关键词： 矿物浮选   数据特征   数据清洗   机器学习   人工调整策略   智能控制方法  

摘要： 随着新能源的发展,镍矿的重要性变得更加显著。无论是太阳能、风能还是其他可再生能源技术,都需要镍矿作为原材料。同时,新能源汽车市场的迅猛发展,更加加剧了对镍矿的需求。镍矿的供应短缺已经成为新能源技术和新能源汽车行业的一个制约因素。因此,保证镍矿供应的稳定性和增加镍矿产量的重要性变得越来越明显。这也成为了国家和企业发展战略的一个重要组成部分。泡沫浮选技术是一种利用矿物表面亲疏水特性差异的分离技术,亲水性矿物颗粒会沉积至浮选柱底部并随后被排出形成尾矿,而疏水性金属矿物则会附着在气泡上,在浮力作用下形成分层并聚集在浮选柱的不同位置,这种差异就可以将矿物中不同成分分开并富集。如今,泡沫浮选技术广泛应用于矿业、化工、冶金等领域。在传统浮选作业中,过于依赖于现场人员经验的操作方式,这往往容易受到人为因素的影响,产生较大的主观性和不确定性。这种主观性和不确定性可能导致生产过程中出现较大的产品质量波动,从而影响到生产的稳定性和一致性。此外,由于现场人员的经验水平和操作技能不同,不同的操作者可能会对加药方式和加药量产生不同的理解和应用,从而造成生产过程中的差异性和不确定性。因此需要采用更加科学和智能化的控制方法来解决这些问题。本文依托于电子科技大学与甘肃金川集团的合作项目,在该项目中,产生了大量数据。而这些数据有些是不完整的,不准确的,未被充分利用的。本课题通过对矿物浮选数据库中的大量数据进行分析,筛选数据可用段,并对无效数据段进行处理,区分出不同工况。针对于正常工况,观察各主要控制参数调整量变化,寻找调整痕迹,并归纳出调整规则。针对于在镍泡沫浮选过程的自动化水平低、环境恶劣、工人控制主观随意性强的缺点,将不同工人的经验整合,基于先进的数据分析和模型预测技术,自动智能地优化控制方案,输出有效的调整策略,模拟矿物浮选中人工调整过程。最终,基于泡沫浮选工艺流程控制参数、系统参数与目标参数之间的关系进行分析,并分别建立了基于MLP多层感知机的工况参数与调整策略有效性判别模型和基于Transformer神经网络的有效调整策略预测模型。

关键词： 谐波振子系统   区间观测器   正系统理论   Metzler矩阵   高增益观测器   事件触发机制  

摘要： 谐波振子系统,因为其重要的物理意义,被广泛应用到各个领域。近几十年来,谐波振子系统一直是控制理论界的重要研究课题之一。然而实际系统模型的内部状态信息通常不可获取,且外部干扰或噪声的存在使得测量值不可靠,这都会降低系统的鲁棒性。高增益观测器,因为可以消除干扰并保证任意快的误差轨迹衰减率,而被广泛认为是增强鲁棒性的有效工具。另一方面,通过考虑用适当的估计区间来替代单一的测量值,相关学者提出了新的观测器设计方法,即区间观测器。然而,一些系统并不能直接获得观测器增益矩阵使误差系统矩阵满足Metzler特性。并且对于不确定系统,区间估计宽度,依赖于不确定性的边界信息。同时,目前对耦合谐波振子系统的研究中信息交互都是实时通信的,这使得系统稳定时产生冗余信息。事件触发机制,因为其可以有效减少通信频率,同时节省有限计算资源的成本被应用在各个领域。综上所述,如何利用区间观测器对谐波振子系统实现鲁棒控制,如何减小区间观测器的区间估计宽度,并增强系统的鲁棒性,以及如何减小基于区间观测的耦合谐波振子系统的能量消耗,成为了本文重要的研究方向。因此本文主要的研究工作如下:1.针对具有不确定性扰动和未知初始态的谐波振子系统以及耦合振子系统,利用输出反馈,分别设计了基于区间观测器的事件触发控制策略,使系统分别达到Lyapunov稳定以及最终有界一致性。最后分析结果排除了Zeno行为。对不存在事件触发控制器的情况给出推论,同样分析其稳定性。2.对于含有不确定性扰动以及观测噪声的谐波振子系统,我们设计了一种高增益区间观测器来消除其不确定性,增强系统鲁棒性。而对于观测噪声对高增益观测器的影响,我们使用了切换高增益的方法来解决。该方案能够在较大的估计误差区间快速恢复系统状态,减少测量噪声的影响。3.为了保证误差动态系统矩阵为Metzler矩阵,我们利用时不变坐标变换来对谐波振子系统以及耦合振子系统分别设计区间观测器。根据已有定理,我们可以求解出观测器增益矩阵的数值解。而在对谐波振子系统设计高增益区间观测器时,由于对系统进行了OSD分解,时不变坐标变换不能适用,本文采取时变的坐标变换来解决Metzler问题。4.目前对谐波振子系统实现鲁棒控制多以理论研究与仿真验证为主,本文利用MATLAB平台,对谐波振子系统以及耦合振子系统的鲁棒控制结果进行仿真验证,证实本文研究的可靠性。

关键词： 无土栽培   电气控制   环境监测控制   管路设计   PLC   机器视觉  

摘要： 土地资源的日渐紧张与环境气候的变化制约着传统农业种植方式,因而许多学者开始研究无土栽培的方法。无土栽培技术为粮食作物种植者以及消费者带来了福音,这种栽培方式不采用传统的土壤作为种植介质,集约化管理,能够大规模地进行生产,作物生长过程中也无需喷洒农药,保障了食品安全。然而现如今国内外的无土栽培技术研究大多局限于大规模平铺式栽培;多数仍使用基质栽培,而基质不可重复利用,导致此方式成本较高;或是仅为手动开启水泵与阀门进行上水、回水作业,操作繁琐;或实行垂直农业,电力消耗巨大,对电网的造成较大的压力;判别作物生长状态的方式也只能依靠相关人员的经验,不能通过算法自动识别作物的生长情况等的种种弊端等等诸多问题。基于以上,本课题研究并设计了一种无土栽培集装箱式培养架及其智能控制系统。本课题重点研究了无土栽培中较为受欢迎的蔬菜品种,奶油生菜的生物特性,进行分析和评估,主要完成的工作如下:实物搭建了四个无土栽培架,以及其配套的智能控制系统。进行了适合其生长的环境因素分析,分析温湿度、二氧化碳浓度、光照强度对奶油生菜生长的影响,设计了一种能够快速调节环境变量的模糊PID控制器,效果显著好于常规PID控制器;进行了无土栽培架的结构设计,完成了管道的布局,能够使得营养液上回水各行其道,互不干扰,并且能便捷地进行电气自动与手动模式的切换,又通过计算,选择了合适扬程的水泵,并引入太阳能电源这一清洁能源,减少对电网的消耗;设计电路图、接线图,并搭建了相应的电气控制箱,实现了对营养液的顺序上水和回水,合理的通断顺序保障了电器的安全,运用了STM32开发板与传感器技术,可以实现对奶油生菜生长所在的集装箱内的环境因素的采集,将数据通过串口传至上位机,以供实时监测,该数据也作为模糊PID的反馈数据输入,用以调节环境变量;引入基于机器视觉的奶油生菜成熟度采集系统,利用算法自动识别奶油生菜的叶展度和株高的成熟度状态,并依据本算法的特点对奶油生菜的成熟度进行了相关等级的划分,最终的结果表明该算法识别效果良好。

关键词： 非线性系统   自适应控制   预设性能控制   命令滤波技术   柔性关节机械臂  

摘要： 在工业生产中,许多实际系统具有高度非线性以及强耦合性等特征,由于外部环境或系统组成原件的影响,使得非线性系统的控制问题变得更加复杂.随着工业技术的发展,对跟踪精度的要求越来越高,而传统的实际跟踪控制只能使得跟踪误差收敛到原点附近的小邻域,无法满足高精度跟踪的需求.相对于实际跟踪控制,渐近跟踪能够使得跟踪误差渐近收敛到原点,从而研究此类系统的渐近跟踪控制问题更加具有实际意义.目前,尽管关于非线性系统的渐近跟踪控制取得了一些成果,但仍有许多尚待解决的问题.本文通过使用自适应反步控制、命令滤波技术以及预设性能控制等方法,围绕非线性系统的渐近跟踪控制问题展开研究,并将控制方案应用于柔性关节机械臂系统中,主要研究内容概括如下:1.针对具有随机干扰和未知迟滞的不确定非线性系统,提出一种自适应渐近跟踪控制方案.基于反步法及模糊逻辑系统的逼近能力,构造了一个有效的自适应模糊控制器.所提控制方法可以使得系统在同时存在随机干扰和未知迟滞时仍能保证跟踪误差渐近收敛到零,并且闭环系统的所有信号是几乎处处有界的.最后,通过仿真结果证明了尽管存在随机干扰和未知迟滞的影响,所设计的控制方案依然可以使得系统具有良好的跟踪性能.2.针对一类带有时变参数的非线性系统,研究其自适应预设性能渐近跟踪控制问题.引入预设性能函数并针对跟踪误差构造相应的函数变换,然后利用变量集合法补偿时变参数的影响.通过反步设计和命令滤波技术,构造自适应渐近跟踪控制器,有效地消除了复杂性爆炸问题.所提控制方案能够保证跟踪误差在任意初始条件下渐近收敛到零并保持在预设的边界内,大大提高了控制系统的性能.最后,仿真算例表明该方法能够达到预期的控制目标.3.针对n连杆柔性关节机械臂,研究了此类系统的预设性能渐近跟踪控制问题.对于该多输入多输出系统,对每个连杆跟踪误差构造函数变换以克服连杆之间的强耦合性.同时,应用命令滤波技术设计新的补偿信号,从而避免复杂性爆炸问题,简化控制器结构.除此以外,利用径向基神经网络处理系统中存在的未知项,并设计自适应律以在线估计权重向量的范数和近似误差.所构造的控制器能够使得每个连杆均具有良好的瞬态以及稳态性能,而不依赖于其他连杆.最后,通过仿真算例和Quanser平台验证了该方法的实用性和有效性.

关键词： 液压位置伺服系统   模型预测控制   扩张观测器   滑模控制   自适应控制   神经网络  

摘要： 液压伺服系统有着功率体积比大、负载能力强、响应速度快等优点,广泛应用于相关领域。但是,由于液压伺服元件制造和工况等因素,导致难以获取液压伺服系统所有状态信息和精确的数学模型,此外,液压伺服系统还有运动摩擦、比例阀滞回、液压缸泄露等非线性因素,这些都使得液压伺服系统高精度控制成为具有挑战性的研究课题。模型预测控制作为一种工业控制算法,在诸多领域都已经取得成功的应用。但模型预测控制算法依赖模型,在模型不精确和存在不确定性的情况下,控制效果会变差。研究在有限的状态信息条件下不依赖精确的数学模型的模型预测控制,具有重要意义。本课题以Festo公司生产的液压位置伺服系统为控制对象,研究在无法获得精确模型情况下,如何提高液压位置伺服系统模型预测控制的性能,旨在实现液压系统对给定期望信号更高精度的跟踪控制。具体研究内容如下:(1)基于离线参数辨识的模型预测控制。采用逆M序列激励获得辨识所需数据,采用离线辨识方法获得线性化模型阶次和参数,根据离线辨识得到模型设计预测控制器,通过模型仿真得到了比较好的控制效果。但该预测控制器对于实际对象进行控制时,无法跟踪给定信号。原因是辨识所得线性模型不准确,无法真实描述对象实际特性,因此,对于实际对象的控制必须考虑对象的实际情况,改进模型预测控制算法。(2)基于扩张观测器的模型预测控制。针对离线辨识得到的数学模型可能存在偏差以及系统存在未知干扰的因素,引入扩张观测器,将模型偏差和扰动统一考虑到扩张观测器中,设计了基于扩张观测器的模型预测控制,并通过李雅普诺夫理论证明了被控系统的稳定性。实验结果表明,在离线辨识得到的数学模型基础上加入扩张观测器后的模型预测控制方法能够有效控制液压伺服系统跟踪期望信号。(3)自适应模型预测滑模控制器。针对模型不准确造成模型预测控制失效的问题,采用模型预测、参数自适应加变结构控制思想,设计了自适应模型预测滑模控制器。使用反步法设计了自适应滑模控制器,将得到的参数自适应率用于预测模型,采用模型预测控制作为标称控制,增加滑模控制鲁棒项,补偿不确定型的影响。该控制方案仅需要位置输出信息,并在模型预测控制中考虑了状态约束。实验结果可以得出,在不同负载情况下该控制方法均能实现对期望信号稳定跟踪。(4)自适应神经网络模型预测控制。针对液压伺服系统具有强非线性特点,通过离线预训练BP神经网络逼近系统模型,根据神经网络预测模型设计模型预测控制器,在线自适应调整神经网络权值,实现了对液压位置伺服系统的跟踪控制。分析了神经网络输入层神经元个数(等价模型阶次)对模型预测精度和控制跟踪精度的影响,选择了适合的神经网络输输入层神经元个数,实验中实现了液压位置伺服系统的高精度控制。通过实验对比本文提出几种方法和现有典型方法的跟踪性能,对比实验表明:所提三种考虑模型不准确的模型预测控制方法均能够仅利用位置输出实现对于三种期望信号的跟踪控制,同时负载变化时,仍能实现有效跟踪。对比结果表明自适应神经网络模型预测控制对于三种期望信号的跟踪稳态均方根误差均为最小,控制效果最佳。

关键词： 复杂网络   间歇控制   自适应控制   牵制控制   时滞   有限时间   同步  

摘要： 同步作为一种典型的动力学行为,是复杂网络研究的一个重要课题,已成为系统与控制领域的研究热点。由于间歇控制可以有效减少控制器的工作时间,是实现复杂网络同步的有效控制策略,得到了研究者的广泛关注。不同于常规的时间相关间歇控制策略,本文研究复杂网络的事件相关间歇控制与同步问题,主要研究内容如下:1、针对网络节点状态存在非线性耦合的复杂网络,设计了事件相关间歇牵制控制方法。该方法将非负实数区域划分为三个部分,根据Lyapunov函数与三个部分之间的关系确定控制器的工作状态。根据所提出的事件相关间歇牵制控制方法,运用Lyapunov稳定性理论,建立了非线性耦合复杂网络同步的充分条件,给出了节点的度差牵制选择策略,并通过数值仿真验证了方法的正确性。2、针对线性反馈同步控制增益可能过大的问题,结合事件相关的间歇控制提出了一种有效的自适应牵制控制方法。设计了事件相关的自适应间歇牵制控制器,给出自适应更新规则。通过构建Lyapunov-Krasovskii泛函,经过严格的理论分析得到了保证非线性耦合复杂网络同步的充分性判据,数值仿真验证了方法的有效性。3、针对节点不含时滞的复杂网络,提出了基于事件相关的非周期间歇有限时间同步控制方法。事件相关的间歇控制方法放松了对于时间的严格限制,其工作时间不是预先设计的,而是由边界函数与Lyapunov函数的关系来确定。基于所提出的间歇控制策略,给出了同步误差的收敛性分析和同步判据,保证了复杂网络能够实现有限时间同步。数值仿真验证了理论结果的正确性。4、针对时变时滞复杂网络,设计了基于事件相关的非周期间歇有限时间控制方法。该方法采用两条边界函数将区域划分为三个部分,中间部分属于过渡区域,这样能够有效避免抖振的发生。通过设计合适的控制器,构建包含时滞积分项的LyapunovKrasovskii泛函,得到了时滞复杂网络的有限时间同步判据。数值仿真验证了理论结果的正确性。

关键词： 桥式起重机   防摇控制   终端滑模控制   神经网络   干扰观测器   自适应控制  

摘要： 作为现代工业生产和物流运输中重要的大型搬运设备,起重机因其具有占地面积小、负载能力强、工作范围大等优点得到广泛应用。起重机的欠驱动特性带来优势的同时也增加了控制的复杂度,多系统变量相互耦合以及易受参数摄动与外部干扰影响等问题使系统的精确控制十分困难。在起重机工作过程中,大小车加减速或制动时会造成不可控的负载摆动,这严重降低了搬运作业的精度与效率,同时增加了运输过程中的危险性。本文针对桥式起重机的防摇控制方法进行了研究,主要内容如下: (1)基于合理范围内的建模假设,利用第二类拉格朗日方程建立欠驱动二维双摆桥式起重机的系统动力学模型,通过对起重机动力学特性进行分析,证明吊钩与负载具有稳定一致性,并对系统动力学方程进行改写,为后续控制策略的研究做好准备工作。 (2)针对存在负载参数与状态信息未知以及受外界干扰影响的双摆桥式起重机防摇控制问题,提出了一种基于RBF神经网络的参数自适应终端滑模控制策略。通过对建立的四阶欠驱动系统进行分解,单独分析小车和吊钩两个子系统,并分别设计终端滑模面,利用分解滑模控制方法与等效控制原理构造控制律。同时设计参数自适应律并利用RBF神经网络实时调节滑模控制增益来提高系统动态品质。之后利用Lyapunov稳定性理论与Barbalat引理证明了系统各滑模面的稳定性。通过仿真验证了所提控制策略的有效性与鲁棒性。 (3)为降低基于系统模型的复杂非线性项造成的控制误差,进一步提高控制精度,提出了基于干扰观测器的神经网络自适应新型滑模控制策略。通过设计含有非线性函数的新型时变滑模面,并结合双幂次趋近律构建控制律。针对系统中包含负载信息的复杂非线性项,利用RBF神经网络对其进行逼近。考虑到存在神经网络逼近误差以及外部干扰组成的复合扰动,又设计非线性干扰观测器对其进行估计并补偿给控制器,增强系统的抗扰能力。随后通过Lyapunov稳定性理论证明了系统滑模面的稳定性。通过仿真验证了控制策略具有有效的定位、消摆性能与鲁棒性。 (4)为进一步实现对双摆起重机的高效准确控制,结合轨迹规划与闭环控制,提出了基于快速终端滑模的自适应分层滑模轨迹跟踪控制策略。首先选定一条目标跟踪轨迹,之后针对子系统设计了不需要负载相关信息的快速终端滑模面,利用分层滑模方法与改进的组合函数趋近律构造跟踪控制器,并通过设计随位移时变的自适应函数实时改变滑模面参数。随后从理论上证明了系统各滑模面的稳定性及有限时间收敛特性。最后通过仿真分析验证了该控制策略能够实现跟踪目标轨迹的同时抑制负载摆动,并且对系统参数摄动及外部干扰具有鲁棒性。

关键词： 非线性系统   自适应动态输出反馈   Lyapunov函数   容错控制   线性矩阵不等式(LMI)  

摘要： 随着科技的日趋发达,更高的安全感和幸福感受到了人们关注和追求。就现代控制系统而言,它具有大型化、复杂化等特点,因此提高系统的安全性和可靠性是我们当前研究的重要前提。容错控制作为保障系统安全的一种手段,它能在系统发生故障的情形下,仍安全稳定的运行。与之关联的故障估计技术,它可以在线描述故障的形状和大小,所以许多研究者都致力于寻找有效的故障估计器。本文将动态输出反馈和自适应故障估计器结合,通过自适应调节控制器参数来补偿未知执行器故障。另一方面,较线性系统而言,非线性系统往往更能表征实际的控制系统,特别地,当非线性是非Lipschitz时,其非线性系统可以表示范围更广的非线性系统模型。因此,对更一般的非线性系统的研究是极其有意义和有价值的。本文的主要工作内容和研究成果如下:(1)研究一类含有未知故障的非线性系统的容错控制问题,其中非线性为非Lipschitz,即所考虑的非线性系统为更一般的非线性系统模型。设计了一种由测量输出、测量输出导数以及滤波后的信息构建的自适应动态输出反馈容错控制器,通过自适应律和动态输出反馈增益的在线调优来削弱执行器故障的影响,以保证了闭环系统的稳定性。此外,基于所设计的控制器,耦合项能被合理的消除,并获得较低的稳定性条件。方法的有效性验证于仿真算例。(2)在第三章已有的非线性系统理论基础上,针对一类含有故障的时滞非线性系统,其中非线性不需要满足Lipschitz条件,设计一种充分考虑测量输出、测量输出导数、滤波后的信息和滤波后的时滞信息的自适应动态输出反馈容错控制器(Fault tolerant control,FTC),以补偿故障对非线性系统的影响,使得在执行器存在故障时实现闭环系统的稳定。通过将自适应律与动态输出反馈相结合,生成自适应动态输出FTC,保证了时滞非系统是渐近稳定的并满足所规定的性能指标。最后给出闭环非线性系统较低的稳定性条件。方法的可行性验证于仿真算例。

关键词： 知识传播   复杂网络   Pontryagin最大值原理   保成本控制   模型预测控制   输出反馈  

摘要： 由于知识传播对于社会发展的正向作用,近年来学者们对复杂网络知识传播开展了广泛研究.本文对复杂网络知识传播模型的稳定性问题和优化控制问题展开深入研究. 首先根据知识获取的方式在双层复杂网络建立了一个知识传播模型,推导出知识传播的条件以及两个平衡点的稳定性,利用最优控制理论计算出最优问题的最优解.数值模拟证实了知识传播系统的稳定性以及控制器能提升知识传播模型的性能. 其次考虑了人们对知识的兴趣以及心理学因素,建立了一个复杂网络知识传播模型并构建一个双层控制结构.上层控制结构中的最优控制实现了全局优化,而下层控制结构中的MPC实现了实时优化.通过数值模拟发现MPC能很好的追踪到全局最优解.双层控制结构提高了知识传播系统的性能以及系统的鲁棒性. 最后研究了不确定知识传播系统的控制和稳定性问题.为减少控制成本以及提高系统的鲁棒性,提出了双层控制结构.上层控制结构中的保成本控制器实现了控制成本最小化.下层控制结构中的输出反馈MPC进一步减少了控制成本并确保系统是指数稳定的.数值模拟结果证实了观测器的合理性以及输出反馈MPC的有效性.