支持向量机α阶逆系统控制——连续非线性系统

针对传统逆系统方法中逆模型难以建立的问题，提出了连续非线性系统基于最小二乘支持向量机(LS-SVM)α阶的逆系统控制方法.该方法用具有径向基核函数(RBF)的LS-SVM，离线建立被控对象的静态非线性逆模型.由静态非线性逆模型外加若干表征非线性动态特性的积分器, 构成了连续非线性系统的α阶逆系统.将得到的LS-SVM α阶逆系统串连在原系统之前，得到基本上线性化的伪线性系统，进而将复杂的非线性问题转化为线性问题.仿真结果表明，在没有被控对象先验知识的情况下，利用该方法能准确地建立连续非线性系统的逆模型.基于SVM的α阶逆系统方法适应于较一般的连续非线性系统，且具有良好的控制性能.     

支持向量机α阶逆系统控制-离散非线性系统

针对传统逆系统方法中逆模型难以建立的问题，提出了基于最小二乘支持向量机（LS-SVM）的α阶时延逆系统控制方法.通过分析LS-SVM的函数拟合特性，以离散非线性系统为例，证明了基于LS-SVM阶时延逆系统存在的充分条件.利用具有径向基(RBF)核函数的LS-SVM，离线建立了被控对象的非线性逆模型.把得到的逆系统串连在原系统之前，得到基本上线性化的伪线性复合系统，将复杂的非线性问题转化为线性问题，利用线性系统的理论实现了伪线性系统的综合.仿真结果表明，该方法适应于较一般的离散非线性系统，且在没有被控对象先验知识的情况下，能准确地建立非线性系统的逆模型.     

基于多变量非线性DAE子系统模型的同步发电机励磁汽门综合控制

同步发电机励磁汽门综合控制由多变量非线性DAE子系统模型来描述.本文扩展了非线性常微分方程系统的反步控制方法,研究了其镇定控制问题.首先若被控系统的向量相对阶存在,那么可通过一个微分同胚和反馈控制实现系统的解耦和等价转化.然后基于等价系统,利用反步方法设计其镇定控制器,使得整个闭环系统渐近稳定.最后基于MATLAB进行了仿真,仿真结果验证了本文所提方法的有效性.     

航天器非线性神经元控制方法研究

针对航天器控制问题,提出了一种非线性动态逆与状态反馈控制相结合的神经元控制系统设计方案,并成功的将其应用于登月舱软着陆过程的控制问题.该方案包含两部分:①应用神经元网络通过学习建立被控系统的非线性动态逆模型,实现被控非线性系统的线性化;②在线性化模型的基础上构造系统的神经元最优状态反馈控制器.本文给出的仿真结果显示出神经计算学在航天器控制问题中所具有的潜在能力.     

支持向量机α阶逆系统解耦控制方法

为了解决采用传统逆系统方法难以建立逆模型的困难,提出了基于支持向量机(SVM)的α阶逆系统解耦控制方法.在被控对象精确模型未知的情况下,根据SVM的非线性辨识原理,利用具有高斯核函数的SVM离线建立被控对象的非线性逆模型,根据逆系统方法原理,将得到的SVM逆模型串联在原系统之前,将复杂的非线性多变量系统解耦成多个相对独立的单输入输出伪线性子系统.通过对一个典型的两输入两输出强耦合非线性系统进行仿真，结果表明,在没有系统模型先验知识的情况下，利用该方法能够建立准确的非线性系统的逆模型.基于SVM的α阶逆系统解耦控制方法适用于较一般的离散非线性系统，且结构简单，易于工程实现.     

非线性系统线性化综述(英文)

非线性系统的线性化是设计非线性系统控制的强有力工具.这一方法已经在飞行器控制、电力系统的安全控制、化学反应器控制、经济系统、生物学系统和机器人控制等领域得到广泛应用.本文阐述了非线性系统线性化的发展历史以及有深刻意义的结果.首先回顾从非线性系统的近似线性化到精确线性化的发展.主要内容包括Poincare线性化、系统能通过状态反馈线性化的充要条件和算法.然后介绍各种不同的线性化方法：动态反馈线性化,近似线性化,Carleman线性化等.本文主要目的是对非线性系统线性化的历史,现状和一些重要问题进行一个较完整全面的介绍,从而提供从事线性化理论与应用研究的基础.     

基于支持向量回归的自适应逆控制方法

将支持向量回归引入逆控制,提出了一种基于支持向量回归的自适应逆控制方法。采用支持向量回归在线辨识算法建立被控对象的逆模型,然后将逆模型作为控制器进行复制去驱动被控对象,从而完成一个自适应逆控制过程。由于支持向量回归是建立在小样本基础上的一种学习方法,因此较好地解决了对于线性系统自适应滤波算法存在的运算量大,权值失调及自适应过程时间长等问题。对于非线性系统,与现有的神经网络方法相比,该方法能提高收敛速度及逼近能力,而且具有更好的推广能力。仿真结果表明,应用该方法可以取得良好的控制效果,并具有较好的鲁棒性能。     

应用逆系统方法求解电力系统的非线性控制律

微分几何方法有效地解决了一系列的电力系统非线性控制问题，但因需要确定非线性变换，故必求解微分方程组，所以其求解控制律的过程比较繁琐。本文提出：由于电力系统数学模型形式的特殊性，非线性变换可直接确定，而无须求解微分方程组。另一方面，逆系统方法和微分几何方法本质是等价的，而逆系统方法的物理意义直观，不局限于仿射型系统，使用时仅需求导运算和代数运算，其求解控制律过程比较简捷，便于工程应用。作者以电力系统的汽门非线性控制为例，证明两种方法所得控制律是相同的。本文的结论可简化汽门控制，励磁控制，换流站控制，无功补偿器控制等问题的求解过程，亦适用于其它领域中类似的非线性控制问题。     

基于遗忘因子的数据驱动最优迭代学习控制算法研究

针对一类有限时间内重复运行的非线性非仿射离散时间系统,本文提出了一种基于遗忘因子的数据驱动最优迭代学习控制方法.首先,引入一种迭代动态线性化方法,将被控非线性系统等效化为线性输入输出增量形式;其次,分析了最优迭代学习控制方法中存在的问题,并针对由历史信息的累积效应所导致的控制输入不能及时响应的问题,设计自适应遗忘因子使算法具有更好的可控性和灵活性.所提出的控制方法是数据驱动的控制方法,设计和分析过程仅依赖于系统的输入输出数据,不包含任何显式模型信息.最后,通过仿真验证了该方法的有效性.     

非线性系统中自调整模糊神经网络控制方法的应用研究

针对难以解决的纯滞后非线性系统控制,提出一种基于自调整模糊神经网络控制的辨识Smith预估方法,采用模糊神经网络与PID控制动态复合,保持了模糊控制较强的鲁棒性和神经网络可以任意逼近非线性系统的能力以及PID调解器消除静态误差的优点.同时利用神经网络进行参数在线辨识以构成Smith预估器,适应了被控对象的实时变化.在热连轧中的仿真结果证明了该方法的有效性.     

机器人逆系统控制的研究

由于机械臂具有高耦台、强非线性的特点,采用以往的闭环控制方法难以在稳定性与精度上达到令人满意的结果.针对此问题.本文以平面三联杆机械臂的动力学模型作为控制基础,给出了机械臂非线性逆系统存在性的证明,在闭环控制基础上将非线性逆系统理论应用于机械臂的控制中,从而构成了具有高质量自动控制的复合控制.并对其在实时控制中所存在的缺点进行了相应改进.通过 PDP-11/23型机仿真实验证明了逆系统控制的有效性与可行性.     

模糊预测控制在非线性时滞系统中的应用

针对工业控制系统中的非线性、时滞两大难题,结合预测控制中典型的动态矩阵控制(DMC)算法对时滞、模型失配、畸变、干扰等引起的不确定性能够及时得到弥补的优点以及T-S模糊模型对非线性系统良好描述的特性,将模糊控制与预测控制有机结合起来,根据被控对象工作点的变化实时选择模糊规则所对应的阶跃响应模型向量,结合DMC控制算法得到最优控制量,将基于线性系统建模的预测控制应用于非线性时滞系统控制中.     

感应电能传输系统能量注入控制方法研究

针对感应电能传输系统的输出控制,利用原边逆变电路的能量注入模式及自由谐振模式,提出一种基于双工作模式切换的能量注入调节方法.该方法建立了谐振网络能量函数以刻画系统中能量平衡关系,并以能量注入、能量储存及能量耗散三者关系,提出了基于能量注入占空比的系统控制策略.该控制方法从能量角度实现控制,有效地避免了该非线性系统的复杂...     

可规定性能的输入受限非线性系统反步控制

针对具有不可直接测量状态和控制方向未知的输入受限非线性系统的跟踪问题,提出一种基于模糊状态观测器的反步控制方法.首先采用模糊状态观测器估计被控系统中的不可测量状态;然后利用具有光滑特性的双曲正切函数和Nussbaum增益函数对控制器的饱和问题进行处理,根据可规定误差面性能技术对输出跟踪误差的边界进行限定;最后将反步法和动态面法相结合设计鲁棒控制器.运用Lyapunov理论对系统的稳定性能进行了分析,证明闭环系统的所有信号最终半全局一致有界.以具有参数不确定性和存在外界未知有界干扰的高超声速飞行器纵向运动为仿真模型,仿真结果验证了所提算法的有效性.     

基于滤波和递推的Hammerstein非线性系统估计与控制（英文）

本文提出一种基于滤波和递推的含测量噪声的Hammerstein系统参数估计与工业控制方法。Hammerstein非线性系统由神经模糊模型和线性状态空间模型组成,并利用由阶跃信号和随机信号组成的混合信号估计Hammerstein系统参数。首先,利用阶跃信号不激发静态非线性系统的特性,即Hammerstein系统的中间变量与输入具有不同幅值的阶跃信号,从而未知的中间变量可以利用输入替代,解决了中间变量信息不可测量问题。因此,基于设计的阶跃信号,利用递推增广最小二乘（RELS）算法估计状态空间模型参数。其次,为了有效处理测量噪声的干扰,引入数据滤波技术,并利用滤波RELS算法和聚类算法估计神经模糊模型参数。最后,利用Hammerstein系统的特殊结构,将非线性系统控制简化为线性系统控制,从而利用线性控制器进行控制。通过两个工业仿真案例验证了所提方法和控制策略的有效性和可行性。     

约束非线性系统的次时优控制

研究减少基于椭球方法的约束非线性系统控制算法的迭代次数 .根据数学分析 ,采用搜索算法优化椭球方法的控制量求解算法 .仿真结果表明运用该算法时产生的迭代次数较原算法大为减少 ,与多面体算法近似 .次时优算法减少了约束非线性系统控制算法的迭代次数 .     

基于频域的自抗扰广义预测控制的稳定性分析

为了克服广义预测控制的在线计算量大这一不足,本文提出了一种自抗扰广义预测控制(ADRC-GPC)算法。并针对一阶非线性不确定系统,推导了新算法的闭环反馈结构,分析了其频域特性,证明了所提算法的稳定性,利用Bode图分析总结了控制器参数选取的原则与规律。分析结果表明:与传统的广义预测控制相比,新算法可以离线求得丢番图方程的通解,且无需辨识被控对象的参数,因此极大地减少了算法的线计算量;仿真结果表明:和β-GPC预测控制算法相比,新算法具有更好的动态性能和更高的控制精度。     

基于WinAC的LF炉电极系统控制策略及实验研究

提出使用RBF神经网络实现被控对象逆动态模型在线辨识,采用SIEMENS基于PC的控制器WinAC构建LF炉电极控制系统,运用工业以态网和现场总线技术,确保了系统的实时性要求.在实验室条件下对LF炉电极系统的在线建模与控制进行了实验研究.实验结果表明基于WinAC的LF炉电极系统控制策略十分有效,实现了预期的控制目标.     

基于自适应参数估计的反推终端滑模再入飞行控制

针对空天飞行器再入飞行时动态的强非线性和不确定性问题,提出了一种基于反推法的自适应终端滑模控制方法．首先建立了ASV的具有时变参数的严反馈形式被控模型,进一步采用自适应策略在线估计被控系统的不确定参数,将一阶低通滤波器引入到虚拟控制律设计中,降低反推计算的复杂性．在反推设计的最后一步引入终端滑模控制,以提高控制系统对于匹配不确定性的鲁棒性和系统跟踪误差的收敛速度,同时引入矩阵的广义逆,避免控制增益参数估计过程中可能出现的奇异现象．最后借助Lyapunov稳定性理论,证明了闭环系统误差及状态信号一致最终有界．以某型ASV再入姿态跟踪控制为目标,进行了6自由度飞行仿真验证. 结果表明:所提出的自适应反推终端滑模控制方法跟踪速度快、鲁棒性强,且对不确定参数具有较强的自适应能力．     

基于梯度信息的实时优化与控制集成策略

针对工业过程的最优操作问题,分析过程系统的层次模型,提出实时优化与控制集成的级联结构. 对于优化层采用基于梯度信息的稳态实时优化方法,通过在线采集过程测量值,估计过程的梯度信息,更新设定值. 不需要使用显式的过程模型,可以有效抑制模型失配对优化目标的影响. 利用最小二乘的思想求解梯度向量,降低计算成本,可应用于大规模工业过程的稳态实时优化. 提出非线性过程中被控变量的选取方法,利用非线性模型计算平均损失,优化效果具有全局性. 为了快速求解非线性规划问题,对某些条件进行合理假设,从而获得次优解,给出求解被控变量的解析方法,提高计算效率,同时将优化层与控制层联系起来. 通过对数值算例、蒸发过程和放热反应过程的研究,验证所提出方法的有效性.