |
4.3.1 自适应终端滑模控制律设计 |
4.3.2 系统稳定性与有限时间收敛特性分析 |
4.4 加载控制效果的仿真验证与结果分析 |
4.5 本章小结 |
5 基于控制输入抗饱和的几乎干扰解耦加载控制策略研究 |
5.1 引言 |
5.2 干扰解耦问题的提出与解耦模型的推导 |
5.2.1 干扰解耦问题的提出及微分几何相关概念 |
5.2.2 标准解耦模型的推导 |
5.3 位置扰动与加载力的耦合特性分析及系统局部正则型推导 |
5.3.1 位置扰动与加载力的耦合特性分析 |
5.3.2 多扰动耦合力加载改进模型的局部正则型推导 |
5.4 基于控制输入抗饱和的几乎干扰解耦加载控制策略设计 |
5.4.1 几乎干扰解耦控制相关概念 |
5.4.2 抗饱和辅助子系统与几乎干扰解耦控制律设计 |
5.5 加载控制效果的仿真验证与结果分析 |
5.6 本章小结 |
6 负载模拟加载试验验证与加载控制策略性能对比 |
6.1 引言 |
6.2 电液式负载模拟试验系统综合设计 |
6.2.1 液压系统的设计与选型 |
6.2.2 测控系统设计及上位机软件开发 |
6.3 加载控制效果的试验验证与加载控制策略性能对比分析 |
6.3.1 加载控制效果的试验验证与结果分析 |
6.3.2 非线性加载控制策略的性能对比分析 |
6.4 本章小结 |
7 总结与展望 |
7.1 论文工作总结 |
7.2 本文创新点 |
7.3 研究工作展望 |
参考文献 |
作者简历及攻读博士学位期间取得的研究成果 |
学位论文数据集 |
(2)智能动物医疗监护设备的研究与开发(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第—章 绪论 |
1.1 研究意义 |
1.2 研究历史与现状 |
1.2.1 智能动物医疗监护设备的特点分析 |
1.2.2 解耦控制方法的研究历史与现状 |
1.2.3 温湿度控制方法的研究历史与现状 |
1.3 设备功能要求与性能指标 |
1.4 论文主要内容与安排 |
第二章 系统分析与建模 |
2.1 系统分析 |
2.2 温湿度建模 |
2.2.1 温度模型 |
2.2.2 湿度模型 |
2.3 仿真模型的搭建及验证 |
2.3.1 仿真模型的搭建 |
2.3.2 实验结果及分析 |
2.4 本章小结 |
第三章 分散式神经网络前馈补偿解耦控制 |
3.1 解耦控制基础 |
3.2 前馈补偿解耦 |
3.3 神经网络基础 |
3.3.1 神经元模型 |
3.3.2 多层神经网络 |
3.3.3 误差逆传播 |
3.3.4 避免局部最优 |
3.4 分散式神经网络前馈补偿解耦 |
3.4.1 基本原理 |
3.4.2 训练过程 |
3.5 仿真及结果分析 |
3.5.1 解耦效果仿真 |
3.5.2 控制效果仿真 |
3.6 本章小结 |
第四章 基于模糊控制的PID控制优化 |
4.1 PID控制 |
4.2 模糊控制 |
4.2.1 模糊控制的思想 |
4.2.2 模糊控制器的结构 |
4.2.3 模糊集合与隶属度函数 |
4.2.4 模糊控制规则和模糊推理 |
4.2.5 模糊化和去模糊化 |
4.2.6 量化因子和比例因子 |
4.3 模糊PID控制器的结构与设计 |
4.3.1 模糊PID控制器的结构 |
4.3.2 模糊PID控制器的设计 |
4.4 仿真对比实验及结果分析 |
4.4.1 仿真实验的环境搭建 |
4.4.2 实验结果与分析 |
4.5 本章小结 |
第五章 智能动物医疗监护设备的工程设计及实现 |
5.1 系统总体设计方案 |
5.2 硬件设计 |
5.2.1 处理器选型 |
5.2.2 电源模块 |
5.2.3 串行通信接口模块 |
5.2.4 控制输出模块 |
5.2.5 传感器采集模块 |
5.2.6 其它模块 |
5.3 程序设计 |
5.4 人机界面设计 |
5.4.1 人机界面开发流程 |
5.4.2 人机界面效果展示 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
作者简介 |
(3)无人直升机的鲁棒弹性控制技术研究(论文提纲范文)
摘要 |
ABSTRACT |
注释表 |
缩略词 |
第一章 绪论 |
1.1 课题研究背景、目的及意义 |
1.1.1 研究背景 |
1.1.2 研究目的及意义 |
1.2 无人直升机控制技术 |
1.3 鲁棒弹性控制问题研究现状 |
1.4 本文用到的主要控制技术 |
1.5 本文主要研究内容 |
第二章 无人直升机数学模型分析研究 |
2.1 引言 |
2.2 假设条件和坐标系 |
2.2.1 假设条件 |
2.2.2 坐标系定义及转换 |
2.3 无人直升机的结构和操纵 |
2.4 无人直升机力和力矩 |
2.4.1 主旋翼的力和力矩 |
2.4.2 尾桨的力和力矩 |
2.4.3 机身的力和力矩 |
2.4.4 平尾的力和力矩 |
2.4.5 垂尾的力和力矩 |
2.4.6 主旋翼挥舞运动分析 |
2.4.7 合力和合力矩方程 |
2.5 无人直升机运动学和动力学方程 |
2.6 无人直升机特性分析 |
2.6.1 零输入响应 |
2.6.2 控制器摄动讨论 |
2.7 本章小结 |
第三章 基于正规化设计的无人直升机的模糊弹性控制 |
3.1 引言 |
3.2 问题描述 |
3.3 T-S模糊建模 |
3.3.1 直升机T-S模糊建模 |
3.3.2 直升机T-S模糊建模仿真验证 |
3.4 控制器设计 |
3.4.1 线性不确定系统的正规化分析及设计 |
3.4.2 模糊不确定系统的正规化分析及设计 |
3.4.3 稳定性分析 |
3.5 仿真验证 |
3.6 本章小结 |
第四章 无人直升机的模糊自适应弹性控制 |
4.1 引言 |
4.2 SISO模糊自适应弹性控制器设计 |
4.2.1 问题描述 |
4.2.2 模糊自适应弹性控制器设计 |
4.3 MIMO模糊自适应弹性控制 |
4.3.1 问题描述 |
4.3.2 控制器设计及稳定性证明 |
4.3.3 无人直升机仿真验证 |
4.4 小结 |
第五章 无人直升机的模糊自适应鲁棒弹性控制 |
5.1 引言 |
5.2 SISO模糊自适应鲁棒弹性控制 |
5.2.1 问题描述 |
5.2.2 控制器设计及稳定性证明 |
5.2.3 仿真验证 |
5.3 MIMO模糊自适应鲁棒弹性控制 |
5.3.1 问题描述 |
5.3.2 控制器设计及稳定性证明 |
5.3.3 无人直升机仿真验证 |
5.4 小结 |
第六章 总结与展望 |
6.1 本文的主要工作总结 |
6.2 展望 |
参考文献 |
致谢 |
在学期间的研究成果 |
附录 无人直升机 T-S 模糊模型参数 |
(4)船舶远洋安全航行运动姿态控制技术研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 船舶横向运动姿态控制国内外研究概况 |
1.2.1 船舶减摇鳍横摇控制研究概况 |
1.2.2 船舶自动舵航向控制研究概况 |
1.2.3 船舶舵鳍联合横摇-航向控制研究概况 |
1.3 船舶运动控制相关理论发展现状 |
1.3.1 非线性反演控制方法及发展现状 |
1.3.2 自适应控制方法及发展现状 |
1.3.3 鲁棒优化控制方法及发展现状 |
1.4 主要研究工作 |
1.5 论文研究思路和组织结构 |
第2章 船舶横向运动非线性耦合数学模型研究 |
2.1 引言 |
2.2 船舶运动数学模型 |
2.2.1 船舶运动坐标系 |
2.2.2 船舶空间运动方程 |
2.2.3 非线性横向耦合运动方程 |
2.3 减摇鳍面积与阻力评估 |
2.4 波浪干扰力和力矩 |
2.4.1 海浪(谱)描述 |
2.4.2 波浪干扰力和力矩响应表示方法 |
2.4.3 海浪干扰力和力矩计算 |
2.5 仿射非线性船舶横向运动模型 |
2.6 船舶横向自由运动稳定性分析 |
2.7 本章小结 |
第3章 船舶横摇指令滤波反演鲁棒自适应控制研究 |
3.1 引言 |
3.2 指令滤波反演控制设计方法 |
3.2.1 反演控制原理 |
3.2.2 船舶横摇反演控制器设计 |
3.2.3 指令滤波原理 |
3.3 基于NDO的船舶横摇指令滤波反演控制器设计与仿真 |
3.3.1 非线性干扰观测器设计 |
3.3.2 基于NDO的船舶横摇指令滤波反演控制器设计 |
3.3.3 系统仿真和分析 |
3.4 船舶横摇预设性能积分滑模改进控制器设计与仿真 |
3.4.1 预设性能指令滤波反演积分滑模控制器设计 |
3.4.2 基于NDO的预设性能指令滤波反演积分滑模控制器设计 |
3.4.3 系统仿真与分析 |
3.5 本章小结 |
第4章 船舶艏向RBF神经网络自适应控制研究 |
4.1 引言 |
4.2 艏向控制器设计模型 |
4.3 RBF神经网络设计原理 |
4.4 基于RBF神经网络的离散指令滤波艏向控制器设计 |
4.4.1 基于状态观测器的非线性函数辨识 |
4.4.2 控制器设计及闭环稳定性证明 |
4.5 系统仿真与分析 |
4.6 本章小结 |
第5章 船舶横摇-艏向非线性ESO自适应解耦控制研究 |
5.1 引言 |
5.2 非线性系统反馈线性化原理 |
5.3 舵鳍联合非线性控制系统问题描述 |
5.4 舵鳍联合非线性系统的反馈线性化 |
5.4.1 舵鳍联合非线性系统反馈线性化可解证明 |
5.4.2 舵鳍联合非线性系统坐标变换 |
5.5 自适应PID控制器 |
5.6 基于ESO的自适应PID控制 |
5.7 系统仿真与分析 |
5.8 本章小结 |
第6章 受输入约束的横摇-艏向鲁棒模型预测控制研究 |
6.1 引言 |
6.2 预测控制原理 |
6.2.1 模型预测控制基本原理 |
6.2.2 基于状态空间方程的预测控制原理 |
6.3 补偿减摇鳍动态延迟约束的预测方法 |
6.3.1 基于AR模型的渐消RLS预测算法原理 |
6.3.2 补偿减摇鳍动态延迟的应用实例 |
6.4 基于H_∞-ICMPC的横摇-艏向控制器设计 |
6.4.1 输入-状态-稳定性(ISS) |
6.4.2 H_∞型成本函数 |
6.4.3 舵鳍联合横摇-艏向鲁棒MPC控制器设计 |
6.5 系统仿真与分析 |
6.6 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文和取得的科研成果 |
个人简历 |
致谢 |
附录 |
附录 A 固定坐标系和运动坐标系下的坐标变换 |
附录 B 船舶运动相关符号表 |
(5)飞行器耦合及不确定性分析与导引控制设计方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题背景及意义 |
1.2 飞行器导引与控制研究现状 |
1.2.1 飞行器控制方法研究现状综述 |
1.2.2 飞行器导引律研究现状综述 |
1.2.3 飞行器导引与控制一体化研究现状综述 |
1.3 耦合及不确定系统控制研究现状综述 |
1.3.1 不确定系统控制研究现状综述 |
1.3.2 耦合系统控制研究现状综述 |
1.4 论文主要内容、结构与创新点 |
1.4.1 研究内容 |
1.4.2 论文结构 |
1.4.3 创新点 |
第二章 问题的引出 |
2.1 导弹的六自由度非线性模型 |
2.1.1 常用坐标系 |
2.1.2 导弹运动方程组 |
2.2 导弹控制系统的设计模型的建立与分析 |
2.2.1 导弹控制系统的设计模型的建立 |
2.2.2 不确定性分析和耦合特性分析 |
2.3 本章小结 |
第三章 非匹配不确定性系统鲁棒控制器设计 |
3.1 滑模控制对匹配不确定系统的鲁棒性 |
3.2 基于Levant’s精确微分器的非匹配不确定性系统控制器设计 |
3.2.1 控制器设计 |
3.2.2 仿真分析 |
3.3 基于Backstepping和干扰观测器的非匹配不确定性系统鲁棒控制器设计 |
3.3.1 控制器设计 |
3.3.2 稳定性分析 |
3.3.3 仿真分析 |
3.4 基于双层自适应动态面的非匹配不确定性系统鲁棒控制器设计 |
3.4.1 控制器设计 |
3.4.2 稳定性分析 |
3.4.3 仿真分析 |
3.5 本章小结 |
第四章 耦合系统控制器设计 |
4.1 基于状态耦合直接补偿的耦合系统控制器设计 |
4.1.1 基于状态耦合直接补偿的分布式控制器设计 |
4.1.2 基于状态耦合直接补偿的向量式控制器设计 |
4.2 基于状态耦合及参考输入有效补偿的耦合系统控制器设计 |
4.2.1 基于耦合及参考输入有效补偿的控制器设计 |
4.2.2 稳定性分析 |
4.2.3 仿真分析 |
4.3 一类含控制输入耦合的系统控制器设计 |
4.3.1 一类含控制输入耦合的系统非解耦控制器设计及稳定性分析 |
4.3.2 仿真分析 |
4.4 本章小结 |
第五章 飞行器姿态非解耦矢量控制器设计 |
5.1 引言 |
5.2 有推力飞行器速度与姿态非解耦矢量动态面控制器设计 |
5.2.1 模型建立与分析 |
5.2.2 控制器设计及稳定性分析 |
5.2.3 仿真分析 |
5.3 无推力飞行器姿态非解耦矢量控制器设计 |
5.3.1 模型建立与分析 |
5.3.2 控制器设计及稳定性分析 |
5.3.3 仿真分析 |
5.4 本章小结 |
第六章 考虑自动驾驶仪动态特性三维导引律设计 |
6.1 引言 |
6.2 模型建立与分析 |
6.3 基于自适应高阶滑模的三维导引律设计 |
6.3.1 理论基础 |
6.3.2 非奇异确定时间收敛滑模面设计 |
6.3.3 确定时间收敛三维滑模导引律设计 |
6.4 仿真分析 |
6.5 本章小结 |
第七章 全状态耦合的导引与控制一体化设计 |
7.1 引言 |
7.2 模型建立与分析 |
7.3 寻的导弹满足落角约束的导引与控制一体化设计 |
7.3.1 导引与控制一体化设计 |
7.3.2 稳定性分析 |
7.4 仿真分析 |
7.5 本章小结 |
第八章 总结与展望 |
8.1 全文总结 |
8.2 研究展望 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
附录 A 矢量运算法则 |
(6)大型风力机预测前馈变桨控制(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 风力发电的研究现状 |
1.2.1 国内外风力发电发展状况 |
1.2.2 风力发电变桨距控制策略研究 |
1.3 论文的主要研究内容和结构 |
1.4 本章小结 |
第2章 风力机运行原理及系统建模 |
2.1 风力发电机结构及其工作原理 |
2.1.1 风电发电机的系统构成 |
2.1.2 风力发电机工作原理 |
2.2 空气动力学分析 |
2.2.1 风能计算 |
2.2.2 风力机特性参数 |
2.3 风力机变桨距控制理论依据 |
2.3.1 变速变桨风力机运行区域 |
2.3.2 变桨距控制原理 |
2.4 风力机系统模型构建 |
2.4.1 风轮模型 |
2.4.2 传动系统和发电机动态模型 |
2.4.3 变桨距执行机构模型 |
2.4.4 风力机模型的线性化 |
2.5 本章小结 |
第3章 基于反馈线性化滑模与变论域模糊PID的控制策略 |
3.1 控制系统原理和结构 |
3.2 变论域模糊控制 |
3.2.1 变论域模糊控制理论 |
3.2.2 变论域模糊控制器设计 |
3.3 滑模控制器的设计 |
3.4 仿真分析 |
3.5 本章小结 |
第4章 基于卡尔曼滤波预估最优风速的前馈补偿控制策略 |
4.1 控制系统原理和结构 |
4.2 气动转矩与最优风速估计 |
4.2.1 气动转矩估计 |
4.2.2 最优风速估计 |
4.3 前馈控制器的设计 |
4.4 反馈控制器的设计 |
4.4.1 粒子群算法原理 |
4.4.2 寻优算法设计 |
4.5 仿真分析 |
4.6 本章小结 |
第5章 基于ICA-CMAC算法的前馈补偿控制策略 |
5.1 控制系统原理与结构 |
5.2 前馈控制器的设计 |
5.2.1 CMAC神经网络 |
5.2.2 CMAC神经网络的结构及工作原理 |
5.2.3 改进的基于信度分配的CMAC神经网络 |
5.3 反馈控制器的设计 |
5.4 仿真分析 |
5.5 本章小结 |
第6章 全文总结与展望 |
6.1 全文工作总结 |
6.2 工作展望 |
参考文献 |
致谢 |
攻读硕士学位期间从事的科研工作及取得的成果 |
(7)具有非最小相位特性的新型飞行器控制方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题的研究背景与意义 |
1.2 国内外研究现状及发展动态 |
1.2.1 非最小相位系统的稳定控制 |
1.2.2 非最小相位系统的精确跟踪控制 |
1.2.3 非最小相位新型飞行器控制 |
1.2.4 当前研究的不足及未来发展动态分析 |
1.3 论文的创新点与内容安排 |
1.3.1 论文的创新点 |
1.3.2 论文的内容安排 |
第2章 基于扩展回路反步的高超声速飞行器稳定控制 |
2.1 引言 |
2.2 高超声速飞行器弹性模型 |
2.3 零动态及扩展回路分析 |
2.3.1 零动态分析 |
2.3.2 扩展回路分析 |
2.4 面向控制建模 |
2.5 自适应反步控制器设计 |
2.5.1 速度环控制器设计 |
2.5.2 高度环控制器设计 |
2.6 仿真验证 |
2.6.1 标称模型仿真 |
2.6.2 蒙特卡洛仿真 |
2.7 小结 |
第3章 基于输出重定义-动态逆的高超声速飞行器稳定控制 |
3.1 引言 |
3.2 高超声速飞行器模型及零动态分析 |
3.2.1 高超声速飞行器刚体模型 |
3.2.2 零动态分析 |
3.3 输出重定义-动态逆方法 |
3.4 高超声速飞行器控制器设计 |
3.4.1 内部状态作为输出 |
3.4.2 静态合成输出 |
3.4.3 带有积分的合成输出 |
3.5 仿真验证 |
3.5.1 刚体模型仿真 |
3.5.2 弹性模型仿真 |
3.6 小结 |
第4章 基于最优有界逆的可重复使用运载器精确跟踪控制 |
4.1 引言 |
4.2 非最小相位系统的精确跟踪控制 |
4.3 欠驱动RLV模型 |
4.4 零动态分析及输出重定义 |
4.4.1 原始输出的零动态分析 |
4.4.2 输出重定义下的新零动态 |
4.5 基于最优有界逆的IID计算 |
4.6 欠驱动RLV控制器设计 |
4.6.1 面向控制模型 |
4.6.2 抗饱和鲁棒反步控制器设计 |
4.7 仿真验证 |
4.7.1 阶跃指令跟踪 |
4.7.2 时变指令跟踪 |
4.8 小结 |
第5章 带有不确定参数的垂直起降飞行器精确跟踪控制 |
5.1 引言 |
5.2 问题描述 |
5.3 不确定非最小相位系统精确跟踪控制 |
5.3.1 基于经验回放的参数辨识 |
5.3.2 基于最优有界逆的IID计算 |
5.3.3 分段IID更新策略 |
5.4 带有不确定参数的VTOL精确跟踪控制 |
5.4.1 VTOL模型 |
5.4.2 零动态分析 |
5.4.3 参数辨识 |
5.4.4 IID计算 |
5.5 仿真验证 |
5.6 小结 |
第6章 通用跟踪控制器及其在高超声速飞行器中的应用 |
6.1 引言 |
6.2 从PID到通用跟踪控制器 |
6.2.1 从PID到 PITC |
6.2.2 高积分增益的特点 |
6.2.3 从PITC到 AFTC |
6.2.4 动态平衡的概念 |
6.2.5 UTC框架 |
6.3 仿真验证 |
6.3.1 小车摆的例子 |
6.3.2 高超声速飞行器的例子 |
6.4 非最小相位系统的UTC设计 |
6.5 小结 |
第7章 总结与展望 |
7.1 主要研究成果 |
7.2 未来工作展望 |
参考文献 |
发表论文和参加科研情况说明 |
致谢 |
(8)约束条件下非线性系统自适应学习控制设计与研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究工作的背景和意义 |
1.2 国内外研究现状 |
1.3 本文的主要创新和贡献 |
1.4 本文的结构安排 |
第二章 预备知识 |
2.1 神经网络近似原理 |
2.2 主要的引理和定义 |
2.3 障碍李雅普诺夫函数 |
2.4 本章小结 |
第三章 带有输入死区的一类非仿射非线性系统的控制设计与研究 |
3.1 问题提出 |
3.1.1 系统模型 |
3.1.2 控制目标 |
3.2 主要的假设和引理 |
3.3 控制器设计 |
3.3.1 基于状态反馈的控制器设计 |
3.3.2 基于输出反馈的控制器设计 |
3.4 数字仿真 |
3.4.1 状态反馈控制设计仿真 |
3.4.2 输出反馈控制设计仿真 |
3.5 本章小结 |
第四章 带有状态约束的一类多输入多输出非线性系统的控制设计与研究 |
4.1 问题提出 |
4.1.1 系统模型 |
4.1.2 控制目标 |
4.1.3 主要的假设 |
4.2 控制器设计 |
4.3 稳定性分析 |
4.4 数字仿真 |
4.5 本章小结 |
第五章 带有执行器饱和的机械臂的控制设计与研究 |
5.1 问题提出 |
5.1.1 系统模型 |
5.1.2 控制目标 |
5.1.3 主要的定义 |
5.2 控制器设计 |
5.2.1 基于模型的控制器设计 |
5.2.2 基于状态反馈的神经网络控制器设计 |
5.2.3 基于输出反馈的神经网络控制器设计 |
5.3 数字仿真 |
5.3.1 基于模型的控制的仿真 |
5.3.2 基于状态反馈的神经网络控制的仿真 |
5.3.3 基于输出反馈的神经网络控制的仿真 |
5.3.4 对比分析 |
5.4 实验验证 |
5.5 本章小结 |
第六章 总结和展望 |
6.1 全文总结 |
6.2 工作展望 |
致谢 |
参考文献 |
攻硕期间的研究成果 |
(9)基于未建模动态补偿的非线性系统控制方法研究(论文提纲范文)
致谢 |
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 非线性自适应控制的研究现状 |
1.2.1 基于反馈线性化的非线性自适应控制 |
1.2.2 基于反步法的非线性自适应控制 |
1.2.3 基于神经网络的非线性自适应控制 |
1.3 本文主要工作简介 |
第二章 基础知识 |
2.1 自适应控制 |
2.2 BACK PROPAGATION神经网络与PID型神经网络 |
2.2.1 BACK PROPAGATION神经网络 |
2.2.2 PID型神经网络 |
2.3 系统辨识 |
2.3.1 系统辨识的定义及研究的目的 |
2.3.2 系统辨识方法介绍 |
2.3.3 系统辨识常用的激励信号 |
2.4 耦合系统与解耦控制 |
2.4.1 耦合系统介绍 |
2.4.2 解耦方法介绍 |
第三章 单输入单输出非线性系统的自适应控制 |
3.1 单输入单输出非线性系统介绍 |
3.2 线性最优控制器的设计 |
3.3 基于虚拟模型的非线性自适应控制 |
3.3.1 基于虚拟模型的非线性自适应控制框架简介 |
3.3.2 PIDNN工作信号的正向传递过程 |
3.3.3 PIDNN误差信号反向修正过程 |
3.4 稳定性证明 |
3.5 系统辨识过程 |
3.5.1 辨识算法介绍 |
3.5.2 辨识算法仿真 |
3.6仿真实验 |
3.6.1 数值仿真 |
3.6.2 水塔液位控制系统仿真 |
3.7 总结 |
第四章 多输入多输出非线性系统的自适应控制 |
4.1 问题描述 |
4.2 非线性自适应解耦抗扰控制 |
4.2.1 线性自适应控制器 |
4.2.2 自适应补偿器 |
4.3 稳定性证明 |
4.4 仿真 |
4.5 总结 |
第五章 总结和展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
附录 |
附录1 M序列代码 |
附录2 系统辨识代码 |
附录3 基于虚拟模型的多输入多输出系统的自适应控制 |
攻读硕士期间的学术活动及成果情况 |
1)参加的学术交流与科研项目 |
2)发表的学术论文(含专利和软件着作权) |
(10)不确定非线性系统的保性能控制方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究的背景及意义 |
1.2 国内外的研究现状 |
1.2.1 反馈线性化控制 |
1.2.2 自适应控制 |
1.2.3 反步控制法 |
1.2.4 以扰动观测器为基础的控制法DOBC |
1.2.5 提前指定系统性能的PPC控制法 |
1.2.6 李群上的建模与控制 |
1.3 本文的内容与结构 |
第2章 具有不确定性的SISO系统的指定性能控制 |
2.1 引言 |
2.2 问题描述与预备知识 |
2.2.1 问题描述 |
2.2.2 微分同胚变换 |
2.2.3 非线性扰动观测器 |
2.3 同胚变换的可控性 |
2.3.1 指定性能函数的定义 |
2.3.2 误差变换后系统的可控性 |
2.4 控制器设计 |
2.5 仿真验证 |
2.6 小结 |
第3章 具有不确定性和输入饱和的MIMO非线性系统的指定性能控制 |
3.1 引言 |
3.2 问题描述与预备知识 |
3.2.1 问题描述 |
3.2.2 状态空间反馈线性化 |
3.3 控制器设计 |
3.4 仿真验证 |
3.5 小结 |
第4章 具有不确定参数的非线性系统的保性能控制 |
4.1 引言 |
4.2 问题提出 |
4.3 参数估计与控制器设计 |
4.3.1 参数估计 |
4.3.2 控制器设计 |
4.4 仿真验证 |
4.5 小结 |
第5章 具有不确定参数的非线性系统的自适应指定性能控制 |
5.1 引言 |
5.2 方向不确定的非线性系统自适应控制 |
5.2.1 问题描述 |
5.2.2 控制器设计 |
5.2.3 仿真验证 |
5.3 状态受限的非线性系统自适应控制 |
5.3.1 问题描述及预备知识 |
5.3.2 滤波器介绍 |
5.3.3 控制器设计 |
5.3.4 仿真验证 |
5.4 小结 |
第6章 基于李群的一类不确定非线性系统的建模与设计 |
6.1 引言 |
6.2 预备知识及问题描述 |
6.2.1 基于李群的刚体转动姿态系统建模 |
6.2.2 不变系统及不变观测器 |
6.2.3 李群上的不变向量场 |
6.3 标称系统的不变观测器设计 |
6.3.1 观测器设计 |
6.3.2 仿真验证 |
6.4 自适应不变观测器 |
6.4.1 观测器设计 |
6.4.2 仿真验证 |
6.5 小结 |
结论 |
参考文献 |
攻读博士学位期间发表的学术论文 |
致谢 |
个人简历 |
四、基于CMAC神经网络的一类MIMO非线性系统的自适应反馈线性化(论文参考文献)
- [1]电液式负载模拟器耦合特性及非线性加载控制策略研究[D]. 康硕. 北京交通大学, 2020(03)
- [2]智能动物医疗监护设备的研究与开发[D]. 郭振嘉. 西安电子科技大学, 2020(05)
- [3]无人直升机的鲁棒弹性控制技术研究[D]. 沈艺. 南京航空航天大学, 2020(07)
- [4]船舶远洋安全航行运动姿态控制技术研究[D]. 金仲佳. 哈尔滨工程大学, 2020(04)
- [5]飞行器耦合及不确定性分析与导引控制设计方法研究[D]. 韩阳. 国防科技大学, 2019
- [6]大型风力机预测前馈变桨控制[D]. 张浩. 重庆邮电大学, 2019(02)
- [7]具有非最小相位特性的新型飞行器控制方法研究[D]. 叶林奇. 天津大学, 2019(06)
- [8]约束条件下非线性系统自适应学习控制设计与研究[D]. 孔令欢. 电子科技大学, 2019(01)
- [9]基于未建模动态补偿的非线性系统控制方法研究[D]. 张凯. 合肥工业大学, 2019(01)
- [10]不确定非线性系统的保性能控制方法研究[D]. 李云玲. 哈尔滨工业大学, 2019(01)