具有输入时滞的不确定采样系统的鲁棒控制北大核心CSCD

针对具有输入时滞的结构不确定采样系统,研究了该类系统基于离散化模型的鲁棒控制器设计问题。通过将采样系统的连续的结构不确定对象离散化得到其近似模型,使具有输入时滞不确定采样系统的鲁棒控制器设计问题转换为讨论具有输入时滞的离散系统的鲁棒稳定性问题。利用Lyapunov函数的构造及解析技巧,给出了基于线性矩阵不等式(LMI)的输入时滞离散系统的鲁棒稳定性条件,并在此基础上将控制器参数化,得到了一个通过求解线性矩阵不等式(LMI)来获得采样系统鲁棒控制器的设计方法,所设计的控制器保证了系统的鲁棒稳定性,对结构摄动有着较好的鲁棒性能。最后,通过数值计算仿真验证了本文方法的可行性。     

具有输入时滞的不确定采样系统的鲁棒控制

针对具有输入时滞的结构不确定采样系统,研究了该类系统基于离散化模型的鲁棒控制器设计问题。通过将采样系统的连续的结构不确定对象离散化得到其近似模型,使具有输入时滞不确定采样系统的鲁棒控制器设计问题转换为讨论具有输入时滞的离散系统的鲁棒稳定性问题。利用Lyapunov函数的构造及解析技巧,给出了基于线性矩阵不等式(LMI)的输入时滞离散系统的鲁棒稳定性条件,并在此基础上将控制器参数化,得到了一个通过求解线性矩阵不等式(LMI)来获得采样系统鲁棒控制器的设计方法,所设计的控制器保证了系统的鲁棒稳定性,对结构摄动有着较好的鲁棒性能。最后,通过数值计算仿真验证了本文方法的可行性。     

执行器故障重复过程的鲁棒迭代学习容错控制方法及应用

针对具有执行器故障和外界扰动的线性重复过程,给出一种鲁棒迭代学习容错控制策略.首先,基于二维(2D)系统理论,设计鲁棒迭代学习容错控制器,将迭代学习控制系统等效转化为2D模型;然后,利用线性矩阵不等式(LMI)技术,分析和优化控制系统在时间和迭代方向上的容错性能以及对干扰的抑制性能,同时给出系统满足这些性能的充分条件,并进一步通过求解LMI凸优化问题获得控制器参数;最后,通过对旋转控制系统的仿真结果验证了所提出算法的有效性.     

含多状态时滞的连续时间迭代学习控制系统稳定性分析

探讨了含多状态时滞连续时间迭代学习控制系统的稳定性分析问题, 尤其是当系统参数带有多面体不确定性时的鲁棒稳定性分析问题. 通过引入一个扩展算子, 利用迭代学习控制中的二维分析方法给出了时滞系统整个学习动态过程的连续离散Roesser系统描述. 基于所得的Roesser系统, 首先利用二维系统理论给出了保证迭代学习控制系统渐近稳定的充要条件, 然后结合鲁棒H∞控制理论提出了以线性矩阵不等式形式描述的充分条件来保证迭代学习控制系统的单调收敛性. 结果表明, 通过求解线性矩阵不等式确定的学习增益可以使控制输入误差随着迭代次数的增加单调收敛于零. 仿真结果表明, 通过增加满足一组线性矩阵不等式条件的P型学习增益能够使得一个鲁棒渐近稳定的迭代学习控制方案变为鲁棒单调收敛的, 同时还可以大大提高收敛速率.     

带有时滞的区间动力系统的鲁棒稳定性研究

给出了区间动力系统稳定性的相关概念,讨论了带有时滞的区间动力系统的鲁棒稳定性.通过构造控制矩阵和迭代相结合的方法,给出了一类带有时滞的区间动力系统鲁棒稳定的判别方法,并且给出了系统鲁棒稳定时参数取值的最大区间.将含有时滞的区间动力系统的稳定性转化为判别一个矩阵的稳定性,推广和改进了已有的结论.     

时变时滞不确定系统的鲁棒输出反馈控制

研究了时变时滞不确定系统基于状态观测器的动态输出反馈实现鲁棒镇定的分 析和综合问题.所研究的系统不仅同时包含时变状态时滞和时变控制时滞,而且包含时变未 知且有界不确定参数.提出了确保该系统可通过输出反馈鲁棒镇定的充分条件,并将该充分 条件转化为线性矩阵不等式(LMI)问题,最终通过求解两个LMI来构造输出反馈控制律.     

区间时滞相关离散非线性系统的鲁棒模型预测控制

针对一类带有扰动、输入约束和凸多面体不确定性的区间时滞离散非线性系统, 提出一种鲁棒模型预测控制方法. 一方面, 利用min-max 模型预测控制求解鲁棒模型预测控制器, 以研究鲁棒预测控制在范数有界意义下的扰动抑制问题; 另一方面, 充分利用时滞的上下界信息构造Lyapunov 函数以得到控制器存在的充分条件. 最后给出了闭环系统鲁棒稳定性证明.     

多采样率不确定离散时滞系统的鲁棒预见控制

研究一类输入多采样率型不确定离散时滞系统的鲁棒预见控制问题.首先,利用离散提升技术从形式上消除输入时滞和多采样率特点,将多采样率不确定系统的鲁棒预见控制问题转化为一个普通的单采样率不确定系统的鲁棒预见控制问题;然后根据预见控制的基本方法,构造出包含未来目标信息的扩大误差系统,并对其相应的标称系统设计预见控制器;最后,根据所设计的控制器和Lyapunov稳定性理论,给出不确定闭环系统的鲁棒稳定性判据.数值仿真结果验证了所提出设计方法的有效性.     

一种参数优化的非线性离散系统鲁棒迭代学习控制方法

针对带有扰动的一类离散非线性系统的鲁棒迭代学习控制问题, 设计一种基于参数优化的迭代学习控制算法. 该算法能够保证在有初始状态误差和状态、输出扰动的情况下使闭环系统具有鲁棒BIBO 稳定性, 系统输出能够单调收敛于给定输出轨迹的邻域内; 在没有初始状态误差和扰动的情况下能够以零稳态误差跟踪给定输出轨迹. 最后通过仿真分析验证了所提出算法的有效性.

     

执行器失效不确定时滞系统的指定衰减度鲁棒可靠控制

针对一类含有时变时滞的不确定参数线性系统,研究了在执行器发生故障情况下的鲁棒可靠控制器设计问题.系统中的参数不确定性满足广义匹配条件,时变时滞的大小及其变化率有界,并假设故障执行器元件的输出为零.经过适当的模型变换,将原系统的鲁棒指数镇定问题转化为另一个等价系统的鲁棒镇定问题.根据Lyapunov稳定性理论和线性矩阵不等式(LMI)方法,分别给出了鲁棒可靠控制器存在的时滞无关和时滞相关充分条件.仿真结果表明了该控制器设计方法的有效性.     

Iterative Learning Fault Diagnosis Algorithm for Non-uniform Sampling Hybrid System

For a class of non-uniform output sampling hybrid system with actuator faults and bounded disturbances, an iterative learning fault diagnosis algorithm is proposed. Firstly, in order to measure the impact of fault on system between every consecutive output sampling instants, the actual fault function is transformed to obtain an equivalent fault model by using the integral mean value theorem, then the non-uniform sampling hybrid system is converted to continuous systems with timevarying delay based on the output delay method. Afterwards, an observer-based fault diagnosis filter with virtual fault is designed to estimate the equivalent fault, and the iterative learning regulation algorithm is chosen to update the virtual fault repeatedly to make it approximate the actual equivalent fault after some iterative learning trials, so the algorithm can detect and estimate the system faults adaptively. Simulation results of an electro-mechanical control system model with different types of faults illustrate the feasibility and effectiveness of this algorithm.      

Robust iterative learning control of single-phase grid-connected inverter

For the single phase inductance-capacitance-inductance (LCL) grid-connected inverter in micro-grid, a kind of robust iterative learning controller is designed. Based on the output power droop characteristics of inverter, the current sharing among the inverters is achieved. Iterative learning strategy is suitable for repeated tracking control and inhibiting periodic disturbance, and is designed using robust performance index, so that it has the ability to overcome the uncertainty of system parameters. Compared with the repetitive control, the robust iterative learning control can get high precision output waveform, and enhance the tracking ability for waveform, and the distortion problem of the output signal can be solved effectively.     

参考轨迹更新的点到点迭代学习控制算法优化及应用

针对受非重复扰动作用的离散线性系统的输出跟踪控制问题,提出一种基于参考轨迹更新的点到点迭代学习控制算法.首先通过构建性能指标函数对控制器进行范数优化,并给出相应的收敛性条件,使得系统输出能够跟踪上更新后参考轨迹处的期望点.其次,当系统输出端受到某批次非重复扰动的影响时,进一步通过引入拉格朗日乘子算法构造多目标性能指标函数,以优化鲁棒迭代学习控制器,达到提高收敛速度和跟踪精度的目的.最后将该算法应用于电机驱动的单机械臂控制系统中,仿真结果验证了算法的合理性和有效性.     

Data‐based iterative learning mechanism for unknown input‐output coupling parameters/matrices

In this paper, we explore how to get the information of input‐output coupling parameters (IOCPs) for a class of uncertain discrete‐time systems by using iterative learning technique. Firstly, by taking advantage of repetitiveness of control system and informative input and output data, we design an iterative learning scheme for unknown IOCPs. It is shown that we can get the exact values of IOCPs one by one through running the repetitive system T+1 times if the control system is with identical initial state and noise free. Secondly, we give the iterative learning scheme for unknown IOCPs in the presence of measurement noise, system noise, or initial state drift and analyze the influence factors on the performance of developed iterative learning scheme. Meanwhile, we introduce the maximum allowable control deviation into the iterative learning mechanism to minimize the negative impact of noise on the performance of learning scheme and to enhance the robust of iterative learning scheme. Thirdly, for a class of multiple‐input–multiple‐output systems, we also develop iterative learning mechanism for unknown input‐output coupling matrices. Finally, an illustrative example is given to demonstrate the effectiveness of proposed iterative learning scheme.     

超前采样时间迭代学习的下肢康复机器人轨迹跟踪控制

为了实现下肢康复机器人在康复训练过程中高精度的末端轨迹跟踪控制,提出了一种利用超前采样时间的鲁棒自适应迭代学习控制方法。所述超前采样时间迭代算法,是指利用之前运行批次在t+Δ采样时刻的髋膝关节力矩输出,优化调整下一次运行时刻t处的关节力矩给定。仿真结果表明,采用超前采样时间迭代控制,末端轨迹误差具有更快的收敛速度和跟踪精度,并且具有较好的抗干扰性能。     

高相对阶连续时间系统的间接迭代学习控制

本文提出了一类高相对阶线性连续时间系统的间接迭代学习控制算法,该算法相对独立于系统局部控制器,因此可以应用于已有局部反馈控制器的系统.采用具有极点配置的H∞鲁棒控制器作为系统的内环控制,而在外环通过迭代学习控制调整内环系统的指令信号.通过引入拉氏变化,构建了迭代学习系统的2-D Roesser模型,推导了系统渐近收敛条件,并研究了存在有界初始条件偏移和迭代变化外部干扰时算法的鲁棒性能.最后,利用空中加油对接控制的算例进一步验证了算法的有效性.     

离散关联系统的时滞相关输出反馈分散鲁棒控制

提出一种时滞差分不等式方法, 基于状态观测器的设计, 研究了不确定时滞离散关联系统的动态输出反馈分散鲁棒控制问题. 首先建立了一个离散高维比较原理和时滞差分不等式, 然后利用这一比较原理和时滞差分不等式给出了通过输出反馈实现系统分散鲁棒镇定的时滞相关条件. 该方法的优点是避免了构造 Lyapunov 函数的困难, 易于在工程上实现. 数值例子说明了该方法的有效性.     

Robust design of feedback integrated with iterative learning control for batch processes with uncertainties and interval time-varying delays

A robust feedback integrated with iterative learning control (FILC) scheme for batch processes with uncertain perturbations and interval time-varying delay is developed. The batch process is modeled as a two-dimensional (2D) Rosser system with a delay varying in a range. The design of FILC scheme is transformed into a robust control problem of uncertain 2D system. New delay-range-dependent stability criteria and stabilization conditions are derived in terms of linear matrix inequalities (LMIs), which depend on not only the difference between the upper and lower delay bounds but also the upper delay bound of the interval time-varying delay. Parameterized characterizations for stabilizing the controller are given in terms of the feasibility solutions to the LMIs. Applications to injection velocity control show that the proposed FILC achieve the design objectives well.     

执行器故障多率采样间歇过程的鲁棒 耗散迭代学习容错控制

针对一类具有干扰和执行器故障的多率采样间歇过程,提出一种具有鲁棒耗散性能的迭代学习容错控制算法.通过提升技术将多采样率过程用慢速率采样的状态空间模型来描述,并基于二维系统理论,把迭代学习控制过程转化为等价2D Roesser故障系统,再沿时间和迭代方向设计具有耗散性能的反馈容错控制器,并以线性矩阵不等式形式给出容错控制器存在的充分条件,同时确保多率采样间歇过程在正常和故障条件下的耗散性能.注塑过程的注射速度控制仿真验证了方法的有效性和可行性.