一、一类不稳定时滞过程的最优抗干扰控制（论文文献综述）
张宇明[1]（2021）在《阶跃扰动下时滞过程线性自抗扰控制方法研究》文中指出时代的发展与变化为过程工业带来了新的挑战,需要过程工业实现精细化生产、降低成本、提高产量,因而也对各工业装置的控制提出了更高的要求。控制问题一般可分为伺服问题与调节器问题,前者对应着对参考设定值的快速追踪,后者对应着对于干扰的良好抑制。一般来说,过程工业中装置的被控变量设定值不会频繁改变,而装置会频繁受扰动的特点决定了对干扰的抑制将会是过程工业控制问题的主要目标。另一方面,自抗扰技术作为一种较新的抗扰技术,因其抗扰效果良好,已经展现出了强大的生命力。本文将以时滞过程为对象,以抗扰为目标,探索研究使用自抗扰技术对阶跃扰动下时滞过程的控制问题。本文研究的主要内容与成果包括:1、针对时滞过程的线性降阶自抗扰控制器的参数域搜寻。由于时滞现象的存在使得自抗扰控制器的理论分析较为困难,同时也限制了控制器的性能。本文针对时滞过程,首先提出了一种频域内降阶的对时滞过程的自抗扰控制器结构。在对控制器进行调参时,需要先知道一个大概的参数域来保证系统的稳定,而由于线性自抗扰控制器特殊的结构与形式,参数域很难解析地求得,因此本文还提出一种利用D-分解的图解法,将自抗扰控制器的参数映射到一个参数空间内,获得了满足稳定性条件及特定鲁棒性条件的参数域。仿真实验结果表明,降阶后的自抗扰控制器在不改变参数的条件下具有更好的抗干扰性能,并且寻找到的参数域能够为后续控制器的优化提供条件。2、基于多新息在线闭环辨识的预测自抗扰控制器。处理时滞系统的时滞问题思路之一是使用预测器,如果预测器使用的模型精确,则这种方法理论上从结构上去除时滞的影响。最为常用的预测器是Smith预估器。Smith预估器在标称状况下对时滞有良好的处理效果,但它同时也对模型不确定性比较敏感,一旦出现模型失配将可能影响到系统的抗扰性能。针对于此问题,本文提出一种针对二阶带时滞过程的在线闭环的多新息辨识方法,该方法对采样点个数和采样时间要求较宽松,能够在对象特性发生变化时用较短的时间辨识出系统模型。通过仿真能够看出,所提出的有效辅助控制器参数的调整。3、基于差分变步长蚁狮算法的自抗扰控制器参数优化方法。控制器设计的重要一环是参数整定,它可以概括为一个带约束的非线性优化问题。直接求解该问题往往较为困难和复杂。本文提出了一种改进的蚁狮算法,首先引入差分进化思想,增加了种群的多样性,提升了算法的全局搜索能力;然后采取步长缩放策略,保证算法在局部搜索时能有更高的精度。将改进的蚁狮算法用于自抗扰控制器的参数优化,仿真对比结果表明,改进后的算法能够搜索到更佳的参数。4、多变量不确定时滞过程的广义自抗扰控制。多变量不确定系统广泛存在于工业过程中,本文提出了一套针对不确定时滞过程的广义自抗扰控制器设计过程,首先使用有效开环传递函数将多回路控制问题分解为单回路控制问题,再使用前文提出的改进蚁狮算法对模型进行降阶,最后综合考虑了抗扰能力、不确定时滞存在时系统的稳定条件以及由未建模动态和模型降阶引入的鲁棒性问题。仿真实验结果表明,本文所提出的方法能够设计出具有更好效果的控制器。
臧儒东[2]（2021）在《基于预估器的结晶反应釜温度控制与批次优化》文中研究指明时滞响应普遍存在于化工生产过程,近些年来在控制工程领域有很多学者研究和探讨如何克服时滞的不利影响来提高控制系统性能。本文针对带有输入或输出时滞的开环稳定和积分过程,提出一种基于预估器的控制结构,然后对于结晶反应釜给出一种基于预估器的温度控制系统设计和批次优化方案,主要研究内容包括:针对带有时滞的开环稳定和积分过程,提出一种新颖的基于预估器的抗干扰控制方案。首先采用一个广义预估器（Generalized Predictor,GP）和两个有限增益的可实现微分器来估计无延迟输出响应及其变化特性,然后基于输入信号和无延迟输出响应估计,预测扰动响应用于前馈补偿。通过指定期望的闭环极点,反向推导求出反馈控制器。该方法的突出优点在于可以通过分别单调地调节预估滤波器、微分器和反馈控制器中的单一可调参数,方便地在控制性能与克服过程不确定性的鲁棒性之间进行折衷。基于小增益定理,分析闭环系统维持鲁棒稳定性的充分条件。采用近期文献中的两个仿真案例来验证所提出控制方案的有效性和优越性。提出一种基于预测性扩张状态观测器（Predictive Extended State Observer,PESO）的间接型迭代学习控制（Iterative Learning Control,ILC）方法,可用于带时滞响应的批次过程运行优化。通过设计一个简化的广义预估器（Simplified Generalized Predictor,SGP）来预测无延迟系统输出,在闭环控制结构中设计基于PESO的反馈控制,用于克服非重复不确定性和扰动的不利影响。然后,设计一个基于比例控制器的间接型ILC更新律,仅通过调整内环控制系统的设定点指令来优化批次控制性能。基于双重动力学分析（Double-Dynamic Analysis,DDA）,建立一个与时滞无关的充分条件,以保证沿批次方向的跟踪误差收敛,同时依据线性矩阵不等式（Linear Matrix Inequalities,LMI）给出一个与时滞有关的充分条件,以评估所设计的ILC控制系统在时间和批次方向上的鲁棒稳定性。通过文献中的一个仿真案例验证说明该控制方法的有效性和优点。将上述ILC控制方案用于一个4L夹套式结晶反应釜的温度控制系统设计,通过对升温过程进行阶跃响应辨识实验,得到一个带时滞参数的积分型过程模型。基于该模型设计PESO和整定ILC的参数,并且给出一种确定期望输出参考轨迹的应用方法。对于反应釜升温过程的批次优化实验,提出一个评估抗扰性能的指标来确定最优的批次运行抗扰性能。通过结晶反应釜的温度控制实验结果,验证说明该ILC方法能明显提高批次控制效果。
齐永达[3]（2021）在《基于预见理论的矿山充填料浆浓度滑模控制研究》文中认为随着近些年矿山开采的大幅增加,矿山开采所造成的地面塌陷及环境问题也日益暴露出来,这些问题目前已经成为了很严重的环境问题和社会问题。解决这些问题已经迫在眉睫,所以专家提出了矿山充填这一方法。矿山充填系统利用采矿所产生的尾矿对采空区进行充填,最大限度地利用矿产资源,极大程度减少了固体废料的产生,从源头解决环境污染、资源浪费以及安全隐患等问题。矿山充填作为矿山开采时的重要步骤,影响充填质量的重要因素为充填料浆的成分、料浆浓度的控制和充填工艺。本文以充填料浆生产过程为研究对象,充分利用充填料浆制备系统大滞后的特点,分别设计了滑模预见控制器、积分滑模预见控制器和双幂次滑模预见控制器,对提高系统的响应速度和系统的鲁棒性进行了深入的研究。主要研究内容如下:（1）首先介绍了矿山充填系统的工艺流程,确定将充填料浆生产过程作为本次研究的研究对象,根据料浆制备设备的机械特性建立了料浆浓度系统的数学模型。然后将数学模型由多项式的形式转换为可观测标准型的状态空间形式。最后为了方便控制器的设计,通过一种变量代换的方法将含有时滞环节的数学模型等效变换为无时滞的形式,将原系统的跟踪控制问题转换为等效的无时滞系统的最优跟踪控制问题。（2）针对矿山充填料浆浓度控制问题,提出了具有前馈补偿功能的滑模预见控制算法。这种方法既有预见控制器利用目标信号的未来信息来改善伺服系统的跟踪特性的优点,又有滑模控制器对参数变化和干扰具有很强的鲁棒性的优点。首先利用料浆浓度控制系统未来已知的信息构造增广误差系统,然后在增广误差系统的基础上设计出滑模预见控制器,最后将所设计的控制器代入料浆浓度控制系统中验证其合理性和有效性,将仿真结果与最优预见控制器进行对比,以证明该算法的优越性。仿真结果表明,滑模预见控制算法具有较好的控制性能和抗干扰能力,但是该算法的不足是控制器在控制过程中,控制律有“抖振”现象的存在,“抖振”现象会造成控制器频繁切换,而在实际系统中水仓的电动阀无法进行频繁地动作,所以在设计控制器时应该避免“抖振”现象的出现。（3）针对矿山充填料浆浓度控制问题,以及滑模预见控制中“抖振”现象的存在,提出了积分滑模预见控制器,首先设计了积分滑模面,使系统的滑动模态可以通过切换指数稳定。然后设计积分滑模预见控制器,使系统在初始状态时就在滑模面上。最后将所设计的控制器代入料浆浓度控制系统中验证其合理性和有效性,将仿真结果与滑模预见控制器进行对比,以证明该算法的优越性。仿真结果表明,积分滑模预见控制器可以有效地抑制“抖振”现象。针对积分滑模预见控制器中对系统的参数摄动以及外部干扰的控制效果较差,且在参数摄动以及外部干扰的作用下,系统可能会产生抖振的问题,在积分滑模预见控制器的基础上增加了扩张状态观测器（ESO）以改善积分滑模预见控制器对系统的参数摄动及外部干扰的不敏感性,同时解决了控制器的抖振问题。将其代入料浆浓度控制系统中进行仿真验证,仿真结果表明在加入了扩张状态观测器之后明显地提高了系统的抗干扰能力,同时抑制了系统的抖振现象,提高了系统的稳定性及鲁棒性。（4）针对传统趋近律存在“抖振”和积分滑模预见控制器收敛速度较慢的缺点,提出了一种基于双幂次趋近律的滑模预见控制策略。双幂次滑模预见控制算法具有全局快速、固定时间的收敛特性。将所设计的控制器代入料浆浓度控制系统中验证其合理性和有效性,将仿真结果与幂次滑模预见控制器和滑模预见控制器进行对比,以证明该算法的优越性。仿真结果表明,双幂次滑模预见控制器可以提高系统的收敛速度,并且可以抑制“抖振”现象的产生,增强系统的稳定性和快速性。
孙明[4]（2021）在《火电机组热工过程自抗扰控制的研究与应用》文中研究说明燃煤机组热工过程普遍具有高阶惯性、时滞、非线性、多扰动、回路耦合以及不确定性等特点,使得探索更为高效的建模方法和高性能的鲁棒控制算法成为一直以来的研究热点和难点。尤其是当前火电机组需要通过深度调峰来有效平衡间歇性的新能源电力高比例接入电网引起的系统波动,使得热工过程自动控制系统的可靠性和鲁棒性面临着更为严峻的挑战。此外,分散控制系统的历史数据库中存储了因扰动或不确定因素而产生的大量过程数据,可以充分利用这些过程扰动数据,进而增强控制器的模型信息以提升控制系统的设定值跟踪、扰动抑制以及鲁棒性等控制性能。因此,本文以线性扩张状态观测器为主线,开展了广义积分串联型系统的相位分析、扰动数据驱动的扩张状态观测器模型参数智能辨识方法以及基于相位补偿的降阶自抗扰控制器设计等方面的理论研究、算例仿真与工程实现。论文主要工作有:1)在频域内详细分析了线性扩张状态观测器对总扰动进行估计和前馈补偿后,虚拟控制量与系统输出以及估计输出两者之间的广义积分串联型传递函数特性。当采用全阶扩张状态观测器时,仿真并分析了广义积分串联型逼近标准积分器串联型的影响因素;当采用低阶扩张状态观测器时,为保证广义扩张状态观测器与广义被控对象在相位上的近似同步,提出了增加部分模型信息对扩张状态观测器进行相位补偿的设计方法,算例仿真验证了该方法的有效性。2)针对零初始条件下输出信号中可能存在外部扰动作用的分量而导致闭环数据驱动建模准确性降低的问题,提出了一种利用控制回路中干扰作用产生的动态过渡到稳态这一特征的过程数据驱动扩张状态观测器参数辨识的新方法,也就是将过程数据中扰动作用结束时刻点的状态初值估计和总扰动中的确定性模型信息估计相结合,进而通过群体智能算法对模型参数进行优化和聚类分析,得到最佳辨识参数,算例仿真验证了所提建模方法的有效性和准确性。3)为了提高一类具有大惯性、时滞等特点的热工过程对象设定值跟踪能力和抗干扰性能,提出了基于相位补偿的降阶自抗扰控制设计方法,并完成了稳定性分析。考虑到运用低阶自抗扰控制器时,控制量增益难以确定的问题,给出了新的参数整定方法。而对于热工过程的多变量系统,则采用分散式相位补偿型降阶自抗扰控制策略,并将控制系统在频域内进行等效变换,揭示了自抗扰控制技术框架下的逆解耦器特性。同时,为了增强其逆向解耦能力,推导出一种针对多变量系统的相位补偿环节设计方法。算例仿真验证了所提控制算法的优越性。4)研究并解决了基于相位补偿的降阶自抗扰控制算法的逻辑组态、抗降阶扩张状态观测器饱和以及无扰切换等工程化设计中的具体问题,进而在激励式仿真机上进行了控制策略的仿真与实现。进而将其应用于现役火电机组的主汽温系统和负荷控制系统。实施结果表明所提改进自抗扰控制算法的可行性、有效性以及优越性,展现了该算法良好的工业应用前景。
祝洋[5]（2020）在《基于多源干扰估计器的鲁棒飞行控制技术研究与应用》文中指出在复杂多变的飞行条件下,飞行器不可避免地受到输入干扰、模型不确定性、测量误差等因素的影响,这些因素统称为多源干扰。为了保证飞行器的飞行品质和飞行安全,在控制设计阶段必须系统地考虑多源干扰的主动抑制问题。然而,经典控制理论表明,同时抑制多源干扰往往需要做精细的折中,这样的设计过程复杂且极具挑战性。本文针对多源受扰系统的鲁棒轨迹跟踪问题,在标称跟踪控制器的基础上,提出统一的基于干扰估计器的鲁棒控制框架,将针对不同干扰的补偿机制进行结构整合,实现测控系统的多源干扰抑制,并在几种飞行器平台上进行应用与验证。本文创新点总结如下:针对无速率测量系统的鲁棒跟踪问题,提出了两种基于不确定性和干扰估计器（UDE）的输入干扰补偿方法。第一种方法中推导了UDE滤波器在无速率测量条件下的可行相对阶,保证UDE在可物理实现的前提下实现干扰的估计与补偿,并通过passivity技术注入阻尼,替代标称跟踪控制器中不可获得的速率反馈项,实现速率跟踪。第二种方法中提出了一种伦伯格状态观测器（LSO）和UDE的双向耦合结构,LSO为UDE提供速率估计,解决无速率测量问题,而UDE为LSO提供干扰估计,消除干扰对LSO性能的影响。在3-DOF直升机平台上的实验结果表明,提出的两种控制方法都能实现对集总干扰的估计与补偿以及对参考信号的高精度跟踪。针对传感器测量性能受限系统的鲁棒跟踪问题,首先,提出了一种基于测控系统模型的测量误差估计器（MEE）。相比于经典的滤波方法,MEE最大化地利用了传感器、控制器和被控对象的模型以及控制系统实时的输入输出信息,实现对测量误差的在线精准估计,并在控制系统中进行动态补偿。其次,通过引入预滤波器对测量信号进行预处理,可以降低MEE的带宽要求,从而降低MEE对模型不确定性的敏感程度。进一步针对复杂的传感器模型,提出了一个传感器动态时滞补偿器（SLC）,利用测控系统模型重构动态时滞误差并在闭环系统中对其进行实时补偿。在2-DOF直升机平台上的仿真实验结果展示了MEE相比于卡尔曼滤波器的性能优势。针对存在多源干扰的一类二阶系统的鲁棒跟踪问题,提出了一个多源干扰估计框架。该框架利用部分准确的控制系统模型信息和部分准确的状态测量来构建MEE和UDE,以分别在控制系统中估计和补偿多源干扰。此外,通过在多源干扰估计框架中引入奇异摄动参数ε,可以实现两个估计器估计带宽的协同调参,并利用奇异摄动理论证明了减小ε可以提高多源干扰抑制性能和闭环系统稳定性。在2-DOF直升机平台和四旋翼飞行器上的仿真实验结果表明,提出的基于MEE+UDE的多源干扰补偿方法相比于经典的鲁棒控制方案在瞬态控制、稳态控制和调参简易性等层面具有更优的性能。针对存在测量误差条件下的固定翼飞机航迹倾角鲁棒同步跟踪问题,研究本文提出的方法在飞行器编队控制中的推广应用。考虑固定翼飞机航迹倾角动态模型中的非最小相位特性,通过将基于MEE的测量误差补偿方法与经典的分布式观测技术以及非最小相位系统控制技术进行融合,提出了一种基于三模块的分布式鲁棒控制方案。该方案的特点是各个模块在结构和功能上实现解耦,使得在不影响其他功能模块的情况下,可以根据实际需求对其中任意模块进行改进或重新设计。对F-16战斗机编队的仿真结果表明,提出的控制方法可以实现时变航迹倾角参考信号的鲁棒同步跟踪。
段蒙蒙[6]（2020）在《船用锅炉汽包水位内模滑模控制研究》文中进行了进一步梳理大型油轮燃油辅锅炉是油船上的重要设备之一,锅炉的稳定运行是船舶安全航行的前提条件,确保汽包水位在允许的范围内波动对锅炉以及船舶的安全经济运行具有十分重要的意义。对于具有时滞、非线性、强耦合的锅炉汽包水位系统来说,传统PID控制方法由于对被控系统的精确模型依赖程度高,且控制器参数设定后不能改变,因而对时滞非线性系统的适应能力较差,不能够很好的满足控制要求,存在一定的局限性。本文首先根据大型油轮燃油辅锅炉的工作原理,通过一定的简化和假设,在质量守恒定律与能量守恒定律的基础上来分析锅炉汽包水位系统的动态特性,进而得到了汽包水位系统的数学模型,并着重分析了给水流量与蒸汽负荷对汽包水位系统的影响。针对水位系统具有的时滞与非线性特性,在分析传统PID控制策略的基础上,深入研究了内模控制原理,设计了汽包水位系统的内模控制方法;其次,在分析水位内模控制方法不足的基础上,研究了内模滑模控制策略,提出了基于全局非线性积分滑模面的锅炉汽包水位内模滑模控制方法,该方法综合了内模控制与滑模控制的优点,不仅补偿了系统的时滞,提高了系统的鲁棒性,而且改善了系统的暂态性能。针对汽包水位系统的非自平衡特性,设计了扰动抑制控制器来消除扰动后系统的稳态误差。在锅炉汽包水位系统的内模滑模控制策略中,滑模控制律的应用虽然使系统响应速度快,鲁棒性强,但会导致系统产生抖振。本文在分析滑模控制律抖振缺陷的基础上,提出了基于RBF神经网络的锅炉汽包水位内模滑模控制策略,通过采用RBF神经网络来辨识系统参数的不确定性与外界扰动来减小系统的抖振。针对RBF神经网络传统学习算法的不足,本文采用递阶基因结构对神经网络的结构和参数进行混合编码,提出了混合递阶差分进化算法来优化RBF神经网络,并将优化后的网络应用到锅炉汽包水位系统的内模滑模控制策略中,仿真结果表明,所设计的控制策略不仅削弱了系统的抖振,而且使系统具有响应速度快、抗干扰能力强、鲁棒性强等优点。
李晨龙[7]（2020）在《非线性时滞定常系统多维泰勒网辨识与预测控制》文中研究表明工业过程大都具有非线性、时滞、耦合等特征,并受外界干扰等影响。由于这些特征及影响的存在,常会导致控制系统超调量增大,调节时间变长,从而使系统的过渡过程变坏,稳定性降低,极易引起闭环系统的不稳定。如何克服这些问题,对系统进行有效的控制成为了控制理论领域与工程领域研究的重点。由于非线性和时滞等特性的存在,一方面难以得到系统精确的数学模型,另一方面线性系统相关的研究成果很难直接应用到非线性系统中。近年来,多维泰勒网（Multi-dimensional Taylor Network,MTN）的出现为解决非线性系统建模与控制提供了有效的解决方案,其结构简单,运算速度快,具有并行处理、自主学习和极强的非线性映射能力,为此,将MTN应用到非线性时滞系统来解决非线性、时滞、耦合、外界干扰等问题。所以本课题的研究具有重要的理论意义和实际应用价值。本文以非线性时滞定常系统（以下简记为非线性时滞系统）为研究对象,综合考虑外界干扰、噪声、耦合与输入死区等问题,将多维泰勒网作为研究工具,结合预测控制思想,以提高动态性能为核心,以改善计算复杂度为关键来研究非线性时滞系统控制问题。借助MTN的优良性能,分别设计MTN辨识模型、MTN预测模型、MTN控制器和MTN补偿器,对非线性时滞系统的输出跟踪控制问题进行了深入研究,提出了基于MTN的预测控制方案,并采用Lyapunov稳定性理论证明闭环系统的稳定性。论文的主要研究工作概括如下:1.提出基于MTN的非线性时滞系统辨识方案。利用MTN对非线性时滞系统进行辨识,证明MTN模型表达式的合理性,确立模型中加权项的排列次序及其递归表达式;利用MTN特殊的结构以及极限学习机算法,根据中间层节点与输出权值的关系得到最优MTN辨识模型,利用极限学习机算法计算输出权值,避免梯度法迭代寻优的过程,在保证运算精度的前提下,有效降低算法复杂度;结合剪枝算法对MTN结构进行精简,提高运算效率;利用互相关函数方法,通过输入和输出信号的相关性对未知时滞进行辨识。实验结果验证了所提方案的有效性。2.提出非线性时滞系统的MTN预测模型构建方案。基于MTN的非线性逼近能力,以补偿时滞影响为目的,给出两种预测模型的构建方案,分别为递推MTN预测模型和非递推MTN预测模型,并结合适当的学习算法进行实时在线建模,准确构建预测模型,从而补偿时滞的影响。实验结果验证了所提方案的有效性。3.提出单入单出非线性时滞系统的MTN预测控制方案以及稳定性分析方案。无需状态反馈,仅依靠输出反馈构成闭环控制,实现了系统相对于给定参考信号的实时输出跟踪控制;基于MTN的非线性逼近能力,依靠非递推技术设计了非递推d步超前MTN预测模型来补偿时滞的影响;设计MTN控制器来实现系统精确跟踪控制,利用MTN控制器的网络化结构,采用输入和输出信号合成的误差信号作为控制器输入;根据Lyapunov稳定性理论证明闭环系统稳定性。实验结果验证了所提方案的有效性。4.提出不含外界干扰与带有外界干扰情况下单入单出非线性时滞系统的MTN预测控制方案以及稳定性分析方案。MTN分别作为预测模型、控制器和补偿器,无需状态反馈实现了系统相对于给定参考信号的实时输出跟踪控制。基于MTN的非线性逼近能力,依靠非递推技术设计了非递推d步超前MTN预测模型来补偿时滞的影响;设计MTN控制律对非线性时滞系统进行输出跟踪控制;同时MTN补偿器来抵消干扰的影响;利用MTN预测模型的预测精度,控制权系数和优化系数,根据Lyapunov稳定性理论证明闭环系统稳定性,并得到MTN控制器的参数调整方法。实验结果验证了所提方案的有效性。5.提出多入多出非线性时滞系统的MTN预测控制方案以及稳定性分析方案。借助MTN的良好特性,其泛化性能优良,无需解耦过程与状态反馈,可以实现系统对给定参考信号的实时输出跟踪控制。利用递推技术设计了递推d步超前MTN预测模型来补偿时滞的影响;并针对MTN结构特性,设计MTN控制器来实现系统精确跟踪控制,通过采用输入信号和输出信号合成的误差信号作为控制器输入;根据Lyapunov稳定性理论证明闭环系统稳定性。实验结果验证了所提方案的有效性。6.提出带有未知时滞情况下的多入多出非线性时滞系统的多维泰勒网预测控制方案以及稳定性分析方案。在辨识时滞的基础上,提出基于多维泰勒网的递推d步预测控制方案。利用递推技术设计了递推d步超前MTN预测模型来补偿时滞的影响;给出多步预测目标函数,通过迭代寻优,进而得到最优控制律;利用MTN预测模型的预测精度,控制权系数和优化系数,根据Lyapunov稳定性理论证明闭环系统稳定性,并得到MTN控制器参数调整方法。实验结果验证了所提方案的有效性。
汪真才[8]（2020）在《结晶过程温度调节装置的采样控制设计与批次运行优化》文中指出本文针对工业结晶过程的温度调节装置,基于计算机采样信号在离散域设计采样控制系统,研究批次优化方法,给出一种用于连续结晶过程的温度集中监控平台设计方案。首先针对带有时滞的反向响应过程（亦称非最小相位过程）,提出一种基于简化广义预估器（SGP）的两自由度（2DOF）控制设计方法。基于其动态模型和死区时间补偿器（DTC）来预测无延迟输出,可以消除时滞和测量噪声对过程输出的不利影响。基于期望的互补灵敏度函数反推设计抗干扰控制器,可以消除过程传递函数右半平面（RHP）零点的影响,提高抗扰性能。基于内模控制理论（IMC）设计设定点跟踪控制器,实现快速跟踪目标输出。这两个控制器的突出优点是都具有一个可调参数,可以单调地调节来实现控制性能与鲁棒稳定性之间的折衷。基于小增益定理给出存在模型不确定性情况下保证鲁棒稳定性的约束条件,通过与近期文献仿真对比验证该方法的可行性和优越性。其次,针对带有时滞响应的批次过程,提出一种比例型（P）和比例微分型（PD）的间接型迭代学习控制（ILC）设计方案,具有双回路控制结构,内环控制回路采用基于预估器的主动抗扰控制（PDRC）结构,将外部负载干扰及系统不确定性视为“总干扰”进行抗扰,可保证对开环稳定、积分和不稳定型过程在时间方向上具有很好的动态控制性能和鲁棒稳定性。而且通过基于滤波器的史密斯预估器（FSP）预测无时滞输出,可以消除时滞对批次过程控制的影响。外环控制回路分别采用P和PD型ILC控制器,实现基于历史批次数据学习更新设定点指令,从而可以沿批次方向逐渐提高跟踪性能。通过建立两维（2D）系统描述,分析ILC系统保证沿时间和批次方向鲁棒稳定性的充分条件,由此给出控制器参数整定方法。采用一个批次注塑过程案例仿真验证所提出方法的有效性和优点。然后将该方法应用到一个4升夹套式结晶反应釜的批次温控实验,验证其有效性和优越性。针对DN15型管式连续结晶反应器,提出一种温度集中监控平台设计方案。基于LabVIEW软件设计上位机的监控程序、设备通讯、信号处理、数据储存、以及人机交互界面,实现图形化操作功能。采用多台JULABO CF41温控设备作为下位机,设计基于RS232通讯接口的实时全双工数据通信,实现与上位机的快速通讯,保证实时控制连续结晶器各段不同区域的温度,为后续研发先进的控制方法和集中监控系统提供便利。
蒋美英[9]（2019）在《复杂多变量系统闭环辨识与内模控制方法研究》文中研究说明工业现场多变量系统包含不确定性、多时滞、强耦合、输入输出受约束等特征,往往存在模型难以精确刻画等问题,采用传统单一的系统控制器设计方法难以满足高精度控制品质的需求。为获得更好的系统控制品质,本文引入强化学习、频域分析和平均频域非方相对增益矩阵（NRGA,Nonsquare Relative Gain Array）等先进策略,从系统模型参数估计、内模控制器设计及参数优化、控制器的稳定性与鲁棒性分析和补偿器设计等方面对复杂多变量系统中一些较难解决的问题进行研究,提出解决方案和改进措施,并结合实验仿真进行验证。本文主要研究内容包括:1、针对闭环系统辨识问题,引入频域响应估计法（FRE,Frequency Response Estimation）,利用系统的频率特性分析系统的控制性能,能够快速准确给出所辨识受控对象模型的参数估计,然而该方法存在一定的局限性,即模型估计精度取决于衰减因子的选择。本文基于强化学习算法（CARLA,Continuous Action Reinforcement Learning Automata）提出了具有自适应特性的衰减因子计算方法——基于强化学习的频域响应估计法（CARLA-FRE）。该方法借助连续动作强化学习算法的在线搜索和学习能力,通过动态调整得到最优的衰减因子。对所采用的CARLA算法进行多种基本函数辨识能力测试,及与粒子群算法（PSO,Particle Swarm Optimization）、并行弥漫式（FWA,Fireworks Algorithm）算法对比,CARLA算法具备更强的全局搜索能力和准确性;2、将（1）中所提的CARLA-FRE方法扩展到多变量方系统和非方系统闭环辨识中,为后续先进控制器的设计提供优化模型。该方法利用顺序激励信号法将多输入多输出（MIMO）系统等效分解成若干个单输入单输出（SISO）系统,然后利用CARLA-FRE方法获取子系统参数的解析表达式,进而获得模型估计,实现多变量方系统和非方系统的闭环辨识问题。最后,将该方法应用到多变量系统的内模控制中,围绕基于CARLA-FRE方法在多变量系统中的内模控制器设计展开研究,选取经典的Wood-Berry模型（方系统）和Shell模型（非方系统）进行仿真验证。该方法融合强化学习与频域响应估计法,具备更强的在线学习能力和抗干扰能力,为后续内模控制研究提供模型支撑;3、为实现提高多变量多时滞控制系统性能的目的,采用线性二次高斯控制（LQG,Linear Quadratic Gaussian）方法对所提基于频域辨识的模型进行最优控制器设计。由于多变量多时滞系统中存在大量的噪声、延迟以及各部分参数摄动,本文将LQG控制方法引入到多变量多时滞过程模型中,针对此类模型中所包含系统延迟、噪声和参数摄动等不确定因素进行有效补偿和控制,提高系统参数失配鲁棒性和扰动抑制能力;4、针对一类典型强耦合非方系统,提出了两种内模控制器设计优化方法。以多变量时滞秩亏系统为研究对象,设计基于惩罚伪逆的内模控制器,通过引入惩罚因子,用非满秩系统的伪逆来代替模型的逆,提出适合时滞秩亏系统的内模控制器设计方法,采用连续强化学习对惩罚因子进行寻优,获得最大惩罚因子。针对多变量结构秩亏系统,设计基于补偿器原理的内模控制器,采用平均频域NRGA准则实现对方形子系统的最优选择。仿真结果表明,所提的两种内模控制器优化方法不但简单易行,而且在系统模型参数失配情况下也具有较强的鲁棒性和稳定性。
薛晶晶[10]（2019）在《具有不确定和时滞的动力定位系统控制方法研究》文中进行了进一步梳理动力定位系统作为海洋能源开发的重要利器,广泛应用在科学考察、石油开发、钻取岩心、海底采矿、铺缆/管、海上消防等海洋作业中,因此,对于船舶动力定位技术的研究,特别是动力定位控制系统的研究具有重要的工程意义。船舶模型的不确定性、多变的环境干扰、时间延迟、执行机构饱和、状态约束等问题更是给船舶动力定位控制系统的设计增加了难度。本论文针对船舶动力定位系统的这几个控制问题进行深入研究,旨在为进一步提高船舶的定位能力提供理论指导。针对动力定位系统中由于外界环境变化和内部模型参数引起的不确定问题进行研究,设计了两种控制律。先是构造模糊系统对不确定项进行有效逼近,然后设计自适应律对模糊系统中的参数进行在线更新,在此基础上提出了一种自适应模糊反步控制律。另一种是常规反步控制律。通过仿真对比结果可得,设计的自适应模糊反步控制律可以改善系统的定位性能,提高船舶的定位精度。在动力定位系统中不仅存在不确定问题,还存在由于执行机构的物理限制而引起的*饱和约束问题,针对动力定位系统中的不确定和饱和约束问题,设计了两种控制方法。利用径向基函数（Radial Basis Function,RBF）神经网络补偿器和估计器分别对饱和约束和不确定项进行估计和补偿,然后设计自适应律对RBF神经网络中的参数进行在线更新,将自适应RBF神经网络与滑模反步技术相结合,提出了一种自适应滑模反步控制方法。另一种是滑模反步控制方法。通过仿真对比试验可知,设计的自适应神经网络滑模反步控制律可以加快系统的响应时间,达到较好的控制效果。在动力定位系统中不仅存在不确定和饱和约束问题,还存在由于工程作业需要而对船舶位置进行约束的问题,针对动力定位系统中的不确定、饱和约束和状态约束问题,提出了两种控制策略。一种是基于障碍Lyapunov函数的自适应模糊反步控制策略,通过选择合适的障碍Lyapunov函数对船舶位置和艏向误差进行约束,进而达到对船舶位置和艏向的约束,运用自适应模糊系统对不确定项进行逼近,将障碍Lyapunov函数与自适应模糊系统相结合,设计了一种基于障碍Lyapunov函数自适应模糊反步控制律。另一种是基于障碍Lyapunov函数的反步控制策略。通过仿真对比试验可知,基于障碍Lyapunov函数自适应模糊反步控制律具有较好的鲁棒性和良好的动态品质。最后,着重研究了动力定位系统中由于执行机构物理因素而引起的时滞问题,提出了一种基于Lyapunov-Krasovskii函数的时滞补偿方法。该方法与自适应模糊控制相结合,利用Lyapunov-Krasovskii函数对时滞项进行补偿,利用自适应模糊系统对不确定非线性项进行逼近,在此基础上提出了一种基于Lyapunov-Krasovskii函数的自适应模糊反步控制律。然后,该方法与自适应RBF神经网络控制相结合,运用Lyapunov-Krasovskii函数来抵消系统时滞的影响,利用自适应RBF神经网络对系统中的执行机构饱和约束进行补偿,在此基础上提出了一种基于Lyapunov-Krasovskii函数的自适应RBF神经网络滑模反步控制方法。此外,该方法与障碍Lyapunov函数相结合,通过选择合适的障碍Lyapunov函数对系统中的位置和艏向进行约束,利用Lyapunov-Krasovskii函数对系统中的时滞进行补偿,在此基础上提出了一种基于障碍Lyapunov函数和Lyapunov-Krasovskii函数的自适应模糊反步控制策略。仿真结果验证了所提控制策略的有效性。本文针对动力定位系统中的不确定问题进行研究,设计了一种自适应模糊反步控制律;针对动力定位系统中的饱和约束问题进行研究,提出了一种自适应神经网络滑模反步控制方法;针对动力定位系统中的状态约束问题进行研究,提出了一种基于障碍Lyapunov函数的自适应模糊反步控制策略;针对动力定位系统中的时滞问题进行研究,提出了一种基于Lyapunov-Krasovskii函数的时滞补偿方法。结果表明,自适应模糊控制可以对不确定项进行有效逼近,自适应神经网络滑模反步控制可以降低饱和约束带来的影响,基于障碍Lyapunov函数的自适应模糊反步控制可以实现系统对状态的约束控制,基于Lyapunov-Krasovskii函数的时滞补偿方法可以对时滞进行有效补偿。
二、一类不稳定时滞过程的最优抗干扰控制（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、一类不稳定时滞过程的最优抗干扰控制（论文提纲范文）
（1）阶跃扰动下时滞过程线性自抗扰控制方法研究（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 本文所研究对象及其干扰的特性 |
| 1.3 文献综述 |
| 1.3.1 自抗扰控制研究现状 |
| 1.3.2 时滞系统的控制研究现状 |
| 1.3.3 蚁狮算法的研究现状 |
| 1.4 本论文的主要工作 |
| 第二章 时滞过程的降阶自抗扰控制及其参数域寻找 |
| 2.1 引言 |
| 2.2 降阶的改进自抗扰控制器 |
| 2.3 鲁棒稳定条件约束下的参数域寻找 |
| 2.3.1 基于D-分解方法的稳定性参数空间 |
| 2.3.2 鲁棒性参数空间 |
| 2.4 仿真验证 |
| 2.5 小结 |
| 第三章 基于多新息在线闭环辨识的预测自抗扰控制 |
| 3.1 引言 |
| 3.2 问题分析 |
| 3.3 二阶加滞后模型的闭环在线辨识方法 |
| 3.4 稳定性分析 |
| 3.5 仿真验证 |
| 3.6 双容水箱实验 |
| 3.7 小结 |
| 第四章 基于差分变步长蚁狮算法的自抗扰控制器参数优化 |
| 4.1 引言 |
| 4.2 差分变步长蚁狮算法 |
| 4.2.1 蚁狮算法 |
| 4.2.2 步长缩放差分蚁狮算法 |
| 4.2.3 算法思想与具体步骤 |
| 4.3 差分变步长蚁狮算法的性能评估 |
| 4.3.1 算法评价标准 |
| 4.3.2 测试函数 |
| 4.3.3 测试结果分析 |
| 4.4 自抗扰控制器的参数优化 |
| 4.5 小结 |
| 第五章 多变量不确定时滞过程的广义自抗扰控制 |
| 5.1 引言 |
| 5.2 有效开环传递函数 |
| 5.3 使用改进的蚁狮算法进行模型降阶 |
| 5.4 不确定时滞过程的广义自抗扰控制器设计 |
| 5.4.1 GADRIMC控制结构 |
| 5.4.2 GADRIMC抗扰能力分析 |
| 5.4.3 GADRIMC在不确定时滞下的稳定性 |
| 5.4.4 GADRIMC的鲁棒性考量 |
| 5.5 仿真验证 |
| 5.6 小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 答辩委员决议书 |
（2）基于预估器的结晶反应釜温度控制与批次优化（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状与分析 |
| 1.3 本文主要研究内容 |
| 2 基于预估器的低阶稳定与积分时滞过程抗干扰控制设计 |
| 2.1 基于预估器的抗干扰控制设计 |
| 2.2 连续域控制器设计 |
| 2.2.1 广义预估器设计 |
| 2.2.2 微分器设计 |
| 2.2.3 反馈控制器设计 |
| 2.2.4 控制性能分析 |
| 2.3 鲁棒稳定性分析 |
| 2.4 仿真案例 |
| 2.5 本章小结 |
| 3 基于PESO的间接型迭代学习控制设计 |
| 3.1 基于PESO的内环反馈控制设计 |
| 3.1.1 对象描述 |
| 3.1.2 SGP设计 |
| 3.1.3 预测状态观测器及反馈控制器设计 |
| 3.1.4 设定点预滤波器设计 |
| 3.2 间接型迭代学习控制设计 |
| 3.2.1 P型 PESO-ILC设计 |
| 3.2.2 鲁棒稳定性分析 |
| 3.3 仿真案例 |
| 3.4 本章小结 |
| 4 4L夹套式结晶反应釜温度控制系统实验验证 |
| 4.1 系统组成设计 |
| 4.2 升温过程阶跃辨识实验 |
| 4.3 ILC批次监控设计 |
| 4.4 实验结果与分析 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（3）基于预见理论的矿山充填料浆浓度滑模控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 矿山充填技术发展现状 |
| 1.2.2 时滞系统控制发展现状 |
| 1.2.3 预见控制发展现状 |
| 1.2.4 滑模变结构控制发展现状 |
| 1.3 本文主要内容 |
| 第2章 矿山充填系统料浆制备过程及数学模型 |
| 2.1 引言 |
| 2.2 矿山充填系统料浆制备过程 |
| 2.3 充填料浆浓度控制设计 |
| 2.4 料浆生产过程的数学模型 |
| 2.4.1 数学模型的建立 |
| 2.4.2 无时滞等效转化 |
| 2.5 小结 |
| 第3章 充填料浆浓度系统滑模预见控制研究 |
| 3.1 引言 |
| 3.2 矿山充填料浆浓度的最优预见控制研究 |
| 3.2.1 构造误差系统 |
| 3.2.2 最优预见控制器的设计 |
| 3.3 矿山充填料浆浓度的滑模预见控制研究 |
| 3.3.1 滑模控制器设计 |
| 3.3.2 滑模控制器稳定性证明 |
| 3.3.3 滑模预见控制器设计 |
| 3.4 仿真结果与分析 |
| 3.4.1 充填浓度控制系统滑模预见控制方法仿真 |
| 3.4.2 仿真对比分析 |
| 3.5 小结 |
| 第4章 充填料浆浓度控制系统积分滑模控制研究 |
| 4.1 引言 |
| 4.2 矿山充填料浆浓度的积分滑模预见控制研究 |
| 4.2.1 积分滑模面设计 |
| 4.2.2 积分滑模控制器设计 |
| 4.2.3 积分滑模控制器稳定性证明 |
| 4.2.4 积分滑模预见控制器设计 |
| 4.3 基于扩张状态观测器设计干扰补偿 |
| 4.3.1 扩张状态观测器的设计 |
| 4.3.2 扩张状态观测器稳定性分析 |
| 4.3.3 基于扩张状态观测器设计料浆浓度控制器 |
| 4.4 仿真结果与分析 |
| 4.4.1 充填料浆浓度控制系统积分滑模预见控制方法仿真 |
| 4.4.2 仿真对比分析 |
| 4.5 小结 |
| 第5章 充填料浆浓度系统双幂次滑模预见控制研究 |
| 5.1 引言 |
| 5.2 基于幂次滑模预见控制的矿山充填系统 |
| 5.2.1 幂次滑模控制器设计 |
| 5.2.2 幂次滑模控制器稳定分析 |
| 5.2.3 幂次滑模预见控制器设计 |
| 5.3 基于双幂次滑模预见控制的矿山充填系统 |
| 5.3.1 双幂次滑模控制器设计 |
| 5.3.2 双幂次滑模控制稳定性分析 |
| 5.3.3 双幂次滑模预见控制器设计 |
| 5.4 仿真结果与分析 |
| 5.4.1 基于幂次滑模预见控制下的充填料浆浓度仿真实验 |
| 5.4.2 基于双幂次滑模预见控制下的矿山充填系统仿真实验 |
| 5.4.3 仿真对比分析 |
| 5.5 小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 附录 攻读硕士学位期间发表的学术论文 |
（4）火电机组热工过程自抗扰控制的研究与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究进展及现状 |
| 1.2.1 热工过程控制研究现状 |
| 1.2.2 自抗扰控制理论的研究现状 |
| 1.2.3 自抗扰控制理论的应用现状 |
| 1.3 目前存在的问题 |
| 1.4 本文研究内容和技术路线 |
| 第2章 广义积分串联型的相位分析 |
| 2.1 引言 |
| 2.2 自抗扰控制结构 |
| 2.2.1 被控系统描述 |
| 2.2.2 跟踪微分器 |
| 2.2.3 扩张状态观测器 |
| 2.2.4 状态误差反馈控制律 |
| 2.3 线性ESO的收敛性分析 |
| 2.4 广义积分串联型的相位分析 |
| 2.4.1 标准积分串联型 |
| 2.4.2 无模型信息补偿的ESO分析 |
| 2.4.3 带模型信息补偿的ESO分析 |
| 2.5 仿真研究 |
| 2.5.1 无模型信息补偿的ESO |
| 2.5.2 带模型信息补偿的ESO |
| 2.6 本章小结 |
| 第3章 基于扩张状态观测器的模型参数智能辨识 |
| 3.1 引言 |
| 3.2 零初始条件下的数据驱动建模 |
| 3.2.1 连续系统的离散化 |
| 3.2.2 闭环扰动数据辨识分析 |
| 3.3 零终止条件下的数据驱动建模 |
| 3.4 基于ESO模型的参数智能辨识方法 |
| 3.4.1 热工过程的ESO建模 |
| 3.4.2 ESO的离散化与条件稳定 |
| 3.4.3 ESO参数的智能自寻优辨识 |
| 3.5 算例研究 |
| 3.5.1 零初始条件下的ESO参数辨识 |
| 3.5.2 基于扰动数据的ESO参数辨识 |
| 3.5.3 多变量系统的ESO参数辨识 |
| 3.6 本章小结 |
| 第4章 基于相位补偿的降阶自抗扰控制设计 |
| 4.1 引言 |
| 4.2 基于相位补偿的降阶ADRC |
| 4.2.1 降阶扩张状态观测器 |
| 4.2.2 基于相位补偿的降阶ADRC设计 |
| 4.2.3 稳定性分析 |
| 4.3 I_RADRC的二自由结构分析 |
| 4.4 I_RADRC的参数整定与数值仿真 |
| 4.4.1 I_RADRC的参数对控制性能的影响 |
| 4.4.2 I_RADRC参数的整定步骤 |
| 4.4.3 数值仿真 |
| 4.5 多变量系统的分散式I_RADRC控制 |
| 4.5.1 分散式I_RADRC的解耦能力分析 |
| 4.5.2 算例研究 |
| 4.6 本章小结 |
| 第5章 I_RADRC的工程应用 |
| 5.1 引言 |
| 5.2 I_RADRC算法的工程化设计 |
| 5.2.1 自动跟踪与无扰切换设计 |
| 5.2.2 抗积分饱和方案 |
| 5.2.3 I_RADRC控制策略实现 |
| 5.3 主汽温系统的串级自抗扰控制 |
| 5.3.1 被控过程的描述 |
| 5.3.2 仿真平台试验 |
| 5.3.3 现场应用 |
| 5.4 负荷系统的分散式自抗扰控制 |
| 5.4.1 被控过程描述 |
| 5.4.2 仿真平台试验 |
| 5.4.3 现场应用 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 研究总结 |
| 6.2 进一步工作的建议与展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（5）基于多源干扰估计器的鲁棒飞行控制技术研究与应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.1.1 受多源干扰的控制系统 |
| 1.1.2 低成本飞行器的发展现状 |
| 1.1.3 低成本飞行器在受多源干扰条件下的控制难点 |
| 1.2 受多源干扰控制系统的国内外研究历史与现状 |
| 1.2.1 受集总输入干扰系统的鲁棒控制 |
| 1.2.2 受输出干扰或传感器数量受限系统的鲁棒控制 |
| 1.2.3 受多源干扰系统的鲁棒控制 |
| 1.3 本论文的主要创新与贡献 |
| 1.3.1 主要创新 |
| 1.3.2 主要贡献 |
| 1.4 本论文的结构安排 |
| 第二章 无速率测量系统的集总输入干扰补偿控制 |
| 2.1 引言 |
| 2.2 无速率测量系统的控制器设计分析 |
| 2.2.1 问题描述 |
| 2.2.2 设计难点 |
| 2.3 基于passivity技术和改进的UDE的控制方案设计 |
| 2.3.1 控制方案设计 |
| 2.3.2 改进的UDE设计 |
| 2.3.3 稳定性和性能分析 |
| 2.3.4 3-DOF直升机应用 |
| 2.4 基于改进的LSO+UDE的控制方案设计 |
| 2.4.1 控制方案设计 |
| 2.4.2 改进的LSO设计 |
| 2.4.3 UDE设计 |
| 2.4.4 稳定性和性能分析 |
| 2.4.5 3-DOF直升机应用 |
| 2.5 本章小结 |
| 第三章 传感器性能受限系统的测量误差补偿控制 |
| 3.1 引言 |
| 3.2 传感器性能受限系统的控制器设计分析 |
| 3.2.1 问题描述 |
| 3.2.2 设计难点 |
| 3.3 基于MEE的控制方案设计 |
| 3.3.1 控制方案设计 |
| 3.3.2 MEE设计 |
| 3.3.3 稳定性分析 |
| 3.3.4 2-DOF直升机应用 |
| 3.3.5 固定翼飞机应用 |
| 3.4 被控系统模型精度受限条件下基于MEE的控制方案设计 |
| 3.4.1 改进的控制方案设计 |
| 3.4.2 2-DOF直升机应用 |
| 3.5 传感器动态时滞条件下基于MEE+SLC的控制方案设计 |
| 3.5.1 针对一阶传感器模型的控制方案设计 |
| 3.5.2 针对一阶传感器模型的MEE设计 |
| 3.5.3 针对高阶传感器模型的控制方案和MEE设计的推广 |
| 3.5.4 2-DOF直升机应用 |
| 3.6 本章小结 |
| 第四章 存在多源干扰系统的一体化补偿控制 |
| 4.1 引言 |
| 4.2 存在多源干扰系统的控制器设计分析 |
| 4.2.1 问题描述 |
| 4.2.2 设计难点 |
| 4.3 基于MEE+UDE的控制方案设计 |
| 4.3.1 多源干扰估计框架设计 |
| 4.3.2 控制方案设计 |
| 4.3.3 MEE设计 |
| 4.3.4 UDE设计 |
| 4.3.5 稳定性和性能分析 |
| 4.3.6 与经典鲁棒控制方案的对比 |
| 4.3.7 2-DOF直升机应用 |
| 4.3.8 四旋翼飞行器应用 |
| 4.4 本章小结 |
| 第五章 固定翼飞机高精度编队控制 |
| 5.1 引言 |
| 5.2 固定翼飞机高精度编队控制设计分析 |
| 5.2.1 问题描述 |
| 5.2.2 设计难点 |
| 5.3 基于因果稳定逆的分布式鲁棒同步输出跟踪控制方案设计 |
| 5.3.1 控制方案设计 |
| 5.3.2 分布式观测网络设计 |
| 5.3.3 因果稳定逆设计 |
| 5.3.4 基于MEE的局部鲁棒控制器设计 |
| 5.3.5 稳定性和性能分析 |
| 5.3.6 F-16战斗机编队应用 |
| 5.4 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（6）船用锅炉汽包水位内模滑模控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明表 |
| 1 绪论 |
| 1.1 论文研究的背景意义 |
| 1.2 国内外发展现状 |
| 1.2.1 锅炉汽包水位系统控制发展现状 |
| 1.2.2 内模控制的发展现状 |
| 1.2.3 滑模控制的发展现状 |
| 1.3 论文的主要工作 |
| 2 锅炉汽包水位系统数学模型的建立 |
| 2.1 锅炉本体的结构 |
| 2.2 汽包水位系统的数学模型 |
| 2.2.1 汽包内的质量守恒方程式 |
| 2.2.2 汽包内的能量平衡方程式 |
| 2.2.3 给水扰动下的汽包水位特性 |
| 2.2.4 蒸汽扰动下的汽包水位特性 |
| 2.3 本章小结 |
| 3 锅炉汽包水位内模控制研究 |
| 3.1 内模控制基本原理 |
| 3.1.1 内模控制器的结构 |
| 3.1.2 内模控制的主要性质 |
| 3.1.3 内模控制器的设计 |
| 3.2 锅炉汽包水位内模控制研究 |
| 3.2.1 汽包水位传统控制方法 |
| 3.2.2 汽包水位内模控制器设计及仿真分析 |
| 3.3 本章小结 |
| 4 锅炉汽包水位内模滑模控制研究 |
| 4.1 滑模控制理论 |
| 4.1.1 滑模控制原理 |
| 4.1.2 滑模控制的不变性 |
| 4.1.3 滑动模态的存在与到达条件 |
| 4.1.4 滑模控制器的设计 |
| 4.1.5 滑模控制器的缺点 |
| 4.1.6 全局非线性积分滑模面的设计 |
| 4.2 锅炉汽包水位内模滑模控制策略设计 |
| 4.2.1 汽包水位内模滑模控制原理 |
| 4.2.2 汽包水位滑模控制律的设计 |
| 4.2.3 汽包水位扰动控制器的设计 |
| 4.2.4 汽包水位控制系统的仿真分析 |
| 4.3 本章小结 |
| 5 基于递阶差分优化RBF网络的汽包水位内模滑模控制研究 |
| 5.1 神经网络理论 |
| 5.1.1 神经网络概述 |
| 5.1.2 神经网络的模型 |
| 5.1.3 神经网络的学习方法 |
| 5.1.4 基于神经网络的系统辨识 |
| 5.2 RBF神经网络概述 |
| 5.2.1 RBF神经网络模型 |
| 5.2.2 RBF神经网络的学习算法 |
| 5.3 递阶差分进化算法 |
| 5.3.1 差分进化算法概述 |
| 5.3.2 混合递阶差分进化算法优化的RBF神经网络 |
| 5.4 基于优化RBF网络的汽包水位内模滑模控制策略 |
| 5.4.1 基于RBF网络的汽包水位内模滑模控制器设计 |
| 5.4.2 基于RBF网络滑模切换控制项的离线学习 |
| 5.4.3 基于RBF网络滑模切换控制项的在线学习 |
| 5.4.4 仿真研究 |
| 5.5 本章小结 |
| 结论与展望 |
| 参考文献 |
| 附录A 混合递阶差分进化算法的优化过程代码 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（7）非线性时滞定常系统多维泰勒网辨识与预测控制（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 课题研究现状 |
| 1.2.1 非线性时滞系统辨识研究现状 |
| 1.2.2 非线性时滞系统控制方法研究现状 |
| 1.2.3 非线性时滞系统预测控制研究现状 |
| 1.2.4 带有外界干扰的非线性时滞系统预测控制研究现状 |
| 1.2.5 非线性时滞系统的稳定性分析研究现状 |
| 1.2.6 多维泰勒网研究现状 |
| 1.3 尚待解决的问题及提升方案 |
| 1.4 本文的主要研究内容和创新点 |
| 1.4.1 本文的主要研究内容 |
| 1.4.2 本文的创新点 |
| 1.5 本文的结构安排 |
| 第二章 多维泰勒网与基于多维泰勒网的辨识方案研究 |
| 2.1 前言 |
| 2.2 系统描述 |
| 2.2.1 单入单出离散非线性时滞系统 |
| 2.2.2 多入多出离散非线性时滞系统 |
| 2.3 多维泰勒网 |
| 2.3.1 多维泰勒网模型 |
| 2.3.2 多维泰勒网控制器 |
| 2.4 系统辨识方案 |
| 2.5 SISO非线性时滞系统的多维泰勒网辨识方案 |
| 2.5.1 辨识模型 |
| 2.5.2 极限学习机算法 |
| 2.5.3 最优多维泰勒网辨识模型 |
| 2.6 MIMO非线性时滞系统的多维泰勒网辨识方案 |
| 2.6.1 辨识模型 |
| 2.6.2 多维泰勒网辨识模型学习算法 |
| 2.7 仿真实验 |
| 2.7.1 SISO仿真算例 |
| 2.7.2 MIMO仿真算例 |
| 2.8 本章小结 |
| 第三章 基于多维泰勒网的超前d步预测模型研究 |
| 3.1 前言 |
| 3.2 系统描述 |
| 3.2.1 单入单出离散非线性时滞系统 |
| 3.2.2 多入多出离散非线性时滞系统 |
| 3.3 基于多维泰勒网的超前d步预测模型研究 |
| 3.3.1 非递推d步超前多维泰勒网预测模型 |
| 3.3.2 递推d步超前多维泰勒网预测模型 |
| 3.3.3 多维泰勒网预测模型学习算法 |
| 3.4 仿真实验 |
| 3.4.1 单入单出非线性时滞系统 |
| 3.4.2 多入多出非线性时滞系统 |
| 3.5 本章小结 |
| 第四章 基于多维泰勒网的单入单出非线性时滞系统预测控制 |
| 4.1 引言 |
| 4.2 非线性时滞系统描述 |
| 4.3 基于多维泰勒网的非线性时滞系统预测控制方案 |
| 4.3.1 预测模型 |
| 4.3.2 多维泰勒网控制器设计 |
| 4.3.3 稳定性分析 |
| 4.4 基于多维泰勒网的非线性时滞系统预测控制综合设计方案 |
| 4.5 仿真实验 |
| 4.5.1 仿真算例1 |
| 4.5.2 仿真算例2 |
| 4.5.3 仿真实例 |
| 4.6 本章小结 |
| 第五章 基于多维泰勒网的单入单出非线性时滞系统预测补偿控制 |
| 5.1 引言 |
| 5.2 系统描述 |
| 5.3 多维泰勒网预测控制方案 |
| 5.3.1 多维泰勒网预测模型 |
| 5.3.2 多维泰勒网预测控制律 |
| 5.3.3 稳定性分析 |
| 5.3.4 多维泰勒网预测控制整体方案 |
| 5.4 多维泰勒网补偿器设计 |
| 5.4.1 多维泰勒网补偿器 |
| 5.4.2 多维泰勒网补偿器参数调整 |
| 5.5 多维泰勒网预测补偿控制整体方案 |
| 5.6 仿真实验 |
| 5.6.1 仿真算例 |
| 5.6.2 仿真实例 |
| 5.7 本章小结 |
| 第六章 基于多维泰勒网的多入多出非线性时滞系统递推d步预测控制 |
| 6.1 引言 |
| 6.2 系统描述 |
| 6.3 多维泰勒网递推预测模型 |
| 6.4 多维泰勒网控制器设计 |
| 6.4.1 多维泰勒网控制器 |
| 6.4.2 多维泰勒网控制器参数调整 |
| 6.4.3 稳定性分析 |
| 6.5 多入多出非线性时滞系统的多维泰勒网递推d步超前预测控制整体方案 |
| 6.6 仿真实验 |
| 6.7 本章小结 |
| 第七章 基于多维泰勒网的多入多出非线性时滞系统辨识与预测控制 |
| 7.1 引言 |
| 7.2 系统描述 |
| 7.3 未知时滞辨识 |
| 7.4 递推d步超前多维泰勒网预测控制 |
| 7.4.1 递推d步超前多维泰勒网预测模型 |
| 7.4.2 多维泰勒网预测控制律 |
| 7.4.3 稳定性分析 |
| 7.4.4 多入多出非线性时滞系统递推d步超前多维泰勒网预测控制总体方案 |
| 7.5 多入多出非线性时滞系统未知时滞辨识与递推d步超前多维泰勒网预测控制整体方案 |
| 7.6 仿真实验 |
| 7.6.1 仿真算例 |
| 7.6.2 仿真实例 |
| 7.7 本章小结 |
| 第八章 总结与展望 |
| 8.1 论文工作总结 |
| 8.2 论文中有待进一步研究的问题 |
| 参考文献 |
| 作者简介 |
| 攻读博士学位期间发表、录用或已投出的学术论文 |
| 致谢 |
（8）结晶过程温度调节装置的采样控制设计与批次运行优化（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国内外研究现状及分析 |
| 1.3 主要研究内容 |
| 2 非最小相位过程的两自由度预测控制设计 |
| 2.1 基于简化广义预估器的两自由度控制结构 |
| 2.2 离散域两自由度控制器设计 |
| 2.2.1 抗干扰控制器 |
| 2.2.2 设定点跟踪控制器 |
| 2.3 鲁棒稳定性分析 |
| 2.4 仿真案例 |
| 2.5 本章小结 |
| 3 基于预估器抗扰控制(PDRC)结构的间接型迭代学习控制(ILC)设计 |
| 3.1 PDRC控制结构 |
| 3.2 基于PDRC的 P型 ILC控制方案 |
| 3.2.1 基于2D系统的P型ILC设计 |
| 3.2.2 鲁棒稳定性分析 |
| 3.2.3 ILC学习率优化 |
| 3.2.4 仿真案例 |
| 3.3 基于PDRC的 PD型 ILC控制方案 |
| 3.3.1 基于2D系统的PD型鲁棒ILC设计 |
| 3.3.2 仿真案例 |
| 3.4 实验验证 |
| 3.5 本章小结 |
| 4 基于LabVIEW的 JULABO温控系统集中监控平台设计 |
| 4.1 集中监控系统组成与设计方案 |
| 4.2 基于LabVIEW的上位机设计 |
| 4.2.1 LabVIEW与 NI-VISA编程接口软件 |
| 4.2.2 LabVIEW与 RS232 串口通信 |
| 4.2.3 人机交互监控界面设计 |
| 4.2.4 LabVIEW程序设计 |
| 4.3 JULABO下位机通信设计 |
| 4.3.1 JULABO加热制冷循环浴槽 |
| 4.3.2 JULABO与 RS232 串口通信 |
| 4.4 实验运行测试 |
| 4.5 本章小结 |
| 总结 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（9）复杂多变量系统闭环辨识与内模控制方法研究（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 内模控制方法 |
| 1.2.1 内模控制基本原理 |
| 1.2.2 内模控制国内外研究现状 |
| 1.2.3 多变量系统内模控制研究现状 |
| 1.2.4 多变量非方系统内模控制研究现状 |
| 1.3 系统辨识方法 |
| 1.3.1 系统辨识简介 |
| 1.3.2 多变量系统辨识研究现状 |
| 1.4 主要研究内容 |
| 第二章 基于强化学习的频域响应估计法(CARLA-FRE) |
| 2.1 引言 |
| 2.2 频域响应估计法 |
| 2.2.1 开环控制系统的频域分析 |
| 2.2.2 闭环控制系统的频域分析 |
| 2.2.3 频域分析方法的优缺点 |
| 2.3 基于强化学习的频域响应估计法 |
| 2.3.1 强化学习基本原理 |
| 2.3.2 连续动作强化学习自动机算法 |
| 2.3.3 基于CARLA的频域响应估计法 |
| 2.4 CARLA算法性能验证 |
| 2.5 本章小结 |
| 第三章 基于CARLA-FRE辨识的多变量系统内模控制应用 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 基于CARLA-FRE的多变量系统内模控制 |
| 3.3.1 基于CARLA-FRE的多变量方系统辨识 |
| 3.3.2 基于CARLA-FRE的多变量非方系统辨识 |
| 3.3.3 多变量系统的内模控制器设计方法 |
| 3.4 仿真实验 |
| 3.4.1 多变量方系统辨识——Wood-Berry模型 |
| 3.4.2 多变量非方系统辨识——Shell模型 |
| 3.5 本章小结 |
| 第四章 基于LQG控制方法的多变量多时滞过程最优控制 |
| 4.1 引言 |
| 4.2 卡尔曼滤波和最优控制介绍 |
| 4.2.1 卡尔曼滤波理论 |
| 4.2.2 最优控制 |
| 4.2.3 状态反馈原理 |
| 4.2.4 状态空间模型构造 |
| 4.3 基于最优控制方法的多变量多时滞过程控制律设计 |
| 4.3.1 基于卡尔曼滤波器的状态估计 |
| 4.3.2 最优控制律设计 |
| 4.4 仿真研究 |
| 4.5 本章小结 |
| 第五章 一类强耦合非方系统的内模控制方法优化研究 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 基于惩罚伪逆的时滞非方系统内模控制方法 |
| 5.3.1 解耦内模控制结构 |
| 5.3.2 内模控制器的设计 |
| 5.3.3 稳态性能分析 |
| 5.3.4 基于CARLA的最大惩罚因子ρ_0寻优 |
| 5.4 基于补偿器原理的非方系统内模控制方法 |
| 5.4.1 补偿器的设计 |
| 5.4.2 方形子系统的选择 |
| 5.4.3 内模控制器的应用 |
| 5.5 仿真分析 |
| 5.5.1 基于惩罚伪逆的内模控制器设计 |
| 5.5.2 基于补偿器原理的内模控制器设计 |
| 5.5.3 以上两种内模控制器的仿真分析 |
| 5.6 小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 附件 |
（10）具有不确定和时滞的动力定位系统控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 动力定位控制系统的研究进展 |
| 1.3 课题相关内容的研究进展 |
| 1.3.1 非线性系统不确定问题的研究进展 |
| 1.3.2 非线性系统时滞问题的研究进展 |
| 1.3.3 非线性系统输入饱和问题的研究进展 |
| 1.3.4 非线性系统状态约束问题的研究进展 |
| 1.4 论文主要研究内容和结构安排 |
| 第2章 船舶运动数学模型和相关控制理论 |
| 2.1 引言 |
| 2.2 参考坐标系 |
| 2.3 动力定位船舶运动学与动力学模型 |
| 2.3.1 动力定位船舶运动学模型 |
| 2.3.2 动力定位船舶动力学模型 |
| 2.3.3 船舶运动模型的不同表达形式 |
| 2.4 环境干扰模型 |
| 2.4.1 海风干扰模型 |
| 2.4.2 海浪干扰模型 |
| 2.4.3 海流干扰模型 |
| 2.5 相关控制理论 |
| 2.5.1 反步法 |
| 2.5.2 自适应模糊控制 |
| 2.6 本章小结 |
| 第3章 动力定位不确定时滞系统自适应模糊反步控制 |
| 3.1 引言 |
| 3.2 动力定位不确定系统自适应模糊反步控制 |
| 3.2.1 动力定位不确定系统模型的描述 |
| 3.2.2 动力定位不确定系统反步控制 |
| 3.2.3 动力定位不确定系统自适应反步控制 |
| 3.2.4 稳定性分析 |
| 3.2.5 仿真结果与分析 |
| 3.3 动力定位不确定时滞系统自适应模糊反步控制 |
| 3.3.1 动力定位不确定时滞系统模型的描述 |
| 3.3.2 动力定位不确定时滞系统反步控制 |
| 3.3.3 动力定位不确定时滞系统自适应模糊反步控制 |
| 3.3.4 稳定性分析 |
| 3.3.5 仿真结果与分析 |
| 3.4 本章小结 |
| 第4章 具有输入饱和和时滞的自适应滑模反步控制 |
| 4.1 引言 |
| 4.2 具有输入饱和和不确定的动力定位系统自适应滑模反步控制 |
| 4.2.1 具有输入饱和和不确定的动力定位系统模型描述 |
| 4.2.2 具有输入饱和和不确定的动力定位系统滑模反步控制 |
| 4.2.3 具有输入饱和和不确定的动力定位系统自适应滑模反步控制 |
| 4.2.4 稳定性分析 |
| 4.2.5 仿真结果与分析 |
| 4.3 具有输入饱和和时滞的动力定位系统自适应滑模反步控制 |
| 4.3.1 具有输入饱和和时滞的动力定位系统模型描述 |
| 4.3.2 具有输入饱和和时滞的动力定位系统滑模反步控制 |
| 4.3.3 具有输入饱和和时滞的动力定位系统自适应滑模反步控制 |
| 4.3.4 稳定性分析 |
| 4.3.5 仿真结果与分析 |
| 4.4 本章小结 |
| 第5章 具有状态约束和时滞的自适应模糊反步控制 |
| 5.1 引言 |
| 5.2 具有状态约束和不确定的动力定位系统自适应模糊反步控制 |
| 5.2.1 具有状态约束和不确定的动力定位系统模型描述 |
| 5.2.2 具有状态约束和不确定的动力定位系统反步控制 |
| 5.2.3 具有状态约束和不确定的动力定位系统自适应模糊反步控制 |
| 5.2.4 稳定性分析 |
| 5.2.5 仿真结果与分析 |
| 5.3 具有状态约束和时滞的动力定位系统自适应模糊反步控制 |
| 5.3.1 具有状态约束和时滞的动力定位系统模型描述 |
| 5.3.2 具有状态约束和时滞的动力定位系统反步控制 |
| 5.3.3 具有状态约束和时滞的动力定位系统自适应模糊反步控制 |
| 5.3.4 稳定性分析 |
| 5.3.5 仿真结果与分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
四、一类不稳定时滞过程的最优抗干扰控制（论文参考文献）
- [1]阶跃扰动下时滞过程线性自抗扰控制方法研究[D]. 张宇明. 北京化工大学, 2021(02)
- [2]基于预估器的结晶反应釜温度控制与批次优化[D]. 臧儒东. 大连理工大学, 2021(01)
- [3]基于预见理论的矿山充填料浆浓度滑模控制研究[D]. 齐永达. 兰州理工大学, 2021(01)
- [4]火电机组热工过程自抗扰控制的研究与应用[D]. 孙明. 华北电力大学(北京), 2021(01)
- [5]基于多源干扰估计器的鲁棒飞行控制技术研究与应用[D]. 祝洋. 电子科技大学, 2020(03)
- [6]船用锅炉汽包水位内模滑模控制研究[D]. 段蒙蒙. 大连海事大学, 2020(01)
- [7]非线性时滞定常系统多维泰勒网辨识与预测控制[D]. 李晨龙. 东南大学, 2020
- [8]结晶过程温度调节装置的采样控制设计与批次运行优化[D]. 汪真才. 大连理工大学, 2020(02)
- [9]复杂多变量系统闭环辨识与内模控制方法研究[D]. 蒋美英. 北京化工大学, 2019(01)
- [10]具有不确定和时滞的动力定位系统控制方法研究[D]. 薛晶晶. 哈尔滨工程大学, 2019(04)