非线性时变系统

摘要： 针对一类非线性时变系统的控制问题,使用了一种基于自耦PID的控制理论方法.该方法首先将时变不确定、模型不确定定义为一个扩张状态,并将非线性时变系统映射为未知线性系统;然后使用自耦PID控制方法构造了一个闭环系统;最后在复频域分析了闭环系统的鲁棒稳定性和抗扰动鲁棒性.理论分析与仿真结果都表明了本文控制方法具有良好的动态品质和稳态性能,在未知复杂系统控制领域具有广泛的应用前景.

摘要： 针对非线性时变系统提出一种基于子系统的辨识方法,用于时变多自由度(multiple degree-of-freedom,简称MDOF)系统中非线性的定位和估计,并且无需关于系统的先验知识.所提出的新方法提供一个连续时间模型,MDOF系统按照自由度被分解为不同的子系统.设计正交化算法和误差减小率(error reduction ratio,简称ERR),可以确定子系统中质量和自由度之间的线性及非线性连接的所有信息.在辨识过程中,时变参数的时间表达式可以由新方法准确给出.用一个3自由度(degree-of-freedom,简称DOF)集中质量系统和一个机械臂结构的辨识过程为例,对所提出的方法进行验证.由于简单性及高效性,此方法将在实际工程中取得广泛的应用.

摘要： 现代舞台设备的种类和应用场景繁多,系统内外不确定因素的干扰众多,包括设备的惯性,延时和负载的变化等;另外设备控制系统是一个非线性、时变的复杂系统.以上原因导致传统PID控制器的控制效果不理想,因此将自抗扰控制器(active disturbance rejection control,ADRC)的思想引入到舞台设备的远程监控系统中.在介绍了某舞台设备远程监控系统的结构、关键硬件和软件技术的基础上,设计了自抗扰控制器;接着根据分离性原理分别对自抗扰控制器的跟踪微分器、扩张状态观测器、非线性误差反馈控制规律的参数进行整定.仿真结果表明,自抗扰控制器比传统的PID控制器有更好的动态性能和抗干扰性,此结果在工程项目中得到论证.

摘要： 针对含噪声不确定非线性时变系统,提出一种基于多维泰勒网(MTN)稳定的自适应控制方案,其中3个MTN分别被用来实现非线性滤波、系统辨识与自适应控制.首先,MTN滤波器(MTNF)用来消除测量噪声,以得到无随机干扰的模型输出.然后,MTN辨识器(MTNI)用来表示系统动态映射且比传统神经网络泛化能力更强.而后,MTN控制器(MTNC)用来实现系统精确跟踪控制,其中时变被控对象由MTNI辨识并将其动力学特性信息实时提供给MTNC使其“光滑”自适应.此外,利用改进的灵敏度计算方法来剪除MTNI和MTNC的冗余输入和冗余中间层回归项.最后,证明基于MTN的闭环系统稳定性,并给出最优学习率以期实现快速学习.仿真结果表明,该方法具有精确的辨识能力、良好的跟踪性能和较强的抗干扰能力,可实现含有不确定性、随机因素和时变特性的非线性系统自适应实时控制.

摘要： 针对具有噪声干扰的非线性时变系统建模时存在的困难,建立了一种具有最优结构和最佳泛化能力的多维泰勒网模型,以实现对该系统的辨识.首先,为了能够快速反映系统输入/输出的变化,以多维泰勒网的连接权系数作为时变参数,并由带可变遗忘因子的递推最小二乘算法对其进行训练,进而讨论了辨识方案的稳定性.然后,为了避免维数灾难并满足实时性要求,给出了选择多维泰勒网有效回归项的改进权衰减法,以使多维泰勒网同时具有最小结构和最佳的泛化能力.最后,通过算例说明基于最优结构的多维泰勒网在含噪声非线性时变系统辨识问题中应用的方法,算例结果验证了该方法的有效性.%Aiming at the modeling difficulties of the nonlinear time-varying system with noise disturbance,a multi-dimensional Taylor network (MTN) model with optimal structure and optimum generalization ability is established to implement the identification of the system.Firstly,to rapidly reflect the input-output changes of the system,the link weight coefficients of MTN are taken as the time-varying parameters,and then the recursive least-squares algorithm with a variable forgetting factor is adopted to train the system and the stability of the identification scheme is addressed.Secondly,to avoid the dimension curse and meet the real-time requirements,an improved pruning algorithm is developed to choose the effective regression items of MTN,which provides the network with the simplest structure and optimum generalization ability.Finally,an example is given to illustrate the application of the MTN with minimum structure in the identification of a nonlinear time-varying system with noise disturbance,and the experimental results demonstrate the effectiveness of the proposed method.

摘要： 为了实现在有限时间区间上可重复运行的离散时变非线性系统辨识,给出基于时变神经网络的迭代学习辨识算法.对于每一个固定时刻,以该时刻的神经网络逼近该时刻系统输入输出间的映射关系,提出了在同一时刻沿迭代轴训练网络权值的带死区迭代学习最小二乘算法,为防止收敛速度下降过快,进一步提出了协方差阵可重调的改进算法.所提算法有较快的收敛速度,且时变神经网络对非线性时变系统的辨识精度也较高.

摘要： 为了研究非线性时变模型,提出了模糊变参数系统.它是一种集T-S模糊系统和线性变参数系统诸多优点为一体的新型非线性时变模型,它继承了T-S模糊模型能有效处理非线性系统的优点,又保持了线性变参数模型处理时变系统的优势.模糊变参数系统不仅克服了传统T-S模糊模型在处理时变系统时模糊规则剧增的弱点,也扩展了线性变参数系统理论的适用范围,为解决非线性时变系统的控制问题提供了新思路.在以上模型的基础上,给出了零平衡点全局渐进稳定的一个充分条件以及设计一种T-S全状态反馈控制律的充分条件,数值仿真验证了结果的有效性.%The fuzzy parameter varying system was proposed to study nonlinear time-varying models. It is a novel nonlinear model combining the advantages of both the T-S fuzzy system and the linear parameter varying ( LPV) system. It inherits the advantage of the T-S fuzzy system in dealing with nonlinear systems effectively, and maintains the advantage of LPV system when processing linear time-varying systems. Fuzzy parameter varying system not only overcomes the disadvantage of the traditional T-S fuzzy system in handing time-varying systems, but also expands the scope of application of LPV system theory. It pro-vides a new idea for solving nonlinear time-varying control problem. Moreover, a sufficient condition is provided to guarantee the globally asymptotically stable of the equilibrium and to synthesize a T-S state feedback control law which can stabilize the closed loop fuzzy parameter varying system. Numerical simu-lations verify the effectiveness of our results.

摘要： 气动加载系统是复杂的非线性时变系统,可变参数和不确定性比较多,本文采用积分型线性自抗扰控制器(I-LADRC)对气动加载系统进行控制.自抗扰控制器(active disturbance rejection controller,ADRC)结构简单,不依赖于被控对象精确的数学模型,可以很好补偿被控系统内外各种不确定性.加入积分环节用来弥补ADRC在时变系统控制中存在的不足.在采用VC++6.0的工控试验平台上,将I-LADRC应用于气动加载系统中,分别在加载压力为恒值、方波和正弦波时进行空载和加载实验,并将得到的实验结果与PID控制算法进行比较,实验结果表明该控制算法不仅响应速度快,精度高,并且还具有较强的鲁棒性,具有良好的工程应用前景.

摘要： 板形控制算法是冷轧带钢板形控制系统的核心内容,它的优劣性直接决定了板形控制效果的好坏.但冷轧机本身是一种高度非线性、时变的复杂物理系统,目前尚不能对其进行精确建模,这也决定了不能得到理想的板形控制效果.该文从控制原理上进行根本性的改变,提出具有原始创新的技术方案,有效解决已有技术方案存在的技术难点和缺陷,实现高精度的冷轧带钢板形控制.该方法成功应用于某钢厂,并取得了显著的应用效果.

摘要： 标准的递推最小二乘算法随着递推次数的增加，增益矩阵将逐渐趋于零，致使递推算法慢慢失去修正能力，出现所谓的“数据饱和”现象。为了克服“数据饱和”问题，本文首先对递推最小二乘算法进行改进，得到了改进的最小二乘算法(IRLS)，并给出了收敛性证明，然后将该算法应用于基于前向神经网络的非线性时变系统辨识。通过对两个非线性时变系统进行有效验证，仿真结果表明本文算法计算精度高、计算速度快、数值稳定性好、抗噪声干扰能力强，并能有效克服“数据饱和”。

摘要： 本文主要针对同时考虑非线性和时变特性的系统辨识和参数识别方法国内外研究进行较全面的总结.简要说明了非线性时变系统辨识方法研究具有非常重要的理论意义和广泛的工程应用价值,总结了用于非线性时变系统辨识的神经网络方法、非线性参数模型方法.最后还指出了该领域研究中存在的一些问题和今后的主要研究方向.

摘要： 本文提出一种描述非线性时变系统的方法和基于小波分解的系统辨识算法.对于通常的非线性含输入自回归(NARX)模型,赋予时变参数,构成时变NARX模型.辩识算法分别对时变参数和时不变的NARX模型的多项式进行小波分解,将一个复杂的辨识问题简化为一个线性参数估计问题.应用递推最小二乘法(RLS)进行参数估计时,该算法可实现系统的在线辨识.

摘要： 针对含有时变和时不变未知参数的高阶非线性系统，提出了一种自适应学习控制器的设计方案，该方案利用Backstepping方法和分段积分机制相结合，可以处理参数在一个未知紧集内周期性快时变的非线性系统，通过引进参数周期自适应律，设计了一种自适应控制策略，使跟踪误差在误差平方积分范数意义下渐近收敛于零，通过构造Lyapunov函数，给出了闭环系统收敛的一个充分条件。仿真结果说明了该方法的有效性。

摘要： 针对一类在有限时间区间上可重复运行的既含结构不确定性又含无结构不确定性的高阶非线性时变系统，设计了一种自适应迭代学习控制方案。该方案利用改进的Backstepping方法，系统转换和参数重组相结合，可以处理未知的控制方向和目标轨线都与迭代次数有关的跟踪问题。通过引入微分-差分混和自适应学习律，设计了一种自适应控制策略，使得跟踪误差在一个有限区间上的积分渐近收敛于零；通过构造Lyapunov-like能量函数，给出了闭环系统收敛的一个充分条件。数值仿真验证了所提方法的可行性。

摘要： 重复学习控制如迭代学习控制一样仅要求被学习量满足重复性，又像重复控制一样不需对运行的系统进行重置位操作，回避了迭代学习控制中的初始误差问题，同时使重复控制的应用范围得以推广。针对一类含非参数化不确定非线性系统，给出一种有限作业区间上的鲁棒重复学习控制器设计。利用控制器中的鲁棒部分保证闭环系统所有变量有界，重复学习部分可有效消除系统的跟踪误差。本文分别讨论了部分限幅与完全限幅学习两种情形，给出闭环系统稳定性和收敛性的理论分析。数值仿真验证了算法的有效性。

摘要： 针对一类变结构非线性时变系统,研究了DC-DC变换器的自适应控制算法.以Buck变换器为研究对象,在它平均状态模型的基础上,使用强跟踪滤波器在线估计出变换器的参数,实时更新广义一般模型控制的模型参数以补偿时变参数的影响,由此实现DC-DC变换器的自适应广义一般模型控制.仿真结果表明,当输入电压、负载、参考电压或变换器其他参数发生变化时,采用自适应控制的DC-DC交换器仍然具有良好的鲁棒性和控制性能。最大超调量为3.73%,稳态误差为0,Vout、iL和R的真值和估计值相对误差的均值分别为0.18%、2.64%和2.78%.

摘要： 针对基于前向神经网络的普通递推最小二乘估计存在着自适应跟踪慢和精度低的问题,本文提出了一种可对非线性时变系统进行快速辨识的新方法,因该方法有类似递推最小二乘算法的形式,称其为基于前向神经网络的快速递推最小二乘算法.该算法对传统的递推最小二乘算法的递推方式进行了改变,以更好的跟踪非线性时变系统的动态特性.针对典型的系统辨识仿真算例,通过与现有常用方法的比较研究显示了这种算法具有计算简单、收敛速度快和辨识精度高的良好性能.最后将方法用于一个三自由度时变非线性振动系统,结果同样验证了方法的良好特性.

摘要： 本文针对一类状态不可直接测量的非线性时变系统,提出基于BP神经网络逆模型的状态观测器,可以对系统的状态进行实时观测,理论分析和仿真结果表明,这种状态观测器可以很好地观测系统的状态.

摘要： 本文提出了一种实时检测单相系统电压相位的方法。基于RLS自适应辨识算法和协方差复位技术，该检测方法可以快速的估计出电压的基波分量。即使当电压的幅值和相位同时突变时，文中提出的方法也能快速的检测出电压的初始相位和幅值，而不产生大的延时。本文应用给出了此方法的仿真结果及实验波形并与过零检测法和锁相环法进行了对比，结果证明此方法可为预测电流控制提供高精度的实时电压相位。此方法亦可应用在光伏发电并网逆变器、UPS、PWM、AC／DC变换器、有源滤波及串联电压补偿器等需要快速响应的系统中。

摘要： 本发明涉及机器人遥操作系统控制技术。本发明针对非线性遥操作系统中时变时延产生的主从机器人位置信号和力信号传输延迟导致主从机器人之间的位置误差和力误差的问题，公开了一种具有时变时延的非线性遥操作系统的位置和力跟踪控制系统，提高系统的跟踪性能，确保系统的稳定性。本发明的技术方案是，具有时变时延的非线性遥操作系统位置和力跟踪控制系统，包括操作者模块、主机器人控制器、主机器人、通信通道、从机器人控制器、从机器人和环境模块。本发明能够有效解决非线性遥操作系统中时变时延产生的主从机器人位置信号和力信号传输延迟问题，提高系统的位置和力跟踪准确性。

摘要： 本发明公开一种时变非线性质量弹簧阻尼系统的运动控制方法，包括以下步骤：通过时变非线性质量弹簧阻尼系统，得到时变非线性质量弹簧阻尼系统的数学模型；通过时变非线性质量弹簧阻尼系统的数学模型，得到时变非线性质量弹簧阻尼系统的动力学方程组；通过时变非线性质量弹簧阻尼系统的动力学方程组，利用零化动力学方法，得到时变非线性质量弹簧阻尼系统的运动控制器；通过时变非线性质量弹簧阻尼系统的运动控制器，利用时间离散公式得到对应的未来的控制输入参数。本发明基于零化动力学方法和时间离散公式，实现了对时变非线性质量弹簧阻尼系统的高精度实时运动控制。

摘要： 本发明涉及机器人遥操作系统控制技术。本发明针对非线性遥操作系统中时变时延产生的主从机器人位置信号和力信号传输延迟导致主从机器人之间的位置误差和力误差的问题，公开了一种具有时变时延的非线性遥操作系统的位置和力跟踪控制系统，提高系统的跟踪性能，确保系统的稳定性。本发明的技术方案是，具有时变时延的非线性遥操作系统位置和力跟踪控制系统，包括操作者模块、主机器人控制器、主机器人、通信通道、从机器人控制器、从机器人和环境模块。本发明能够有效解决非线性遥操作系统中时变时延产生的主从机器人位置信号和力信号传输延迟问题，提高系统的位置和力跟踪准确性。

摘要： 本发明涉及一种非线性集群系统的时变编队跟踪优化控制方法及系统，包括：根据局部编队跟踪误差和集群系统动力学模型，得到跟踪误差模型；根据每个跟随者的局部编队跟踪误差得到每个跟随者的能耗性能指标；将每个跟随者的局部编队跟踪误差模型和能耗性能指标带入至HJB方程得到性能指标关于局部编队跟踪误差的梯度和最优控制协议；根据梯度、局部编队跟踪误差、跟随者未知动力学和非合作者领导者未知动力学得到梯度对应的平衡量；由神经网络辨识得到平衡量、跟随者和非合作者领导者未知动力学的神经网络逼近函数并结合到跟随者的最优控制协议中得到执行控制协议，实现未知动力学跟随者和非合作者领导者的非线性集群系统时变编队跟踪优化控制。

摘要： 本发明公开了一种灵活的投影仪非线性校正方法及三维测量系统，涉及到光学三维测量领域。首先使用仿真程序生成数据集，然后用生成的数据集训练一个支持向量回归机模型，支持向量回归机根据折叠相位的概率密度函数估计系统的gamma值，然后运行一个迭代算法对非线性误差进行校正，得到精确的折叠相位，最后采用时间相位展开算法和三角测量原理生成点云数据。提出的非线性校正方法无需增加投影图片的数量，也不需要复杂的光度学标定过程，可以在条纹分析阶段就校正系统的非线性误差。本发明提出的方法可以解决时变的非线性问题，实现高速、高精度的三维测量。

摘要： 本发明提出了一种基于椭球的非线性时变互联系统区间估计方法：首先建立三智能车系统的状态空间动态模型，子系统之间采用“加权尝试一次丢弃”协议进行信息交换，然后构建区间观测器和误差动态系统，最终求解观测器增益矩阵并得到状态估计椭球集；本发明在非线性时变互联系统状态估计研究的基础上，克服了非线性时变互联系统因子系统数量多且相互耦合所造成的计算负担高、观测器设计复杂以及估计精度低、保守性强的技术难题；同时，子系统之间采用“加权尝试一次丢弃”协议进行数据交换，节约了通信带宽；最后，以三台智能车构成的三智能车系统为例，验证了所提方法的有效性。

摘要： 本发明公开一种带非线性的广义时滞马尔科夫跳变系统的控制方法。包括如下步骤：(1)构建带非线性的广义时滞马尔科夫跳变系统的系统模型；(2)构建观测器模型，得到误差系统模型；(3)构造滑动模态下的等价观测器模型；(4)将等价观测器模型与误差系统模型构成增广系统，针对增广系统，给出系统容许并满足存在扰动下时鲁棒稳定的条件；(5)利用Lyapunov函数和性能指标函数证明步骤(4)的条件有效；(6)在步骤(4)的条件基础上推导出系统的状态反馈增益矩阵，观测器，实现对增广系统的控制。本发明中的状态观测器针对经常能遇见状态不可直接获得的情况，通过观测器来估计系统状态并设计滑模控制器进而对原系统产生有效的控制。

摘要： 本发明公开了一种时延非线性时变系统的有限时间实时控制方法，包括：建立时变系统状态空间模型；设计时变反馈控制律，建立闭环时变系统状态空间模型；通过闭环时变系统关于鲁棒有限时间有界的条件和基于能量函数的有界判定辅助方程，得到有限时间实时控制策略的存在条件；通过给定参数、初始化参数、不等式组求解、修改初始化参数等步骤设计控制器求解算法，并计算控制器增益序列，设计有限时间实时控制律，开展鲁棒有限时间有界控制。本发明提供了一种实时计算方法，降低了离线计算在工程实现上和设计条件的保守性，有效降低外部扰动对系统性能的破坏，为时延受扰系统的有限时间控制律的设计提供了理论指导。

摘要： 一种动态调度协议下非线性时变的风能发电机系统的有限时域H∞控制方法，属于网络化控制系统领域。首先建立动态调度通信协议影响下，存在可解析非线性和随机非线性时变系统的风能发电机的数学模型；然后设计基于观测器的状态反馈控制器，利用李雅普诺夫稳定性理论得到闭环系统满足H∞性能要求的充分条件；基于递归线性矩阵不等式技术的有限时域H∞控制器的增益矩阵求解方法，利用Matlab LMI工具箱求解得到观测器和控制器的时变增益矩阵。本发明考虑实际情况下动态调度通信协议对非线性时变的风能发电机系统的影响，考虑系统存在可解析非线性和随机非线性，适用于一般网络化时变系统的有限时域H∞控制，降低了保守性。

摘要： 本发明公开了一种时延非线性时变系统的有限时间实时控制方法，包括：建立时变系统状态空间模型；设计时变反馈控制律，建立闭环时变系统状态空间模型；通过闭环时变系统关于鲁棒有限时间有界的条件和基于能量函数的有界判定辅助方程，得到有限时间实时控制策略的存在条件；通过给定参数、初始化参数、不等式组求解、修改初始化参数等步骤设计控制器求解算法，并计算控制器增益序列，设计有限时间实时控制律，开展鲁棒有限时间有界控制。本发明提供了一种实时计算方法，降低了离线计算在工程实现上和设计条件的保守性，有效降低外部扰动对系统性能的破坏，为时延受扰系统的有限时间控制律的设计提供了理论指导。