低频线振动台加速度失真非线性补偿控制方法

为了抑制低频线振动台中存在的模型不确定性及外部扰动,基于模糊基函数网络(FBFN)提出了一种自适应重复学习控制方法.利用FBFN逼近低频线振动台的模型不确定性及外部扰动,将对模型不确定性和扰动的辨识问题转化为对FBFN权系数的辨识问题.所提出的控制律由自适应控制和重复学习控制组成.自适应律用来估计FBFN权系数;为了有效地减弱抖振,使用自适应PI控制结构逼近非连续控制.由于非连续控制的界是未知的,利用自适应律估计这个未知的界.重复学习控制用来提高系统对周期性输入信号的跟踪性能.采用Lyapunov理论设计的自适应重复学习控制律保证了低频线振动台的渐近稳定性和位置跟踪性能.仿真结果表明,自适应重复学习控制律改善了系统的跟踪性能和加速度失真度.     

永磁直线同步电机的鲁棒自适应神经网络控制

针对永磁直线同步电动机的端部效应和非线性摩擦问题,采用一种鲁棒自适应神经网络控制方法,实现了永磁直线电机的跟踪控制.所设计的控制器包含两个部分:一部分是自适应神经网络控制器,用来逼近理想控制器,该神经网络的输入为滑模切换函数;另一部分是鲁棒控制器,用来消除逼近误差.通过李亚普诺夫稳定性定理验证了所设计的控制器能够保证控...     

基于永磁直线同步电机的光刻机掩模台鲁棒自适应神经网络控制

针对光刻机掩模台宏动永磁直线同步电机(PMLSM)提出一种鲁棒自适应神经网络轨迹跟踪补偿控制策略。该策略的主要特点是采用径向基函数(RBF)神经网络实时在线进行模型参数不确定性和各种外界非线性扰动的估计。为了验证策略的效果,建立基于参数不确定性和外界非线性扰动的掩模台宏动PMLSM模型,并针对此模型进行控制策略的规划、推导和稳定性理论分析,分析结果说明该策略可以保证位置和速度跟踪误差的收敛性。通过在光刻机掩模台上进行的五阶S曲线跟踪控制实验验证了此控制策略的实际控制效果,实验结果显示跟踪准确度达到了满意的效果。由于此控制策略的最大优点是不需要对实际物理系统参数和难于测量的外界不确定性扰动做精准的建模,所以非常适合应用在超精密运动控制领域。     

永磁直线同步电机的混合鲁棒最优-H∞控制

为了解决永磁直线同步电机运行过程中对系统参数扰动及端部效应等不确定因素敏感的问题,提出了一种PMLSM的混合鲁棒最优-H∞控制方法。利用最优线性二次（LQ）控制器与Riccati方程结合讨论的思想把最优控制方法、鲁棒镇定方法等结合起来,形成混合鲁棒最优-H∞控制。利用鲁棒最优控制策略、-H∞控制策略设计了永磁直线同步电机的混合鲁棒最优-H∞控制器,该控制器对于较大的外部扰动、内部非线性扰动都能够很好的消除,且控制规律简洁,易于工程实践。数字仿真结果表明与传统PID控制方式比较,混合鲁棒最优-H∞控制器具有很强的鲁棒性和跟踪性。     

机器人的鲁棒自适应分散跟踪控制

提供了一种鲁棒自适应控制策略,用于不确定性机器人的发迹跟踪,该控制器由一个ＰＤ线性反馈、一个立方项偿和非线性项构成。控制律采用分散形式,通过对二自由度机器人的仿真,证明该方法能使跟踪误差快速趋近于零。     

永磁直线电机自适应反推滑模鲁棒跟踪控制

针对高速高精伺服系统,考虑永磁直线同步电机(PMLSM)参数变化、外部负载扰动和摩擦力等不确定因素对系统伺服性能的影响,设计自适应反推滑模控制器(ABSMC).由系统位置、速度误差建立滑模面,利用反推理论推导出反推滑模控制律.实际应用中不确定确界未知,通过设计自适应律修正不确定确界观测值.经分析验证,并与反推滑模控制相比,自适应反推滑模算法在保证系统全局一致渐进稳定情况下,能很好抑制不确定因素对系统性能的影响,对参考指令位置跟踪鲁棒性强,同时抖振得到明显削弱.     

永磁直线同步电机的自适应迭代学习控制

永磁直线同步电机驱动的伺服随动系统,既要对周期性的输入信号具有跟踪能力,又要对周期性的扰动具有抑制能力。对这一问题,从迭代学习控制的本质出发,与自适应算法相结合,提出了一种自适应迭代学习控制策略,解决了伺服系统中对周期性输入信号的跟踪问题,以及对参数摄动和不确定性干扰,尤其是对周期性扰动的抑制问题。在永磁直线同步电机位置控制实验中,将该方法与传统控制进行对比试验,实验结果表明,该方法能够有效地提高系统的位置控制精度。     

基于鲁棒迭代学习的永磁直线电机控制

针对永磁直线电机速度和位置迭代学习跟踪控制中,由测量扰动引起的跟踪误差有界收敛问题,提出一种带有衰减因子的鲁棒迭代学习控制算法.采用λ范数方法分析鲁棒迭代学习控制算法的收敛性,理论结果表明,鲁棒迭代学习控制算法可以保证跟踪误差收敛到零,而P型迭代学习控制算法仅保证直线电机速度和位置的跟踪误差收敛到一个与扰动信号上界有关的域内.仿真结果表明,所提出的鲁棒迭代学习控制算法可以有效抑制测量扰动,获得较好的跟踪性能.带有衰减因子的迭代学习控制方法是一种抑制非重复测量扰动的有效方法.     

基于延迟补偿的永磁直线同步电机伺服系统双闭环鲁棒重复控制

【目的】为提升永磁直线同步电机(PMLSM)伺服系统的动态响应和鲁棒性,提出了一种将带延迟补偿的鲁棒速度控制与插入式重复比例微分（PD）位置控制相结合的双闭环级联复合控制方法。【方法】首先,基于参考模型鲁棒补偿原理设计了鲁棒速度控制器,该控制器能够有效地调节参考模型与实际系统模型之间的建模误差,并利用逆系统延迟模型来抵消系统传输延迟效应。此外,为了有效抑制周期性外部扰动,引入了插入式重复控制器与PD位置控制器相结合,构建了插入式重复PD位置控制器。【结果】试验结果表明,通过这种双闭环级联控制结构,可以有效地减小位置误差,解决了传输延迟导致的系统性能变差和响应超调问题,并且有效抑制了外部周期性扰动的影响。【结论】所提复合控制方法使PMLSM位置伺服系统能够实现对周期性信号的高精度跟踪,并提高了系统的动态响应和鲁棒性。     

采用鲁棒微分器的永磁直线同步电机二阶滑模控制

针对永磁直线同步电机伺服系统容易受到参数变化、端部效应和负载扰动等不确定性因素影响的问题,采用二阶滑模控制中的螺旋算法设计直线伺服系统的速度和电流控制器。在出现参数变化和阻力扰动时,为保证动子速度严格跟踪其参考信号,同时消除磁阻作用和推力波动的影响,分别独立选取速度和直轴电流的滑模量,并利用基于二阶滑模的鲁棒速度微分器来估计螺旋算法所需要的加速度信号。仿真结果表明该策略对负载和参数的变化具有很强的鲁棒性,同时有效地削弱了抖振现象。     

Robust and simple adaptive control system design

Recently, the simple adaptive control (SAC) method has attracted considerable interest because of the simple structure of its adaptive controller. The method can only be applied to plants with so-called almost strictly positive real (ASPR) characteristics. Unfortunately, most real plants do not satisfy this condition. Furthermore, real plants contain disturbances such as uncertain elements. This paper deals with such problems and proves that the implementation of a parallel feedforward compensator makes it possible to apply the SAC method to non-ASPR SISO plants with plant uncertainties. Furthermore, a robust SAC algorithm in the presence of a class of external disturbances is also considered. The effectiveness of the parallel feedforward compensator and robust adaptive controller designed in this way is examined through several numerical simulations.     

Robust gain-scheduled control for vibration suppression

Limited control authority is a key issue in the field of structural control and is a major research area since most of the practical control problems are dominated by constraints on the control signal. The paper presents a simple and practical gain-scheduled controller design procedure for active vibration suppression of a three-storey flexible structure. First, system identification experiments are performed and the plants uncertainty is derived. Next, robust controller design with constraint on the control signal is presented. For a better trade-off between control performance and control constraint a gain-scheduling approach is investigated. Stability analysis of the gain-scheduled controller is analysed using a parameter-independent Lyapunov function (quadratic stability) as well as a parameter-dependent Lyapunov function (biquadratic stability). Finally, the gain-scheduled controller is tested experimentally when the flexible structure is excited with a scaled historical earthquake record (1940 El Centro record). Successful experimental results show that the proposed robust gain-scheduled control approach offers good performance in the case of control authority limitation.Nomenclature M mass matrix - C damping matrix - K stiffness matrix - q relative displacement vector to base - m_a active mass - active mass acceleration - ground (base) acceleration - K_gap transfer gain of the displacement sensor - K_acc transfer gain of the acceleration sensor - K_AMD transfer gain of the active mass damper - _id frequency range of system identification experiments - r control reference - u control signal - d external disturbance - y control output - e control error - x state vector - p(t) time-varying parameter - N_p parameter boxs dimension - V(x) Lyapunov function - V(x,p) parameter-dependent Lyapunov function - largest parameter box where quadratic stability holds - S(s),T(s) sensitivity and complementary sensitivity transfer functions - G_n(s),G(s) transfer function of nominal and real plant - K_rate rate feedback gain - P_n(s) transfer function of nominal plant modified by rate feedback - P(s) transfer function of real plant modified by rate feedback - G_red transfer function of the reduced-order plant - _m(s) multiplicative uncertainty - W_S(s),W_T(s) performance and robustness weighting functions - G_c(s) controllers transfer function - G_c1(s),G_c2(s) transfer function of robust controller for vertex 1 and vertex 2 - G_cs(p,s) transfer function of the gain-scheduled controller - u_A amplitude of the control signal - K_min,K_max minimum and maximum controller gain - K(p) scheduled controller gain - J₁,J₂,J₃,J₄,J₅ performance evaluation parameters     

直线电机伺服定位系统时间最优鲁棒控制

无铁心永磁同步直线电机伺服定位系统点位运动控制中Bang-Bang控制满足庞特里亚金极小值原理条件.为确定Bang-Bang控制中的切换时间,提出一种基于粒子群优化算法的切换时间计算方法.为保证电机系统的稳定性和鲁棒性,提出先用Bang-Bang控制后用快速终端滑模控制的两阶段控制方案.系统起始阶段采用Bang-Ban...     

Robust model reference adaptive control for multivariable plants

A complete procedure for generating and analysing robust model reference adaptive control schemes for multivariable plants is developed. The procedure consists of two parts: the first part involves the characterization of the integral structure of the modelled part of the plant, and the associated parametrization of the controller structure; and the second part involves the development of a general robust adaptive law for adjusting the controller parameters so that the closed-loop plant is globally stable despite the presence of unmodelled dynamics and bounded disturbances. The use of dominantly rich signals for improving convergence and the bounds for the tracking and parameter error is also analysed.     

Robust pole placement indirect adaptive control

The problem of designing a robustly stable pole placement indirect adaptive controller in the presence of output disturbances and unmodelled dynamics is addressed. The key features of such a design are the following. (1) The unknown parameters are estimated by a normalized least-squares algorithm with a dead zone to provide the stability robustness with respect to bounded disturbances and ‘small’ unmodelled dynamics. (2) The estimated model controllability is ensured by modifying the control law over a finite time. The modification involved consists of adding an internal impulse excitation and ‘freezing’ the controller parameters.     

基于在线学习RBF神经网络的汽门开度自适应补偿控制方法

汽门控制对于提高电力系统暂态稳定具有重要作用。为了提高汽门系统的控制性能,提出了基于在线学习RBF神经网络的汽门开度自适应补偿控制方法。首先,根据逆系统方法分析了被控汽门系统的可逆性、推导了被控汽门系统输出的α阶导数和伪控制量之间的误差,并设计了用于补偿此误差的在线学习RBF神经网络。然后,基于Lyapunov稳定性理论设计了RBF神经网络的在线学习算法,证明了闭环系统跟踪误差和RBF神经网络权值估计误差的一致最终有界性。所提出的控制方法仅需被控汽门系统很少的先验知识,而无需其精确数学模型,并且用于自适应补偿控制的RBF神经网络无需离线训练过程。最后,针对典型的单机无穷大汽门控制系统进行了数值仿真。仿真结果表明,所提出的控制方法较传统的非线性最优控制方法能明显提升电力系统的暂态控制性能。     

不确定中立型时滞系统的鲁棒控制

针对含有非匹配条件的范数有界线性不确定中立型时滞系统,研究该类系统的鲁棒稳定和二次性能控制问题.基于Lyapunov泛函方法,导出该系统的稳定性和性能指标与时滞及其导数有关的充分条件,该条件等价于线性矩阵不等式(LMI)系统的可解性问题,进而用这组线性矩阵不等式系统的可行解,给出了使此类系统鲁棒渐近稳定且满足性能指标的状态反馈控制器设计方法.通过数值实例说明了控制器求解算法的有效性.