控制理论与应用杂志

控制理论与应用杂志2022年第4期

• 新型多旋翼作业型空中机器人自抗扰控制

  许昌亮,杨忠,姜遇红,徐浩,周东升,廖禄伟,张秋雁

  针对输电线路树障清理作业任务对空中机器人平台稳定性、平动性和抗扰性的高要求, 为克服传统平面配置多旋翼无人机姿态配合式位置移动的缺点, 本文在全驱动多旋翼飞行器设计思想的启发下, 提出并设计了一种无需姿态配合即可实现前后平移运动的非平面作业型多旋翼空中机器人. 首先分别建立其姿态的运动学和动力学模型, 然后采用自抗扰控制技术设计了该机器人的位置和姿态跟踪控制律. 多组仿真和样机实验结果表明, 本文所设计的非平面配置旋翼空中机器人在作业过程中的接触力扰动下具有良好稳定性、平动性和抗扰性.

• 基于双通道事件触发机制的水面无人艇同时故障检测与控制

  王旭东,费中阳,杨柳

  本文研究双通道事件触发通讯机制下水面无人艇(USV)的同时故障检测和控制(SFDC)问题. 考虑执行器故障和外部扰动, 建立了SFDC框架以同时实现控制和故障检测目标. 为了节约有限的通信资源和系统能源, 在传感器–控制器通道和控制器–执行器通道分别部署了积分型事件触发器. 在事件触发的通讯机制下, 提出了故障检测器和控制器的联合设计准则. 最后, USV的仿真结果验证了提出的基于事件触发的SFDC方法的有效性.

• 基于迭代学习和神经网络的船用起重机控制

  林静正,方勇纯,卢彪,郝运嵩,曹海昕

  作为一种重要的海上作业装备, 船用起重机被广泛应用于海洋工程的各类场景中. 然而, 船用起重机是一类复杂的非线性欠驱动系统, 存在摩擦、未建模动态等干扰, 为控制器设计带来了巨大挑战. 更糟糕的是, 船用起重机还面临海浪、大风等未知干扰的影响, 使得实际控制更加困难. 如何稳定高效地控制该类系统, 目前仍处于初步探索阶段. 为了解决上述问题, 本文提出了一种基于迭代学习和神经网络的控制方法. 具体来说, 首先将未知干扰分为周期与非周期两部分. 对于周期干扰, 利用周期估计器解决了对未知周期的估计问题, 在此基础上通过迭代学习对干扰进行补偿; 对于非周期干扰, 使用双层神经网络进行逼近和补偿, 并设计了权重的更新律; 在补偿未知干扰后, 基于反馈线性化设计了控制输入. 通过Lyapunov分析方法, 可以证明期望平衡点是全局有界的. 最后, 在所搭建的船吊实验平台上进行了大量实验, 充分验证了所设计控制方法的有效性与鲁棒性.

• 输入饱和下非线性系统的事件触发控制器设计

  蔡旭,楼旭阳,崔宝同

  本文研究了具有输入饱和的非线性系统事件触发控制策略设计问题. 首先, 针对输入饱和下非线性系统,建立混杂系统模型. 其次, 当非线性函数满足Lipschitz条件下, 给出闭环混杂系统局部一致渐近稳定性的稳定判据,并设计了事件触发饱和控制器. 然后, 当非线性函数满足扇区条件时, 给出闭环混杂系统框架下满足局部一致渐近稳定性的LMI条件, 并设计了事件触发饱和控制器. 进一步地, 在事件触发饱和控制器作用下, 分析了非线性系统的半全局鲁棒镇定性. 最后, 结合两个仿真实例说明了所提出事件触发控制策略的有效性.

• 带有微分项改进的自适应梯度下降优化算法

  葛泉波,张建朝,杨秦敏,李宏

  梯度下降算法作为卷积神经网络训练常用优化算法, 其性能的优劣直接影响网络训练收敛性. 本文主要分析了目前梯度优化算法中存在超调而影响收敛性问题以及学习率自适应性问题, 提出了一种带微分项的自适应梯度优化算法, 旨在改善网络优化过程收敛性的同时提高收敛速率. 首先, 针对优化过程存在较大超调量的问题, 通过对迭代算法的重整合以及结合传统控制学原理引入微分项等方式来克服权重更新滞后于实际梯度改变的问题; 然后, 引入自适应机制来应对因学习率的不适应性导致的收敛率差和收敛速率慢等问题; 紧接着, 基于柯西–施瓦茨和杨氏不等式等证明了新算法的最差性能上界(悔界)为O(√T). 最后, 通过在包括MNIST数据集以及CIFAR–10基准数据集上的仿真实验来验证新算法的有效性, 结果表明新算法引入的微分项和自适应机制的联合模式能够有效地改善梯度下降算算法的收敛性能, 从而实现算法性能的明显改善.

• 基于数据驱动的气动柔性关节Takagi–Sugeno模糊系统建模与预测控制

  陈诚,黄剑,刘磊,伍冬睿

  针对气动柔性关节动态特性复杂、难以实现高精度控制的问题, 提出一种基于Takagi–Sugeno (T–S)模糊系统的预测控制方法. 首先, 应用MBGD–RDA算法对T–S模糊系统进行离线训练, 该算法结合了机器学习中的小批量梯度下降算法、正则化、Droprule和AdaBound算法. 其次, 基于模糊集相似性度量方法, 对训练得到的T–S模糊系统的模糊集进行剪枝, 对模糊规则进行合并, 简化T–S模糊系统结构. 最后, 设计了基于T–S模糊系统的单层神经网络预测控制器. T–S模糊系统参数和预测控制器参数均能实现在线更新, 且基于李雅普诺夫理论的稳定性分析保证了系统的稳定性. 仿真结果验证了基于数据驱动的T–S模糊系统的高精度预测性能, 且结构简化后的T–S模糊系统在规则数减少的情况下仍能维持较高的预测精度. 实际实验中, 所提控制方法最大跟踪误差小于3?, 而传统的模糊逻辑控制器最大跟踪误差大于5?, 这表明所提控制算法显著提升了对柔性关节的跟踪控制精度.

• 跳变约束下马尔可夫切换非线性系统滤波

  杨衍婷,梁彦

  针对系统状态演化多模不确定性和状态约束多样性, 本文提出了跳变约束下马尔可夫切换非线性系统的交互式多假设估计方法. 定义了包含跳变马尔可夫参数可能取值的假设集, 根据最优贝叶斯滤波, 推导出状态与假设的后验概率递推更新. 基于统计线性回归线性化非线性函数, 利用伪量测法, 将线性化的约束扩维到真实量测中,给出了非线性系统滤波的近似解析最优解. 最终给出所提算法的稀疏网格积分近似最优估计实现. 在交叉道路机动目标跟踪仿真场景中, 所提算法的滤波精度优于基于泰勒展开的交互式多模型算法, 基于统计线性回归的交互式多模型算法, 以及基于泰勒展开的非线性系统约束滤波算法.

• 基于等价输入干扰补偿的改进型重复控制系统参数优化设计

  廖常超,周兰,潘昌忠,陈静

  针对一类同时具有周期性参考输入和非周期扰动的伺服系统, 提出基于等价输入干扰补偿的改进型重复控制系统参数优化设计方法, 实现对非周期扰动的有效抑制和周期性参考输入的高精度跟踪控制. 首先, 利用全维状态观测器的估计误差构造等价输入干扰估计器, 通过将等价输入干扰估计值反馈到控制输入端, 建立基于等价输入干扰补偿的复合重复控制规律. 然后, 基于小增益定理推导出系统的稳定性条件, 引入一个对系统抗扰性能、跟踪性能和收敛速度进行整体评价的性能目标函数, 建立系统参数优化模型, 采用粒子群优化算法, 实现对系统重复控制器参数、等价输入干扰估计器参数和状态反馈控制器参数的同时优化. 最后, 通过数值仿真分析对比说明所提方法的有效性和优越性.

• 非完整约束多智能体系统基于屏障控制函数的分布式协同控制

  娜茜泰,高飞,翁智,夏元清

  本文设计了一种基于屏障控制函数(CBF)的分布式协同控制算法, 实现了领航–跟随者框架下非完整约束多智能体系统的连通性与编队控制. 首先, 通过将连通性保持问题建模为系统约束, 定义了该约束的调零屏障函数(ZBF). 其次, 在此基础上, 构建李雅普诺夫函数与角速度输入之间的关系, 对跟随者智能体设计了基于调零屏障函数的协同控制算法, 其中线速度控制器保证跟随者的速度的跟踪与队形的跟踪, 而梯度型角速度控制器实现跟随者角度的矫正. 然后, 利用调零屏障函数不变集相关引理证明了连通性约束集为正不变集, 若初始时刻连通, 则跟随者智能体始终与领航者保持连通性. 同时, 本文提出的算法实现编队误差的渐近收敛. 本文中的队形适用常见的固定队形编队需求, 也适用于领航者是动态(有线速度和角速度)的情况. 最后, 通过数值仿真进一步验证了该算法在不同队形需求下的有效性.

• 不同竞争环境下损失厌恶与网络销售效率对双渠道供应链的影响

  邱国斌,徐兵

  考虑由电商平台和制造商组成的双渠道供应链, 制造商存在网络销售效率问题, 消费者存在损失厌恶心理,在不同竞争环境下, 分析网络销售效率、损失厌恶对企业定价和收益的影响. 结果表明, 在Nash均衡博弈、制造商主导Stackelberg博弈和电商平台主导Stackelberg博弈下, 网络销售效率的下降导致网络销售价格和电商平台收益上升, 制造商收益和供应链收益下降, 网络销售价格在电商平台主导Stackelberg博弈下最大, 在制造商主导Stackelberg博弈下最小; 损失厌恶的增大导致网络销售价格、企业和供应链收益均下滑, 企业收益在自身企业主导Stackelberg博弈下最大, 在对方企业主导Stackelberg博弈下最小; 供应链收益在供应链集中下最大, 在电商平台主导Stackelberg博弈下最小.

• 基于未知输入观测器的多智能体一致性控制

  相国梁,郭胜辉

  现有研究成果大多仅考虑随机噪声或未知输入干扰单一存在的情况, 实际工程中两者往往同时存在. 在此背景下, 本文针对一类含有未知输入干扰和随机噪声的非线性多智能体系统, 提出了一种一致性控制协议方法. 首先, 针对单个智能体系统设计未知输入观测器以消除干扰项对状态估计的影响. 参考Kalman滤波器算法来求解状态反馈矩阵, 使得输出残差信号的协方差最小, 从而增强系统对随机噪声的鲁棒性. 然后, 基于观测器的状态估计信息, 设计了鲁棒一致性控制协议, 并将其转化为线性矩阵不等式求解问题. 最后, 通过一个数值仿真证明了所提方法的正确性和有效性.

• 基于隐马尔可夫模型的非侵入式负荷监测泛化性能改进

  苏晓,余涛,徐伟枫,蓝超凡,史守圆

  隐马尔可夫模型(HMM)是非侵入式负荷监测常用的算法. 由于电压波动与负荷自身电气特性变化等原因,负荷的测量状态如功率可能持续变化, 运行过程中出现新的状态转移, 但当前基于HMM的非侵入式负荷监测方法并未考虑如何处理该情况, 缺乏状态辨识与功率分解的泛化能力. 针对这一问题, 本文提出并构建二元参数隐马尔科夫模型(BPHMM), 结合DBSCAN聚类算法, 基于有功功率和稳态电流对负荷状态进行聚类, 降低了因电压波动和噪声数据对负荷状态聚类结果造成干扰的可能性; 改进维特比算法使其考虑到HMM模型参数更新以实现对负荷状态预测泛化性能的改进; 考虑到功率的随机波动性, 基于极大似然估计原理构建功率计算优化模型并实现负荷的功率分解. 本文采用公共数据集AMPds2对所述方法进行验证, 测试算例验证了所述方法的有效性.

• 多目标约束下逆变器阻抗的电流矫正方法

  杜燕,言明明,杨向真,张梦梦,孙青青,苏建徽

  弱电网下锁相环与电网阻抗间的耦合会造成系统不稳定. 含前置低通滤波器锁相环的并网逆变器虽能改善并网系统稳定性, 但存在并网电流相位滞后问题. 本文通过将滤波器从锁相环支路“拆分”, 提出了一种电流二阶校正的阻抗重塑法, 以基波电流控制性能、相角裕度、低频幅值为约束建立了多目标约束函数, 单独优化设计了二阶校正环节参数, 提高了并网逆变器的弱网稳定性, 实现弱电网下的单位功率因数并网. 最后在StarSim实验平台验证了所提控制方法的有效性.

• 前提不匹配的模糊时滞系统镇定条件的改进

  张泽健,王大伟,高晓智

  本文研究了前提不匹配的Tagaki-Sugeno(T–S)模糊时滞系统的镇定问题. 与一般的T–S模糊时滞系统相比,该系统中模糊模型与模糊控制器拥有不同的模糊规则数与不同的隶属度函数. 基于Lyapunov稳定性理论, 通过引进新型积分不等式, 给出了包含隶属度函数信息的镇定条件. 本文提出的新方法充分考虑了隶属度函数的信息, 同时得到了Lyapunov函数导数的最小下界, 因此新的镇定条件比以往结果具有更小的保守性. 另一方面给出前提不匹配的控制器设计方法, 由于模糊控制器的隶属度函数可以任意选取, 因此提高了控制器设计的灵活性. 最后仿真实例证明了本文方法的有效性及优越性.

• 基于MGPI模型的SMA柔性驱动自适应NN控制

  冯颖,梁明威

  形状记忆合金(SMA)作为一类仿人肌肉驱动的智能柔性驱动材料, 在机器人及高端制造等领域逐步得到应用, 但由于SMA的热力学效应, 造成输入输出之间存在强饱和回滞非线性, 从而影响了驱动性能. 此外在引入负载后, SMA柔性驱动部件输出性能表现出更为复杂的驱动特性. 因此, 如何有效抑制带载条件下SMA柔性驱动部件强饱和非线性影响, 成为提升驱动性能的关键. 针对此问题, 本文重点研究带载条件下SMA柔性驱动部件的建模及驱动控制算法. 针对SMA驱动部件中的强饱和非线性特性, 本文提出一类修正(MGPI)回滞模型来进行表征. 通过设定线性输入形状函数, 不仅有效解析表征SMA驱动部件中的饱和回滞非线性, 并且便于控制器设计. 基于MGPI模型, 考虑柔性驱动部件的动态特性, 本文提出了带载条件下的SMA柔性驱动部件的自适应神经网络控制算法, 实现考虑内部非线性和外部干扰条件下的驱动精度有效提升, 并保证全局稳定性.

• 再生核Hilbert空间中两阶段稀疏表示目标跟踪算法

  朱虎飞,丁子豪,杨永亮,冯旭祥,丁大伟

  在强干扰复杂环境下, 有效的特征选择对于目标跟踪模型的可解释性至关重要. 针对这一问题, 本文基于再生核Hilbert空间(RKHS)理论, 对特征空间构建生成式的两阶段稀疏表示(TSSR)模型, 从而描述图像样本与字典之间的非线性关系, 避免了在字典中引入大量的琐碎模板. 在第1阶段, 首先建立图像样本与字典在原始低维空间中的关系, 然后利用批处理最小二乘算法求得稀疏表示系数的初值, 根据观测模型确定初始跟踪位置的分布; 在第2阶段, 首先利用核方法将原始低维空间映射到高维特征空间, 然后提出一种基于核的加速近端梯度算法(KAPG), 从而求得字典元素系数的核稀疏表示, 最终确定跟踪目标. 最后实验结果证明了本文所提出的TSSR方法在面对视角变化和部分遮挡时的有效性.

• 自动驾驶中量子认知与决策问题研究

  宋清源,傅卫平,王雯,高志强,周劲草,郝大鹏

  自动驾驶车辆对人类驾驶车辆和行人的意图估计及其相互作用研究是极其重要的, 现有的研究不能很好的解释人类交通参与者的不确定因素和非理性行为, 这对研究自动驾驶车辆在真实道路交通场景中运行形成了阻碍, 本文基于量子理论和锚定效应, 针对自动驾驶车辆右转时与非机动车和行人交互场景, 构建量子决策模型. 仿真分析和数据集实验证明了在与人类交通参与者进行交互时, 锚定效应下的量子决策模型可以考虑存在不确定性因素和非理性行为时进行加速或减速的决策, 且相比于累积前景理论模型(CPT)更加贴合实际情况.

• 未知环境下群机器人多目标搜索协同控制

  王茂,周少武,张红强,吴亮红,周游,何昕杰

  未知环境下, 群机器人无法预先获取多目标搜索的环境信息, 仅可局部感知与局部通信. 本文针对避障效率与搜索效率的缺陷提出边界扫描的避障策略和目标位置估计的粒子群算法, 边界扫描的避障策略(BSOA)将障碍物简化成连续障碍物与非连续障碍物两种情况, 并根据情况向特定边界运动; 目标位置估计的粒子群算法(TPEPSO)则利用获取的目标信号估计目标位置, 结合粒子群算法到达目标附近, 从而实现目标搜索. 提出的方法与基于简化虚拟受力分析模型的循障避碰方法(SVF)及扩展粒子群算法(EPSO)、自适应机器人蝙蝠算法(ARBA)仿真比较, 搜索效率提高5.72% ～ 21.58%, 总能耗减少4.30% ～ 19.11%.

• 一种基于齐次系统理论的二阶离散超螺旋控制算法

  陈维乐,都海波

  相比于传统滑模控制算法, 超螺旋控制算法可以对系统的干扰进行精确估计并补偿, 因此可以显著提高闭环系统的抗干扰能力. 然而, 对于采样控制系统, 由于采样频率的限制, 离散超螺旋控制算法在性能方面受到限制.本文基于齐次系统理论提出了一种改进的离散超螺旋控制算法. 通过引入一个可自由调节的分数幂参数, 基于齐次系统理论, 证明了所提出的改进控制算法可以使得闭环系统具有更高的控制精度. 仿真实例验证了理论的正确性.

• 在线场景更新的多阶段非线性模型预测聚合反应控制

  陈显锋,孙京诰,张海峰

  针对聚合过程中时不变不确定性参数不能直接估计的情况, 导致的多阶段非线性模型预测控制中场景树生成的合理性问题, 提出一种基于贝叶斯概率加权的在线场景更新算法. 该方法利用前一时间步中每个场景的模型预测信息和过程状态测量信息计算对应场景的概率权重, 然后通过合适的自适应步长在线更新场景树中不确定性的离散实现场景. 所提方法在保证过程约束满足的同时, 逐渐缩小不确定性集合逼近不确定性的真实值, 从而降低保守性, 提升控制器性能. 通过多个批次的半间歇聚合反应过程实例仿真结果表明, 所提出的方法可以有效降低批次反应时间, 提高生产效率.