一、具有结构不确定性系统的鲁棒H_∞控制器设计(论文文献综述)
刘凯悦[1](2021)在《复杂系统的解耦内模与事件触发故障补偿控制》文中认为随着社会的发展以及科学技术的进步,过程工业领域中对于控制品质的要求越来越高。同时,由于设备元器件数量以及系统复杂度的增加,使具有高品质性能的控制器设计愈发具有挑战性。本文针对过程工业被控对象具有多变量、强耦合、时滞、右半平面(Right Half Plane,RHP)零点、未知非线性、系统资源有限以及执行器易发生故障的特点,当存在外界干扰以及模型参数不确定时,开展倒置解耦(Inverted Decoupling)内模控制(Internal Model Control,IMC)方法以及事件触发(Event-triggered)控制方法的研究。本文主要工作如下:1、将倒置解耦方法推广到带有多时滞、多RHP零点的多维复杂系统中,首次对解耦器存在的必要条件进行了理论分析与推导,在满足该条件前提下讨论了解耦矩阵元素的设计步骤以及可实现性问题,并提出了针对右半平面零点的近似补偿方法;所提出的方法不受系统形式的限制,同时适用于方形系统以及非方形系统,且解耦器具有计算简单、形式灵活的优点;2、将传统的巴特沃斯(Butterworth)滤波器进行改进,设计改进型巴特沃斯滤波器,并将改进前与改进后滤波器的特性进行对比分析,表明了改进型滤波器具有更好的调节性能,可以实现闭环系统跟踪性能与鲁棒性的良好折衷,并分析滤波器设计参数变化对系统性能的影响;随后利用内模控制的经典结构,将改进型巴特沃斯滤波器作为内模滤波器,进行内模控制器的设计,并基于闭环系统性能研究控制参数选取方法;3、将分数阶理论引入到内模滤波器的设计中,设计了分数阶改进型巴特沃斯滤波器;进而考虑实际计算机控制系统的需要,对滤波器离散化方法进行研究,得到了离散分数阶改进型巴特沃斯滤波器;之后基于被控过程离散传递函数矩阵模型,利用内模控制结构对控制器进行设计,提出了基于分数阶改进型巴特沃斯滤波器的离散内模控制器。分数阶滤波器的引入更加精确地满足了内模滤波器阶次的要求;4、考虑过程工业系统中的非线性特性,利用径向基函数(Radial Basis Function,RBF)神经网络实现对未知非线性函数的逼近,并通过预设性能指标误差变换将误差始终约束在预设的性能指标函数边界内。结合切换阈值事件触发机制(Switching Threshold Event-triggering Mechanism,SWT-ETM)设计自适应神经网络事件触发控制器(Event-triggered Controller,ETC),使系统误差能够始终按预设性能指标收敛的同时可以降低系统通信压力,减小执行器负担;5、对于系统执行器可能发生的未知故障,利用自适应方法对故障参数加权求和的上界进行估计,能够避免直接对故障参数估计所造成的系统震荡;在设置执行器冗余的条件下,结合切换阈值事件触发机制设计自适应神经网络事件触发故障补偿控制器。由于事件触发机制的引入可以降低系统通信负担,减少执行器不必要的操纵,从而所提出的控制方法对执行器故障成功补偿的同时也尽量降低潜在执行器故障的发生率,提高执行器工作的可靠性。
张宇明[2](2021)在《阶跃扰动下时滞过程线性自抗扰控制方法研究》文中研究说明时代的发展与变化为过程工业带来了新的挑战,需要过程工业实现精细化生产、降低成本、提高产量,因而也对各工业装置的控制提出了更高的要求。控制问题一般可分为伺服问题与调节器问题,前者对应着对参考设定值的快速追踪,后者对应着对于干扰的良好抑制。一般来说,过程工业中装置的被控变量设定值不会频繁改变,而装置会频繁受扰动的特点决定了对干扰的抑制将会是过程工业控制问题的主要目标。另一方面,自抗扰技术作为一种较新的抗扰技术,因其抗扰效果良好,已经展现出了强大的生命力。本文将以时滞过程为对象,以抗扰为目标,探索研究使用自抗扰技术对阶跃扰动下时滞过程的控制问题。本文研究的主要内容与成果包括:1、针对时滞过程的线性降阶自抗扰控制器的参数域搜寻。由于时滞现象的存在使得自抗扰控制器的理论分析较为困难,同时也限制了控制器的性能。本文针对时滞过程,首先提出了一种频域内降阶的对时滞过程的自抗扰控制器结构。在对控制器进行调参时,需要先知道一个大概的参数域来保证系统的稳定,而由于线性自抗扰控制器特殊的结构与形式,参数域很难解析地求得,因此本文还提出一种利用D-分解的图解法,将自抗扰控制器的参数映射到一个参数空间内,获得了满足稳定性条件及特定鲁棒性条件的参数域。仿真实验结果表明,降阶后的自抗扰控制器在不改变参数的条件下具有更好的抗干扰性能,并且寻找到的参数域能够为后续控制器的优化提供条件。2、基于多新息在线闭环辨识的预测自抗扰控制器。处理时滞系统的时滞问题思路之一是使用预测器,如果预测器使用的模型精确,则这种方法理论上从结构上去除时滞的影响。最为常用的预测器是Smith预估器。Smith预估器在标称状况下对时滞有良好的处理效果,但它同时也对模型不确定性比较敏感,一旦出现模型失配将可能影响到系统的抗扰性能。针对于此问题,本文提出一种针对二阶带时滞过程的在线闭环的多新息辨识方法,该方法对采样点个数和采样时间要求较宽松,能够在对象特性发生变化时用较短的时间辨识出系统模型。通过仿真能够看出,所提出的有效辅助控制器参数的调整。3、基于差分变步长蚁狮算法的自抗扰控制器参数优化方法。控制器设计的重要一环是参数整定,它可以概括为一个带约束的非线性优化问题。直接求解该问题往往较为困难和复杂。本文提出了一种改进的蚁狮算法,首先引入差分进化思想,增加了种群的多样性,提升了算法的全局搜索能力;然后采取步长缩放策略,保证算法在局部搜索时能有更高的精度。将改进的蚁狮算法用于自抗扰控制器的参数优化,仿真对比结果表明,改进后的算法能够搜索到更佳的参数。4、多变量不确定时滞过程的广义自抗扰控制。多变量不确定系统广泛存在于工业过程中,本文提出了一套针对不确定时滞过程的广义自抗扰控制器设计过程,首先使用有效开环传递函数将多回路控制问题分解为单回路控制问题,再使用前文提出的改进蚁狮算法对模型进行降阶,最后综合考虑了抗扰能力、不确定时滞存在时系统的稳定条件以及由未建模动态和模型降阶引入的鲁棒性问题。仿真实验结果表明,本文所提出的方法能够设计出具有更好效果的控制器。
金鸿雁[3](2021)在《高精度永磁直线同步电动机互补滑模控制策略研究》文中提出永磁直线同步电动机(PMLSM)作为直驱传动机构的核心单元,以其高速度、高精度、高效率的优点被广泛应用于高档数控机床、微电子设备、精密测量和IC制芯等高端制造领域中,具有十分广阔的应用前景。然而,由于在结构上省去了中间机械传动环节,参数变化、负载扰动和摩擦力等不确定性因素会直接作用于电机动子上,增加了电气控制的难度,从而直接影响高精度数控加工系统的性能。因此,在高精度微进给控制领域,必须站在高层次,在考虑不确定性对系统影响的前提下,研究直线电机伺服进给系统的控制策略,对于理论分析和工程实践均具有十分重要的意义。本文面向高速高精密加工,以PMLSM为研究对象,重点解决其易受不确定性因素影响而降低伺服性能的问题。以滑模控制(SMC)为基础,结合反推控制、神经网络控制等方法对直线伺服系统位置跟踪展开研究,以兼顾高档数控机床对高精度伺服系统的鲁棒性和跟踪性的双重要求。主要研究内容如下:(1)在阐述PMLSM基本结构和工作原理的基础上,对PMLSM的电压、磁链、电磁推力和运动方程等进行分析与推导,建立含有参数变化、负载扰动等不确定性因素的机电耦合系统模型,并对影响电机伺服性能的不确定性因素逐一分析,为控制系统的研究与总体设计提供理论基础。(2)针对PMLSM伺服系统易受参数变化、负载扰动等影响的问题,在SMC的基础上,通过引入互补滑模面的方式,设计互补滑模控制(CSMC)方法克服不确定性因素对系统的影响,提高系统位置跟踪精度。同时,为解决CSMC固定边界层内鲁棒性差的问题,引入接近角的概念对边界层进行优化,提出全局CSMC方法,在不影响系统快速性和跟踪性的前提下,有效地削弱了抖振,提高系统对不确定性因素的鲁棒性。仿真结果表明,同SMC和CSMC相比,全局CSMC可以有效减小位置跟踪误差,提高系统的位置跟踪精度。(3)为实现系统的全局稳定性和完全鲁棒性,同时解决控制器参数选取困难的问题,提出将反推控制理论、二阶SMC思想与CSMC相结合的自适应反推二阶CSMC方法,确保PMLSM伺服系统的位置跟踪性能。通过利用位置误差和虚拟变量误差设计滑模面,自适应反推二阶CSMC既继承了反推控制全局稳定性和二阶SMC完全鲁棒性的优点,又拥有了CSMC的跟踪误差减半的优点。此外,针对系统中不确定性因素上界值难以选取的难题,设计自适应律估计系统不确定性因素并在线对控制器参数进行调整。仿真结果验证了该方法可行有效,能够提高系统的位置跟踪精度,对于不确定性因素有较强的鲁棒性。(4)为进一步估计系统不确定性因素,提升PMLSM系统的伺服性能,设计了基于Gegenbauer递归模糊神经网络(GRFNN)和鲸鱼优化算法(WOA)的智能反推二阶CSMC方法,从而提高系统对不同参考轨迹的跟踪性能。在自适应反推二阶CSMC的基础上,采用GRFNN替换原有的自适应律,用于逼近系统不确定性因素,实时反馈动态信息,避免经验选取控制器参数而无法保证最优性能的问题。同时利用WOA优化网络权重,加快神经网络学习速率,结合离线训练、在线学习的方式,解决神经网络在线训练影响系统动态性能的问题,进一步提高系统的伺服性能。仿真结果表明,智能反推二阶CSMC方法在提高系统位置跟踪精度和鲁棒性方面具有明显的优越性。(5)最后,搭建基于Links-RT的PMLSM系统实验平台以验证所提出的控制算法的有效可行性。Links-RT是基于实时仿真机和电机,辅以软件、硬件配置而成的实时仿真实验设备,具有高可靠性和强实时性。采用两台直线电机对拖的加载实验方案,针对本文设计的控制方案开展了额定参数实验、参数变化实验和变载实验等,实验结果验证了所提出的控制方法的可行性和有效性。
冯利军[4](2021)在《阀控伺服系统的非线性模型和控制技术研究》文中研究指明阀控伺服系统具有功率密度大、响应速度快、抗冲击能力强等特点,在航空、军事及民用工业等各个领域广泛使用。尽管近年来机电伺服系统的性能得到了显着提升,但是在材料试验机、负载模拟器等一些大功率系统中,阀控伺服系统仍起着不可替代的作用。随着我国装备制造业水平的不断提高,对阀控伺服系统的性能提出了愈来愈加苛刻的要求,同时也促进了阀控伺服系统的理论研究发展。通过对已有文献进行归纳和整理可知,阀控伺服系统的模型非线性是制约其性能提升的关键因素。基于上述问题,本文对阀控伺服系统的非线性模型和控制技术进行了深入研究,具体研究内容包括阀控伺服系统的非线性模型、位置控制方法和加载控制方法。为了提高阀控伺服系统的模型精度,建立了基于Yang-Tobar和Trikha管路模型的系统综合模型。该模型在现有非线性简化模型的基础上引入了液压泵站、伺服阀和连接管路(包含液压泵站与伺服阀之间的管路以及伺服阀与液压缸之间的管路)的动态特性,使建立的模型能够较好地吻合实际系统。为了更好地反映系统的真实动态响应,利用MATLABSimulink、AMESim和Adams软件建立了阀控伺服系统的联合仿真模型。该模型不仅能够反映阀控伺服系统的实际工作特性,还能模拟机械平台的结构刚度以及装配间隙对系统性能的影响。最后,利用正弦信号对所建立的非线性简化模型、系统综合模型和联合仿真模型的模型精度进行了测试,精度测试结果分别为72%、84%和92%。通过分析可以得到如下结论:非线性简化模型仅适用于控制器的设计,综合模型可用于系统的定性分析和控制器的初步验证,而联合仿真模型由于具有较高的模型精度,可用于实际系统的定量分析和控制器的硬件在环测试。自适应鲁棒控制可用于处理系统存在的模型不确定性,但存在反步设计过程中的“微分爆炸”和高控制增益带来的抖振问题。因此,本文提出了基于正切跟踪微分和自适应输出滤波反馈的自适应鲁棒控制方法,在简化控制器设计过程的同时提高了位置系统的跟踪精度。为了进一步改善阀控位置系统的控制性能,提出了基于离散扰动观测器的自适应鲁棒控制方法,将难以观测和建模的干扰项作为总扰动,利用离散扰动观测器进行实时估计和补偿。所设计的控制器不仅改善了位置系统的跟踪精度,而且避免了自适应鲁棒控制在外界扰动增大时出现的控制增益激增问题,充分发挥了自适应鲁棒控制的渐近跟踪优势。三种控制方法的性能都进行了仿真分析与验证。结果表明,相较于传统的自适应鲁棒控制方法,改进后的自适应鲁棒控制方法和基于离散扰动观测器的自适应鲁棒控制方法的位置跟踪精度均得到明显提升,从而证明了所提出的控制方法的合理性和有效性。针对阀控加载系统的位置扰动和多余力问题,基于结构不变性原理设计的控制器由于只能近似物理实现而无法完全补偿。基于此,本文按照位置扰动的内部结构是否已知的情形分别设计了两种加载控制器。针对位置扰动的内部结构已知的情形,提出了基于静态增益补偿和正切跟踪微分的双回路控制器,实现了位置扰动补偿和加载控制的动态解耦,改善了系统的控制精度。针对位置扰动的内部结构未知的情形,提出了基于阻抗控制和自适应积分鲁棒控制的混合控制器,并设计了相应的切换策略。混合控制方法可以有效缓解加载过程中的多余力和机械间隙造成的换向冲击问题,并提高了系统控制精度。上述控制方法的有效性都通过仿真分析进行了验证。为了验证上述控制方法在工程应用中的实际效果,搭建了负载模拟实验平台。介绍了实验平台的基本组成以及控制器数字实现的关键技术。利用搭建的实验平台对本文所提出的位置控制方法和加载控制方法分别进行了实验测试。实验结果表明,相较于现有的控制方法,本文所提出的控制方法具有更好的动态性能和鲁棒性,达到了预期效果。
侯波[5](2021)在《分布式发电系统中变速风电机组及逆变器控制方法研究》文中指出作为可再生能源分布式发电(Distribution Generation,DG)系统“风能转换和电能变换”的关键接口,变速风电机组和逆变器是DG系统的两个核心装置。然而,在复杂运行环境下变速风电机组的强非线性和参数不确定性、逆变器滤波参数的不确定性、本地负载的非线性、不平衡性以及本地负载随系统工况的变化而变化等实际工程因素的存在,使得以PI为代表的线性控制方法难以满足现代DG系统对这两个核心装置高性能的控制要求。先进控制方法是解决线性控制方法不足的有效手段。为此,本文以变速风电机组、单相和三相逆变器(并网运行时简称为网侧逆变器,离网运行时简称为负载侧逆变器)为研究对象,依据它们在DG系统应用中的不同控制模式,以滑模控制、预测控制和自适应控制等具有代表性的先进控制理论为基础,进行了相关控制方法的深入研究,主要研究内容如下:(1)针对滑模抖振导致机组控制转矩发生高频振荡的问题,进行了传统等速趋近律的分析,指出了其趋近速度和滑模抖振水平之间的矛盾关系,提出了一种改进等速趋近律,在加快趋近速度的同时降低了滑模抖振水平。给出了基于改进等速趋近律的变速风电机组滑模控制器设计过程。采用Lyapunov稳定性理论设计了气动转矩观测器,实现了气动转矩的软测量。利用气动转矩前馈补偿减小了切换增益的取值范围,滑模抖振得到了进一步抑制。在上述基础上,构建了基于叶尖速比法的变速风电机组最大功率点跟踪(Maximum Power Point Tracking,MPPT)滑模趋近律控制系统,提高了系统控制性能。(2)针对模型预测电流控制对电感参数鲁棒性差的问题,提出了一种网侧逆变器鲁棒定频模型预测电流控制方法。采用最优时间序列的定频模型预测控制为框架,保证了开关频率的固定。从提升电流预测模型鲁棒性角度出发,通过在电流预测模型中增加鲁棒项、预测误差反馈项和电感前馈补偿项的方式得到了鲁棒电流预测模型,在加快预测模型收敛速度的同时实现了对电感参数的强鲁棒性,降低了模型预测电流控制对电感参数的敏感度。基于电感端电压和电流的关系设计了物理意义明确、结构简单且响应速度快的电感估计器。(3)针对电感参数变化对无差拍直接功率控制的稳态、动态性能影响较大的问题,提出了 一种网侧逆变器鲁棒无差拍直接功率控制方法。建立了网侧逆变器简化功率模型,在此模型基础上,采用观测器理论设计了功率扰动观测器,通过功率扰动前馈补偿保证了电感参数变化下的系统稳态性能;基于功率扰动模型设计了电感估计器,实现了电感参数的在线调整,避免了非精确的电感参数对系统瞬态性能的影响。以上方式确保了电感参数变化时有功、无功功率的控制性能最佳。基于简化功率模型设计控制器,通过功率扰动观测器进行功率预测,避免了算法计算量的增加。(4)以单相DG系统中的负载侧逆变器为研究对象,提出了三种输出电压控制方法,以降低本地负载随工况的变化而变化、LC滤波参数不确定性以及非线性负载等实际工程因素对电压波形质量的影响,具体为:(a)针对本地负载随系统工况的变化而变化的问题,进行了基于负载电流滑模观测器的负载侧逆变器输出电压控制方法的研究。基于串级控制理论,设计了电压外环滑模控制器和电流内环比例控制器。基于扩张观测器原理提出了负载电流滑模观测器,将观测的负载电流前馈补偿提升了系统对本地负载的自适应能力,避免了滑模抖振对电压波形质量的影响。所提负载电流滑模观测器具有低通滤波的性质,可直接被应用于工程实际;(b)基于负载电流滑模观测器的负载侧逆变器输出电压控制方法对LC滤波参数不具备良好的鲁棒性,因此针对LC滤波参数不确定性问题,提出了基于反步滑模的负载侧逆变器输出电压控制方法。该方法在传统反步设计的最后一步通过增加滑模鲁棒项提升了逆变系统对LC滤波参数的鲁棒性和对本地负载的抗扰动能力,同时也实现了单闭环电压控制;(c)基于反步滑模的负载侧逆变器输出电压控制方法需要本地负载参数和LC滤波参数的先验知识,因此提出了负载侧逆变器输出电压自适应互补滑模控制方法。该方法首先基于互补滑模控制理论设计了输出电压互补滑模控制器,然后分别设计了LC滤波参数自适律和电感电流估计器,实现了无需本地负载参数和LC滤波参数先验知识的单闭环输出电压自适应控制。(5)针对三相本地负载的不平衡和非线性、LC滤波参数不确定性问题,提出了一种三相DG系统负载侧逆变器输出电压自适应控制方法。在负载侧逆变器dq模型基础上,以输出电压及其导数为系统状态变量,得到了适用于单闭环电压控制的dq模型;将系统扰动分为稳态扰动和动态扰动两部分,分别设计了 PID控制器、稳态扰动自适应律和鲁棒控制项。PID控制器迫使电压跟踪误差趋于零,稳态扰动自适应律对稳态扰动在线补偿,鲁棒控制项对动态扰动进行抑制。所提控制方法无需相序分解,仅通过单闭环电压控制即实现了对任意类型本地负载的高性能输出电压控制和对LC滤波参数的强鲁棒性。
梁定坤[6](2021)在《气动人工肌肉驱动的机器人控制方法研究》文中提出伴随着人工智能技术的日新月异,人们对机器人应具备的人机舒适度、自主化程度的需求与日俱增,由体型庞大、柔性不足的传统执行机构(如电机、液压、气缸等)所驱动机器人的发展逐渐陷入瓶颈,举步维艰。为了顺应新时代智能革命的浪潮,安全性更强、柔顺性更高的气动人工肌肉(pneumatic artificial muscle,简称PAM),也称气动肌肉驱动器,日益成为智能交互柔性机器人的核心,能够以特殊材料机理复现自然生物肌肉的功能。由PAM驱动的机器人具有极高的机动性和惊人的功率密度,可以灵活地与人、环境密切接触,改善整体系统的顺应性和安全性,从而实现舒适友好的人机交互控制。然而,机器人在受益于PAM所带来的良好柔顺特性的同时,也受到PAM固有复杂特性的影响,如迟滞、非线性特性、低响应频率等,这些潜在的问题对后续精确建模和运动控制而言是不利的,将在很大程度上限制PAM的广泛应用。时至今日,面向PAM驱动机器人的运动学/动力学建模工作、位置定位/轨迹跟踪控制方法研究已经具备一定规模,但从实际应用上来看,仍然存在如下一些问题亟待解决与突破:1)现有文献并未讨论PAM驱动机器人的单向输入约束问题,“暴力”使用不连续的滑模控制律去抑制系统不确定性容易加剧抖振现象;2)实际工况下系统可能面临持续的未知干扰,而常见自抗扰方法中的扩张状态观测器微分操作频繁,且参数多、难整定,可能带来高增益、出现尖峰等问题;3)通过多根肌肉的拮抗作用驱动关节运动的做法可能存在打滑与摩擦,并且多数相关工作尚未引入弹簧等减振机制,很难消除残余振荡;再者,现有模型大多是关于转矩的方程,而转矩并非系统真实的控制输入;4)绝大多数现有方法并未限制系统超调,也较少讨论控制律的奇异性,可能存在安全隐患;5)实际执行机构的驱动能力有限,不应忽视饱和、死区等输入约束;此外,实际系统中的未知项通常难以满足线性参数化条件,使得常见自适应方法在处理上述问题时具有局限性,从而降低误差收敛速度。围绕上述挑战,出于理论与实际的双重考虑,针对PAM驱动机器人(包括PAM驱动二连杆机器人)的精准建模与高性能跟踪控制问题开展了深入研究,本文主要贡献列举如下:1)针对具有单向约束的PAM驱动机器人的连续自适应鲁棒控制方法。考虑到PAM驱动机器人存在的单向约束、系统参数不确定性等问题,提出一种连续鲁棒控制策略以及自适应更新律,可以同时补偿不确定性、抑制外部干扰、满足单向约束,实现对参考轨迹的精确定位与跟踪。相比于传统滑模控制方法,所提方法表达式连续,能够避免出现抖振问题。无须任何线性化操作,给出严格的Lyapunov稳定性分析过程,证明了闭环系统在平衡点的渐近稳定性。此外,选取现有的自适应控制方法作为对比,经一系列实际实验验证了所提方法具有良好的控制效果与较强的鲁棒性。2)基于扰动估计的PAM驱动机器人的非线性控制方法。在存在持续未知干扰的情形下,本文为PAM驱动的机器人设计了一种基于扰动估计的非线性控制策略,能够在线估计并实时抑制扰动,实现精确的轨迹跟踪。首先经由模型变换将系统不确定性、未建模动态、外部扰动等表示为集总扰动的形式,利用滑窗迭代积分与最小二乘算法对其进行精确估计。随后引入滑模控制律,进一步消除估计误差并确保系统渐近稳定。基于精确的估计结果可缓解滑模控制压力,大幅削弱抖振问题。此外,给出详细的稳定性分析过程,并对所提方法在持续输入干扰下的有效性及鲁棒性进行了实验验证。3)PAM驱动二连杆机器人的建模与运动控制方法。设计并搭建了一种新型的PAM驱动二连杆机器人,能够及时消除残余振荡,并详细介绍其软/硬件平台的配置。随后,为该机器人平台提出一种精确的动力学建模方法。通过对拉格朗日函数求解肌肉长度的偏导数,并引入PAM的三元素模型,建立了针对气压的动力学模型,相比现有转矩模型而言更加直接有效。4)基于能量的PAM驱动二连杆机器人的非线性控制方法。在所提动力学模型的基础上,提出了一种基于能量的非线性控制方法,能够在满足系统超调、特殊耦合项约束的同时,保证精确的定位/跟踪性能。基于系统能量分析,设计了一种新型储能函数,为构建Lyapunov候选函数奠定基础。利用所设计的辅助函数,确保系统超调与特殊耦合项始终限制在安全范围,能够提高安全性,减少能量损失。全部控制器设计与稳定性分析过程均在原始非线性模型上进行,无需线性化操作即可证明跟踪误差渐近收敛于零。本文为所提方法给出了相应的对比实验结果。5)考虑多输入约束(单向约束、饱和、死区等)的PAM驱动二连杆机器人的自适应模糊滑模控制方法。针对实际元件驱动能力有限的问题,提出一种无需精确模型结构和参数反馈的自适应模糊滑模控制方法,同时实现复杂扰动抑制与精确轨迹跟踪。所提方法不仅考虑了非线性输入约束、复杂扰动估计,还能确保跟踪误差的有限时间收敛性能。所构建的模糊更新律能够对输入约束、参数不确定性、未建模动态和外部干扰等进行实时估计,结合滑模控制方法可以进一步补偿逼近误差所带来的影响。此外,通过闭环系统稳定性分析,证明了误差的有限时间收敛性质。为验证所提方法的实际控制性能,本文提供了丰富的对比实验结果。
陈守员[7](2021)在《信息物理系统中无人机的安全控制及仿真》文中研究说明信息物理系统(Cyber-Physical Systems,CPS)是一个综合了物理计算、网络通信和自动控制的多维复杂系统。通过把计算与通信嵌入到物理过程,使之与物理过程高度融合在一起进而实现系统内部间深度协作,使得系统能够实现实时感知、动态控制和后续的信息服务。目前已在学术界获得广泛的关注与研究。无人机作为信息物理系统的典型应用场景之一,同样高度集成了自动控制、计算和网络通信等多个功能,在现实中有着广泛的应用,但是这些功能增加了系统的脆弱性,降低了抵御外界攻击的能力。无人机系统的设计不仅要考虑外界干扰还要考虑自身存在物理组件失效的可能性,因此系统需要具有一定的容错能力,保证能够抵御外界攻击安全地完成设定任务。此外随着无人机应用场景的扩展,功能的更加多样化,系统将变得更加的复杂,更容易遭受到网络攻击,因此无人机系统需要具备在多种网络攻击下仍能保持良好控制效果的能力。针对上述问题,本文进行了以下研究,主要内容包括:(1)根据固定翼无人机的特点,建立基本的坐标系,推导其动力学和运动学方程并在典型的飞行条件下对动力学方程进行线性化,通过解耦处理分别获得线性化后的横侧向动力学方程和纵向动力学方程。(2)考虑CPS系统中无人机可能存在软件失效和物理故障问题,设计了一种控制框架,其中包含了高性能控制器(HPC)、高可靠控制器(HAC)、状态监视器和切换逻辑。系统正常工作时始终保证使用高性能的控制器,提高工作效率,当无人机系统软件失效或者存在物理构件损伤时,高性能控制器的控制效果会变得较差,此时立即将控制器由高性能控制器切换到高可靠控制器,以保证系统的正常工作。在第二章得出的固定翼无人机动力学模型的基础上设计L1自适应控制器作为高可靠控制器,MPC控制器作为高性能控制器。在不同的外界条件下分别验证了L1自适应控制器和MPC控制器的控制效果,并设计了状态监视器和切换逻辑,通过仿真验证了该设想的有效性。(3)针对CPS系统中无人机受到网络攻击问题,设计了一种混杂鲁棒控制器。在该控制器框架下包含有若干个子控制器,每一种子控制器都是针对某一特定的网络攻击策略所设计。为应对外界攻击,增益调整装置可以根据不同控制器的性能对控制器进行实时切换,保证控制系统始终具有良好的控制效果,确保了系统的安全性。为验证该设想的有效性,在小型无人直升机动力学模型的基础上设计了H2-H∞混杂鲁棒控制器,通过仿真表明设计的控制器相较于采用单一最优控制器具有更好的性能。
王科祖[8](2021)在《结构不确定情况下直流微电网分布式鲁棒自适应控制研究》文中研究表明近年来,直流微电网的规模越来越大,直流负荷占比也日益增加。直流微电网因能量变换环节少,使电能利用率得到提高,而且不存在无功功率和频率等控制问题,逐渐成为国内外研究热点。直流微电网在运行过程中,经常需要投/切分布式发电单元(Distributed Generation Unit,DGU),导致系统结构发生变化,影响其电压稳定性。此外,受负荷变化、外部扰动等影响,直流微电网也会出现电压波动现象。因此,直流微电网的电压稳定控制研究具有重要意义。考虑多个DGU互联组成的直流微电网,基于基尔霍夫定律建立系统模型。为解决DGU即插即用产生的结构不确定性影响直流微电网电压稳定性的问题,采用分布式鲁棒H∞控制保证微电网的电压稳定。对单个DGU,通过Lyapunov稳定性分析设计H∞状态反馈控制器。为提高系统动态响应特性,采用区域极点配置约束控制器参数,将闭环系统的极点配置在区域D中。将控制器的设计问题转化为线性矩阵不等式(Linear Matrix Inequality,LMI)的鲁棒优化问题。给DGU分别配置鲁棒H∞控制器,可以实现直流微电网分布式控制。控制器的设计仅需DGU和与之连接的线路参数,不需要整个系统参数。在Matlab/Simulink中,分别搭建基于Buck变换器和Boost变换器的系统模型,仿真表明,相比PID控制,鲁棒H∞控制对DGU即插即用引起的结构变化及扰动有鲁棒性。为降低结构不确定性对直流微电网输出电压的影响,在H∞控制的基础上引入自适应控制,提出一种分布式鲁棒自适应控制方法。根据控制对象和参考模型的状态误差设计参数自适应律,在保证控制系统稳定性的前提下,实时调节H∞控制器参数,使控制器参数随着微电网运行条件的变化而变化。通过LMI优化求解,得到带有自适应律的鲁棒H∞控制器。所提控制方法不仅能有效实现各DGU子系统稳定,而且可以实现DGU的互联稳定运行。通过Lyapunov稳定性分析,证明了直流微电网的分布式鲁棒自适应控制系统的稳定性。基于Matlab/Simulink平台,搭建基于不同变换器的直流微电网鲁棒自适应控制仿真模型,仿真结果表明所提控制方法能够提高结构不确定情况下直流微电网的鲁棒性。
崔利梅[9](2020)在《T-REX600无人直升机鲁棒控制技术研究》文中研究指明小型无人直升机可以随时起降,悬停,巡航,超低空低速飞行,可执行高危任务,高强度飞行,且具备体积小,质量轻,低成本等优点,因此它在军事和民用领域都有广泛的应用前景。但小型无人直升机是一种机械结构复杂,各个通道之间存在着强耦合,不稳定,非线性的系统,难以建立高精度的数学模型,使现代控制理论中的许多方法难以应用到飞行控制系统中,因此研究具有不确定性的非精确模型的小型无人直升机鲁棒控制理论具有重要的理论意义和实际应用价值。本文主要采用了理论分析和仿真相结合的方法对小型无人直升机进行建模和控制。主要的研究工作如下:首先,论文简述系统以及无人直升机系统中的不确定性和鲁棒性,鲁棒控制理论的数学应用基础以及线性矩阵不等式工具箱(LMI)的使用。其次,建立T-REX600无人机直升机数学模型。将小型无人直升机的机械结构划分为多个模块,通过机体各部分受力分析,建立了力与力矩的方程组,得到了无人直升机的刚体动力学方程组;最终建立了完整的小型无人直升机的数学模型,并对其进行线性化。最后,设计了基于LMI的H∞控制器和H2控制器以及LQR控制器。主要针对T-REX600无人直升机的在受到有界干扰和白噪声干扰的情况下,验证H∞控制器和H2控制器的控制效果,并在MATLAB中搭建simulink模型进行仿真分析,最后得出在有外界干扰的情况下时,H∞控制器的控制效果要优于H2控制器和LQR控制器。以及针对T-REX600无人直升机只考虑外界干扰和同时考虑带有参数不确定性和外界干扰时的H2/H∞混合控制器的设计。仿真结果显示,只考虑一种不确定性时H2/H∞混合控制器的控制效果要优于考虑多个不确定性的控制效果。
梁雅琴[10](2020)在《Qball-X4四旋翼无人机的飞行控制算法研究》文中认为随着科技发展,四旋翼无人机凭借体积小、成本低和轻便灵活等特点,无论在军用还是民用领域都发挥重要作用。其中四旋翼无人机飞行控制稳定性是一个核心的问题,具有很重要的研究意义。论文分析了四旋翼无人机的国内外研究现状和飞行控制算法研究现状,建立了Qball-X4四旋翼无人机的数学模型,分别运用LQR控制、H∞控制、H2控制设计了控制器进行了仿真分析。针对Qball-X4四旋翼无人机不确定性系统设计了鲁棒H∞控制器和鲁棒H2控制器,通过仿真进行了分析和验证。主要研究内容包括:首先通过分析四旋翼无人机的机体结构、飞行工作原理以及坐标系的转换,利用牛顿-欧拉方程建立了Qball-X4四旋翼无人机的非线性数学模型。其次对非线性数学模型进行了线性化处理,设计了LQR控制器、状态反馈H∞控制器和状态反馈H2控制器,使用Matlab/Simulink平台搭建仿真模型,分别在无干扰、有界干扰及白噪声干扰三种情况下进行仿真分析。最后针对Qball-X4四旋翼无人机不确定性系统设计了鲁棒H∞控制器和鲁棒H2控制器,运用Matlab/Simulink平台分别在无干扰、有界干扰及白噪声干扰三种情况下进行仿真分析。研究结果表明,Qball-X4四旋翼无人机系统通过LQR控制、状态反馈H∞控制和状态反馈H2控制都可以使得被控系统恢复平衡状态。在存在有界干扰的情况下,状态反馈H2控制和状态反馈H∞控制比LQR控制的偏离值小,其中状态反馈H∞控制的偏离值最小。在存在白噪声干扰的情况下,状态反馈H2控制比LQR控制和状态反馈H∞控制的振荡幅度小,鲁棒性好。对于Qball-X4四旋翼无人机不确定性系统在无干扰、存在有界干扰和白噪声干扰三种情况下,与鲁棒H∞控制器相比,鲁棒H2控制器的鲁棒性较好,响应速度更快。
二、具有结构不确定性系统的鲁棒H_∞控制器设计(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、具有结构不确定性系统的鲁棒H_∞控制器设计(论文提纲范文)
(1)复杂系统的解耦内模与事件触发故障补偿控制(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 引言 |
1.2 多变量系统解耦方法 |
1.3 内模控制 |
1.4 事件触发控制 |
1.5 故障诊断与故障补偿控制 |
1.5.1 故障诊断 |
1.5.2 故障补偿控制 |
1.6 本文主要研究工作 |
第二章 复杂多变量系统的倒置解耦方法 |
2.1 引言 |
2.2 经典解耦方法 |
2.2.1 理想解耦 |
2.2.2 简单解耦 |
2.2.3 倒置解耦 |
2.3 倒置解耦器的设计 |
2.3.1 倒置解耦器的设计流程 |
2.3.2 倒置解耦器的可实现性问题 |
2.3.3 RHP零点的近似与补偿 |
2.4 举例说明 |
2.5 小结 |
第三章 基于改进型巴特沃斯滤波器的多变量系统倒置解耦内模控制 |
3.1 引言 |
3.2 内模控制的基本原理 |
3.2.1 内模控制的基本结构 |
3.2.2 内模控制的基本性质 |
3.2.3 内模控制器的设计 |
3.3 改进型巴特沃斯滤波器的设计 |
3.3.1 标准型巴特沃斯滤波器的基本原理 |
3.3.2 改进型巴特沃斯滤波器的基本原理 |
3.3.3 改进型巴特沃斯滤波器的参数整定 |
3.4 基于改进型巴特沃斯滤波器的多变量系统倒置解耦内模控制器设计 |
3.5 鲁棒性分析 |
3.6 仿真验证 |
3.7 小结 |
第四章 基于分数阶改进型巴特沃斯滤波器的多变量系统离散倒置解耦内模控制 |
4.1 引言 |
4.2 分数阶改进型巴特沃斯滤波器的设计 |
4.2.1 分数阶微分的基本理论 |
4.2.2 分数阶改进型巴特沃斯滤波器的设计流程 |
4.2.3 分数阶改进型巴特沃斯滤波器的稳定性分析 |
4.3 基于分数阶改进型巴特沃斯滤波器的多变量系统离散倒置解耦内模控制器设计 |
4.3.1 Z变换的定义 |
4.3.2 离散倒置解耦内模控制器的设计 |
4.3.3 离散倒置解耦器的可实现性问题 |
4.3.4 离散滤波器的设计 |
4.4 仿真验证 |
4.5 小结 |
第五章 具有预设性能指标的非线性化工过程自适应神经网络事件触发控制 |
5.1 引言 |
5.2 非线性CSTR建模及预备知识 |
5.2.1 连续搅拌反应釜的结构及工作原理 |
5.2.2 CSTR模型建立 |
5.3 具有预设性能指标的自适应神经网络事件触发控制器设计 |
5.3.1 RBF神经网络原理与预备知识 |
5.3.2 具有预设性能指标的误差变换 |
5.3.3 自适应神经网络事件触发控制器设计 |
5.4 稳定性与可实现性分析 |
5.4.1 稳定性分析 |
5.4.2 可实现性分析 |
5.5 仿真验证 |
5.6 小结 |
第六章 执行器故障时非线性化工过程自适应神经网络事件触发故障补偿控制 |
6.1 引言 |
6.2 执行器故障模型 |
6.3 自适应神经网络事件触发故障补偿控制 |
6.3.1 切换阈值事件触发机制设计 |
6.3.2 自适应神经网络事件触发故障补偿控制器设计 |
6.4 稳定性与可实现性分析 |
6.4.1 稳定性分析 |
6.4.2 可实现性分析 |
6.5 仿真验证 |
6.6 小结 |
第七章 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
致谢 |
研究成果及发表的学术论文 |
作者和导师简介 |
附件 |
(2)阶跃扰动下时滞过程线性自抗扰控制方法研究(论文提纲范文)
学位论文数据集 |
摘要 |
abstract |
第一章 绪论 |
1.1 课题背景及意义 |
1.2 本文所研究对象及其干扰的特性 |
1.3 文献综述 |
1.3.1 自抗扰控制研究现状 |
1.3.2 时滞系统的控制研究现状 |
1.3.3 蚁狮算法的研究现状 |
1.4 本论文的主要工作 |
第二章 时滞过程的降阶自抗扰控制及其参数域寻找 |
2.1 引言 |
2.2 降阶的改进自抗扰控制器 |
2.3 鲁棒稳定条件约束下的参数域寻找 |
2.3.1 基于D-分解方法的稳定性参数空间 |
2.3.2 鲁棒性参数空间 |
2.4 仿真验证 |
2.5 小结 |
第三章 基于多新息在线闭环辨识的预测自抗扰控制 |
3.1 引言 |
3.2 问题分析 |
3.3 二阶加滞后模型的闭环在线辨识方法 |
3.4 稳定性分析 |
3.5 仿真验证 |
3.6 双容水箱实验 |
3.7 小结 |
第四章 基于差分变步长蚁狮算法的自抗扰控制器参数优化 |
4.1 引言 |
4.2 差分变步长蚁狮算法 |
4.2.1 蚁狮算法 |
4.2.2 步长缩放差分蚁狮算法 |
4.2.3 算法思想与具体步骤 |
4.3 差分变步长蚁狮算法的性能评估 |
4.3.1 算法评价标准 |
4.3.2 测试函数 |
4.3.3 测试结果分析 |
4.4 自抗扰控制器的参数优化 |
4.5 小结 |
第五章 多变量不确定时滞过程的广义自抗扰控制 |
5.1 引言 |
5.2 有效开环传递函数 |
5.3 使用改进的蚁狮算法进行模型降阶 |
5.4 不确定时滞过程的广义自抗扰控制器设计 |
5.4.1 GADRIMC控制结构 |
5.4.2 GADRIMC抗扰能力分析 |
5.4.3 GADRIMC在不确定时滞下的稳定性 |
5.4.4 GADRIMC的鲁棒性考量 |
5.5 仿真验证 |
5.6 小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
研究成果及发表的学术论文 |
作者和导师简介 |
答辩委员决议书 |
(3)高精度永磁直线同步电动机互补滑模控制策略研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究的背景、目的及意义 |
1.2 国内外研究现状 |
1.2.1 直线伺服系统在数控加工中的应用现状 |
1.2.2 永磁直线同步电动机高精度控制策略研究现状 |
1.3 永磁直线同步电动机直接驱动方式的特点 |
1.4 滑模控制在永磁直线同步电动机伺服系统中的应用 |
1.5 论文主要研究内容 |
第2章 永磁直线同步电动机数学模型及其矢量控制 |
2.1 永磁直线同步电动机的结构和工作原理 |
2.2 永磁直线同步电动机的数学模型 |
2.3 永磁直线同步电动机的矢量控制系统 |
2.4 永磁直线同步电动机伺服系统扰动因素分析 |
2.5 本章小结 |
第3章 永磁直线同步电动机全局互补滑模控制系统 |
3.1 永磁直线同步电动机互补滑模控制 |
3.1.1 滑模控制 |
3.1.2 互补滑模控制 |
3.2 永磁直线同步电动机全局互补滑模控制 |
3.2.1 互补滑模控制器设计 |
3.2.2 全局互补滑模控制器设计 |
3.3 系统仿真及分析 |
3.4 本章小结 |
第4章 永磁直线同步电动机自适应反推二阶互补滑模控制系统 |
4.1 永磁直线同步电动机自适应反推互补滑模控制 |
4.1.1 反推控制 |
4.1.2 自适应反推滑模控制器设计 |
4.1.3 自适应反推互补滑模控制器设计 |
4.2 永磁直线同步电动机自适应反推二阶互补滑模控制 |
4.2.1 二阶滑模控制 |
4.2.2 自适应反推二阶互补滑模控制器设计 |
4.3 系统仿真及分析 |
4.4 本章小结 |
第5章 永磁直线同步电动机智能反推二阶互补滑模控制系统 |
5.1 模糊神经网络 |
5.2 永磁直线同步电动机智能反推二阶互补滑模控制 |
5.2.1 智能反推二阶互补滑模控制器设计 |
5.2.2 Gegenbauer递归模糊神经网络 |
5.2.3 鲸鱼优化算法 |
5.3 系统仿真及分析 |
5.4 本章小结 |
第6章 基于Links-RT的永磁直线同步电动机系统实验研究 |
6.1 基于Links-RT的实时仿真平台 |
6.2 基于Links-RT的 PMLSM实验系统 |
6.2.1 系统硬件构成 |
6.2.2 系统软件构成 |
6.2.3 实验流程 |
6.3 系统实验验证与分析 |
6.3.1 永磁直线同步电动机全局互补滑模控制系统实验研究 |
6.3.2 永磁直线同步电动机智能反推二阶互补滑模控制系统实验研究 |
6.4 本章小结 |
第7章 结论 |
参考文献 |
在学研究成果 |
致谢 |
(4)阀控伺服系统的非线性模型和控制技术研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 课题来源、研究背景及意义 |
1.1.1 课题来源 |
1.1.2 研究背景及意义 |
1.2 阀控伺服系统模型研究综述 |
1.2.1 融合机理模型 |
1.2.2 软件仿真模型 |
1.3 阀控伺服系统控制方法综述 |
1.3.1 线性控制方法 |
1.3.2 非线性控制 |
1.3.3 智能控制 |
1.4 基于模型的自适应鲁棒控制 |
1.4.1 基于模型的控制方法 |
1.4.2 自适应和鲁棒控制 |
1.5 论文结构和主要内容 |
2 阀控伺服系统的非线性模型 |
2.1 引言 |
2.2 系统组成 |
2.3 简化非线性模型 |
2.4 基于YANG-TOBAR和 TRIKHA管路模型的综合模型 |
2.4.1 液压泵站 |
2.4.2 直驱伺服阀 |
2.4.3 液压缸及负载 |
2.4.4 液压管路 |
2.4.5 综合模型 |
2.5 联合仿真模型 |
2.5.1 联合仿真基础 |
2.5.2 联合仿真模型建立 |
2.6 本章小节 |
3 阀控伺服系统的位置控制研究 |
3.1 引言 |
3.2 控制器设计难点 |
3.2.1 时变参数 |
3.2.2 非线性特性 |
3.2.3 负载扰动 |
3.3 自适应鲁棒控制 |
3.3.1 自适应鲁棒控制原理 |
3.3.2 阀控位置系统的自适应鲁棒控制器设计 |
3.3.3 自适应鲁棒控制器的改进 |
3.3.4 仿真研究 |
3.4 基于离散扰动观测器的自适应鲁棒控制 |
3.4.1 数学模型简化 |
3.4.2 非线性自适应鲁棒控制器设计 |
3.4.3 仿真研究 |
3.5 控制器性能评价 |
3.6 本章小结 |
4 阀控伺服系统的加载控制研究 |
4.1 引言 |
4.2 多余力分析及解决方法 |
4.2.1 多余力的产生机理 |
4.2.2 结构不变性补偿 |
4.3 阀控加载系统的双回路控制 |
4.3.1 双回路控制原理 |
4.3.2 基于双回路的自适应鲁棒控制器设计 |
4.3.3 双回路自适应鲁棒控制器的改进 |
4.3.4 仿真研究 |
4.4 非线性混合自适应积分鲁棒控制 |
4.4.1 混合控制原理 |
4.4.2 阻抗控制器设计 |
4.4.3 控制切换策略和自适应积分鲁棒控制器设计 |
4.4.4 仿真研究 |
4.5 本章小结 |
5 实验验证与控制方法性能分析 |
5.1 引言 |
5.2 实验平台组成 |
5.2.1 机械平台 |
5.2.2 液压系统 |
5.2.3 控制系统 |
5.3 控制器数字实现关键技术 |
5.3.1 高精度定时技术 |
5.3.2 多线程数据采集技术 |
5.3.3 控制器代码生成技术 |
5.4 控制器实验验证和性能分析 |
5.4.1 位置控制器实验验证 |
5.4.2 加载控制器实验验证 |
5.4.3 性能分析 |
5.5 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
作者简历及攻读博士学位期间取得的研究成果 |
学位论文数据集 |
(5)分布式发电系统中变速风电机组及逆变器控制方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究背景与意义 |
1.1.1 可再生能源分布式发电 |
1.1.2 变速风电机组和逆变器的运行方式 |
1.1.3 变速风电机组和逆变器在分布式发电应用中的技术标准与要求 |
1.2 国内外研究现状 |
1.2.1 变速风电机组MPPT控制方法研究现状 |
1.2.2 网侧和负载侧逆变器控制方法研究现状 |
1.3 本文主要研究内容和章节安排 |
2 变速风电机组MPPT滑模趋近律控制方法研究 |
2.1 变速风电机组建模 |
2.1.1 风力机空气动力学模型 |
2.1.2 机械传动轴系数学模型 |
2.1.3 控制目标及变速风电机组状态空间模型 |
2.2 基于改进等速趋近律的变速风电机组滑模控制 |
2.2.1 传统滑模趋近律 |
2.2.2 等速趋近律的趋近时间与抖振分析 |
2.2.3 改进等速趋近律 |
2.2.4 改进等速趋近律的抖振分析 |
2.2.5 改进等速趋近律的稳定性分析 |
2.2.6 基于改进等速趋近律的变速风电机组滑模控制器设计 |
2.3 气动转矩观测器 |
2.4 仿真与实验 |
2.4.1 实验平台简介 |
2.4.2 仿真和实验 |
2.5 本章小结 |
3 网侧逆变器鲁棒定频模型预测电流控制方法研究 |
3.1 模型预测控制概述 |
3.2 网侧逆变器数学模型 |
3.3 传统定频模型预测电流控制 |
3.3.1 传统定频模型预测电流控制原理 |
3.3.2 滤波电感对传统定频模型预测电流控制的影响 |
3.4 网侧逆变器鲁棒定频模型预测电流控制 |
3.4.1 鲁棒电流预测模型 |
3.4.2 电感估计器 |
3.5 仿真与实验 |
3.6 本章小结 |
4 网侧逆变器鲁棒无差拍直接功率控制方法研究 |
4.1 网侧逆变器离散功率模型 |
4.2 传统网侧逆变器无差拍直接功率控制 |
4.3 网侧逆变器鲁棒无差拍直接功率控制 |
4.3.1 功率扰动观测器 |
4.3.2 基于功率扰动观测器的电感估计器 |
4.3.3 网侧逆变器鲁棒无差拍直接功率控制器设计 |
4.4 仿真与实验 |
4.5 本章小结 |
5 单相DG系统负载侧逆变器输出电压鲁棒和自适应控制方法研究 |
5.1 基于负载电流滑模观测器的负载侧逆变器输出电压控制方法 |
5.1.1 单相DG系统负载侧逆变器数学模型 |
5.1.2 负载电流滑模观测器 |
5.1.3 输出电压控制器设计 |
5.1.4 仿真与实验 |
5.2 基于反步滑模的负载侧逆变器输出电压控制方法 |
5.2.1 反步法概述 |
5.2.2 负载侧逆变器严参数反馈数学模型 |
5.2.3 基于反步滑模的输出电压控制器设计 |
5.2.4 仿真与实验 |
5.3 负载侧逆变器输出电压自适应互补滑模控制方法 |
5.3.1 互补滑模控制理论概述 |
5.3.2 负载侧逆变器输出电压滑模控制 |
5.3.3 负载侧逆变器输出电压互补滑模控制 |
5.3.4 负载侧逆变器输出电压自适应互补滑模控制 |
5.3.5 电感电流估计器 |
5.3.6 仿真与实验 |
5.4 本章小结 |
6 三相DG系统负载侧逆变器输出电压自适应控制方法研究 |
6.1 三相DG系统负载侧逆变器数学模型 |
6.2 传统PI控制方法 |
6.3 三相DG系统负载侧逆变器输出电压自适应控制方法 |
6.3.1 三相DG系统负载侧逆变器输出电压自适应控制器设计 |
6.3.2 稳定性证明与分析 |
6.4 仿真与实验 |
6.5 本章小节 |
7 总结与展望 |
7.1 总结 |
7.2 主要创新点 |
7.3 展望 |
致谢 |
参考文献 |
攻读学位期间参加的科研项目和成果 |
(6)气动人工肌肉驱动的机器人控制方法研究(论文提纲范文)
中文摘要 |
Abstract |
第一章 绪论 |
第一节 研究背景与意义 |
第二节 气动人工肌肉的建模方法概述 |
第三节 单气动肌肉驱动的机器人国内外研究现状 |
第四节 多气动肌肉驱动的机器人国内外研究现状 |
1.4.1 传统控制方法 |
1.4.2 高级控制方法 |
1.4.3 智能控制方法 |
第五节 气动肌肉驱动的机器人研究现状分析 |
第六节 本文主要研究内容 |
第二章 针对具有单向约束的气动人工肌肉驱动机器人的连续自适应鲁棒控制 |
第一节 引言 |
第二节 问题描述与模型分析 |
第三节 连续自适应鲁棒控制器设计 |
第四节 稳定性证明与分析 |
第五节 实验结果及分析 |
2.5.1 气动人工肌肉驱动的机器人硬件实验平台 |
2.5.2 连续自适应鲁棒控制实验结果 |
第六节 本章小结 |
第三章 基于扰动估计的气动人工肌肉驱动机器人的非线性控制 |
第一节 引言 |
第二节 问题描述与模型分析 |
第三节 系统参数与未知扰动的在线估计 |
第四节 基于扰动估计的非线性控制器设计 |
第五节 稳定性证明及分析 |
第六节 实验结果与分析 |
第七节 本章小结 |
第四章 气动人工肌肉驱动二连杆机器人的平台搭建与模型建立 |
第一节 引言 |
第二节 气动人工肌肉驱动二连杆机器人平台设计 |
4.2.1 平台硬件系统设计 |
4.2.2 平台软件系统设计 |
第三节 气动人工肌肉驱动二连杆机器人的动力学建模 |
第四节 本章小结 |
第五章 基于能量的气动人工肌肉驱动二连杆机器人的非线性控制 |
第一节 引言 |
第二节 问题描述与模型分析 |
第三节 基于能量的非线性控制器设计 |
第四节 稳定性证明及分析 |
第五节 实验结果及分析 |
第六节 本章小结 |
第六章 考虑多输入约束的气动肌肉驱动二连杆机器人的自适应模糊滑模控制 |
第一节 引言 |
第二节 问题描述与模型分析 |
第三节 自适应模糊滑模控制器设计 |
第四节 稳定性证明及分析 |
第五节 实验结果及分析 |
第六节 本章小结 |
第七章 总结及展望 |
第一节 本文研究内容总结 |
第二节 未来工作展望 |
参考文献 |
个人简历及在学期间研究成果 |
(7)信息物理系统中无人机的安全控制及仿真(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与研究意义 |
1.2 国内外发展现状 |
1.2.1 CPS的国内外发展现状 |
1.2.2 无人机容错控制发展现状 |
1.2.3 CPS中无人机的网络安全发展现状 |
1.3 本文主要内容及文章结构 |
2 固定翼无人机动力学建模 |
2.1 引言 |
2.2 固定翼无人机参考坐标系的定义 |
2.2.1 参考坐标系的定义 |
2.2.2 参考坐标系之间的转换 |
2.3 固定翼无人机动力学和运动学方程的推导 |
2.3.1 基本假设 |
2.3.2 作用在无人机上的力和力矩 |
2.3.3 固定翼无人机动力学方程的推导 |
2.3.4 固定翼无人机运动学方程的推导 |
2.4 非线性模型线性化 |
2.5 本章小结 |
3 信息物理系统中无人机的容错控制 |
3.1 引言 |
3.2 L_1自适应控制器的设计 |
3.2.1 L_1自适应控制理论 |
3.2.2 L_1自适应控制器的设计 |
3.2.3 无人机L_1自适应控制器的设计 |
3.3 模型预测控制器的设计 |
3.3.1 模型预测控制的基本原理 |
3.3.2 模型预测控制算法的推导 |
3.3.3 无人机模型预测控制器的设计 |
3.4 控制切换机制的设计 |
3.5 仿真结果 |
3.5.1 模拟失效的情况 |
3.5.2 存在外界干扰的情况 |
3.6 本章小结 |
4 受攻击CPS的混杂鲁棒控制器设计 |
4.1 引言 |
4.2 问题描述 |
4.3 控制器设计 |
4.3.1 H_2最优控制器的设计 |
4.3.2 H_∞最优控制器的设计 |
4.3.3 切换机制设计 |
4.4 算例验证 |
4.4.1 小型无人直升机动力学模型 |
4.4.2 控制器参数的选取 |
4.4.3 仿真结果 |
4.5 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
(8)结构不确定情况下直流微电网分布式鲁棒自适应控制研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 直流微电网发展及其控制方法研究现状 |
1.2.1 直流微电网发展现状 |
1.2.2 直流微电网控制方法研究现状 |
1.2.3 直流微电网鲁棒自适应控制研究现状 |
1.3 本文主要研究内容及章节安排 |
第2章 鲁棒自适应控制及线性矩阵不等式方法基础 |
2.1 引言 |
2.2 鲁棒自适应控制的基本思想 |
2.3 不确定性系统的描述 |
2.3.1 动态不确定性 |
2.3.2 参数不确定性 |
2.4 标准鲁棒控制问题及稳定性分析 |
2.4.1 H_∞鲁棒控制问题 |
2.4.2 控制系统的稳定性分析 |
2.5 鲁棒控制的线性矩阵不等式方法 |
2.6 本章小结 |
第3章 直流微电网系统特性分析与建模 |
3.1 引言 |
3.2 直流微电网的结构特征 |
3.3 直流微电网的结构不确定性分析 |
3.4 两个分布式发电单元互联的直流微电网模型 |
3.4.1 基于Buck变换器的分布式发电单元互联模型 |
3.4.2 基于Boost变换器的分布式发电单元互联模型 |
3.5 含多个分布式发电单元的直流微电网状态空间模型 |
3.6 本章小结 |
第4章 直流微电网的分布式鲁棒H_∞控制研究 |
4.1 引言 |
4.2 直流微电网分布式鲁棒控制器的设计 |
4.2.1 分布式发电单元的积分控制方案 |
4.2.2 分布式发电单元的H_∞控制器设计 |
4.3 具有区域极点约束的鲁棒控制器 |
4.3.1 区域极点配置 |
4.3.2 具有闭环区域极点约束的鲁棒控制 |
4.4 直流微电网分布式鲁棒控制系统结构 |
4.5 直流微电网分布式鲁棒H_∞控制系统的稳定性分析 |
4.6 结构不确定情况下直流微电网的分布式鲁棒H_∞控制性能仿真研究 |
4.6.1 分布式发电单元互联时电压跟踪性能研究 |
4.6.2 分布式发电单元即插即用性能研究 |
4.6.3 微电网负载突变情况下的动态性能研究 |
4.6.4 微电网在外部扰动情况下的动态性能研究 |
4.7 本章小结 |
第5章 直流微电网的分布式鲁棒自适应控制研究 |
5.1 引言 |
5.2 直流微电网分布式鲁棒自适应控制器的设计 |
5.2.1 控制问题描述 |
5.2.2 基于Lyapunov稳定性的控制器设计 |
5.3 直流微电网分布式鲁棒自适应控制系统结构 |
5.4 直流微电网分布式鲁棒自适应控制算法 |
5.5 直流微电网分布式鲁棒自适应控制系统的稳定性分析 |
5.6 结构不确定情况下直流微电网的分布式鲁棒自适应控制性能仿真研究 |
5.6.1 互联情况下分布式发电单元的输出响应性能 |
5.6.2 分布式发电单元即插即用性能研究 |
5.6.3 负载变化情况下直流微电网的电压性能 |
5.6.4 微电网在外部扰动情况下的动态性能研究 |
5.7 本章小结 |
结论与展望 |
结论 |
展望 |
参考文献 |
致谢 |
附录A 攻读学位期间所发表的学术论文目录 |
(9)T-REX600无人直升机鲁棒控制技术研究(论文提纲范文)
摘要 |
Abstract |
1. 绪论 |
1.1 论文来源与研究背景及意义 |
1.2 无人直升机国内外的研究现状 |
1.2.1 无人直升机国内研究现状 |
1.2.2 无人直升机国外研究现状 |
1.3 鲁棒控制理论概述 |
1.4 论文主要工作和内容安排 |
1.5 本章小结 |
2. 不确定性鲁棒控制理论及应用基础 |
2.1 系统的不确定性及鲁棒性 |
2.1.1 系统的不确定性 |
2.1.2 无人直升机系统中的不确定性 |
2.1.3 系统中的鲁棒性 |
2.2 鲁棒控制理论的应用基础 |
2.2.1 矩阵基础 |
2.2.2 MATLAB线性矩阵不等式工具箱 |
2.3 本章小结 |
3. T-REX600无人机直升机数学模型的建立 |
3.1 无人直升机整体结构 |
3.1.1 无人直升机的组成部件 |
3.1.2 无人直升机飞行动力学结构 |
3.2 坐标系的定义及说明 |
3.2.1 地面坐标系 |
3.2.2 直升机机体坐标系 |
3.2.3 地面坐标系与机体坐标系的转换关系 |
3.3 无人直升机的动力学模型 |
3.3.1 主旋翼 |
3.3.2 尾旋翼 |
3.3.3 垂尾 |
3.3.4 平尾 |
3.3.5 机身 |
3.3.6 重力分量 |
3.3.7 刚性惯量 |
3.3.8 无人直升机上合外力与力矩的总结 |
3.3.9 无人直升机刚体动力学方程 |
3.3.10 无人直升机姿态角与角速度之间的运动学关系 |
3.3.11 无人直升机的非线性动力学模型 |
3.4 无人直升机的非线性模型线性化 |
3.5 本章小结 |
4. 带有外部干扰的无人直升机H_∞和H_2的控制器设计 |
4.1 H_∞控制基本理论 |
4.1.1 标准H_∞控制问题 |
4.1.2 基于LMI的状态反馈H_∞控制方法 |
4.2 H_2控制基本理论 |
4.2.1 标准H_2控制问题 |
4.2.2 基于LMI的状态反馈H_2控制方法 |
4.3 线性二次型最优控制 |
4.4 无人直升机LQR控制器设计 |
4.4.1 仿真实现及结果分析 |
4.5 无人直升机H_∞控制器设计 |
4.5.1 仿真实现及结果分析 |
4.6 无人直升机H_2控制器设计 |
4.6.1 仿真实现及结果分析 |
4.7 本章小结 |
5. 带有参数不确定性和外部干扰的无人直升机H_2/H_∞混合控制器设计 |
5.1 H_2/H_∞控制基本理论 |
5.2 无人直升机外部干扰的状态反馈H_2/H_∞混合控制方法 |
5.2.1 控制器设计 |
5.2.2 仿真实现及结果分析 |
5.3 无人直升机参数不确定性和外部干扰的状态反馈H_2/H_∞混合控制方法 |
5.3.1 控制器设计 |
5.3.2 仿真实现及结果分析 |
5.4 本章小结 |
6. 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
(10)Qball-X4四旋翼无人机的飞行控制算法研究(论文提纲范文)
摘要 |
abstract |
1.绪论 |
1.1 论文来源 |
1.2 研究背景及意义 |
1.3 四旋翼无人机的国内外研究现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.4 四旋翼无人机飞行控制算法研究现状 |
1.5 本文主要研究内容及安排 |
2.Qball-X4 四旋翼无人机数学模型的建立 |
2.1 四旋翼无人机机体结构与工作原理 |
2.1.1 四旋翼无人机机体结构 |
2.1.2 四旋翼无人机工作原理 |
2.2 坐标系及坐标转换 |
2.3 Qball-X4 四旋翼无人机非线性数学模型 |
2.4 本章小结 |
3.Qball-X4 四旋翼无人机LQR控制器设计及仿真 |
3.1 线性二次型最优控制原理 |
3.2 四旋翼无人机LQR控制器的设计 |
3.2.1 四旋翼无人机模型的简化 |
3.2.2 四旋翼无人机模型的线性化处理 |
3.2.3 四旋翼无人机线性化模型的能控性判定 |
3.2.4 四旋翼无人机LQR控制器 |
3.3 仿真分析 |
3.3.1 高度和姿态角仿真实验 |
3.3.2 有界干扰的鲁棒性仿真实验 |
3.3.3 白噪声干扰的鲁棒性仿真实验 |
3.4 本章小结 |
4.Qball-X4 四旋翼无人机H_∞控制器的设计及仿真 |
4.1 线性矩阵不等式(LMI) |
4.2 H_∞控制理论基础 |
4.2.1 H_∞鲁棒控制 |
4.2.2 标准H_∞控制问题 |
4.2.3 连续时间系统的H_∞性能指标 |
4.2.4 状态反馈H_∞控制问题 |
4.3 四旋翼无人机状态反馈H_∞控制器 |
4.4 仿真分析 |
4.4.1 高度和姿态角仿真实验 |
4.4.2 有界干扰的鲁棒性仿真实验 |
4.4.3 白噪声干扰的鲁棒性仿真实验 |
4.5 本章小结 |
5.Qball-X4 四旋翼无人机H_2 控制器的设计及仿真 |
5.1 H_2 控制理论基础 |
5.1.1 连续时间系统的H_2 性能指标 |
5.1.2 状态反馈H_2 控制问题 |
5.2 四旋翼无人机状态反馈H_2 控制器 |
5.3 仿真分析 |
5.3.1 高度和姿态角仿真实验 |
5.3.2 有界干扰的鲁棒性仿真实验 |
5.3.3 白噪声干扰的鲁棒性仿真实验 |
5.4 本章小结 |
6.Qball-X4 四旋翼无人机不确定性系统鲁棒控制 |
6.1 不确定性系统分析 |
6.1.1 不确定性系统模型 |
6.1.2 四旋翼无人机不确定性系统 |
6.2 四旋翼无人机不确定性系统的鲁棒H_∞控制器 |
6.3 四旋翼无人机不确定性系统的鲁棒H_2 控制器 |
6.4 仿真分析 |
6.4.1 高度和姿态角仿真实验 |
6.4.2 有界干扰的鲁棒性仿真实验 |
6.4.3 白噪声干扰的鲁棒性仿真实验 |
6.5 本章小结 |
7.结论与展望 |
7.1 论文内容总结 |
7.2 论文后续工作和展望 |
参考文献 |
致谢 |
四、具有结构不确定性系统的鲁棒H_∞控制器设计(论文参考文献)
- [1]复杂系统的解耦内模与事件触发故障补偿控制[D]. 刘凯悦. 北京化工大学, 2021(02)
- [2]阶跃扰动下时滞过程线性自抗扰控制方法研究[D]. 张宇明. 北京化工大学, 2021(02)
- [3]高精度永磁直线同步电动机互补滑模控制策略研究[D]. 金鸿雁. 沈阳工业大学, 2021(02)
- [4]阀控伺服系统的非线性模型和控制技术研究[D]. 冯利军. 北京交通大学, 2021(02)
- [5]分布式发电系统中变速风电机组及逆变器控制方法研究[D]. 侯波. 西安理工大学, 2021(01)
- [6]气动人工肌肉驱动的机器人控制方法研究[D]. 梁定坤. 南开大学, 2021(02)
- [7]信息物理系统中无人机的安全控制及仿真[D]. 陈守员. 大连理工大学, 2021(01)
- [8]结构不确定情况下直流微电网分布式鲁棒自适应控制研究[D]. 王科祖. 兰州理工大学, 2021(01)
- [9]T-REX600无人直升机鲁棒控制技术研究[D]. 崔利梅. 中北大学, 2020(09)
- [10]Qball-X4四旋翼无人机的飞行控制算法研究[D]. 梁雅琴. 中北大学, 2020(09)