摘要：在模型预测控制方法(MPC)中,模型的不确定性主要源于外部干扰、输入噪声和时变参数等因素,这些因素可能导致预测误差,从而,降低控制性能.本文针对一类具有加性扰动的离散时变系统,提出了一种新型随机模型预测控制(SMPC)算法.该算法能够在特定约束条件下有效预测系统的未来行为,并优化控制输入,以实现预定的性能目标.为实现本文所提出的控制方法,本文采用李雅普诺夫稳定性理论保证系统的闭环稳定性,运用凸组合技术应对系统参数的时变性,并利用凸优化方法计算名义系统的控制增益.此外,使用逆累积分布函数将概率约束转化为确定性约束.最后,文章通过数值仿真实验对本文所提出的方法进行验证.仿真结果表明,随机模型预测控制策略能够更好地适应随机变化的环境,并在面对随机干扰时保持较高的控制精度,并且具有相对较低的保守性.

摘要：针对受参数不确定性和外部干扰影响的高超声速变体飞行器姿态控制问题,本文提出了一种基于复合观测器的数据驱动模型预测控制方法.为了解决高超声速变体飞行器建模与控制中的非线性问题,采用基于Koo-pman算子理论的数据驱动建模方法,利用Autoencoder神经网络拟合Koopman算子的最优升维函数,并通过拓展动态模式分解(EDMD)获得有限维空间截断的线性标称模型.此外,为了抑制干扰带来的不利影响,提出了一种同步估计方法构建复合观测器,该观测器包括基于Koopman升维模型的Luenberger型观测器和同步干扰观测器;随后,基于线性标称模型和干扰估计值设计了模型预测控制器,并且证明了其迭代可行性和输入输出稳定性;最后,通过仿真验证了控制器的有效性和可行性.

摘要：大数据背景下,典型工艺路线的有效发现可以为计算机辅助工艺规划(CAPP)的检索过程提供更加精准且充足的工艺信息,从而提高后续工艺规划的质量.但是现有与线性工艺路线相关的方法由于没有考虑网状工艺路线的结构复杂性,既无法直接应用,也难以合理量化其中的各类工艺信息.此外,大部分现有研究也忽略了典型工艺路线发现中的聚类有效性问题,对这一问题缺乏合理的算法设计.鉴于此,本文提出了一种基于多维工艺信息融合的典型网状工艺路线自动化发现方法.该方法针对网状工艺路线的相似度度量问题,在信息需求分析的基础上,为网状工艺路线中蕴含的4种工艺信息设计了不同的量化方法,并通过主成分分析(PCA)将其合成综合相似度.此外,基于上述相似度度量的构建,并考虑聚类有效性,在传统近邻传播(OAP)算法中引入了火鹰优化算法(FHO),以优化AP算法的参考度与阻尼系数,从而在聚类结果与软约束之间取得平衡,以发现更符合实际需求的典型网状工艺路线.仿真实验表明,本文所提网状工艺路线的相似度度量能有效区分各种相似度情况,具有更高的灵敏性.同时,引入的FHO能提高AP算法的聚类效果,其中FHO-IAP相较于其他算法表现出更好的性能.

摘要：针对3D舞台威亚系统因伺服电机退化导致的安全性问题,考虑已有退化模型精度不高、传统寿命定义保守、延寿效率低下等问题,本文提出了一种基于复合多阶段退化建模的系统级剩余寿命预测方法,并基于预测结果开展了自适应变采样率自主维护策略研究.首先,从工程实际出发,构建了包含基础控制层、健康评估层及自主维护层的三层级自主维护框架;其次,考虑退化阶段的差异性与随机冲击的影响,建立了Wiener+Poisson复合多阶段退化模型,并采用期望最大化参数估计算法,将参数估计过程与累加和变点检测算法相融合,采用更适宜评价控制系统寿命的最后逃逸时间定义,求解得到复合多阶段退化模型下系统剩余寿命的解析解;最后,基于预测结果,提出了基于自适应变采样率的DMC-PID延寿控制策略,提高了维护效率和效果.仿真实验验证了所提方法的有效性.

摘要：研究动态柔性作业车间调度问题(DFJSP)对有效控制生产过程,提升企业经济盈利能力具有重要意义.现有研究大多仅考虑机器选择柔性及动态生产场景,但实际生产中还存在更复杂的工序顺序柔性问题.在定制化装备制造等场景下,作业加工工序可按工艺要求划分为若干组,同组内工序无强制加工顺序约束,不同组间则需遵循严格加工顺序.这种工序顺序柔性的引入显著增加问题搜索空间复杂度,导致求解时间大幅延长.因此,本文结合定制化装备制造车间的实际生产需求,综合考虑机器选择柔性,工序顺序柔性及新作业到达的动态特性,提出动态多柔性作业车间调度问题(DMFJSP),其优化目标为最小化平均流程时间.为求解该问题,本文提出一种基于个体简化的遗传规划(GP)方法,通过引入动态终端节点频率分析个体结构复杂度,并在适应度评估阶段设置惩罚函数引导种群进化,进而简化个体结构,缩短GP训练时间.为验证所提方法的有效性,本文在3种不同生产场景下开展测试,结果表明,该方法在保证求解质量的同时,可显著缩短计算时间.面对更大规模和复杂问题时,其收敛速度快,能在合理时间内找到满意解.

摘要：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.

摘要：为了实现磁流变阻尼器(MRD)的高精度阻尼力跟踪控制,本文提出了一种基于Koopman算子的离散时间线性二次型最优跟踪(DLQT)控制策略.采用递归神经网络(RNN)建立MRD的非线性模型.采取Koopman算子理论及扩展动态模式分解法(EDMD)将MRD的RNN模型"全局"线性化,保留MRD系统的非线性特性.利用基于Koop-man算子理论得到的高阶线性模型设计了DLQT控制器.通过仿真实验实现对不同频率的期望信号进行跟踪,验证了算法的有效性.采用搭载了MRD的二自由度四分之一悬架实验台进行硬件在环实验.实验结果表明该算法可以实现对参考信号的高精度跟踪.

摘要：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.

摘要：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.

摘要：为克服传统间歇通信机制的强时间依赖性及实现多智能体系统快速收敛,本文提出一种有限时间域分割间歇通信的一致性控制方法.通过引入两个具有有限时间收敛特性的边界函数,将非负实域分割为工作、休息、缓冲3个子区域,多智能体间是否通信由Lyapunov函数轨迹与预设子区域间之间关系决定.设计了分布式间歇通信有限时间一致性控制协议,并对停息时间进行了估计.数值仿真验证了理论结果的有效性.

摘要：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,在外部负载扭矩作用下,五台电机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.

摘要：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.

摘要：针对可再生能源微网系统状态监测过程中通信资源有限的问题,本文提出了一种基于轮询协议的分布式块滚动时域估计算法.在分布式滚动时域估计的基础上,通过引入轮询协议减轻传感器网络的通信负担.在该协议下,每个传感器节点依次且周期性地传送其测量值分量,避免了数据拥塞且充分利用了有限带宽资源.再应用块概念设计估计窗口内的扰动序列,减少了优化变量个数,从而降低了在线计算量.通过分析算法在最大分块长度下的可行性与收敛性,建立了保证算法优化问题存在等价解的充分条件,并把结果推广至扰动序列任意分块的情况.仿真结果表明所提算法能够有效估计可再生能源微网系统状态.

摘要：针对网联车GPS信号可能遭受虚假注入攻击的问题,本文提出一种基于自适应分布式卡尔曼滤波DKF的攻击检测策略.首先,构建GPS信号虚假注入攻击下的网联车队列系统不确定动态模型,并提出一种自适应DKF算法,以解决网联车行驶过程中噪声统计特性未知的问题;其次,设计了一种基于自适应DKF状态残差的卡方检测方法,实现对GPS信号虚假注入攻击的检测;最后,通过实验仿真验证所提检测方法的有效性.

摘要：PID控制器在工业控制领域应用广泛,其参数的选择过度依赖于人工经验,效率低且过程繁琐.近年来,深度强化学习因其具有对复杂环境自学习的能力,在很多领域取得了成功应用.本文提出一种基于双经验回放池双延迟深度确定性策略梯度(TD3)算法的PID参数优化方法,利用深度强化学习的方法,自主优化PID控制器的参数.在整个优化过程中,将控制问题视为序列决策过程,通过设计智能体的状态、动作空间以及网络结构,将PID参数的优化过程转化为强化学习策略网络权重的更新过程.同时,针对TD3算法训练前期探索效率低的问题,在TD3算法的基础上,增加双经验回放池机制,提升了算法训练前期的效率.最后,在二阶系统和一阶加纯时滞系统上进行仿真验证,并与基于粒子群优化(PSO)算法优化PID参数的方法进行对比,实验结果表明,所提算法优化得到的PID参数在控制器上体现的控制性能要优于PSO算法.

摘要：本文研究带不匹配干扰和未知状态的高阶多智能体系统的编队控制问题.利用干扰估计补偿方法和滑模控制,提出了一种基于输出反馈的主动抗干扰编队控制算法.在智能体状态已知的情况下,针对每个智能体设计了广义比例积分观测器以估计干扰,结合滑模控制,设计了基于状态反馈的主动抗干扰编队控制器.所设计的分布式控制器使得多智能体系统实现渐近编队.在系统存在未知状态的情况下,通过构造扩张状态观测器对未知状态和干扰进行重构,结合状态反馈编队控制设计,给出了基于输出反馈的主动抗干扰编队控制算法,使得多智能体系统达到渐近编队.仿真结果验证了所提出的编队控制方法的有效性.

摘要：针对执行空间重复任务的非参数不确定旋转电机系统,本文提出一种空间自适应全限幅重复学习控制方法.通过引入空间微分算子变换,将受控系统从时间域形式转换为空间域形式.利用旋转电机的空间周期重复运行特性,设计空间自适应全限幅重复学习控制器,实现旋转电机角速度对期望轨迹的高精度跟踪.构造空间全限幅重复学习律、估计和补偿具有空间周期特性的非参数不确定动态,并保证估计值被限制在指定界内.最后,通过李雅普诺夫理论分析误差的收敛性能,并给出实验结果验证所提方法的有效性.

摘要：本文研究孤岛微电网系统的时滞相关频率稳定性问题.首先引入虚拟惯性控制环节对可再生能源高渗透导致的系统惯性不足进行补偿,然后利用模型重构技术构建了孤岛微电网时滞相关负荷频率控制系统的数学模型,在此基础上,构造包含更多时滞信息且充分融合模型重构技术的Lyapunov-Krasovskii泛函并利用广义自由权矩阵积分不等式和二次函数不等式的线性化条件来处理泛函导数,从而得到基于线性矩阵不等式的时滞相关稳定性判据.最后,通过仿真实验和数据分析表明本文所提方法有着更低的保守性,并且验证了引入虚拟惯性控制环节能有效地提升孤岛微电网的动态性能.

摘要：非线性系统广泛存在于自然界以及各类工程系统之中.对非线性系统进行精确分析与有效控制,一直是控制科学领域极具挑战性的前沿课题,也是推动先进制造、智能机器人、低空技术、航空航天等关键领域取得突破的理论基石.

摘要：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.