一、一种鲁棒自适应Backstepping控制方案研究(论文文献综述)
金鸿雁[1](2021)在《高精度永磁直线同步电动机互补滑模控制策略研究》文中研究指明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。
张新宇[2](2021)在《非严格反馈非线性系统自适应约束控制研究》文中研究说明实际工业生产系统往往是非线性的,并且具有高度不确定性。为了实现工业生产自动化控制,非线性系统的控制研究一直受到专家学者们的广泛关注。将自适应控制与模糊控制方法将结合,利用模糊逻辑系统对系统中存在的未知非线性项进行近似估计,并通过自适应backstepping方法设计非线性系统的控制器可以有效对非线性系统进行控制。此外,目前还存在一些问题需要进一步深入研究。由于实际生产条件的限制以及对生产安全的考虑,实际生产过程中经常需要对系统状态进行限制。如何在控制器的设计阶段实现非线性系统的全状态约束,是一个值得深入研究的问题。另一方面,现有的非线性系统自适应模糊控制的研究大多是基于严格反馈或纯反馈系统进行的,然而许多复杂的实际系统并不能用严格反馈或纯反馈系统来表示。非严格反馈形式的非线性系统更具有普遍的适用性,但其控制器的设计也更加困难。为了解决上述问题,本文进行了如下工作:(1)针对一类非严格反馈非线性系统,考虑输入时滞和外部扰动的影响,设计了系统的自适应模糊控制器。通过Pade近似的方法解决了系统输入时滞问题,并利用模糊基函数的性质,将自适应backstepping设计方法应用于非严格反馈系统。在控制器设计过程中,利用模糊逻辑系统估计系统中的未知非线性函数,并在设计过程的每一步都引入障碍Lyapunov函数,对系统的所有状态都进行了约束。应用Lyapunov稳定性理论证明了系统全部变量的有界性,并且满足约束条件。最终通过数值仿真验证了所设计的控制器的有效性,和未带有约束控制的方法相比,本文所设计的控制器具有更好的控制效果。并将控制器应用于机电系统的仿真实验,对机电系统进行精确跟踪控制的同时对系统的全部状态进行了约束。(2)为了进一步实现系统的全状态时变非对称约束控制,在上述研究成果的基础上,本文基于动态面控制方法,设计了一类非严格反馈非线性系统的自适应模糊控制器,通过时变非对称障碍Lyapunov函数,对非线性系统的所有状态进行时变非对称约束。在自适应backstepping设计过程中,引入一阶滤波器对虚拟控制函数进行处理,解决了以往需要对虚拟控制函数进行连续微分计算的问题,并降低了时变非对称障碍Lyapunov函数的阶数要求,减轻了计算负担。通过Lyapunov稳定性理论证明了非线性系统的所有状态都保持在时变非对称约束区间内。最终利用数值仿真和单连杆机械臂系统仿真对控制器的有效性进行验证,仿真结果表明在所设计的自适应模糊控制器作用下,非线性系统得到了有效控制,所有状态在运行过程中都不违反时变非对称约束条件,并且系统拥有更快的跟踪速度。
朱燕[3](2021)在《分布式驱动电动汽车鲁棒容错控制方法研究》文中指出相比于传统汽车,分布式驱动电动汽车具有车轮可独立控制、响应速度快等优势,如今备受关注。然而,在车辆行驶过程中可能会受到诸如侧风之类的外部扰动,且由于系统复杂性越来越大,执行器和传感器故障的概率也越来越高。这对车辆稳定性造成严重的影响,危及车辆的行驶安全性。本文针对车辆系统的鲁棒容错控制问题,并考虑车辆的队列保持和轨迹跟踪问题进行了控制方法的研究,提出了基于模糊PID的车辆干扰抑制方法、基于自适应Backstepping的驱动电机故障补偿控制方法和基于自适应滑模的鲁棒容错控制方法。为提高车辆在侧风扰动下的稳定性,提出基于模糊PID控制的车辆干扰抑制方法。给出了考虑侧风干扰的车辆模型,融合模糊控制法和PID控制法对车辆的横摆角速度以及质心侧偏角进行跟踪。为应对电动汽车驱动电机故障后车辆稳定性下降的问题,设计基于自适应Backstepping的容错控制方法。首先给出了电动汽车含有故障参数的动力学方程;然后分析给出电动汽车执行器故障模式,建立一般的驱动电机故障模型;再针对各故障情况分别设计一种不依赖故障检测模块的容错控制器,将各控制器进行融合得到一个复合控制器;最后利用Lyapunov稳定性理论证明了系统的稳定性。为解决电动汽车同时发生驱动电机故障和外部扰动时车辆安全性下降的问题,设计一种基于自适应滑模的鲁棒容错控制方法。首先分析电动汽车的扰动类型,建立一般的干扰模型;然后采用滑模控制设计基础控制器,保证车辆系统在正常行驶下的稳定性;再采用自适应律来估计故障信息、控制器参数以及未知扰动的上界;最后理论分析表明了电动汽车在发生驱动电机故障和外部扰动下信号均一致有界,保证了系统的稳定性。基于Matlab的仿真结果表明,所提出的干扰抑制策略提高了电动汽车的横摆稳定性。所提出的驱动电机故障补偿控制策略保证了车辆闭环系统稳定和渐近跟踪给定的输出指令,提高了车辆的操纵稳定性和执行器故障容错性能。所提出的鲁棒容错控制策略,保证了电动汽车在驱动故障和外部扰动时的安全性,提高了车辆的稳定性和渐近跟踪性能。
陈霞[4](2021)在《无人直升机鲁棒自适应受限控制器设计》文中提出无人直升机(unmanned aerial vehicle,UAV)因其在轨迹跟踪作业具有操控简单、运行稳定、抗干扰性强等优势,已广泛应用于军事和民用领域。然而,无人直升机由于工作空间限制、安全性能要求,且具有高度非线性和强耦合特性,这对受限UAV控制器的设计带来了挑战。围绕这一系列问题,本文基于受限非仿射非线性UAV偏航控制模型,在俯仰角饱和、状态不可测、状态受限、执行器故障和外部扰动方面开展研究,具体内容如下:为解决俯仰角饱和及抑制外部阵风干扰对UAV偏航跟踪产生的不利影响,研究了基于非线性干扰观测器的Backstepping滑模控制方法。采用泰勒级数展开技术,使输入饱和非仿射非线性UAV偏航系统转化为仿射形式;为补偿系统中的复合扰动,给出非线性干扰观测器;在此基础上,设计有限时间收敛Backstepping滑模控制器,其中,一阶滤波器的引入避免了Backstepping控制中的“微分膨胀”问题,并设计辅助系统补偿滤波误差影响。通过仿真表明了所研究控制方法的有效性。针对未知状态和俯仰角饱和的非仿射非线性受扰UAV偏航系统,设计了基于扩张状态观测器的饱和积分Backstepping控制方法。设计扩张状态观测器对受限非仿射非线性UAV偏航系统状态进行观测;在此基础上利用全局近似方法将状态不可测和输入饱和的非仿射非线性UAV偏航系统控制量显性化;为准确估计复合未知干扰,设计超螺旋干扰观测器,使得干扰估计误差在有限时间收敛于零;以此设计抗饱和积分Backstepping控制器。仿真结果验证了所设计控制方法能够完成要求的跟踪任务并保证系统的稳定性。围绕偏航角和角速度受限的非仿射非线性UAV偏航系统,提出了基于自适应滑模干扰观测器的受限控制方法。结合泰勒级数展开和鲁棒滑模滤波技术,将状态受限非仿射非线性UAV偏航系统转化为便于控制器设计的仿射形式;设计自适应快速终端滑模干扰观测器对未知扰动进行估计;以此,提出基于障碍型函数的指令滤波受限控制器。仿真实验说明了UAV偏航闭环系统具有良好的跟踪性能。考虑存在俯仰角饱和、状态受限和执行器故障综合作用下的受扰非仿射非线性UAV偏航系统,给出了基于抗饱和补偿器的自适应神经网络容错控制方法。使用近似方法将受限非仿射非线性UAV偏航系统控制量显性化;利用神经网络在线有效的逼近未知非线性函数,并采用自适应技术对未知参数进行估计;设计抗饱和补偿器修正输入饱和对系统的影响;以此,设计基于障碍型函数的自适应神经网络容错控制器。通过仿真分析证实了所设计控制方法的有效性。
赵琴[5](2021)在《具有惯性参数辨识的组合体航天器位姿联合控制》文中研究表明随着空间在轨服务技术的发展,捕获非合作目标后的位姿控制已成为一个重要的研究领域。在捕获非合作目标后,服务航天器的结构布局和参数发生剧烈突变,使形成的组合体航天器动力学具有强耦合非线性和强不确定性,同时,控制系统的执行结构在组合体航天器中处于配置未知状态,这些都给捕获后组合体航天器的控制带来了极大的挑战。此外,由于非合作目标的质量特性未知,服务航天器在轨捕获后引起自身质量特性突变,使组合体航天器的质心、质量和惯量矩阵具有不确定性,严重影响了后续空间任务的顺利完成。空间环境中还存在多种摄动力和干扰力矩,进一步增加了组合体航天器运动的不确定性。在这种情形下,研究捕获后组合体航天器的位姿联合控制问题就具有巨大的挑战性和重要的工程实际意义。本文以组合体航天器空间近距离操作任务为研究背景,对具有惯性参数辨识的位姿联合控制进行研究,主要内容包括:建立了组合体航天器相对位姿耦合动力学模型。采用修正罗德里格参数描述航天器姿态,并建立了相对姿态动力学模型。然后基于二体问题基本方程,在本体坐标系中建立了相对位置动力学模型。并以推力器作为执行机构,提出了一种全驱的配置方案。在此基础上,联立得到组合体航天器的相对位姿耦合动力学模型,并对位置与姿态运动之间的耦合关系进行了分析。研究了需要满足持续激励条件的具有参数辨识能力的位姿联合控制问题,并为组合体航天器提出了三种有限时间跟踪控制律。在没有外界干扰的情况下,通过引入一组一阶滤波器和辅助变量,得到参数估计误差表达式,并给出了参数辨识应满足的充分条件。在此基础上,结合自适应Backstepping方法,提出了一种自适应有限时间跟踪控制律。为了避免抖振现象和保证控制器的连续性,利用sig函数提出了一种改进的连续的位姿联合有限时间跟踪控制律。此外,针对存在外部干扰的情况,为了便于分析将干扰通过一阶滤波器得到相应的虚拟滤波值,并在已知干扰上界的假设下,提出了一种具有鲁棒性能的位姿联合控制律。在跟踪特定参考信号的条件下,这三种控制律均无需惯性参数的先验知识,能够在有限时间内实现位姿轨迹跟踪以及质量和转动惯量辨识。仿真结果验证了所提三种控制律的有效性。为了减少不必要机动而造成的能量损耗,针对没有外界干扰的情况,研究了无需持续激励的具有惯性参数辨识的位姿联合控制问题。首先将动力学方程转换为未知参数的线性表达式,基于并发学习的思想,依据一定的数据选取准则存储瞬时数据,并通过构造矩阵给出了参数辨识所需的秩条件,然后同时利用存储数据和当前数据提出了一种有限时间并发学习自适应律。在此基础上,结合自适应Backstepping方法,为组合体航天器设计了一种并发学习有限时间自适应跟踪控制律,无需持续激励和惯性参数的先验知识,能够在常规的任务机动中同时实现位姿轨迹跟踪以及质量和转动惯量辨识的有限时间收敛。数值仿真验证了所提控制律的有效性,且系统的收敛性能得到明显改善。考虑到外部干扰的影响,研究了无需持续激励的具有惯性参数辨识的鲁棒位姿联合控制问题。作为一种常见的影响航天器运动的不确定因素,外部干扰在大多数惯性参数辨识研究中被忽略。针对这一情况,根据已知外部干扰的不同信息提出了两种并发学习有限时间自适应控制律:一种是基于干扰边界已知的假设进行设计;另一种则假设外部扰动可以转换为已知非线性函数的未知线性组合,对干扰参数与惯性参数一同辨识。并针对这两种情况,分别给出了无需持续激励的惯性参数辨识的充分条件。这两种控制律均无需质量和转动惯量的先验知识,且使用Lyapunov方法证明了闭环系统的收敛性。仿真结果表明,这两种控制器均能在外部干扰存在的情况下,使组合体航天器在有限时间内同时实现位姿轨迹跟踪以及质量和转动惯量辨识,并且在充分利用外部干扰的已知信息后,提高了参数辨识的精度。最后,研究了在存在未知常值外部干扰的情况下,能够辨识全部惯性参数的鲁棒位姿联合控制问题。值得指出的是,质心位置存在于控制系数矩阵中增加了控制器设计的难度,目前还没有采用自适应控制方法实现航天器全部惯性参数辨识的研究成果。本文首先利用定义的线性算子分离出质心坐标,并定义一个包含所有未知参数(质心、质量、转动惯量和常值干扰)的未知向量,然后将系统方程转换为未知向量的线性形式。随后基于并发学习的思想选取和存储数据,提出了保证数据丰富性的充分条件。在此基础上,利用控制输入矩阵总是可逆的且与质心位置无关这一特性,结合自适应Backstepping方法,提出了一种并发学习自适应跟踪控制律。在无需惯性参数先验知识的情况下,保证了位姿轨迹跟踪和惯性参数的全局指数收敛,并且首次采用自适应控制方法实现了包括质心在内的全部惯性参数辨识,并同时估计了外部干扰。
赵继鹏[6](2021)在《不确定非线性系统模糊自适应输出反馈控制》文中研究指明众所周知,许多实际工程系统中都存在未建模动态、时滞、未知控制增益等现象,这些现象成为导致被控系统不稳定的一个重要因素。随着科技发展的脚步迈的越来越快,许多工业领域对控制系统的控制品质要求的越来越高,它们不只是要求被控系统是稳定的,还希望被控系统能够具有一定的鲁棒性,这使被控系统的理论研究更有实际意义。所以,近年来控制领域在研究系统稳定性的基础上逐渐加强对非线性系统的鲁棒控制的探索。本文以模糊自适应反步递推(Backstepping)设计为基础,以系统状态不可测的情况为前提条件,研究几类控制增益是未知非线性函数的严格反馈非线性系统的输出反馈鲁棒控制设计问题,并且给出了系统的稳定性与收敛性的分析证明。主要内容如下:(1)对于带有未知状态时滞的非线性严格反馈系统,当假设系统的状态不完全可测时,通过Lyapunov-krasovskii泛函解决未知状态时滞问题,系统中的未知的非线性动态将用模糊逻辑系统逼近,通过建立状态观测器解决系统状态无法测得的问题,在Backstepping设计思想的启发下,设计出一种模糊自适应输出反馈控制设计方案,并且给出了被控系统在Lyapunov函数意义下的稳定性证明。最后,通过数值仿真结果来验证所设计的控制方法是有效的。(2)对于一类状态不可测的严格反馈非线性系统,当假设系统中的控制增益均为未知的非线性函数时,通过建立状态观测器解决系统状态无法测得的问题,然后用模糊逻辑系统对未知非线性动态进行辨识。此外,传统Backstepping控制方法固有的“计算膨胀”问题也通过引入动态面控制技术被解决,并提出一种模糊自适应动态面控制设计方案,并给出稳定性证明。所设计的控制方法避免对虚拟控制器进行重复微分,降低了系统计算的复杂度,减少计算时间。最后,通过仿真得出的结果可以验证该方法的有效性。(3)对于一类带有未建模的动态非线性系统,在系统的状态不完全可测的情况下,采用动态信号的方法处理未建模动态的扰动,根据有界控制的设计思想构造对数Lyapunov函数,通过构造对数Lyapunov函数并结合投影算子技术,确保所设计的控制器是有界的。根据Backstepping控制设计技术,给出模糊自适应输出反馈控制设计方案和稳定性证明。最后,通过仿真得出的结果可以验证该方法的有效性。(4)研究一类带有未知控制增益函数的多输入多输出非线性严格反馈系统的模糊自适应输出反馈控制问题,当假设系统中状态不完全可测时,通过建立状态观测器解决系统状态无法测得的问题,然后用模糊逻辑系统对未知非线性动态进行辨识。基于Backstepping控制技术,设计了一种模糊自适应输出反馈控制算法并给出稳定性分析。最后,通过仿真得出的结果可以验证该方法的有效性。(5)对于一类严格反馈不确定非线性切换系统,在系统的状态不完全可测的情况下,进一步考虑输入饱和的控制问题。通过利用中值定理将输入的饱和函数转化为有界的函数,从而有效的解决了饱和输入问题。此外,为了解决传统的Backstepping控制方法固有“计算膨胀”问题,采用命令滤波器不仅克服对虚拟控制器重复微分,还考虑了滤波器的滤波误差,引入误差补偿信号抑制滤波误差。在模糊控制和Backstepping控制的框架下,给出了一种模糊自适应输出反馈控制设计方法和稳定性证明。最后,通过仿真得出的结果可以验证该方法的有效性。
姜日凡[7](2020)在《基于无线网络的船舶航向保持控制研究》文中研究指明为了满足船舶控制系统的发展需要,各种智能终端和传感器大量应用于船舶中,如果使用有线网络连接这些设备,会制约设备的移动性和灵活性,并且船舶使用有线网络存在一些问题,为了解决上述问题,船舶无线传感器网络应运而生。船舶无线传感器网络能够实现船舶智能终端和传感器的按需部署,具有移动性、灵活性、可扩展性、低成本以及方便维护等特点,并且能够有效地解决船舶内布线空间狭窄而施工困难等问题。目前船舶无线传感器网络主要应用于船舶监控和定位等领域,本文尝试以无线传感器网络为船舶操舵系统的冗余网络,进行基于无线网络的船舶航向保持控制研究。本文开展的主要研究内容和方法如下:首先,针对船舶无线传感器网络的能量有限和实时性问题,本文设计了一种船舶无线传感器网络操作系统Mindows,并提出了一种基于Mindows的船舶无线传感器网络节点的功耗管理方案,主要从操作系统层面对节点进行了低功耗设计,分别从节点微处理器、外围设备以及电池能量方面进行了电源管理设计。通过测试结果验证,该方案能有效地降低船舶无线传感器网络节点功耗,延长无线传感器网络的生命周期,且系统运行稳定。其次,为了满足基于无线网络的船舶航向保持控制研究的需要,方便地开展所研究算法的仿真测试实验,本文利用VB设计一套基于实际的GPRS和ZigBee网络的近海或内河船舶航向保持控制仿真平台,弥补了单一软件仿真的局限性。实验结果验证了在该平台通过远程及近距无线网络进行船舶航向保持控制的可行性和该平台的实用性。再次,针对船舶在海上运动的大时滞和非线性等问题,本文提出了一种适用于船舶大时滞和非线性情况的灰色预测简捷鲁棒控制算法,采用改进的灰色模型对船舶航向偏差进行实时预测,并将预测值应用于船舶航向简捷鲁棒控制器。通过仿真验证,该算法具有形式简捷、参数易整定、鲁棒性强等优点。最后,针对需要安装冗余控制网络的船舶,本文提出以ZigBee无线传感器网络为船舶操舵系统冗余网络的方案;针对无线网络控制系统的诸多问题,本文从控制和通信的联合设计角度解决这些问题,从通信角度出发,设计基于并行不相交多路径路由的ZigBee网络,保证控制算法有效实施;从控制角度出发,设计的船舶航向保持控制器将灰色预测模型和基于非线性反馈的船舶航向保持积分Backstepping简捷鲁棒控制相结合进行时延和丢包补偿控制。通过仿真验证,该方案能优化无线网络控制的整体性能,能得到较好的控制效果,具有一定的实际参考价值。本文通过仿真验证,将无线网络控制应用于船舶航向保持控制中是可行的和有效的,并且是一种有益的尝试。随着无线网络技术不断成熟完善,船舶控制系统采用无线网络代替有线网络将成为未来发展的趋势。
于兴虎[8](2020)在《复杂非线性系统的自适应容错控制研究》文中研究指明随着控制系统的发展,其可靠性和安全性也越来越受到人们的重视。然而由于系统结构变得越来越复杂且系统规模越来越庞大,系统的执行器和传感器等元部件不可避免会发生故障,从而导致系统控制性能下降,甚至导致系统运行不稳定。因此,如何针对具有执行器和传感器故障的非线性系统设计有效的容错控制器,保证系统的稳定运行具有重要的理论意义与实际应用价值。本文基于自适应反步控制方法、模糊逻辑系统、容错控制方法、非线性和随机非线性系统稳定性理论等技术,针对不同类型的复杂非线性系统存在传感器或执行器故障时的容错控制问题进行了深入研究,论文的主要研究内容如下:针对一类具有严格反馈结构和外部干扰的非线性系统,考虑系统执行器同时存在未知输入死区特性和执行器故障的容错控制问题。首先利用模糊逻辑系统逼近系统中存在的未知非线性项,基于模糊逼近误差和系统外部干扰构造增广系统新的未知干扰,在控制设计过程中设计干扰观测器估计系统的未知干扰变量;其次将系统的控制输入表示为关于未知死区输入特性的非线性函数,并基于自适应反步法设计了相应的参数自适应律和自适应模糊容错控制方法。通过利用李雅普诺夫稳定性理论对闭环系统的稳定性进行分析,保证了闭环系统是稳定的,且闭环系统的所有信号均为半全局一致最终有界。针对一类随机非线性严格反馈系统,考虑系统同时存在量化输入和执行器故障的输出反馈容错控制问题。首先基于模糊逻辑系统逼近系统中的未知非线性函数,并设计模糊状态观测器估计系统的不可测状态;其次通过将量化输入信号表示为输入信号的非线性函数,基于伊藤微积分理论和自适应反步法设计了相应的参数自适应律和自适应模糊容错控制方法,并利用随机系统理论对系统进行稳定性分析,保证了闭环系统是依概率稳定的。针对一类伊藤随机非线性系统,考虑系统存在未知参数、传感器故障和未知控制方向的容错控制问题。首先假设系统所有状态均存在部分失效故障,且系统的n阶状态方程均存在未知控制方向;其次基于自适应反步法给出依赖于状态传感器测量信号的坐标变换,在此基础上设计了指数型李雅普诺夫函数,并分析了闭环系统的随机稳定性,基于Nussbaum型函数提出了新颖的自适应容错控制方法,补偿了传感器故障和未知控制方向对系统的性能影响。针对单输入单输出随机非线性严格反馈系统和随机互联非线性系统,首先考虑单个系统同时存在传感器和执行器故障的输出反馈容错控制问题,其次将该类型系统作为互联系统的一个子系统,研究了互联随机非线性系统的自适应分散容错控制问题。首先利用模糊逻辑系统逼近系统的未知非线性函数,并构造模糊状态观测器估计系统的不可测状态和失效比例常数;其次针对观测误差系统构造了新颖的二次和三次混合李雅普诺夫函数,设计了相应的参数自适应律和自适应模糊容错控制方法。在此基础上,利用分散控制思想,将上述结果推广到了一类随机互联非线性系统,两种方法均保证了闭环系统的状态变量均依概率半全局一致最终有界。针对一类具有纯反馈结构的随机非线性马尔可夫跳跃系统,考虑系统同时存在时变时滞和执行器故障的容错控制问题。首先将系统故障模型表示为具有死区特性的非线性故障模型,同时给出了依赖于马尔可夫变量的坐标变换;其次基于该坐标变换设计参数自适应律和自适应容错控制方法,并利用随机系统理论对系统进行稳定性分析,保证了闭环系统状态变量均依概率有界。同时,将所提的控制算法应用到了一类实际的主动悬架控制系统中验证其有效性。
陈健楠[9](2020)在《暂稳态性能约束下不确定四旋翼飞行器的控制器设计》文中指出四旋翼飞行器是一种性能卓越的新型无人飞行器,它不仅轻巧易携带,而且噪音小、隐蔽性强,目前被广泛应用于军事侦察、地图测绘、航空摄影和包裹投递等领域。然而,四旋翼系统一方面由于特殊的物理结构导致其具有欠驱动特性;另一方面其系统模型不仅具有非线性特性,且易受到内部参数不确定性和外部扰动的影响。此外,日益复杂的工作环境和性能需求,对四旋翼的控制系统设计提出了越来越高的要求。故本文针对四旋翼系统,研究其在遭受到外界扰动、惯性参数不确定、时变负载以及执行器饱和等情形下的暂稳态性能受限控制器设计问题。论文主要研究内容如下:(1)针对不确定四旋翼系统,考虑跟踪误差暂稳态受限问题。首先,基于牛顿定律,构建了四旋翼系统在时变负载和阵风扰动下的机理模型。其次,采用自适应方法和不等式缩放技巧,对控制增益和惯性参数不确定性进行处理。最后,基于递归反步设计方法,构造了自适应预定性能跟踪控制方案,使得闭环系统是一致最终有界稳定的,并确保四旋翼位置跟踪误差暂稳态过程满足预先设定的约束。(2)针对不确定四旋翼系统,研究部分状态变量暂稳态受限问题。基于障碍李雅普诺夫函数和递归反步设计方法,构造多状态变量受限控制策略,使得状态变量分别满足预先设定的常值约束和时变非对称约束。并通过数值仿真和实验验证了所提控制策略的有效性。(3)针对四旋翼系统,研究在非对称时变全状态约束和非对称时变饱和输入约束下的跟踪控制问题。首先,通过变换函数构造了非对称时变饱和输入的数学模型,并结合一阶辅助系统,将具有饱和输入的原始系统转化为等效的不饱和系统。然后,基于此等效增广系统,通过新颖的障碍李雅普诺夫函数和Nussbaum增益技术,构造全状态受限饱和控制方案,保证了闭环系统的稳定性,并使四旋翼系统全部状态变量和输入信号满足预先设定的约束。(4)鉴于单个四旋翼的局限性,针对不确定多四旋翼系统,研究其围捕误差暂稳态受限问题,并基于障碍李雅普诺夫函数和动态面技术,提出了分布式自适应围捕协作控制协议。其中通过引入一阶低通滤波器对虚拟控制器的导数进行估计,避免传统反步法中“计算爆炸”问题。另外,为了避免控制输入超过约束范围,构造了辅助系统对饱和约束进行补偿。最后,通过障碍李雅普诺夫稳定性理论证明了闭环系统的稳定性,并确保了围捕误差满足在超调量、收敛精度和收敛速度等多方面的要求。
聂琳琳[10](2020)在《多机电力系统的励磁与SVC自适应控制系统设计》文中研究表明多机电力系统是一个多维数、强耦合、强非线性的大型互联系统。这使得电力系统运在行过程中更容易受到不稳定因素的影响,如系统内部参数的不确定性、外部干扰以及多机互联耦合影响等,这些复杂因素让多机电力系统的控制变得非常困难。目前为止,针对多机电力系统控制问题的研究,除了引入各种先进的智能控制算法外,也加入了更多的以静止无功补偿器为代表的柔性交流输电设备。静止无功补偿器(Static Var Compensator,SVC)的加入虽然能够在一定程度上改善电力系统的稳定性,但是由于发电机的励磁控制器和静止无功补偿控制器的设计是相互独立的,若是忽略两者的相互作用反而给系统的控制带来负面影响,甚至导致系统的不稳定。因此,设计对多机电力系统和静止无功补偿器协调控制器是十分必要的。本文针对配备静止无功补偿器的多机电力系统,研究了系统在具有内部参数不确定、外部扰动以及互联耦合的情况下的非线性鲁棒自适应控制问题。下面介绍论文的主要工作内容:(1)以配备SVC装置的多机互联电力系统为研究对象,对系统进行建模。首先考虑系统阻尼、发电机暂态电势等系数难以精确测量的实际工程问题,将其作为不确定参数处理。然后考虑了电力系统在实际运行中受到的外界未知干扰以及多机互联中的耦合项。(2)针对所建立的非线性系统模型,设计满足预设输出性能的自适应动态面滑模控制器。首先,将自适应动态面和滑模控制相结合,避免了backstepping方法中由于对虚拟控制律反复求导而导致的“微分爆炸”问题,且汲取了滑模控制鲁棒性强的优点。然后,引入误差性能转换函数,使得系统能够满足任意预设的输出跟踪性能。通过仿真实验,将所设计的控制方法与传统自适应backstepping控制方法、自适应动态面控制方法以及自适应滑模控制方法的控制效果进行对比,验证所提出控制方法的有效性。(3)在动态面控制方法的基础上,使用复合学习方法对模糊逻辑系统进行改进。即在模糊逻辑系统权值更新律中加入基于状态预测器的预测误差修正项,使模糊逻辑系统更准确的逼近系统的不确定部分。然后引入干扰观测器,对模糊逻辑系统逼近误差和系统外部干扰共同构成的广义扰动进行在线估计,提高系统的抗干扰的能力。最后通过半实物仿真实验进行验证,实验结果表明了所提出控制方案的有效性。综上所述,本文针对含静止无功补偿器的多机电力系统,提出了两种自适应控制方案,设计了多机电力系统励磁与SVC鲁棒控制器。通过StarSim电力系统实时仿真实验,取得了较好的控制效果,保证了多机电力系统的稳定运行。
二、一种鲁棒自适应Backstepping控制方案研究(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、一种鲁棒自适应Backstepping控制方案研究(论文提纲范文)
(1)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 |
(2)非严格反馈非线性系统自适应约束控制研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 自适应控制研究现状及应用 |
1.2.1 自适应backstepping研究现状及应用 |
1.2.2 自适应模糊控制研究现状及应用 |
1.3 非线性系统约束控制研究现状及应用 |
1.3.1 基于模型预测控制的约束控制研究现状及应用 |
1.3.2 基于障碍Lyapunov函数的约束控制研究现状及应用 |
1.3.3 基于时变非对称障碍Lyapunov函数的约束控制研究现状及应用 |
1.4 本文的主要研究内容 |
第二章 预备知识 |
2.1 障碍Lyapunov函数 |
2.2 非线性系统稳定性 |
2.2.1 Lyapunov稳定性理论 |
2.2.2 非线性函数有界性 |
2.3 模糊逻辑系统 |
2.4 Pade近似方法 |
2.5 常用公式 |
第三章 带有全状态约束和输入时滞的非严格反馈非线性系统自适应模糊控制 |
3.1 引言 |
3.2 问题描述 |
3.3 控制器设计 |
3.4 稳定性分析 |
3.5 仿真分析 |
3.5.1 数值仿真 |
3.5.2 机电系统仿真 |
3.6 本章总结 |
第四章 基于动态面方法的非严格反馈非线性系统全状态时变非对称约束控制 |
4.1 引言 |
4.2 问题描述 |
4.3 控制器设计 |
4.4 稳定性分析 |
4.5 仿真分析 |
4.5.1 数值仿真 |
4.5.2 单连杆机械臂系统仿真 |
4.6 本章总结 |
第五章 总结与展望 |
5.1 本文总结 |
5.2 未来展望 |
致谢 |
参考文献 |
攻读硕士学位期间获得的主要学术成果 |
(3)分布式驱动电动汽车鲁棒容错控制方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究的背景和意义 |
1.2 国内外研究现状 |
1.2.1 分布式电动汽车国内外研究现状 |
1.2.2 分布式电动汽车鲁棒容错控制研究现状 |
1.3 相关控制算法基本原理 |
1.3.1 自适应控制 |
1.3.2 模糊PID控制 |
1.3.3 反演控制 |
1.3.4 滑模控制 |
1.4 论文主要研究内容 |
第二章 分布式驱动电动车动力学模型的建立 |
2.1 七自由度车辆模型 |
2.1.1 车体动力学模型 |
2.1.2 轮胎模型 |
2.1.3 车轮回转模型 |
2.2 车辆控制目标模型 |
2.3 分布式驱动电动车动力学模型验证 |
2.3.1 车辆联合仿真设置 |
2.3.2 高附着阶跃转向验证 |
2.3.3 低附着正弦转向验证 |
2.4 本章小结 |
第三章 分布式驱动电动汽车干扰抑制策略 |
3.1 外部扰动分析 |
3.1.1 侧风力产生原因 |
3.1.2 侧风干扰数学描述 |
3.2 问题描述 |
3.2.1 基于侧风干扰的二自由度汽车模型 |
3.2.2 运动学方程 |
3.2.3 控制问题 |
3.3 干扰抑制控制器设计 |
3.3.1 控制器总体结构 |
3.3.2 干扰抑制控制器设计 |
3.4 干扰抑制策略仿真验证 |
3.5 本章小结 |
第四章 分布式驱动电动汽车驱动故障补偿控制 |
4.1 分布式驱动电动汽车执行器故障情况分析 |
4.1.1 单电机故障 |
4.1.2 双电机故障 |
4.2 问题描述 |
4.2.1 运动学方程 |
4.2.2 控制问题 |
4.3 执行器故障补偿设计 |
4.3.1 Backstepping控制设计 |
4.3.2 自适应故障补偿设计 |
4.3.3 性能分析 |
4.4 仿真验证 |
4.4.1 工况一:单驱动故障 |
4.4.2 工况二:双驱动故障 |
4.5 本章小结 |
第五章 分布式驱动电动汽车鲁棒容错控制 |
5.1 问题描述 |
5.1.1 运动学方程 |
5.1.2 控制问题 |
5.2 鲁棒容错控制器的设计 |
5.2.1 基础控制器设计 |
5.2.2 外部扰动抑制设计 |
5.2.3 执行器故障补偿设计 |
5.2.4 性能分析 |
5.3 仿真验证 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 研究展望 |
参考文献 |
攻读学位期间研究成果 |
致谢 |
(4)无人直升机鲁棒自适应受限控制器设计(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 受限无人直升机控制研究现状 |
1.2.1 输入受限无人直升机 |
1.2.2 输出受限无人直升机 |
1.2.3 状态受限无人直升机 |
1.3 基于状态观测器的无人直升机控制研究现状 |
1.4 非线性控制方法在无人直升机上的应用 |
1.4.1 Backstepping控制 |
1.4.2 滑模控制 |
1.4.3 自适应神经网络控制 |
1.5 本文主要研究内容 |
1.6 小结 |
第二章 饱和输入UAV偏航Backstepping滑模控制 |
2.1 俯仰角饱和UAV偏航模型 |
2.2 问题描述 |
2.3 非线性干扰观测器设计 |
2.4 有限时间收敛Backstepping滑模控制器设计及稳定性分析 |
2.5 俯仰角饱和UAV偏航仿真分析 |
2.6 小结 |
第三章 基于扩张状态观测器的UAV偏航饱和积分Backstepping控制 |
3.1 问题描述 |
3.2 扩张状态观测器设计 |
3.3 超螺旋干扰观测器设计 |
3.4 饱和积分Backstepping控制器设计及稳定性分析 |
3.5 基于扩张状态观测器的俯仰角饱和UAV偏航仿真分析 |
3.6 小结 |
第四章 基于自适应滑模干扰观测器的UAV偏航状态受限控制 |
4.1 问题描述 |
4.2 自适应快速终端滑模干扰观测器设计 |
4.3 基于障碍型函数的指令滤波状态受限控制器设计及稳定性分析 |
4.4 状态受限UAV偏航仿真分析 |
4.5 小结 |
第五章 受限UAV偏航自适应神经网络容错控制 |
5.1 问题描述 |
5.2 自适应神经网络抗饱和容错控制器设计及稳定性分析 |
5.3 基于抗饱和补偿器的容错UAV偏航仿真分析 |
5.4 小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
附录 |
(5)具有惯性参数辨识的组合体航天器位姿联合控制(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景和意义 |
1.2 惯性参数辨识研究现状 |
1.2.1 最小二乘类方法 |
1.2.2 自适应控制方法 |
1.2.3 其它方法 |
1.2.4 面临的问题 |
1.3 位姿联合控制研究现状 |
1.3.1 位姿耦合动力学建模 |
1.3.2 位姿联合控制 |
1.3.3 半严反馈系统及Backstepping方法研究现状 |
1.4 本文主要研究内容及安排 |
第2章 组合体位姿耦合动力学建模及预备知识 |
2.1 引言 |
2.2 基础坐标系 |
2.3 组合体航天器相对位姿耦合动力学模型 |
2.3.1 相对姿态动力学 |
2.3.2 相对位置动力学 |
2.3.3 推力器配置 |
2.3.4 六自由度相对位姿耦合动力学 |
2.4 预备知识 |
2.4.1 持续激励 |
2.4.2 稳定性理论 |
2.5 本章小结 |
第3章 持续激励下的具有惯性参数辨识的位姿联合控制 |
3.1 引言 |
3.2 自适应有限时间跟踪控制 |
3.2.1 问题描述 |
3.2.2 参数估计误差表达式 |
3.2.3 控制律设计 |
3.2.4 仿真分析 |
3.3 改进的自适应有限时间跟踪控制 |
3.3.1 问题描述 |
3.3.2 控制律设计 |
3.3.3 仿真分析 |
3.4 考虑干扰的自适应有限时间跟踪控制 |
3.4.1 问题描述 |
3.4.2 控制律设计 |
3.4.3 仿真分析 |
3.5 本章小结 |
第4章 基于并发学习的具有惯性参数辨识的位姿联合控制 |
4.1 引言 |
4.2 问题描述 |
4.3 有限时间并发学习参数辨识 |
4.4 控制律设计 |
4.5 仿真分析 |
4.6 本章小结 |
第5章 基于并发学习的具有惯性参数辨识的鲁棒位姿联合控制 |
5.1 引言 |
5.2 已知干扰上界的并发学习自适应有限时间控制 |
5.2.1 问题描述 |
5.2.2 参数估计误差表达式 |
5.2.3 控制律设计 |
5.2.4 仿真分析 |
5.3 干扰含有参数不确定性时的并发学习自适应有限时间控制 |
5.3.1 问题描述 |
5.3.2 控制律设计 |
5.3.3 仿真分析 |
5.4 本章小结 |
第6章 具有全部惯性参数辨识的鲁棒位姿联合控制 |
6.1 引言 |
6.2 问题描述 |
6.3 参数估计误差表达式 |
6.4 控制律设计 |
6.5 仿真分析 |
6.6 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文及其他成果 |
致谢 |
个人简历 |
(6)不确定非线性系统模糊自适应输出反馈控制(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 选题的背景和意义 |
1.2 反步递推控制方法的概况 |
1.3 非线性系统的鲁棒控制研究概况 |
1.4 论文的主要工作 |
1.5 预备知识 |
2 带有状态时滞的非线性系统模糊自适应输出反馈控制 |
2.1 引言 |
2.2 问题描述 |
2.3 模糊状态观测器设计 |
2.4 模糊自适应控制器设计 |
2.5 仿真实例 |
2.6 本章小结 |
3 不确定非线性系统模糊自适应输出反馈动态面控制 |
3.1 引言 |
3.2 问题描述 |
3.3 模糊状态观测器设计 |
3.4 模糊自适应控制器设计 |
3.5 仿真实例 |
3.6 本章小结 |
4 带有未建模动态的非线性系统模糊自适应输出反馈控制 |
4.1 引言 |
4.2 问题描述 |
4.3 模糊状态观测器设计 |
4.4 模糊自适应控制器设计 |
4.5 仿真实例 |
4.6 本章小结 |
5 不确定非线性多变量系统模糊自适应输出反馈控制 |
5.1 引言 |
5.2 问题描述 |
5.3 模糊状态观测器设计 |
5.4 模糊自适应控制器设计 |
5.5 仿真实例 |
5.6 本章小结 |
6 不确定非线性切换系统模糊自适应输出反馈控制 |
6.1 引言 |
6.2 问题描述 |
6.3 模糊状态观测器设计 |
6.4 模糊自适应控制器设计 |
6.5 仿真实例 |
6.6 本章小结 |
7 结论 |
参考文献 |
攻读硕士期间参与科研项目及发表学术论文情况 |
致谢 |
(7)基于无线网络的船舶航向保持控制研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景与意义 |
1.2 船舶自动舵的研究现状 |
1.2.1 自动操舵仪的发展 |
1.2.2 自动舵的国内外研究现状 |
1.3 无线网络控制系统的研究现状 |
1.3.1 无线网络控制系统的常见问题 |
1.3.2 无线网络控制系统的国内外研究现状 |
1.4 无线网络在船舶中的应用研究 |
1.4.1 远程无线网络在船舶中的应用研究 |
1.4.2 近距无线网络在船舶中的应用研究 |
1.5 本领域待研究的问题 |
1.6 本文主要工作与内容 |
2 船舶无线传感器网络的节能优化研究 |
2.1 引言 |
2.2 无线传感器网络操作系统的研究 |
2.2.1 无线传感器网络操作系统的设计目标 |
2.2.2 无线传感器网络操作系统的低功耗调度机制 |
2.3 Mindows操作系统 |
2.3.1 Mindows的文件组织结构 |
2.3.2 定时器触发的实时抢占调度 |
2.3.3 信号量 |
2.3.4 队列 |
2.4 基于Mindows操作系统的无线传感器网络节点低功耗设计 |
2.4.1 微处理器的低功耗设计 |
2.4.2 外围设备的低功耗设计 |
2.4.3 电池管理实现 |
2.5 测试与验证 |
2.5.1 基于Mindows的节点节能测试 |
2.5.2 节点节能对比测试 |
2.6 本章小结 |
3 基于无线网络的船舶航向保持控制测试平台 |
3.1 引言 |
3.2 仿真测试平台设计及工作流程 |
3.3 仿真平台各模块功能 |
3.3.1 近距无线网络模块 |
3.3.2 远程无线网络模块 |
3.3.3 船舶模型模块 |
3.3.4 本地和远程控制器模块 |
3.4 节点硬件设计 |
3.5 节点软件设计 |
3.5.1 传感器和路由节点软件设计 |
3.5.2 协调器节点软件设计 |
3.6 界面设计 |
3.7 仿真实例 |
3.8 本章小结 |
4 基于灰色预测的船舶航向简捷鲁棒控制 |
4.1 引言 |
4.2 船舶平面运动数学模型 |
4.2.1 状态空间型船舶平面运动数学模型 |
4.2.2 航向保持系统非线性数学模型 |
4.3 灰色预测算法 |
4.3.1 GM(1,1)基本预测模型 |
4.3.2 改进的GM(1,1)预测模型 |
4.4 船舶航向简捷鲁棒控制器 |
4.4.1 闭环增益成形算法 |
4.4.2 简捷鲁棒控制器的设计 |
4.5 仿真实例 |
4.6 本章小结 |
5 基于冗余无线网络的船舶航向保持控制 |
5.1 引言 |
5.2 从通信角度出发设计多路径ZigBee网络 |
5.2.1 并行不相交多路径路由发现 |
5.2.2 基于能量均衡的并行不相交多路径选择策略 |
5.3 从控制角度出发设计船舶航向保持控制器 |
5.3.1 基于WiNCS的船舶航向保持控制器设计 |
5.3.2 灰色预测模型 |
5.3.3 基于非线性的船舶航向保持积分Backstepping简捷鲁棒控制器 |
5.4 仿真研究 |
5.5 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
作者简历及攻读博士学位期间的科研成果 |
致谢 |
(8)复杂非线性系统的自适应容错控制研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究的背景及意义 |
1.2 研究现状 |
1.2.1 容错控制研究现状 |
1.2.2 自适应控制研究现状 |
1.2.3 反步法研究现状 |
1.2.4 模糊控制研究现状 |
1.3 预备知识 |
1.3.1 模糊逻辑系统 |
1.3.2 其它预备知识 |
1.4 现有控制方法的局限性 |
1.5 本文主要研究内容 |
第2章 具有未知输入死区和执行器故障的非线性系统自适应容错控制 |
2.1 问题描述 |
2.2 容错控制设计及稳定性分析 |
2.3 仿真算例 |
2.4 本章小结 |
第3章 具有量化输入和执行器故障的随机非线性系统自适应容错控制 |
3.1 问题描述 |
3.2 模糊状态观测器设计 |
3.3 自适应容错控制器设计及稳定性分析 |
3.4 仿真算例 |
3.5 本章小结 |
第4章 具有未知控制方向和传感器故障的随机非线性系统自适应容错控制 |
4.1 问题描述 |
4.2 自适应容错控制器设计和随机稳定性分析 |
4.3 仿真算例 |
4.4 本章小结 |
第5章 具有传感器和执行器故障的随机非线性系统自适应容错控制 |
5.1 单输入单输出随机非线性系统容错控制 |
5.1.1 问题描述 |
5.1.2 模糊状态观测器设计 |
5.1.3 控制器设计及稳定性分析 |
5.1.4 仿真算例 |
5.2 随机互联非线性系统的分散容错控制 |
5.2.1 问题描述 |
5.2.2 模糊状态观测器设计 |
5.2.3 自适应分散控制设计及稳定性分析 |
5.2.4 仿真算例 |
5.3 本章小结 |
第6章 具有随机马尔可夫跳变故障和时滞特性的随机非线性系统自适应容错控制 |
6.1 问题描述 |
6.2 控制器设计及稳定性分析 |
6.3 仿真实例 |
6.4 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文及其他成果 |
致谢 |
个人简历 |
(9)暂稳态性能约束下不确定四旋翼飞行器的控制器设计(论文提纲范文)
摘要 |
Abstract |
符号 |
第1章 绪论 |
1.1 课题背景及研究的目的和意义 |
1.2 研究现状与分析 |
1.2.1 单四旋翼系统的研究现状 |
1.2.2 多四旋翼系统的研究现状 |
1.2.3 暂稳态性能约束控制研究现状 |
1.3 本文的主要研究内容 |
1.3.1 研究框架 |
1.3.2 具体内容 |
第2章 跟踪误差受限下不确定四旋翼系统预定性能控制 |
2.1 引言 |
2.2 系统模型与问题描述 |
2.2.1 时变负载对四旋翼的影响 |
2.2.2 阵风扰动对四旋翼的影响 |
2.2.3 四旋翼系统动力学模型 |
2.2.4 暂稳态性能约束描述 |
2.3 平移子系统自适应预定性能控制器设计 |
2.4 旋转子系统自适应鲁棒跟踪控制器设计 |
2.5 仿真验证 |
2.6 本章小结 |
第3章 位置变量受限下不确定四旋翼系统的分数阶滑模控制 |
3.1 引言 |
3.2 系统模型与问题描述 |
3.2.1 分数阶微积分 |
3.2.2 四旋翼系统动力学模型 |
3.3 平移子系统鲁棒受限控制器设计 |
3.4 旋转子系统分数阶滑模跟踪控制器设计 |
3.5 仿真和实验验证 |
3.6 本章小结 |
第4章 多状态受限下不确定四旋翼系统动态面控制 |
4.1 引言 |
4.2 系统模型与问题描述 |
4.3 平移子系统鲁棒多状态受限控制器设计 |
4.4 旋转子系统鲁棒动态面跟踪控制器设计 |
4.5 仿真和实验验证 |
4.6 本章小结 |
第5章 全状态受限下四旋翼系统抗饱和跟踪控制 |
5.1 引言 |
5.2 系统模型与问题描述 |
5.3 平移子系统全状态受限控制器设计 |
5.4 旋转子系统全状态受限跟踪控制器设计 |
5.5 仿真验证 |
5.6 本章小结 |
第6章 围捕误差受限下多四旋翼系统抗饱和协作控制 |
6.1 引言 |
6.2 系统模型与问题描述 |
6.2.1 图论 |
6.2.2 四旋翼系统动力学模型 |
6.3 主要结果 |
6.3.1 平移子系统受限自适应协作控制器设计 |
6.3.2 旋转子系统受限自适应跟踪控制器设计 |
6.4 仿真验证 |
6.5 本章小结 |
结论 |
参考文献 |
攻读博士学位期间承担的科研任务与主要成果 |
致谢 |
(10)多机电力系统的励磁与SVC自适应控制系统设计(论文提纲范文)
摘要 |
Abstract |
物理量名称及符号表 |
第1章 绪论 |
1.1 课题的研究意义 |
1.2 多机电力系统控制概述 |
1.2.1 多机电力系统控制发展 |
1.2.2 多机电力系统的主要控制单元 |
1.3 多机电力系统稳定性控制算法研究现状 |
1.3.1 反馈线性化 |
1.3.2 Lyapunov直接法 |
1.3.3 非线性H_∞控制 |
1.3.4 Backstepping控制 |
1.3.5 滑模变结构控制 |
1.3.6 动态面控制 |
1.3.7 智能控制 |
1.4 论文的研究内容 |
第2章 多机电力系统稳定性控制的理论基础 |
2.1 动态面控制方法 |
2.2 李雅普诺夫稳定性定理 |
2.3 模糊逻辑系统 |
2.3.1 FLSs结构 |
2.3.2 FLSs逼近能力 |
2.4 含SVC的多机电力系统模型的建立及控制目标 |
第3章 满足预设输出跟踪性能的多机电力系统自适应模糊动态面滑模控制 |
3.1 引言 |
3.2 理论基础 |
3.2.1 系统数学模型 |
3.2.2 模糊逻辑系统 |
3.2.3 误差转换函数 |
3.3 自适应模糊动态面滑模控制器设计与稳定性分析 |
3.3.1 控制器设计 |
3.3.2 稳定性分析 |
3.4 仿真实验 |
3.5 本章小结 |
第4章 基于复合学习方法和干扰观测器的多机电力系统自适应模糊动态面控制 |
4.1 引言 |
4.2 理论基础 |
4.2.1 系统数学模型 |
4.2.2 干扰观测器 |
4.3 基于复合学习和干扰观测器的自适应模糊动态面控制器设计与稳定性分析 |
4.3.1 控制器设计 |
4.3.2 稳定性分析 |
4.4 仿真实验 |
4.5 本章小结 |
结论与展望 |
参考文献 |
攻读学位期间取得的研究成果及发表的学术论文 |
致谢 |
四、一种鲁棒自适应Backstepping控制方案研究(论文参考文献)
- [1]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)
- [2]非严格反馈非线性系统自适应约束控制研究[D]. 张新宇. 沈阳化工大学, 2021(02)
- [3]分布式驱动电动汽车鲁棒容错控制方法研究[D]. 朱燕. 江苏理工学院, 2021(02)
- [4]无人直升机鲁棒自适应受限控制器设计[D]. 陈霞. 济南大学, 2021
- [5]具有惯性参数辨识的组合体航天器位姿联合控制[D]. 赵琴. 哈尔滨工业大学, 2021(02)
- [6]不确定非线性系统模糊自适应输出反馈控制[D]. 赵继鹏. 辽宁工业大学, 2021(02)
- [7]基于无线网络的船舶航向保持控制研究[D]. 姜日凡. 大连海事大学, 2020(04)
- [8]复杂非线性系统的自适应容错控制研究[D]. 于兴虎. 哈尔滨工业大学, 2020(02)
- [9]暂稳态性能约束下不确定四旋翼飞行器的控制器设计[D]. 陈健楠. 燕山大学, 2020(07)
- [10]多机电力系统的励磁与SVC自适应控制系统设计[D]. 聂琳琳. 东北电力大学, 2020(01)