基于l∞范数和l1范数最小化的二自由度最优鲁棒跟踪控制

研究了具有乘摄动模型不确定性并存在未知干扰系统的最优鲁棒跟踪控制问题,采用二自由度控制器结构Youla参数化方法将最优鲁棒跟踪控制问题转化为两个相互独立的优化问题,跟踪问题和鲁棒设计问题,跟踪问题以l∞范数为性能指标通过极小化跟踪误差的最大幅值实现最优跟踪控制;鲁棒性设计问题中,将模型不确定性视为一种外界干扰,通过极小化干扰到误差的灵敏度函数的l1范数使得干扰对跟踪误差的影响最小,通过截断处理,上述两种优化问题均可化为标准线性规划问题,给出了截断阶数与逼近误差之间的关系,仿真结果表明新方法的有效性。     

不确定性系统的自适应鲁棒跟踪控制

针对存在未知干扰和未建模动态等不确定性的系统的自适应鲁棒跟踪控制问题进行了 探讨.首选将l1优化控制器的有限拍设计方法结合给出了最优鲁棒稳态跟踪控制器的设计方法． 然后利用集员辨识的思想,将名义模型的参数和未建模动态及干扰的大小作为未知参数,提出了 一种递推参数估计方法.最后将上述研究结果结合起来提出了一种自适应鲁棒跟踪控制策略,证 明了自适应算法的全局收敛性并给出了鲁棒跟踪性能指标的一下较紧的上界.与现有的结果相 比,本文提出的自适应控制具有非保守的鲁棒稳定性,具有渐近最优的鲁棒跟踪性能.     

时变不确定性系统的二自由度最优鲁棒稳态跟踪控制器设计

研究了被控系统存在范数有界的时变模型摄动和未知外部干扰时鲁棒稳态跟踪问题. 利用二自由度控制结构和Youla参数化方法.提出了一个最坏情况稳态绝对误差的精确计算公 式,利用该公式最优稳态跟踪控制器设计问题可化为一个有限维l1优化问题.因此控制器设计 只需解一个标准线性规划问题.此外,还证明了所提出的控制器可同时保证系统的鲁棒稳定性 和最优跟踪性能.仿真结果表明了该方法的有效性和可行性.     

离散不确定系统的鲁棒预测控制

对预测控制中模型不确定性的处理一直是预测控制算法亟待解决的问题.考虑一类包含模型不确定性的控制对象模型,提出一种极大极小预测控制器设计方法.在滚动优化的每一步,考虑了状态变量不完全可测的情况,引入动态输出反馈的思想得到一个最坏条件下的性能指标的最优解,以最坏条件下的性能指标为求解优化问题的上界,通过线性矩阵不等式的方法求解凸优化问题.并从理论上证明了所设计的鲁棒预测控制器对不确定模型是稳定的.通过仿真算例的分析,证明了极大极小鲁棒预测控制器设计的有效性.     

基于单网络评判学习的非线性系统鲁棒跟踪控制

针对一类具有不确定性的连续时间非线性系统,提出一种基于单网络评判学习的鲁棒跟踪控制方法.首先建立由跟踪误差与参考轨迹构成的增广系统,将鲁棒跟踪控制问题转换为镇定设计问题.通过采用带有折扣因子和特殊效用项的代价函数,将鲁棒镇定问题转换为最优控制问题.然后,通过构建评判神经网络对最优代价函数进行估计,进而得到最优跟踪控制算法.为了放松该算法的初始容许控制条件,在评判神经网络权值更新律中增加一个额外项.利用Lyapunov方法证明闭环系统的稳定性及鲁棒跟踪性能.最后,通过仿真结果验证该方法的有效性和适用性.     

基于节能考虑的全向移动机器人鲁棒补偿轨迹跟踪控制

针对全向移动机器人在跟踪目标的过程中存在跟踪误差以及产生能量损耗的问题,首先构建一种新型机器人能耗模型,该模型能够有效预测机器人运行过程中各种能量消耗;其次,基于该能耗模型设置兼顾轨迹跟踪误差和能耗最小的性能指标函数,在其约束下,提出一种基于干扰鲁棒补偿的反馈节能控制器;然后,引入不确定性及干扰估计观测法,构建鲁棒补偿项,在满足能耗最优的前提下实现对外界干扰的有效抑制;最后,基于Lyapunov稳定性理论证明所提出的节能干扰鲁棒补偿控制系统是渐近稳定的.通过将所提出的控制器与比例微分控制器、$H_\infty$控制以及节能补偿控制进行比较,仿真结果表明,所提出的控制方法其控制精度更高、能量损耗更低、具有更强的鲁棒性.     

不确定时滞中立系统的鲁棒H∞滤波

研究一类噪声干扰信号和被估计信号带有参数不确定性时的时滞中立系统的鲁棒H∞滤波设计问题.假设参数不确定性具有线性分式形式,给出的滤波器使误差系统渐近稳定且达到指定的干扰抑制水平.该方法将系统中的范数有界不确定作外部干扰处理,将不确定中立系统的鲁棒H∞滤波问题转化为确定系统的H∞滤波设计.最后通过解线性矩阵不等式得到可采...     

基于遗传算法的电动助力转向系统鲁棒H∞控制

针对电动助力转向系统(EPS)中存在的模型不确定性和路面干扰问题, 提出了基于遗传算法的鲁棒H∞控制方法. 构建了EPS系统数学模型, 以驾驶员获得较小的干扰波动和卓越的鲁棒性为控制目标, 运用鲁棒H∞方法极小化干扰问题, 将系统设计中加权函数的选取表示成多目标问题, 用遗传算法对其优化求解, 得到鲁棒控制器. 分析了受到路面干扰时, 方向盘把持转矩的响应情况. 仿真结果表明, 遗传优化后的EPS鲁棒控制器有效地增强了系统的鲁棒稳定性, 提高了系统的抗干扰能力, 使驾驶员获得满意的路感, 提高了行驶安全性.     

一类具有L∞范数有界扰动的非线性系统鲁棒控制

首先针对不确定非线性系统,基于L∞范数定义了鲁棒稳定化和鲁棒跟踪控制问题.然后利用反馈线性化技术和Lvapunov方法,设计了相应的鲁棒控制器.仿真结果验证了控制器设计的正确性.     

基于T-S模型的非线性系统非脆弱极小极大控制

研究一类非线性离散系统的鲁棒非脆弱极小极大控制问题.针对含有不确定项的非线性离散系统,构造T-S模型,引入参数不确定项,使得模糊模型能够更精确逼近原系统.考虑系统和控制器同时含有不确定性,利用线性矩阵不等式(LMI)处理方法和Lyapunov稳定性理论,设计鲁棒且非脆弱的控制器.考虑不确定性使得性能指标最大的情形,得到极小极大鲁棒非脆弱控制器存在的充分条件.引入凸优化算法,求解使闭环系统渐近稳定且性能指标上界最小的最优极小极大鲁棒控制器的参数.最后以著名的truck-trailer模型为例的仿真结果表明所设计的控制器具有良好的鲁棒性和非脆弱性.     

基于改进的FNNs移动机械臂输出反馈跟踪控制

针对包含电机动态模型的移动机械臂系统,提出一种鲁棒自适应输出反馈控制方法.将误差符号函数鲁棒积分反馈与神经网络前馈结构相结合用于控制器的设计,然后利用神经网络去逼近机器人和电机系统的不确定项,设计鲁棒项实时补偿网络误差.通过Lyapunov稳定性分析证明闭环系统所有信号半全局一致有界.最后仿真实验表明,控制方法对系统动态不确定性和外界干扰有很好的鲁棒性,可实现移动机械臂的输出反馈跟踪控制.     

机械臂自适应鲁棒轨迹跟踪控制

针对具有外界干扰和不确定性的机械臂轨迹跟踪控制问题,提出了一种自适应鲁棒补偿控制算法,将计算转矩法用于系统标称模型,鲁棒控制用于消除系统不确定性的影响,并通过自适应算法自动调节不确定项,保证系统存在建模误差和外部干扰时的稳定性和动态性能。给出了具体的控制算法设计和系统稳定性、收敛性证明,最后通过仿真实验,表明系统具有跟踪误差快速收敛性以及良好的鲁棒性。     

范数有界型参数不确定性系统的概率鲁棒H∞控制方法

利用确定性鲁棒控制方法对参数摄动的最坏情况进行研究,设计出的控制器具有较大的保守性和较高的控制成本.针对这一问题,建立范数有界型参数不确定性系统模型,分析系统性能的置信概率与参数不确定性随机向量的范数边界之间的关系,提出一种基于概率估计的鲁棒H∞控制方法,该方法能以有限的迭代步数给出一个与系统性能置信概率相关的鲁棒H∞控制器的可行解.最后通过仿真实例验证了所提出方法的有效性.     

基于不确定逼近的机械手自适应鲁棒预测控制

针对具有参数不确定性和未知外部干扰的机械手轨迹跟踪问题提出了一种多输入多输出自适应鲁棒预测控制方法. 首先根据机械手模型设计非线性鲁棒预测控制律, 并在控制律中引入监督控制项; 然后利用函数逼近的方法逼近控制律中因模型不确定性以及外部干扰引起的未知项. 理论证明了所设计的控制律能够使机械手无静差跟踪期望的关节角轨迹. 仿真验证了本文设计方法的有效性.     

多电机驱动系统的保性能鲁棒Funnel控制

本文针对含参数不确定性的多电机驱动系统,提出一种基于最优保性能鲁棒的Funnel控制方法实现系统的规定跟踪性能.该控制方法通过构造Funnel函数对误差系统进行变换,并设计自适应反步控制器保证变换后系统的稳定性即可使跟踪误差的瞬态和稳态响应均被限制在给定的Funnel边界内.然而由于系统中存在的参数不确定性会影响系统的规定控制性能,本文在Funnel控制基础上又设计了最优保性能鲁棒控制器.它是通过将参数不确定性系统的保性能鲁棒控制问题转化为标称系统的最优控制问题,并求解新的黎卡提方程而得到的.因此所设计的控制器不但消除了参数不确定性对系统的影响并且能够使系统的性能指标达到一确定的上界.最后,对四电机驱动系统进行了仿真和实验验证,说明所提出控制方法的有效性.     

基于非线性H_∞状态反馈的机器人鲁棒控制

针对机器人存在参数不确定性以及外界未知干扰的情况 ,运用反推 (backstepping)设计方法 ,通过求解非线性 H∞ 状态反馈控制问题 ,设计了一种鲁棒控制器 ,实现了对外界未知干扰的有效衰减 ,以及只考虑参数不确定性时系统跟踪误差的渐近收敛性 .最后给出了对两连杆刚性机器人的仿真 ,验证了控制效果 .     

一类具有L∞ 范数有界扰动的非线性系统鲁棒控制

首先针对不确定非线性系统, 基于 L_∞ 范数定义了鲁棒稳定化和鲁棒跟踪控制问题. 然后利用反馈线性化技术和Lyapunov方法, 设计了相应的鲁棒控制器. 仿真结果验证了控制器设计的正确性.     

基于不确定性机器人的跟踪控制策略研究

针对不确定刚体连杆机器人在动力学建模时参数不精确以及未被考虑的干扰因素可能引起的控制系统品质的恶化问题,提出一种轨迹跟踪控制方案。控制器由基于标称模型设计的计算力矩控制器和基于不确定性因素设计的鲁棒跟踪补偿控制器组成,结构比较简单。计算力矩控制器使标称系统跟踪期望轨迹;鲁棒补偿控制器则用于消除参数误差带来的不确定性影响。理论分析和仿真证明了控制方法的有效性。     

鲁棒自适应概率加权主成分分析

主成分分析(Principal component analysis, PCA) 是处理高维数据的重要方法. 近年来, 基于各种范数的PCA模型得到广泛研究, 用以提高PCA对噪声的鲁棒性. 但是这些算法一方面没有考虑重建误差和投影数据描述方差之间的关系; 另一方面也缺少确定样本点可靠性(不确定性)的度量机制. 针对这些问题, 本文提出一种新的鲁棒PCA模型. 首先采用$L_{2, p}$模来度量重建误差和投影数据的描述方差. 基于重建误差和描述方差之间的关系建立自适应概率误差极小化模型, 据此计算主成分对于数据描述的不确定性, 进而提出了鲁棒自适应概率加权PCA模型(RPCA-PW). 此外, 本文还设计了对应的求解优化方案. 对人工数据集、UCI数据集和人脸数据库的实验结果表明, RPCA-PW在整体上优于其他PCA算法.     

基于鲁棒右互质分解的直流伺服系统精确跟踪控制

对含有不确定性的直流伺服控制系统,通过应用鲁棒右互质分解方法,设计了一种基于鲁棒右互质分解的精确跟踪控制系统;通常情况下,直流伺服系统中存在诸如非线性特性及参数辨识引起的模型误差和外界扰动,在设计的控制系统中,未知模型误差和外界扰动对系统性能的影响都被看作直流伺服系统的不确定性;在考虑到这些不确定性情况下,设计了一种基于鲁棒右互质分解理论的精确跟踪控制;首先在考虑未知的不确定模型影响系统性能指标的情况下,设计了一种基于演算子理论的反馈控制结构,此结构可以消除不确定模型的影响,在此基础上,设计了基于鲁棒右互质分解的鲁棒精确跟踪控制系统,得出精确跟踪条件;仿真结果表明使用提出的方法可以有效地消除不确定性,使得伺服系统具有很强的鲁棒性和精确跟踪能力。