非线性系统控制的逆系统方法(I)——单变量控制理论

介绍非线性系统控制的逆系统方法及相应的单变量非线性系统的控制理论。包括:逆系统方法的基本概念和设计原理,单变量系统α阶积分逆的设计方法,连续单变量系统的控制,逆系统方法在一类分布参数系统和离散时间系统上的推广示例。     

基于支持向量机的非线性内模解耦控制

针对非线性内模控制在应用于多变量系统时逆模型难以建立的问题, 提出了支持向量机α阶逆系统的内模解耦控制方法. 该方法利用支持向量机辨识非线性系统的逆模型, 并将其串连在原系统之前, 运用逆系统方法的思想, 将一个多变量、非线性、强耦合的复杂系统通过反馈线性化解耦成多个相互独立的单输入单输出的伪线性复合子系统. 对求得的伪线性系统采用内模控制方法进行控制. 仿真试验表明该方法不需要系统精确的数学模型, 较一般的逆系统方法鲁棒稳定性好, 设计简单, 跟踪精度高, 是解决多变量非线性系统控制的一种可行的理论方法.     

非线性系统控制的逆系统方法（Ⅱ）：多变量控制理论

介绍基于逆系统方法的多变量非线性控制理论，包括高阶微分方程组系统的控制设计方法，多输入多输出状态方程系统的控制设计方法，可解耦性与可镇定性分析，应用与相关理论研究等内容。     

锅炉—汽轮机系统的逆系统控制方法

针对非线性锅炉－汽轮机系统各变量间所存在的严重非线性强耦合特征,提出了对其控制的逆系统解耦控制方法,仿真结果表明,采用逆系统控制方法设计的锅炉－汽轮机系统,可在全负荷范围内克服其非线性和严重耦合性,优于其它基于局部工作点所设计的Hx等控制方法。     

基于最小二乘支持向量机逆系统的赖氨酸发酵过程解耦控制

将逆系统方法与支持向量机相结合,提出了一种基于最小二乘支持向量机（LS-SVM）的阶逆系统的赖氨酸发酵过程多变量非线性解耦控制方法．在分析了系统可逆性的基础上,利用具有高斯核函数的LS-SVM离线建立赖氨酸发酵过程的非线性逆模型．将得到的LS-SVM逆系统串联在原反应系统之前,使得复杂的非线性多变量系统解耦成多个相对独立的单输入单输出伪线性子系统,从而可用线性系统控制方法对其进行控制．仿真结果表明,LS-SVM逆系统解耦控制方法具有良好的逼近非线性系统的性能．该方法为实现多输入多输出非线性系统的解耦控制提供了一条新的思路．     

基于小波神经网络的板形板厚系统解耦预测控制

带材轧制是一个复杂的非线性过程, 板形控制和板厚控制又是强耦合、非线性、含时延环节的复杂系统. 提出了一种基于小波神经网络的解耦预测控制方案; 利用小波神经网络来辨识原系统的α阶时延逆系统, 将该逆系统与原系统串联后形成一个伪线性复合系统, 从而把多变量系统控制转化为多个单变量系统的控制实现了系统解耦, 并对解耦后的系统采用闭环预测控制. 仿真表明该控制方法具有结构简单、易于实现, 且有较强的抗扰性和鲁棒性.     

含静止同步串联补偿器的单机系统非线性综合控制器设计

本文考虑含静止同步串联补偿器(SSSC)的单机无穷大系统、汽门、励磁各变量间的相互作用建立了4阶多变量3输入3输出非线性模型, 在此模型基础上, 运用动态逆系统方法完成解耦和线性化, 构造出3个单输入单输出的伪线性系统, 并采用变结构控制理论分别设计控制器. 根据MATLAB仿真结果验证了该控制方法对发电机功角, 机端电压和传输功率这3个控制指标有很好的控制效果.     

非线性系统的神经网络自适应逆控制

提出了非线性系统的神经网络自适应逆控制方法。设计中使用了2个神经网络，经离线训练的NN1实现非线性系统的逆，在线网络NN2用于补偿逆误差和系统的动态特性变化，对一非线性系统的仿真结果表明，神经网络自适应逆控制能够提高系统的动态性能，并且具有较好的鲁棒性。     

新型直流输电系统的非线性控制研究

为了进一步改善新型直流输电系统的控制性能,提高系统运行的稳定性,首先简要分析了新型直流输电系统的原理及其控制特性,在此基础上,将非线性控制理论中逆系统方法设计控制器的理论引入到新型直流输电系统的控制策略中,提出了利用逆系统方法的新型直流输电系统非线性控制方式,并相应地设计了逆系统方法的非线性控制器及传统直流输电PID控制器。通过对新型直流输电系统控制性能进行仿真实验,将所设计的两种控制器进行比较,结果表明,对于逆系统方法的非线性控制器较之传统直流输电PID控制器,具有更为优良的控制性能。     

基于逆系统方法的广义非线性系统控制及电力系统应用

对一般广义非线性系统的反馈线性化问题,通过将代数变量视为虚拟输入,给出了构造性递归求逆算法,实现了系统的精确反馈线性化.作为该算法的应用,讨论了带有非线性负荷的三节点电力系统的励磁控制问题,设计了非线性励磁控制器.仿真结果表明了方法的有效性.     

基于反步法的高超音速飞机纵向逆飞行控制

针对高超音速飞机纵向运动的数学模型具有严重非线性、不稳定、多变量耦合以及不确定的气动参数等特点，采用非线性动态逆控制与反步法相结合的方法为其设计飞行控制系统．该系统以非线性动态逆控制作为控制内环，通过将非线性的多输入多输出系统进行精确线性化，解除了多变量之间的强耦合关系；并以反步法作为控制外环．保证系统的全局稳定以及抑制不确定参数的扰动．仿真研究表明．所提出的控制方法可以确保高超音速飞机的纵向稳定性．改善其飞行品质．     

基于粒子群优化的非线性系统最小二乘支持向量机预测控制方法

对于非线性系统预测控制问题, 本文提出了一种基于模型学习和粒子群优化(PSO)的单步预测控制算法.该方法使用最小二乘支持向量机(LS-SVM)建立非线性系统模型并预测系统的输出值, 通过输出反馈和偏差校正减少预测误差, 由PSO滚动优化获得非线性系统的控制量. 该方法能在非线性系统数学模型未知的情况下设计出有效的预测控制器. 通过对单变量多变量非线性系统进行仿真, 证明了该预测控制方法是有效的, 且具有良好的自适应能力和鲁棒性.     

基于ANN逆模型补偿的复合控制系统仿真

为对复杂非线性系统进行辨识建模和实施有效控制，分析了基于神经网络的非线性系统逆模型的辨识和控制原理，研究了基于神经网络的非线性系统逆模型补偿的复合控制方法。基于复合控制思想，时常规PID控制器＋前馈神经网络逆模型补偿的复合控制结构方案进行了仿真。仿真结果表明，基于神经网络的非线性系统逆模型补偿的复合控制结构方案是有效的、相对简单的网络结构，可提高逆模型的泛化能力和非线性系统的控制精度。     

一般非线性系统的构造性逆系统方法

针对由于逆系统方法之求逆算法中求解隐函数方程的困难, 通过消元法避开对隐函数方法的求解, 提出了一般非线性多变量系统的构造性求逆算法. 在此基础上讨论对逆系统方法的相应改进, 通过动态补偿进一步提出了构造性逆系统方法. 这种改进使得逆系统方法原则上可以构造性地适用于任意足够光滑的非线性系统.     

神经网络广义逆系统控制

提出适合于高阶非线性系统线性化解耦的广义逆系统，它与被控系统复合后，不但能实现原系统的线性化和解耦，而且通过合理地设计逆系统，可使伪线性复合系统的极点在复平面上任意配置，进一步提出由静态神经网络和若干积分惯性等线性环节组成的神经网络广义逆系统，为模型未知且内部状态不易测量的高阶非线性系统的线性化解耦控制提供一条有效途径，进一步拓展了神经网络逆系统控制方法的适用范围。     

基于逆系统方法的汽轮发电机组汽门开度非线性控制

电力系统中，汔轮发电机组的汽门开度控制是一个典型的非线性控制问题，本文应用逆系统方法设计出了便于实现的非线性控制规律。经仿真研究表明，所设计的控制律可以显著改善系统的动态性能，达到良好的控制效果。     

基于逆系统的三自由度直升机内模控制设计

三自由度直升机模型系统是一个典型的非线性、高阶次、多变量、强耦合的多入多出系统,通过数学推导很难获得其逆模型,利用神经网络对任意连续函数很强的逼近能力与逆系统的思想相结合的方法获取三自由度直升机模型系统的逆模型,同时也将一个多入多出、强耦合的非线性系统转化为几个相对独立的单入单出的线性系统。采用内模控制的方法设计控制器,实现对高度角和横侧角的跟踪控制,MATLAB仿真结果表明该方法具有较好的控制效果,半实物仿真也说明该方法的可行性。     

一种基于逆系统方法的化学反应器改进控制方案

对具有非线性动态特性的连续搅拌釜式化学反应器，按逆系统方法设计了控制器，并与分步变换设计法进行比较。仿真结果表明，采用逆系统方法可以使闭环系统取得更优的品质，这对于化工工业过程的控制具有明显的工程实践意义。     

多变量非线性飞行控制系统的神经网络动态逆控制方法

针对多变量非线性飞行控制系统,从理论上对其逆系统的解析形式进行了详细推导,根据神经网络逼近逆系统的原理分析,提出了一种由静态神经网络和积分器组成的动态神经网络,构造了多变量非线性飞行控制系统的神经网络动态逆控制系统,并利用动力伞飞行控制系统进行了仿真验证,结果表明这种控制方法完全满足控制要求,具有较好的抗干扰能力和鲁棒性能。     

同步发电机非线性励磁控制的逆系统方法

本利用非线性控制的逆系统方法，将大型同步发电机非线性励磁控制问题变换为一个相应的线性最优控制问题，设计出便于实现的非线性励磁控制规律。经仿真研究表明，所设计的控制律显地改善了电力系统暂态过程的动态响应，较大提高了静态稳定极限，有效地提高了电力系统的暂态稳定水平。