基于双率采样的智能车辆弯道轨迹跟踪控制

本文研究在双率采样下智能车辆弯道轨迹跟踪问题.首先,针对车辆车道保持的转向控制,建立相对路面误差的侧向动力学模型.其次,假设系统状态变量被分为两个子向量并分别由两类传感器以不同的采样周期采样,针对这类双率采样系统,充分考虑这两类传感器的采样时刻特征,设计一类基于采样时刻的切换控制器.然后,利用输入时滞方法,将最终的闭环系统建模为带有两个模态的切换时滞系统,并以线性矩阵不等式(LMI)形式给出闭环系统指数稳定性条件和切换控制器的设计方法.最后,在Matlab/Simulink环境下对汽车模型的路径跟踪控制进行仿真,验证本文所提方法的有效性,并与单率采样方法进行比较,说明本文方法相比于单率采样方法的优势.     

输出时滞双率采样系统的鲁棒迭代学习控制

针对一类带有输出时滞的单输入单输出双率采样系统,提出一种鲁棒迭代学习控制算法.首先,利用提升技术将带有输出时滞的双率采样系统转化为无时滞形式的慢速率采样的状态空间模型,并基于二维(2D)系统理论,将迭代学习控制过程转化为等价2D模型;然后利用线性矩阵不等式(LMI)技术,给出确保系统稳定的充分条件和鲁棒控制器设计方法;最后,通过3层液位贮槽系统的液位控制仿真验证所提出方法的可行性和有效性.     

不确定非线性网络化系统的鲁棒H_∞控制

用T-S(Takagi-Sugeno)模糊方法研究了带有参数不确定的非线性网络化系统的鲁棒控制.首先,考虑到诱导时延和数据丢包等网络因素的影响,基于事件驱动的保持器的更新序列建立闭环反馈系统的采样模型,并将其转化为状态中附加两个时滞变量的连续T-S模糊系统.然后,利用时滞系统方法,分析不确定闭环模糊系统的鲁棒H∞性能,并设计相应的鲁棒H∞模糊控制器.最后,仿真例子表明了方法的有效性.     

网络系统中动态矩阵控制的稳定性条件

网络控制系统中的时滞和丢包会影响控制器的稳定性;因此,传统的动态矩阵控制器设计方法无法适应网络化环境.本文针对这一问题设计了一种改进型动态矩阵控制器.通过建立缓存器将不确定时滞转化为固定时滞;并提出了一种更新系统单位阶跃响应系数的方法,用来处理时滞对控制器的影响.采用一次性传输整个控制序列的方法,避免了丢包时需要更新控制量的问题.此外,进一步分析了该控制系统的稳定性问题,给出了考虑时滞和丢包信息的系统稳定性充分条件.最后通过实时仿真软件示范了如何确定允许的最大时滞和丢包.验证了该方法的有效性.     

时滞纳米运动系统的多速率采样预测自抗扰控制

电容型纳米位置传感器在纳米伺服系统中得到了越来越多的应用.这类超高精度模拟传感器用于反馈信号时因较长的模数转换时间将带来明显的测量时滞.而这类数字纳米伺服系统也因硬件使其采样频率在处理高频干扰时受到带宽限制.本文针对测量时滞和高频干扰的挑战,提出一种带采样预测功能的多速率自抗扰控制器设计方法.首先建立了电容式位移传感器的纳米运动平台带有时滞的动力学模型.其次,基于该模型设计多率采样预测线性扩张状态观测器和多率反馈控制器.通过设计预测型观测器,适当选取观测器增益,消除时滞对状态观测的影响.另外,将输出预估器加入预测扩张状态观测器中重构采样点间系统输出值,从而在时滞系统中更好地估计和消除高频干扰,并给出了系统的稳定性分析.最后通过压电驱动纳米运动平台的实时控制实验验证本文提出控制器的有效性.     

基于主动变采样周期方法的网络控制系统的H∞控制器设计

利用主动变采样周期方法, 本文研究了具有时延及丢包的网络控制系统的 H∞ 控制器设计问题, 其中采样周期在一个有限集合内切换. 提出了一个新的线性估计方法以补偿丢包的负面影响, 并利用多目标优化方法设计系统的 H∞ 控制器. 仿真结果表明了主动变采样周期方法及基于线性估计的丢包补偿方法的有效性.     

具有时变采样周期网络控制系统的严格耗散控制

研究具有时变采样周期和数据丢包的网络控制系统的渐近稳定和严格耗散控制问题.针对采样周期时变且在标称周期上下波动,数据丢包数有界,利用参数不确定的方法,网络控制系统建模为一类带有参数不确定的离散时滞系统.构造一个改进的李雅普诺夫-卡拉索夫斯基函数,基于线性矩阵不等式方法及Jensen不等式方法,给出系统严格(Q,S,R)-耗散的充分条件,得到控制器的设计方法.数值实例表明所提出的方法具有较小的保守性,同时也减少了计算量.     

一类具有数据包丢失的长时延网络控制系统的分析与设计

针对一类网络控制系统,其网络诱导时延大于采样周期且存在数据丢包,研究了其稳定性和控制器的设计.在控制器端设计了一个状态预测器,其预测状态根据传感器的数据进行更新,然后用来确定控制作用.分析了预测误差的收敛性,证明了分离原理是成立的,并依据分离原理分别设计了状态预测器和控制器,给出了参数化设计方法.仿真例子验证了方法的有效性.     

基于异步IMM融合滤波的网络化系统故障诊断

针对一类带随机丢包的异步多传感器网络化系统,提出了基于网络化异步交互式多模型（Interacting multiple model,IMM）融合滤波的故障诊断方法.考虑不同传感器通道具有不同丢包概率的情况,将未知的故障幅值看作扩维的系统状态,利用提出的网络化异步IMM融合滤波算法对由系统正常模型和各种可能的故障模型构成的模型集进行滤波,根据模型概率进行故障检测和定位,同时得到故障幅值和系统状态的联合估计.提出的方法避免了传统IMM故障诊断方法模型集设计中故障大小难以确定的问题,适用于具有任意采样速率和任意初始采样时刻的异步多传感器网络化系统,并且通过融合多个传感器的信息提高了故障诊断的准确性.仿真实例验证了所提出方法的可行性和有效性.     

分布式网络化控制系统故障诊断方法的研究

为了避免分布式网络化控制系统由于网络负载过大而造成的时延和丢包问题,引入基于包的传输机制,并针对此特殊结构设计中心故障诊断单元,在诊断单元设计中,由于各子系统工作周期不同以及传输包的大小不同,将系统看作多速率采样系统,采用提升技术获得系统的离散模型.在此基础上设计状态观测器,实现分布式网络化控制系统的故障诊断.最后通过仿真验证了所提出方法的有效性.     

基于T-S 模糊模型的采样数据网络控制系统H∞ 输出跟踪控制

研究具有采样数据的基于T-S (Takagi-Sugeno) 模糊模型网络控制系统H输出跟踪控制问题. 提出将采集器端数据采样周期、数据传输时滞和数据丢包转换为零阶保持器端数据更新周期, 在此基础上, 利用输入时滞法和PDC (Parallel distributed compensation) 技术, 建立网络环境下被控对象和参考模型合并的基于T-S 模糊模型的增广系统模型. 通过Lyapunov 方法, 并充分利用采样特性, 给出系统实现H输出跟踪的充分条件, 以及可靠模糊控制器的设计. 仿真结果表明所设计模糊控制器能够实现该类系统良好的跟踪.     

一类非线性状态时滞系统的基于采样控制器的渐近稳定问题

针对一类含有状态时滞的非线性系统,利用采样控制方法研究其渐近稳定问题.解决这一问题的关键在于对系统时滞的处理,以及对由于采样方法而产生的状态增长误差进行估计.由于所考虑的时滞是常时滞,可以利用分割方法对系统时滞进行分割,将时滞划分成与采样时间长度相同的数个时间区间,并基于这种分割,通过数学归纳法对系统状态增长误差进行估计.通过坐标变换引入一个比例增益压制系统的非线性项,然后设计含有比例增益的状态采样观测器和采样控制器,结合非线性时滞系统的Lyapunov泛函方法分析闭环系统的稳定性,最终确定比例增益和采样时间需要满足的条件,以保证闭环系统的渐近稳定性.最后通过数值例子表明所用研究方法以及所得研究结果是有效的.     

基于事件触发的故障诊断与动态调节集成设计

本文发展了一种事件触发采样与更新检测机制、故障诊断及调节的集成设计框架.事件触发技术不仅用于传感器端,同时也用于容错控制器端.所设计的故障诊断观测器能够应用基于事件触发的非均匀采样输出同时估计故障和系统状态,基于所获得的状态和估计信息,构造事件触发更新检测器和动态容错控制器,进而借助于增广系统方法来集成设计两个事件触发检测器、故障诊断观测器和容错控制器,以保证故障系统的性能,同时尽可能的降低传感器、控制器、执行器三者之间的信息传输频率.仿真实例验证了所提方法的可行性和优越性.     

网络控制系统动态量化H∞控制

基于线性矩阵不等式技术,采用状态反馈控制,考虑同时带有网络诱导随机丢包 和量化的H∞控制问题。考虑信号经网络从传感器到控制器和从控制器到执行器的传输中存在 通信诱导随机丢包,并采用动态量化器量化信号。设计H∞控制器的同时,提出量化的控制策 略,使得闭环系统在量化器的量化范围条件下指数均方稳定且具有指定的H∞性能指标。通过 数值仿真例子表明设计方法的有效性。     

基于事件触发的神经网络控制器稳定性分析

针对非线性系统稳定性问题,设计了基于事件触发的神经网络控制器来稳定非线性系统,控制器只有在触发规则满足的条件下,才更新控制参数,降低了网络传输率。算法开始先建立非线性系统模型,在采样过程中引入事件触发机制,并且设计了神经网络控制器,对于系统中包含的传输时滞,引入系统时滞模型,运用输入延迟法将同步控制器求解问题转化为时滞系统的稳定性问题。再通过构造分段Lyapunov-Krasovskii泛函并结合Jensen不等式,给出了非线性系统稳定条件。与传统数据采样系统相比,本文所提出的方法有效地增大了采样间隔,结尾通过例子仿真验证了所提出方法的有效性。     

具有网络丢包和时延的网络控制系统设计

为了降低对于网络传输的要求,针对具有固定时延和随机丢包情况的网络系统,采用状态增广以克服时延对网络控制系统分析的影响,进而考虑随机丢包情况,将增广系统转化为切换系统.以此为基础,提出网络鲁棒控制器设计方法.该控制器仅仅基于被控对象的反馈状态,因此对于网络传输的要求较低.最后,通过一个仿真算例验证了该系统的有效性.     

具有不确定丢包率和时变采样周期的Delta算子系统故障检测

研究一类由Delta算子描述具有不确定丢包率的时变采样网络控制系统故障检测问题.数据包丢失发生在传感器至控制器、控制器到执行器的数据传输过程中,丢包模型采用两个相互独立的伯努利随机变量表示,假设传感器至控制器通道中的丢包率是不确定的,其均值由常数和不确定值两部分组成.时变采样周期利用有限长切换序列表示可降低保守性.采用Delta域的Lyapunov函数方法,提出所考虑的增广系统渐近稳定且具有${\textstyle H_{\infty     

不确定系统的网络化保性能控制

本文针对控制网络中存在着随机传输时延和数据包丢失的现象,考虑了网络化控制系统的状态反馈保性能控制器设计问题.首先采用时滞相关方法并引入自由权矩阵,给出了基于矩阵不等式的网络化二次型保性能控制器存在的充分条件,然后基于该充分条件获得了基于线性矩阵不等式的控制器设计方法,相应的网络化保性能控制律可以通过求解线性矩阵不等式来构造,并采用锥互补线性化算法给出了网络化次优保性能控制器的设计方法.最后数值示例演示了所得控制器设计结果的应用方法和有效性,并通过仿真比较了传统保性能控制器和网络化保性能控制器在网络化控制系统中的控制性能.     

基于T-S模糊模型非线性网络控制系统改进H∞跟踪控制

研究一类非线性网络控制系统改进H∞跟踪控制问题, 该类网络控制系统中非线性被控对象和被跟踪对象分别采用Takagi-Sugeno(T-S)模糊模型和线性稳定参考模型描述. 首先通过综合考虑网络中的数据传输时滞和数据丢包影响, 采用输入时滞法和并行分布补偿技术, 建立基于零阶保持器刷新时刻的系统状态跟踪误差模型. 然后利用改进的自由权矩阵方法, 并结合Lyapunov直接法给出系统满足H∞跟踪性能的充分条件以及模糊控制器的设计方法. 最后仿真实例表明本文方法的有效性和相比已有方法的优越性.     

具有Markovian时延与丢包的离散系统的状态估计

网络化控制系统中经常会因网络带宽有限而导致数据包在网络中传输时产生时延甚至丢失.本文主要研究具有Markovian时延与丢包的离散线性系统的状态估计问题.通过在估计器端设置适当长度的缓存器,把具有多状态Markovian时延与丢包的离散定常系统建模成数据包到达过程为两状态Markovian模型的离散时变系统,并基于跳跃线性估计器的思想提出了一类特殊的估计器,即限定接收历史估计器 (FRHE).在最大时延已知时,给出了可选增益的最优RHE设计策略.该策略虽然是次优,却能提供简便的计算.通过与时变Kalman估计器 (TVKE)的仿真对比,表明所提策略的有效性.