关键词： 非线性系统   事件触发   自适应智能控制   反步法  

摘要： 随着现代科技的发展,系统的复杂程度日益增长,许多复杂系统的非线性特性也随之显现。传统的针对线性系统的控制方法,已经不能满足控制的需求,由此针对非线性系统的智能控制方法被提出和广泛的研究。本论文的智能控制方法主要是指基于模糊数学和人工神经网络的方法,可以对系统的非线性函数进行逼近和辨识,让控制器的设计变得更加有效。目前,基于反步法框架,结合模糊逻辑或神经网络的智能控制方法,是目前研究非线性系统控制的主流。另一方面,在实际应用当中,控制器的实现是基于数字计算机的,控制系统的各个部件都需要通过网络进行信息的交互,传统的时间触发控制方法,需要周期性地对系统进行采样和更新控制信号。然而随着控制器复杂度增加,现实数据的传输量也会变得越来越大,传统时间触发方法毫无疑问会造成大量冗余的信息和浪费通信资源。而事件触发的控制方法,要求系统满足一定条件,才会执行数据更新,这使得事件触发的研究变得备受关注。并且近几年,一些复杂的多输入多输出非线性系统,如非线性互联大系统和非线性多智能体系统,也成为控制领域关注的焦点。因此,对于这些复杂的非线性系统,如何使用模糊逻辑或神经网络的智能控制方法,设计有效的控制策略,同时基于事件触发机制节约通信资源,是一项有意义且重要的工作。因此,本文针对两类比较复杂的多输入多输出非线性系统:非线性互联大系统和多智能体系统,基于反步法框架和事件触发机制,设计有效的智能控制方案。主要内容如下:　　(1)针对包含未建模动态的一种非线性互联大系统,考虑状态不可测,执行器故障等问题,基于事件触发创立一种自适应的模糊分散控制方案。首先,使用模糊逻辑拟合非线性函数,并构建非线性观测器估计系统不可观的状态。其次,使用时变的障碍李雅普诺夫函数确保系统是输出受限的,及为约束未建模动态而引入一类李雅普诺夫函数。然后,利用动态面技术来避免“复杂度爆炸”现象。最后,在反步法框架和事件触发模式下,设计一种自适应容错控制器,能有效地减少执行器更新的次数,并补偿执行器故障的影响。基于李雅普诺夫稳定性理论,全部闭环系统中的信号被证明为一致最终有界,仿真显示结果也验证该方法的有效性。　　(2)研究非严格反馈结构的一类随机非线性多智能体系统的一致性跟踪问题。基于反步法技术,利用人工神经网络来拟合非线性的未知函数,并使用神经网络基函数的特性处理非严格反馈结构。然后,也是使用动态面技术来避免“复杂度爆炸”现象,通过设计命令滤波器估计虚拟控制器,从而可以避免对虚拟控制器的求导。然后,在障碍李雅普诺夫函数作用下,结合事件触发机制,设计一种分布式的自适应神经网络控制策略,能约束系统状态和跟踪误差,且避免控制器连续更新。基于李雅普诺夫稳定性分析方法证明闭环系统是稳定的,通过仿真也验证方法的有效性。　　(3)在(2)的基础上,同时考虑状态不可测和输入饱和的问题,继续研究一致性跟踪问题。先是构建一种线性观测器估计不可测的状态,并设计一种事件触发观测器估计领导者的信息,将一致性跟踪问题转化为一般的跟踪问题,并避免智能体之间的连续通信。然后推造一类新的动态事件触发机制,能更好地节约通信资源,减少控制器触发次数。最后,基于反步法技术和变量分离方法,利用神经网络拟合非线性函数和使用障碍李雅普诺夫函数来约束状态,以此设计出一种新型的分布式自适应事件触发控制策略。也是利用李雅普诺夫稳定性理论和仿真结果,证明和验证方法的有效性。

关键词： 模型预测控制   飞跨电容多电平变换器   计算复杂度   神经网络   自适应控制   无传感器   宽禁带半导体  

摘要： 近年来,轨道交通、数据中心、工业制造、电力系统等领域对电能变换技术提出了更高的要求,研发具有高功率密度、高效率、高电压等级和中大功率容量的新型电力电子变换器具有重要意义。然而,半导体器件的物理特性制约了功率变换器的工作性能。为了提高功率变换器的工作电压和功率等级,学术界提出了多电平变换器。这其中,飞跨电容多电平变换器(FCMC)凭借其功率密度高以及扩展能力强的优势,受到了越来越多的关注。但是,目前FCMC变换器在大功率场合的应用仍然受到两方面因素的制约。首先,FCMC的内部状态量多,控制起来比较复杂,尤其在电平数较高的情况下缺乏合适的控制方法维持FCMC电容电压的稳定。其次,随着FCMC电平数增加,势必会引入更多的电压采样电路,这将导致系统的体积和成本上升。 本论文以FCMC对高性能控制策略的需求为出发点,围绕相关问题,将FCMC拓扑和模型预测控制相结合,针对变换器的特点设计预测模型及优化函数,可以在发挥预测控制良好动态性能的前提下,大幅优化其稳态性能,简化控制的复杂度。此外,本文提出了适用于FCMC的电压估计方法,该方法可以在不使用传感电路的情况下准确、迅速地获取各电容上电压值。论文的研究重点及主要的创新工作主要体现在以下几个方面: (1)针对MPC计算复杂度随电平数增加呈指数上升的难题,首次提出了新型神经网络-模型预测控制(ANN-MPC)的概念。该方法利用神经网络取代FCSMPC的控制过程,传统FCS-MPC中繁重的计算负担从线上的迭代转移到线下ANN的训练过程中,从而有效地降低了控制过程中ANN-MPC控制器对计算资源的占用。飞跨电容五电平逆变器中的对比实验结果表明,ANN-MPC能够降低50%以上的FPGA资源占用,同时提供和FCS-MPC相同的控制性能。 (2)针对常用FCS-MPC开关频率不固定,以及电路中纹波较大的问题,提出了适用于多电平结构的新型固定频率调制型模型预测控制。本文提出的基于矢量分析的调制型模型预测控制在保留FCS-MPC优异的瞬态性能同时,使得变换器稳态性能与载波移相策略保持一致。即统一了传统预测控制的瞬态性能以及PWM调制下的稳态性能。同时,不再依赖对代价函数以及权重系数的选择。 (3)针对模型预测控制对系统参数失配敏感的共性问题,本文提出了基于神经网络的自适应模型预测控制(ANN-AMPC)。该方法建立神经网络模型对FCMC在不同系统参数下的运行数据进行学习。为了实现跟踪系统参数变化的能力,上一个工作周期的控制信号也加入到ANN的输入向量中。经过训练的ANN-AMPC可以自适应地跟踪系统参数的变化并实现最优控制性能,而无需额外的系统参数识别部分。此外,由于ANN在不同模型参数下的收敛是离线完成的,因此ANNAMPC可以提供更好的动态性能。 (4)针对现有FCS-MPC随FCMC电平数增加而指数性增长、输出波形频率不固定、输出纹波较大等不利因素,提出了一种新型CCS-MPC控制策略—分布式模型预测控制(DMPC)。DMPC基于纳什均衡策略而实现,结构呈现分布式特点,通过链式迭代对最优占空比进行求取。DMPC相对于FCS-MPC除了能实现固定频率控制外,最重要的优势在于随着FCMC电平数的增加,只需要增加部分子处理器模块,而无需对变换器整体进行重新设计,保证了计算负担增长率线性化,有利于高电平数FCMC的快速、定频控制。凭借其在控制性能和算法实现成本两个方面的优势,DMPC为FCMC向更高电平数、更高功率等级的推广提供了有力的技术支撑。 (5)飞跨电容多电平拓扑需要额外的采样电路对飞跨电容电压进行调节,这将导致系统成本和体积的上升。针对相关问题,本章研究了FCMC拓扑的快速电容电压观测技术,提出了基于反向传播算法的电容电压估计方法(SGDE),以及基于神经网络的电容电压估计方法(ANNE)。SGDE策略无需离线数据,通过实时采样到的输出电压就可以在线逼近电容电压值,其计算简洁,具备极强的扩展能力。本文通过仿真和实验在五电平FCMC和七电平FCMC中验证了SGDE的有效性。仿真和实验结果显示,SGDE的工作频率可以达到100 k Hz,且估计精度高于99%。ANNE策略首先收集多电平变换器的运行数据,继而离线训练好神经网络用来在线估计飞跨电容的电压值。本节通过仿真和实验在五电平FCMC中验证了ANNE的有效性。仿真和实验结果显示,ANNE的工作频率可以达到100 k Hz,且估计精度高于99%。此外,由于神经网络的收敛过程已经在线下完成,因而ANNE在线估计过程中抗扰动能力较强。

关键词： 温室智能控制系统   PID控制优化   WEB技术   粒子群算法   BP神经网络  

摘要： 为了提高智能温室控制系统的管理效率,进一步提升其数据的安全性和可靠性,以保证系统在对温室进行温度、湿度等的智能控制时可以更加及时准确,从而提升农作物的产量和质量。本文研究了基于WEB的智能温室控制系统的设计和优化,并采用粒子群优化BP神经网络算法来提升系统的性能。该智能温室控制系统使用现代信息技术和智能控制技术,可以远程监控和控制温室环境,自动调节温度、湿度和光照等环境因素,并且可以通过远程方式实时监测和控制。在试验中,我们对比了未优化的标准神经网络算法温室智能控制系统和基于粒子群优化BP神经网络算法优化的智能控制系统的实际种植结果。结果表明,在产量、单株产量和果实尺寸等方面,优化后的系统相比未优化的标准神经网络算法温室智能控制系统都得到了显著提高。通过智能温室控制系统优化前后对草莓产量和营养成分进行比较测试,结果表明,优化后的智能温室控制系统的效果要优于未优化的系统。在优化后的智能温室控制系统下,草莓的单位产量提升了14.3%,单株产量提升了13.2%,平均单果尺寸提升了15.0%。这证实了采用粒子群优化BP神经网络算法对智能温室控制系统进行优化的有效性。该研究显示,通过基于粒子群优化BP神经网络算法对温室智能控制系统进行优化,系统稳定性和生产效率都有一定程度的提升。与此同时,通过远程监测和控制,可以降低人工成本和物质成本,为种植者带来更好的收益。此外,优化后的系统还可以提高种植作物的产量和品质,进一步促进农业生产的可持续发展。

关键词： 振动减摩气缸   活塞密封槽   粒子群优化算法   鲁棒控制  

摘要： 气动技术是自动化生产中的重要技术，凭借着环保清洁、安装简单、响应快、寿命长等特点广泛应用于食品包装、汽车制造、电子产品等领域。但是气体具有压缩性，导致气动执行元件的速度极易受负载的影响;并且在气缸低速运行时，摩擦力占推力的比例大，故稳定性差，会出现“爬行”现象。于是，近年来备受关注的振动减摩技术开始与气缸相结合，利用压电叠堆的逆压电效应所带来的高频振动来改善气缸在低速运行时的摩擦特性，从而实现气缸的高精度轨迹跟踪控制。然而，随着对振动减摩气缸的研究的深入，配套的结构优化还未受到过多关注。本文将在振动减摩气缸的基础上，利用新型改进粒子群优化算法对振动减摩气缸的活塞密封槽进行优选，并结合确定性鲁棒控制策略来提高气缸轨迹跟踪精度。　　群智能优化算法近些年来发展蓬勃，应用越来越广，其中粒子群算法凭借原理简单，调参少等特点广泛应用于工程优化问题中，但同时也存在着“早熟”，错过真正的全局最优值，被困于局部极值等问题，全局搜索能力有待改善。本文在粒子群算法的基础上对其进行了改进，提出了新型改进粒子群算法(NIPSO)。首先，利用高斯变异对位置更新公式进行改进，通过引入变异因子?来增加粒子跳出局部极值的能力，从而加强粒子全局搜索能力。然后用 23个基准测试函数对其进行了仿真性能的测试，并且和其他经典改进粒子群算法进行对比。最终仿真结果表明，新型改进粒子群算法性能优越，稳定性高，不仅全局搜索能力强，并且局部发开能力也较强。　　为了优选出满足高精度轨迹跟踪控制要求的振动减摩气缸的密封槽，首先根据设计标准和经验值设计了 6 个满足条件的密封槽。其次，将新型改进粒子群算法用在 PID 轨迹跟踪参数优化上，并且为了提高算法的效率，引进了收缩空间系数 β。通过和其他改进粒子群对比表明了新型改进粒子群算法的优越性。最后利用新型改进粒子群算法优化 PID参数，确保每个密封槽的 PID参数为最优参数，所得结果为每个密封槽的最佳结果。根据 6 个槽的轨迹跟踪结果确定了2号密封槽的效果最好。　　为了验证 2 号密封槽在振动减摩气缸上轨迹跟踪的优越性，首先，搭建了气动伺服系统的实验平台;然后选择了确定性鲁棒算法作为轨迹跟踪的控制策 略，利用反步法设计了该控制器，并对其进行了仿真实验;最后在 2 号密封槽上进行了振动减摩气缸的确定性鲁棒算法的轨迹跟踪实验，实验结果表明振动减摩气缸在施加振动后最高有 11.13%的提升，证明了 2号密封槽的优越性，为将来振动减摩气缸商用提供了实验数据的支撑。

关键词： 多智能体系统   二分一致性   输入饱和   概率时变时滞   鲁棒控制  

摘要： 多智能体系统分布式协同控制通过智能体间的局部信息交互可以实现单个智能体难以完成的复杂任务,在无人机编队、移动传感器网络、智能电网等领域有着广泛的应用。一致性问题是多智能体系统协同控制的基础,意味着所有智能体的状态趋于相同。本文针对合作对抗拓扑下具有多重约束的多智能体系统的一致性控制问题,分析了输入饱和、速度不可测、概率时滞、参数不确定性和外部扰动对多智能体系统一致性的影响,设计了合适的分布式控制协议,使得多智能体系统渐近地实现预期的群二分一致性和鲁棒H二分一致性。本文的主要研究内容和贡献如下:针对具有输入饱和和速度不可测约束的线性和非线性异质多智能体系统的群二分一致性控制问题,利用双曲正切饱和函数保证所有智能体的输入有界,引入辅助变量克服速度信息不可测的限制。在任意的分组方案下,设计了基于牵制策略的一致性控制算法。利用正规变换将符号图转化为非负图,并将多智能体系统的一致性问题转换为闭环误差系统的稳定性问题。基于代数图论和La Salle不变集原理,证明了在无向、连通且结构平衡的符号图下多智能体系统可以渐近地实现预期的群二分一致性,即每个智能体渐近收敛到和所在群的参考轨迹相同或相反的状态。针对具有概率时变时滞和速度信息不可测约束的异质多智能体系统的均方群二分一致性控制问题,引入辅助变量克服速度不可测的限制,并利用伯努利概率分布特性,提出了具有分组和牵制方案的分布式控制协议。在时滞有界的假设下,构造合适的Lyapunov-Krasovskii泛函对时滞项进行分析。基于随机稳定性理论,得到了异质多智能体系统渐近地实现均方群二分一致性的充分条件。进一步,借助Matlab的LMI工具箱得到了最大可容许时滞和时滞发生概率之间的关系。针对具有外部扰动的不确定非线性时变多智能体系统的鲁棒H二分一致性控制问题,提出了分布式静态输出反馈控制算法。借助鲁棒控制理论处理不确定性的方法,将时变系统转化为具有范数有界参数不确定性的时不变系统。通过模型转换、正交变换、模型降阶和对角化,将多智能体系统的鲁棒一致性问题转换成解耦子系统的鲁棒H控制问题,推导出多智能体系统渐近地实现鲁棒H二分一致性的充分条件,并通过Schur补引理将其转换为易于实现的线性矩阵不等式形式,保证了系统实现鲁棒二分一致性的同时还满足预期的H性能指标。

关键词： 液压伺服系统   反步法   自适应控制   联合仿真   半实物仿真  

摘要： 随着科学技术的飞速发展,液压伺服系统在各类控制系统中得到了广泛的应用,此类控制系统普遍具有精度高、响应快的性能需求。液压伺服系统是一种参数时变的非线性高阶控制系统,存在着较为严重的参数不确定性和不确定非线性特性,因此难以获得系统精确的数学模型。为了使液压伺服系统具有更高的轨迹跟踪精度及鲁棒性,本文以注塑机液压伺服系统为研究对象,提出了基于常规PID控制、反步法控制、自适应控制的三种控制器,并通过搭建Amesim软件和C语言的联合仿真平台以及半实物仿真平台,在相同的工作环境及系统参数下对所设计的三种控制器的控制性能分别进行了仿真验证,最后通过对比分析仿真结果,总结得出控制性能最佳的一种控制器。首先,分析了液压伺服阀控缸系统动力机构的工作原理,由于非对称缸两腔的活塞有效面积不同,造成液压缸沿着不同方向移动时的动态特性并不一致,使系统在换向过程中极易引起很强的液压力跃变和系统振动,对系统的动态性能造成了严重的不良影响,故对阀控对称缸以及阀控非对称缸系统建立了不同的数学模型。其次,通过对控制算法的理论与原理进行介绍分析,完成了PID、反步法以及自适应控制器的设计,在自适应控制算法中,基于反步法实现了控制率与自适应律的结合,使系统同时具备良好的控制和估计效果。然后,介绍了论文所用的两种仿真方法。对Amesim软件与C语言的联合仿真环境进行了介绍,阐明了联合仿真的搭建方法,并通过实例验证了联合仿真平台的正确性与可行性;为进一步验证控制器的正确性,增强仿真实验的可信度,设计了一款半实物仿真平台,使仿真结果更接近于真实物理系统。为后续进行的仿真实验奠定了基础。最后,根据PID、反步法、自适应控制的算法结构,在联合仿真与半实物仿真平台中建立了不同的液压伺服系统仿真模型,并通过C语言对三种控制算法进行了程序编写。通过对仿真结果进行对比分析,得出最适合阀控缸系统的控制策略为自适应控制。

关键词： 随机非线性系统   全状态约束   自适应MTN控制   容错控制   障碍Lyapunov函数  

摘要： 在实际工业控制过程中,随机现象的存在通常会导致被控系统不稳定,进而给系统的稳定性分析和控制研究带来很大的困难.此外,系统的控制性能可能受到其输入、输出或状态的影响,因此必须施加约束以确保系统的正常运行.特别地,当违反状态约束时,可能会导致控制性能下降,甚至导致系统不稳定.因此,研究受状态约束的随机非线性系统的自适应控制问题显得尤为重要.本文研究几类具有全状态约束的随机非线性系统的跟踪控制问题,分别针对这些控制问题设计了相应的控制策略.主要内容如下:(1)研究一类具有输入时滞和全状态约束的随机非线性系统的跟踪控制问题.首先,利用Padé近似和拉普拉斯变换引入一个新变量来处理输入时滞.其次,为了保证系统的所有状态都满足给定的约束条件,构造了障碍Lyapunov函数(barrier Lyapunov functions,BLFs).在Backstepping过程中采用多维泰勒网(multi-dimensional Taylor network,MTN)逼近未知且连续的非线性函数.然后,结合自适应控制设计了一种基于MTN的控制器.最后,根据Lyapunov稳定性理论证明了所提控制方案能保证闭环系统中所有信号都是依概率半全局一致最终有界(semi-globally uniformly ultimately bounded,SGUUB)的,同时有效地减轻了全状态约束的影响.(2)研究一类受多重故障和全状态约束的随机非线性系统的自适应容错控制问题.首先,设计对数BLFs来解决全状态约束问题,以实现系统控制.其次,将MTN技术融入到Backstepping过程中,设计了一种新的基于MTN的自适应容错控制器.最后,利用Lyapunov稳定性理论证明了所提控制策略确保了所有信号都是依概率SGUUB的,并且即使在受控系统中存在多重故障的情况下,所有系统状态也能被约束在给定范围内.(3)研究一类带有非对称输入饱和与全状态约束的大规模随机非线性系统的自适应分散规定性能控制(prescribed performance control,PPC)问题.首先,通过引入高斯误差函数克服了输入饱和的障碍.其次,通过引入非对称误差传递函数来实现系统输出的瞬态性能.然后,在Backstepping过程中使用非对称BLFs巧妙地规避全状态约束.最后,利用MTN设计自适应分散控制器,保证了闭环系统所有信号依概率SGUUB,并且系统的跟踪误差保持在原点可调邻域内.上述研究表明,本文所设计的控制策略既能实现良好的跟踪性能,又能满足系统的全状态约束要求.通过仿真实验验证了所提控制策略的有效性和技术可行性,这为更一般的随机非线性系统的跟踪控制研究提供了新的思路和方法.

关键词： 主动减摇   并联机器人   自适应控制   变负载   机器人力控  

摘要： 主动减摇座椅在实际应用过程中，因所承载的人员、物品处于变动状态，其末端的质量、转动惯量等参数也在时刻变化，影响其减摇效果。本文提出了一个自适应控制算法，首先，在并联机器人的任务空间建立动力学方程，并将待估计的动力学参数重组成一个矢量；然后，提出了自适应控制率，可以估计上述动力学参数，并利用李雅普诺夫方程验证了其可以全局收敛；最后，采用前馈力+反馈力的方式构建每个关节的控制力。本文针对一个3自由度RPS并联机器人的主动减摇座椅进行了仿真，仿真结果表明本文所提出的自适应控制算法有效。

关键词： 智能交通   无信号灯交叉路口   车路协同   智能控制   车联网  

摘要： 智能交通系统中的网联自动驾驶车辆能够有效减少交通事故，缓解日益严峻的交通拥堵问题，因此，可以预测网联自动驾驶车辆将在未来交通系统中扮演重要角色。交叉路口作为路网交通中最为复杂多变的环节之一，如何充分利用智能交通系统性能，使智能车辆安全、平稳、高效地驶离无信号灯交叉路口，提高路口通行效率，是极具挑战性的研究课题。本文尝试将路口内车辆避免交叉冲突即车辆避撞的时序约束与空间位置约束两种方法的优点相结合，利用入口车道建立车联网环境下的智能车路协同控制模型，由此实现无信号灯交叉路口内的智能车协同控制。　　路口内的交叉冲突与冲突两车之间的位置关系以及冲突发生的位置、区域都有着密不可分的关系。因此，本文首先利用基于时序避撞约束的思想定义了冲突圆域和车辆与冲突圆域的相对位置特征，在此基础上结合车辆之间的位置关系建立了避免交叉冲突的行车约束条件，可使路口资源的利用率更高。根据实际交通场景需求，结合道路通行效率和行车稳定性给出了车辆最优通行策略的三个量化指标，分别是车辆平均通行速度、冲突圆域的平均使用率以及车辆稳定性。通过上述指标和入口车道功能区建立了一般情况下的智能车路协同控制模型，并利用线性加权法将其转化为一个综合单目标优化问题，可通过取其不同的权方案满足不同的交通场景需求。然后，考虑到路口控制问题的可行性与简洁性，在不失实用性的简化约定下建立了优化控制模型并定义了通行策略的满意度。利用列队竞争算法的思想提出了一种满意策略的求解算法，将路口内所有车辆的控制问题通过分级逐个优化求解，进而完成整体优化。随后，从理论上证明了满意策略的存在性和求解算法的收敛性，同时给出了该协同控制模型在车辆连续到达的动态交通场景下的应用方法。最后，以一个常见的双向单车道构成的十字路口为例，利用Matlab给出了三个仿真实验，实验结果验证了本文协同控制算法的有效性以及实用性。本文提出的智能车路协同控制方法可以实现智能车速度和到达路口时间的共同优化，提高路口资源的使用率。同时，相对于机器学习的方法，本文方法在通行速度和行车稳定性方面有更好的表现，且可解释性也更强。

关键词： 芳烃抽提   操作温度   操作压力   先进控制  

摘要： 以SED芳烃抽提蒸馏工艺为研究对象，介绍了芳烃抽提单元和芳烃分离单元传统控制方案，如抽提塔塔顶压力控制和塔底界面控制，回收塔压力控制，苯塔的温差控制等。并讨论了操作温度、操作压力、液位等重要工艺参数对各控制方案的影响。在该基础上，讨论了先进控制算法在SED芳烃抽提工艺中的应用。通过对比传统PID控制方案和先进控制方案，结果表明：合理的先进控制方案有助于减少操作人员干预，提高装置的稳定运行。