控制理论与应用

过刊浏览

• 多执行器协同鲁棒平行驱动

  徐亮,徐翔,刘涛

  本文研究了多执行器在无向通信网络下的协同鲁棒平行驱动. 考虑一个具有不确定性的线性系统，且所有执行器具有相同的线性动力学. 基于内模原理, 本文提出了一种分布式动态输出反馈控制律, 同步实现了闭环系统的鲁棒输出调节与系统输入在执行器之间的共享. 最后, 五台电机在外部负载扭矩作用下, 协同驱动不确定转轴的数值仿真验证了所提控制律的有效性.

• 高阶交互下具有环星型结构的分数阶时滞神经网络分岔

  徐士国,肖敏,邱建龙,杨鑫松,黄创霞

  目前国内外关于神经网络分岔动力学研究主要集中于神经元间的二元交互,而神经网络中普遍存在神经元间以群和组的形式发生的高阶交互作用.但是如今关于高阶交互作用对神经网络动力学的影响研究还不深入.研究具有高阶交互作用的神经网络可以进一步探索真实神经网络中的高阶属性和动力学演化规律.为此,本文提出了一类高阶交互下具有环星型结构的分数阶时滞神经网络模型.选取时滞作为分岔参数,给出系统的稳定性和Hopf分岔的充分条件,揭示高阶耦合系数、自反馈系数和分数阶次对系统动力学的影响机制.

• 具有非对称输出约束的非线性系统预设时间控制

  杨航,黄英博,李光,那靖

  本文针对一类具有非对称输出约束和时变参数的非线性系统,设计了一种预设时间控制器.相较于传统约束控制方法中,设计者无法预先设定收敛时间和初始值满足约束条件的假设,该控制策略不仅可以在满足约束条件的情况下将系统状态在预先设定的时间内调节至零,而且可以避免系统初值违反约束条件导致控制器奇异的风险.首先,通过构造虚拟约束边界,消除了系统初始值需满足约束条件的限制,并保证了在预先设定的时间内将状态从违反约束恢复到满足约束.其次,设计了可实现非对称约束下系统状态和转换函数同步收敛的等效转换方法.有别于现有的预设时间控制,要求不确定非线性满足线性增长条件/未知定常参数,本文所研究的非线性系统包含不确定时变参数,通过利用基于变量凝聚法的反步技术和预设时间调节函数,设计了一种能够处理非对称输出约束和时变参数的预设时间控制器.最后,通过两个数值仿真案例验证了所提方法的有效性.

• 欠驱动系统自适应事件触发约束跟随控制

  张展,管震涛,卜洋,徐晟,付铎

  欠驱动系统因其独特的性能优势被广泛研究和应用,但其复杂的动力学特性会导致控制上的困难.约束跟随控制方法可以有效解决欠驱动系统的控制问题.为降低通信成本,提升控制性能,针对该方法提出了一种新型的事件触发机制.首先,将系统期望轨迹设计为伺服约束,并利用约束跟随控制理论导出伺服控制输入的解析解;其次, 引入含自适应增益的事件触发机制:通过比较状态偏差补偿控制输入与实时/目标控制输入的偏差,确定允许控制信号更新的时间,再通过自适应增益选择合适的时间点触发控制信号更新.该机制通过自适应增益动态调整更新频率,以优化通信效率.通过Lyapunov方法分析了该控制策略的稳定性,并证明了能够有效避免Zeno现象;最后,通过欠驱动平面垂直起降飞行器上的仿真实验,验证了所提方法的有效性.结果表明,该事件触发机制不仅实现了通信负载和系统性能之间的平衡,还表现出对干扰的强适应性.

• 带LCL滤波器的三相并网逆变器的鲁棒电流跟踪控制

  刘伟,吴本,孙伟杰,雪映,蔡逢煌

  本文采用动态状态反馈控制方法研究在外界干扰下带LCL滤波器的三相并网逆变器的鲁棒电流跟踪控制问题.首先,本文构建内模用于学习并网逆变器在稳态下的状态和输入信息.其次,利用内模原理,基于一些合适的坐标变换将跟踪控制问题转化为鲁棒镇定控制问题.然后,设计一种动态状态反馈控制律来处理这一鲁棒镇定问题,从而得到三相并网逆变器的鲁棒电流跟踪控制问题的解.该控制方法能够保证闭环系统的渐近稳定性.最后,通过几组仿真验证提出的控制方法的有效性,并将其与前馈控制方法做对比,以验证本文提出的方法对不确定参数的鲁棒性.

• 基于离散时间神经网络方法的高超声速飞行器跟踪控制

  何声瑞,平兆武,张宏伟

  高超声速飞行器是一个具有强非线性、强耦合等特性的多输入多输出系统.此外,当升降舵作为唯一控制舵面时,系统模型中的升降舵–升力耦合项会导致高超声速飞行器系统呈现非最小相位特性,因此其跟踪控制问题具有一定的挑战性.本文基于离散时间输出调节理论,研究了升降舵作为唯一控制舵面条件下高超声速飞行器的跟踪控制问题.首先将高超声速飞行器的跟踪控制问题描述为近似离散时间输出调节问题.由于高超声速飞行器对应的离散调节器方程的精确解不可得,本文通过神经网络方法来获取离散调节器方程的近似解,进而设计一个离散时间神经网络控制器来实现高超声速飞行器的跟踪控制.仿真结果表明,本文所提出的控制算法具有良好的跟踪性能.

• 基于RBF神经网络的单相三电平APF终端滑模控制

  杨瑞康,葛高飞,张作轩,赵军波,马辉

  传统电流电压双闭环策略中,滑模控制器对于系统模型参数具有较强的依赖性,导致有源电力滤波器的电流内环控制器存在鲁棒性下降、动态响应迟缓等问题.为此,本文提出一种基于径向基函数(RBF)神经网络的双闭环滑模控制策略,以提高补偿电流动态响应速度和鲁棒性.该控制策略内环采用RBF神经网络全局快速终端滑模控制器;外环采用线性滑模控制器.RBF神经网络通过在线逼近未知项以降低对模型的依赖性,全局快速终端滑模控制器用于提高系统收敛性.实验结果表明,所提控制策略能够使单相三电平有源电力滤波器在稳态和动态工况下,均展现出更优越的电流跟踪性能与更强的鲁棒性.

• 输入受限下永磁同步电机随机系统自适应控制

  舒永东,杜鹏,李俊阳

  永磁同步电机因其高效能和优良动态特性而在工业领域得到广泛应用,但其控制性能常受建模误差、随机干扰及输入饱和等因素影响.针对这一问题,本文提出了一种基于径向基神经网络的自适应控制策略.该方法首先建立包含建模误差和随机干扰的动力学模型,并利用饱和函数处理输入约束;通过径向基神经网络在线逼近未知非线性并设计自适应律实现参数动态调整;采用非递归跟踪微分器避免传统反步法中的“微分爆炸”;进一步引入补偿机制以削弱滤波误差和饱和误差的影响.在随机系统Lyapunov稳定性理论下,严格证明了闭环系统误差依概率一致最终有界.数值仿真与基于dSPACE平台的半实物实验结果表明,该控制策略能够在输入受限条件下保持良好的鲁棒性与控制性能.

• 预设性能非线性多智能体跟踪控制

  王太生,窦立亚,李智卿

  本文研究了非线性多智能体的预设性能一致性跟踪控制问题,与目前大部分非线性多智能体模型不同,考虑各个智能体状态可能受到的未知外部有界干扰,并且多智能体系统的状态无法直接测量,非线性函数完全未知.首先,通过引入一种误差转换函数,将具有预定义跟踪误差约束的非线性多智能体系统转换为不受约束但具有期望性能特征的非线性系统,提出了一种新的自适应权重径向基函数神经网络(AW-RBFNN)系统,用于处理多智能体系统模型中的未知非线性函数.此外,引入状态观测器用于估计未知的状态变量,并设计了基于AW-RBFNN系统和状态观测器的控制律,通过李雅普诺夫和预设性能稳定理论分析,证明了闭环多智能体系统的一致性跟踪误差保持在预定义区域,并且所有闭环信号都保持一致有界,非线性多智能体系统实现了满足预设性能的跟踪控制.通过数值仿真例子和建模为实际机械系统的非线性多智能体系统跟踪控制实例,将本文基于AW-RBFNN方法与基于多维泰勒网(MTN)方法进行对比实验,验证了本文基于AW-RBFNN的预设性能协同跟踪控制方法的有效性.

• 抑制一管多机水力耦合影响的协同镇定控制策略

  王芳芳,曾云,郭志成,钱晶

  针对一管多机系统中水力耦合下多机协同控制不足的问题,本文提出一种基于协同控制理论的多机协同镇定控制策略,用于建立多机联系.首先,重新考虑共用管道的动态水头耦合变化项,构建包含多台机组状态变量的宏变量,以多机主要状态变量的输出偏差为控制核心来预设平衡点.然后,将宏变量代入控制流形,推导出新形式的耦合水头项,将原有线性模型转化为非线性模型来跟踪机组变化.通过与原形式输出状态对比验证了所提策略在降低机组输出振荡、增强系统孤网运行稳定方面表现优异,为水力耦合的处理提供了可行的解决方案.