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.     

考虑有执行器故障和有界扰动的鲁棒自适应容错补偿控制

考虑在执行器故障和外界干扰下, 用直接自适应状态反馈控制策略解决线性时不变连续时间系统的鲁棒容错补偿控制问题. 提出更一般且更实际的执行器故障模型. 在执行器故障和扰动的上界都未知下, 提出自适应律在线估计未知控制器参数. 然后基于自适应策略的信息, 构造一类鲁棒自适应状态反馈控制器自动补偿故障和扰动的影响. 基于李亚普诺夫定理, 在执行器故障和干扰下, 所得的自适应闭环系统可以被保证渐进稳定. 最后给出一个火箭整流罩模型的例子和它的仿真结果.     

执行器饱和T-S模糊系统的鲁棒耗散容错控制

研究了一类执行器饱和状态变时滞T-S模糊系统的鲁棒容错控制问题. 通过时滞相关Lyapunov函数和对状态的椭球域约束, 基于线性矩阵不等式技术, 提出了非线性系统稳定的不变集条件和模糊鲁棒耗散容错控制器存在的充分条件. 控制方案的设计结果不仅为执行器饱和状态变时滞T-S模糊系统的无源控制和H1鲁棒控制建立了统一框架, 而且保证了闭环控制系统对执行器故障的稳定性和容错性. 最后以时滞倒车系统的控制仿真验证了方法 的有效性.     

考虑执行器故障的鲁棒H∞控制

采用比中断模型更一般的连续增益故障模型,提出线性系统考虑执行器故障的鲁棒H∞可靠控制问题。利用线性矩阵不等式LMI分别给出执行器故障鲁棒H∞控制器存在的充分条件。在保证闭环系统故障发生时的渐近稳定和可接受的性能指标基础上,优化了无故障情况下的性能指标。仿真数例验证了所提出方法的可行性和对系统进行鲁棒H∞控制器设计的必要性。     

输出时滞双率采样系统的鲁棒迭代学习控制

针对一类带有输出时滞的单输入单输出双率采样系统,提出一种鲁棒迭代学习控制算法.首先,利用提升技术将带有输出时滞的双率采样系统转化为无时滞形式的慢速率采样的状态空间模型,并基于二维(2D)系统理论,将迭代学习控制过程转化为等价2D模型;然后利用线性矩阵不等式(LMI)技术,给出确保系统稳定的充分条件和鲁棒控制器设计方法;最后,通过3层液位贮槽系统的液位控制仿真验证所提出方法的可行性和有效性.     

执行器故障及外界干扰下动态系统的容错控制

研究执行器故障和外界扰动同时存在时动态系统的容错控制问题, 推广和改进了现有相关结果. 具体包括以下几方面: 所提方法不涉及求解含执行器故障变量(时变且未知)的Lyapunov方程; 在设计和实现本文提出的控制方案时, 不需要对执行器故障范围界值进行人工估算; 能有效抑制执行器故障及有界和无界外部干扰对系统性能的影响. 在一定意义上, 现有相关结果仅是本文的一个特例, 且本文所提方案更有效、更易于设计和实现, 因为它不依赖于故障的任何解析信息, 无需知道执行器故障发生的时间及界值大小等.     

迭代粒子群算法及其在间歇过程鲁棒优化中的应用

针对无状态独立约束和终端约束的间歇过程鲁棒优化问题，将迭代方法与粒子群优化算法相结合，提出了迭代粒子群算法．对于该算法，首先将控制变量离散化，用标准粒子群优化算法搜索离散控制变量的最优解．然后在随后的迭代过程中将基准移到刚解得的最优值处，同时收缩控制变量的搜索域，使优化性能指标和控制轨线在迭代过程中不断趋于最优解．算法简洁、可行、高效，避免了求解大规模微分方程组的问题．对一个间歇过程的仿真结果证明了迭代粒子群算法可以有效地解决无状态独立约束和终端约束的间歇过程鲁棒优化问题．     

鲁棒预测迭代学习控制在间歇过程中的运用

考虑间歇反应中存在的非线性、实际情况中的输入输出约束要求和扰动的重复特性和非重复特性,将采用迭代学习和预测控制相结合的方法设计控制器,使得系统输出跟踪给定参考轨迹,最终使得间歇反应能够满足产品质量要求.由于迭代学习控制系统从本质上看汇聚了时间和批次两个变量,故可称为2维系统.针对2维系统,采用李亚普诺夫函数确保系统的稳定性并得到系统的控制序列,上述的控制序列可通过求解线性矩阵不等式求得.为了验证算法的有效性,将上述控制算法应用在对连续搅拌釜(CSTR)温度期望轨迹的跟踪控制中,仿真结果表明了控制算法的有效性.     

考虑执行器故障的鲁棒H∞可靠控制

本文采用比离散模型更一般的连续增益故障模型，提出了线性不确定系统考虑执行器故障鲁棒H∞可靠控制问题，利用LMI分别给出了多故障鲁棒H∞可靠控制器和单故障鲁棒H∞可靠控制器存在的充分条件。在故障情况下，保证闭环系统渐近稳定和可接受的性能指标基础上，优化了无故障正常情况下的指标。在仿真实例中，不仅验证所提出方法的可行性，而且比较了鲁棒H∞正常控制器和鲁棒H∞可靠控制器的控制效果，进一步看出对系统进行最优鲁棒H∞靠控制器设计的必要性。     

一种间歇过程的综合预测迭代学习控制方法

为了提高迭代学习控制方法在间歇过程轨迹跟踪问题中的收敛速度,本文将批次间的比例型迭代学习控制与批次内的模型预测控制相结合,提出了一种综合应用方法.首先根据间歇过程的线性模型,预测出比例型迭代学习控制的系统输出,然后在批次内采用模型预测控制,通过极小化一个二次型目标函数来获得控制增量.该方法可使系统输出跟踪期望轨迹的速度比比例型迭代学习控制方法更快些.最后通过仿真实例验证了该方法的有效性.     

间歇生产过程的R调节学习控制

针对间歇生产过程迭代学习控制难以进行跟踪性能分析的难题,本文提出一种变R调节迭代学习控制算法,借鉴经典控制理论定义有界跟踪和零跟踪概念.以此研究能够让系统输出误差达到零跟踪的迭代学习控制策略,并严格地证明了算法的性能,得出可以通过调节权值R使过程产品质量的误差收敛到与模型精度相关联的有界区域的结论,为相关理论结果实施于实际间歇过程提供了理论依据.     

离散重复过程的有限频率范围迭代学习容错控制

针对一类执行器故障不确定离散重复过程, 提出一种有限频率范围的迭代学习容错控制算法. 通过定义故障系数矩阵和输出跟踪系统的等价二维模型, 沿故障系统的时间轴和批次轴设计迭代学习被动容错控制器, 以线性矩阵不等式形式分别给出基于KYP 引理的全频、分频区域重复控制系统稳定的充分必要条件, 同时保证故障系统在时域和频域范围内的容错性能. 最后, 以重复注塑过程的注射速度控制仿真验证了所提出分频控制算法的有效性.

     

Data-based iterative learning control for multiphase batch processes

In order to cope with the problem of the robustness conditions dependence on system parameters information, this paper investigates a data-based iteration learning control (ILC) for multiphase batch processes with different dimensions and system uncertainty. Firstly, by minimizing the residual between the actual subsystem output and the approximated subsystem output, a gradient-type approximation law is designed to approximate the system lower triangular parameters matrix and initial state. Secondly, by minimizing the approximated tracking error between the desired trajectory and the approximated output, a data-based ILC is constructed in an interactive mode with the approximation law. Finally, the boundedness of the approximation error of the real system parameters from the approximated parameters is derived by means of vector norm theory, while the unconditional robustness of the proposed data-based ILC is proved. Simulation results illustrate the effectiveness and practicability of the proposed data-based ILC.     

基于混合灵敏度设计的鲁棒迭代学习控制

提出一种鲁棒迭代学习控制的设计方法．利用混合灵敏度设计方法,控制器满足一定鲁棒性条件时就可以直接获得收敛更新规则．此外,只要学习滤波函数满足一定条件,系统跟踪误差将显著降低．仿真结果表明该方法有效性较高．     

Robust iterative learning control for multi-phase batch processes: an average dwell-time method with 2D convergence indexes

In order to cope with system disturbances in multi-phase batch processes with different dimensions, a hybrid robust control scheme of iterative learning control combined with feedback control is proposed in this paper. First, with a hybrid iterative learning control law designed by introducing the state error, the tracking error and the extended information, the multi-phase batch process is converted into a two-dimensional Fornasini–Marchesini (2D-FM) switched system with different dimensions. Second, a switching signal is designed using the average dwell-time method integrated with the related switching conditions to give sufficient conditions ensuring stable running for the system. Finally, the minimum running time of the subsystems and the control law gains are calculated by solving the linear matrix inequalities. Meanwhile, a compound 2D controller with robust performance is obtained, which includes a robust extended feedback control for ensuring the steady-state tracking error to converge rapidly. The application on an injection molding process displays the effectiveness and superiority of the proposed strategy.     

Iterative learning control of heat-up phase for a batch polymerization reactor

This paper describes a novel method for heat-up phase control of an industrial batch polymerization reactor where heat transfer characteristics change with batches due to fouling of the polymer products on the reactor wall. The main objective of the control is to settle the reactor temperature on a target value within ± 0.1°C in a minimum possible time. To achieve this goal utilizing the repetitive nature of batch operation, the control problem was defined as a tracking problem and feedback-assisted iterative learning control (FBALC) was employed as the underlying control technique. The proposed control method was applied to an industrial batch reactor polymerizing ABS resin. After on-site evaluation for an extended period of time, it was found that the proposed method gives a pronounced improvement in heat-up phase operation. Consistent heat-up profiles with a minimized settling time are obtained.     

Adaptive output feedback control using fault compensation and fault estimation for linear system with actuator failure

The problem of linear systems subject to actuator faults（outage,loss of efectiveness and stuck）,parameter uncertainties and external disturbances is considered.An active fault compensation control law is designed which utilizes compensation in such a way that uncertainties,disturbances and the occurrence of actuator faults are account for.The main idea is designing a robust adaptive output feedback controller by automatically compensating the fault dynamics to render the close-loop stability.According to the information from the adaptive mechanism,the updating control law is derived such that all the parameters of the unknown input signal are bounded.Furthermore,a disturbance decoupled fault reconstruction scheme is presented to evaluate the severity of the fault and to indicate how fault accommodation should be implemented.The advantage of fault compensation is that the dynamics caused by faults can be accommodated online.The proposed design method is illustrated on a rocket fairing structural-acoustic model.