基于模糊控制理论的无模型自适应控制技术

美国通控集团公司于１９９８年１月推出了基于无模型自适应（ＭＦＡ）控制技术的产品,但却小心保护着ＭＦＡ控制技术这一机密。本文根据美国通控集团公司的介绍,提出了ＭＦＡ控制器的特点,并用模糊控制理论对单输入输出（ＳＩＳＯ）系统和多输入多输出（ＭＩＭＯ）系统的ＭＦＡ控制技术进行了探讨。     

基于模糊控制理论的无模型自适应控制技术

美国通控集团公司于1998年1月推出了基于无模型自适应（MFA）控制技术的产品,但却小心保护着MFA控制技术这一机密,本文根据美国通控集团公司的介绍,提出了MFA控制器的特点,并用模糊控制理论对单输入单输出（SISO）系统和多输入多输（MIMO）系统的MFA控制技术进行了探讨。     

基于递归神经网络的一类非线性无模型系统的自适应控制

给出了基于递归神经网络非线性无模型的自适应控制方案，它具有灵活、简单、方法等特点，可以处理传统方法和非线性无模型系统自适应控制方法不能控制或控制效果不理想的非线性对象。理论分析和仿真结果证明了这种方法的优越性。     

基于无模型自适应控制的视觉伺服

传统的机器人视觉伺服控制技术需要已知机器人精确的动力学和运动学模型以及机器人的手-眼参数。然而,由于机器人建模、手-眼标定等过程存在一定误差,因此很难精确获得视觉伺服控制模型,从而影响机器人视觉伺服系统的精度和收敛速度。针对这一难题,本文提出一种基于无模型自适应控制方法（MFAC）的机器人视觉伺服技术。利用视觉伺服系统的输入与输出数据,实现自适应视觉伺服控制,即通过MFAC在线估计机器人伺服控制器中的雅各比矩阵,并结合滑模控制器,实现机器人对目标的快速精确跟踪。实验结果表明,本文提出的方法在系统参数变化引起的未知扰动情况下仍能保证伺服控制器平稳收敛,并且能够减小视觉跟踪误差。     

无模型自适应(MFA)控制

概述了一种新型的控制方法无模型自适应(MFA)控制。目的是对当前无模型自适应(MFA)控制有一个总体的认识,它无需数学建模以及复杂的人工参数整定即可控制时变、多变量等复杂过程。首先介绍了无模型自适应控制的性质及特征;结合燃烧过程的控制阐述无模型自适应控制理论的精髓;并和其他控制(如PID)方法作了比较。应用表明,无模型自适应控制可成功解决各种各样的控制问题,适应了现代化工业控制的要求,具有良好的应用与发展前景。     

车辆弯道保持系统的无模型自适应控制方法研究

车辆弯道保持控制在实现车辆的智能控制中具有重要的作用,其运动过程受车载、路况、车体运动状态、环境变化等诸多因素影响,这使得基于模型的控制方法很难达到期望控制效果,无法获得良好的控制性能。针对车辆弯道保持控制和传统模型控制的特点,采用无模型自适应控制方法(Model-Free Adaptive Control,简称MFAC)对车辆的弯道保持控制进行研究,通过分析车辆运动状态,构建车辆动态目标位置模型,基于MFAC实现车辆弯道保持控制器的设计。仿真结果验证,较需人工整定的PID方法,采用MFAC控制方法对车辆弯道保持系统进行轨迹跟踪控制,能够获得更好的控制性能,泛化能力更强,参数调节难度更低。     

基于坐标补偿的自动泊车系统无模型自适应控制

针对自动泊车系统,提出了无模型自适应控制(Model-free adaptive control, MFAC)方案.控制方案的设计仅利用泊车系统的前轮转角输入数据和车身角输出数据,不包含车辆模型信息.因此,针对不同车型的自动泊车系统,该方案均能实现无模型自适应控制.为了改善期望轨迹的坐标跟踪误差,进一步提出基于坐标补偿的无模型自适应控制方案,该方案由控制算法、参数估计算法、参数重置算法和坐标补偿算法构成.针对不同车型不同泊车速度的仿真结果表明,基于坐标补偿的MFAC方案和原型MFAC方案均能较好地完成自动泊车过程,且基于坐标补偿的MFAC方案相比原型MFAC方案和PID控制方案,在轨迹坐标和车身角等方面均具有更小的跟踪误差和更快的响应速度.     

工业蒸发器的无模型自适应控制

本文介绍了采用多变量无模型自适应控制器（Model－FreeAdaptiveController,简称MFA）控制工业蒸发器的应用。文中介绍了无模型自适应控制的概念,讨论了其系统结构及应用步骤。MFA控制器在这一严重耦合及非线性的蒸发器系统中的成功应用显示了其独特的优点。使用者无需进行控制器设计、过程辨识、也不需知道过程的定量知识就可以将控制器投入运行。即使过程的动态特性有很大变化,也不需重新整定控制器参数。     

利用无模型自适应控制技术的控制软件

美国通控集团公司博软分部(CyboSoft,a division of GenerlCybernation Group lnc.)在1998年正式推出了一套极具创意的控制软件—CyboCon。此产品基于无模型自适应控制技术(Model—FreeAdaptive Control)。 CyboCon是世界上首套“即插即用”式单变量和多变量控制软件,可对简单或复杂的工业过程作自适应控制。与传统的自适应控制技术相比,CyboCon的无模型自适应(MFA)控制器的实用性非常强。使用者无需进行控制器设计、过程辩识,也不需知道过程的定量知识,就可将控制器投入运行。即使过程的动态特性有很大变化,也不需重新整定控制器参数。被用户评价为“梦想成真”的控制器(DreamController)。 在CyboCon中,包含的是一系列近年来新发明的无模型白适应控制器,包括单变量、多变量、抗滞后。解耦、前馈、带约束等等。它们能方便地解决工业领域中常见的非线性、时变、大滞后、严重耦合、变结构、约束条件苛刻等等复杂控制问题。     

基于偏格式线性化的MIMO系统无模型自适应控制

针对常规PID控制器不能很好兼顾抗干扰性与鲁棒性以及基于模型的控制算法过于依赖受控系统数学模型的缺点,提出一种适用于离散时间多输入多输出(MIMO)非线性系统的无模型自适应控制算法.该算法首先通过偏格式线性化方法将非线性系统线性化,再利用一种新型的投影算法在线辨识受控系统参数,根据辨识得到的受控系统参数直接递推计算无模...     

单输入单输出系统的无模型自适应控制方法

根据数列理论中的折半查找原理,提出了一种无模型自适应控制方法,并对该方法的特点进行了分析,仿真结果表明,该方法原理简单、控制效果好,可广泛应用于各种单输入单输出自动控制系统。     

无模型自适应控制技术的研究和应用

介绍了无模型自适应控制的基本理论,与其它一些控制方法做了比较,得出无模型自适应控制的独特优点。综述了无模型自适应控制在国内外的研究应用现状,并提出了无模型自适应控制的进一步研究内容和发展方向。     

具有外部扰动的PMSM系统的无模型自适应预测控制

针对于一类具有强耦合、负载不确定性和外界干扰的永磁同步电机(PMSM)系统,本文研究了基于无模型自适应预测控制(MFAPC)问题,并提出了一种新颖的MFAPC方案来实现有外界扰动的PMSM系统的速度追踪任务.所提出控制方案的主要优势在于仅使用了被控系统的输入/输出数据,并且对外界干扰具有较强的鲁棒性.此外,还讨论了闭环系统跟踪误差的收敛性以及有界输入有界输出的稳定性.最后,通过与传统的PI控制方案、原型无模型自适应控制(MFAC)方案的仿真结果相比较,验证了所提出MFAPC方案的有效性和优越性.     

小型无人直升机的无模型自适应鲁棒控制设计

本文针对小型无人直升机的姿态控制问题,考虑到现有基于模型的控制方法对系统动力学模型的依赖性,以及未建模动态对系统控制性能的影响,设计了一种新的基于数据驱动的无模型自适应鲁棒控制律.通过基于数据驱动的设计方法,降低了控制器对直升机动力学模型先验知识的依赖,补偿了未建模不确定性的影响.仅利用无人直升机的输入输出数据,即可实现对无人直升机系统的稳定姿态控制.然后本文结合离散滑模控制设计,补偿了未知外界扰动的影响,提高了系统的鲁棒性,并通过理论证明了控制误差的收敛性和闭环系统的稳定性.最后,在本研究组自主开发的无人直升机飞行控制实验平台上,进行了无人机实时控制实验.实验结果表明,本文所提出的控制算法取得了很好的姿态控制效果,并对系统不确定性和外界风扰动具有良好的鲁棒性.     

基于无模型自适应控制的自动泊车方案

提出一种基于无模型自适应控制的自动泊车方案.首先,通过车载传感器采集车周环境信息用于规划期望路径;然后,将自动泊车跟踪问题转化为预瞄偏差角跟踪问题,通过设计相应的无模型自适应控制算法实现自动泊车.该方案设计的优点是仅使用自动泊车过程中生成的前轮转角输入数据和预瞄偏差角输出数据,没有使用任何被控车辆的信息,因此可适用于不同车型. Matlab仿真以及与PID控制方案和Fuzzy控制方案的对比仿真结果验证了所提出方案的可行性.     

无模型自适应算法在隧道窑控制中的应用研究

隧道窑是烧制陶瓷制品的主要设备,隧道窑的控制水平对陶瓷产品的质量有重要的影响。隧道窑是一个复杂的控制对象,具有非线性、强耦合、大滞后的特点,这些特点给隧道窑的控制带来了困难。无模型自适应控制不需要被控对象数学模型的任何信息,仅仅利用系统的I/O数据就能实现对该系统的控制。把无模型自适应算法和PLC编程技术相结合应用到隧道窑的控制中,能够很好的提高隧道窑的控制品质,进而提高陶瓷制品的产品质量。     

单输入单输出系统的模糊无模型自适应控制方法

根据无模型自适应技术的特点,提出了一种模糊无模型自适应控制方法.并对该方法的特点进行了分析.仿真结果表明,该方法原理简单、控制效果好,可应用于各种单输入单输出控制系统.     

基于无模型自适应控制的无人驾驶汽车横向控制方法

提出了一种基于无模型自适应控制的无人驾驶汽车横向控制方案.首先,将无人驾驶汽车循迹跟踪控制问题转化成预瞄偏差角跟踪问题,然后基于无人驾驶汽车横向控制系统的动态线性化数据模型,设计出无模型自适应控制算法、伪梯度估计算法和伪梯度重置算法,进而实现了自主车辆的无人驾驶.该方法的实现仅用到无人驾驶汽车运行时的输入输出数据,避免了对无人驾驶汽车进行复杂机理建模的难题,对于复杂的无人驾驶汽车运行过程具有很好的自适应性,对不同的无人驾驶车辆具有较强的可移植性.该方案已实际应用于清华大学无人驾驶汽车实验平台,在北京市丰台区的实地测试实验、在江苏省常熟市高速路的测试以及2015年"中国智能车未来挑战赛"的现场应用验证了所提方案的有效性.     

多线切割机的无模型自适应交叉耦合控制

为提高硅材料切割加工的精度,在分析多线切割机钢丝线张力波动的基础上,将无模型自适应控制和交叉耦合控制相结合,提出了一种多轴同步的间接张力控制策略。无模型自适应控制提高了系统动态响应的快速性,增强了系统的鲁棒性,减小了跟踪误差,实现了准确跟踪;交叉耦合控制用于消除各轴之间的增益参数和动态参数不匹配的影响,减小了同步误差,实现了多轴同步。实验结果表明所提出的控制方案十分有效,可提高多轴同步的运动精度,减小钢丝线张力波动。