基于即时学习的MIMO系统滑模预测控制方法

针对MIMO非线性系统的控制问题,采用数据驱动的控制策略,将具有本质自适应能力的即时学习算法与具有强鲁棒性的滑模预测控制相结合,设计了一种基于即时学习的滑模预测（LL-SMPC）控制方法．该方法在在线局部建模的基础上,采用滑模预测控制律求取最优控制量,具有较强的自适应和抗干扰能力,并避免TDiophantine方程的求解,有效减少了计算量．通过仿真研究,验证了算法的有效性．     

一种基于预测函数的滑模控制方法

针对一类多输入多输出系统,为了削弱滑模控制引起的抖振问题,提出了一种基于预测函数的滑模控制方法。该方法根据系统实际输出值与参考轨迹的误差设计滑模面,引入预测函数,预测未来时刻的误差以得到未来时刻的滑模面,改进滑模趋近律来设计控制器,并加入约束条件来优化系统性能指标。该方法能保证系统稳定,削弱滑模控制给系统带来的抖振现象,且具有鲁棒性强的优点。最后以倒立摆为例进行了仿真,仿真结果验证了该方法的有效性。     

基于即时学习的高炉炼铁过程数据驱动自适应预测控制

针对高炉炼铁过程,本文提出一种基于即时学习的高炉铁水质量自适应预测控制方法(JITL–APC).该方法的特点是控制器通过k向量近邻(k–VNN)方法搜索数据库中的输入输出(I/O)数据信息,对非线性系统进行局部建模,并在此基础上计算控制律.而且,该方法中引入了工业异常数据处理机制,利用JITL学习子集中的平均数据项,对异常数据项进行填补或替换,从而消除异常数据对控制系统的影响.此外,本文提出一种JITL模型保留策略(MRS),避免由于数据库中相似数据样本不足导致的局部模型严重失配,并通过实时收集I/O数据更新数据库,使控制器自适应不同的工况条件, MRS还可以有效抑制噪声干扰的影响,从而提高控制系统的稳定性.最后,基于某大型钢铁厂2#高炉的数值仿真实验,充分验证了该方法的有效性.     

约束非线性系统的滑模预测控制方法

将预测控制和滑模控制结构起来,提出一种新的非线性模型预测控制方法,通过对系统状态预测得到切换函数预测值,求解约束开环优化求得预测控制律,并将当前时刻的控制作用于对象,下一时刻重复此过程,该方法具有预测控制在线处理约束及滑模控制滑动模态对干扰的不变性的优点,分析了零终端滑模约束模型预测控制的稳定性。     

即时学习算法在非线性系统迭代学习控制中的应用

运用即时学习算法来解决一类非线性系统的迭代学习控制初值问题。对于任何类型的迭代学习控制算法,即时学习算法都能有效地估计初始控制量,减小了初始输出误差,加快了算法的收敛速度,使得经过有限次迭代后系统输出能严格跟踪理想信号。对机器人系统的仿真结果表明了该方法的有效性。     

基于即时学习的非线性系统优化控制

基于数据驱动机制的逆控制是一种非线性系统控制方法,关键问题在于局部逆控制模型的准确性,但尚无校验机制来保证其能否产生期望的输出．为此,提出一种k-VNN即时学习算法,提高了逆控制模型的建模精度．将该算法与性能指标优化策略相结合,在线修正逆控制模型顶估的系统控制量。可得到系统的一步最优控制量。实现非线性系统的跟踪控制,为提高控制系统的泛化能力,提出一种数据库数据更新策略．仿真结果表明了所提出方法的有效性．     

实现滑模变结构控制直流调速系统微机系统

本文提出一种用单片机实现直流电机调速系统滑模变结构控制实现方案。     

Pendubot的一种分层滑模控制方法

针对Pendubot这类二阶欠驱动系统提出了一种分层滑模控制方法.该方法将系统状态分成两个子系统,分别构造滑动平面,采用Lyapunov方法求取总控制量,该控制量可以实现Pendubot的摆起控制,当系统接近平衡位置附近时,双层滑模控制器退化成单层控制器,这样又保证了Pendubot能够稳定在最终的平衡位置上.从理论上证明了各层滑动平面的渐近稳定性,并且通过仿真实验验证了该方法的有效性以及该控制器对各类扰动的自适应性.     

一种调整多面体描述系统的非线性预测控制方法

常用的非线性预测控制算法先构造合适的多面体描述系统包裹原非线性系统,通过研究多面体描述系统的各个顶点系统的稳定性来保证原非线性系统的稳定性。在以前研究中,多面体描述系统保持不变,但事实上多面体描述系统与终端约束集密切相关。设计了一种根据终端约束椭圆集调整多面体描述系统的非线性预测控制方法,该方法能够有效地减小系统的控制性能指标,同时控制过程中的终端不变椭圆集及其内的反馈控制律具有离线指导作用。     

广义预测控制在非线性系统中的应用研究

本文研究了一类非线性系统的广义预测控制,将其等效为时变线性系统,然后在线辨识时变参数,进行广义预测控制。给出了两种辨识时变参数的方法,并以二容液位系统为模型,进行了仿真研究,结果表明,此方法计算量小,工作点变化时跟踪速度快．具有较好的控制效果。     

A Learning Control for a Class of Linear Time Varying Systems Using Double Differential of Error

In this paper, a new iterative learning control based on the double differential of the error is proposed for the linear time varying system having relative degree greater than one. The convergence criterion of the proposed method is proved. Furthermore, it is shown by simulations that convergence of error can be increased considerably by using our proposed controller as compared to the iterative learning controller using error or single differential of the error for the modification of the control input without increasing the learning gain.     

模糊自学习滑模变结构控制的研究及在直线AC伺服系统中的应用(英文)

滑模变结构控制（SMSVC）是一种特殊的非线性控制策略,它对参数变化,负载扰动以及系统的不确定性有强的鲁棒性。然而,系统的控制精度和稳定性受到由滑模开关控制所引起的抖振的影响,在本文给出的方法中,抖振可以通过在传统的滑模控制中引入模糊自学习加以有效的抑制,而对SMVSC的强鲁棒性不产生影响,对于直接驱动的AC直线伺服系统的仿真结果显示了这种方法是有效的。     

Iterative Learning Control Utilizing the Error Prediction Method

In this paper, iterative learning control utilizing the error prediction method is proposed for a class of linear time varying systems subjected to disturbances. Prediction of the error is done by identifying the system time varying parameters. Convergence of the proposed method is analyzed and the uniform boundedness of tracking error is obtained in the presence of uncertainty and disturbances. It is shown that the learning algorithm not only guarantees the robustness, but also improves the learning rate despite the presence of disturbances. The effectiveness of the proposed method is presented by simulations.