【摘 要】
:
倒立摆系统是本质上不稳定的复杂非线性系统,物理结构简单且实验结果直观清晰,可以用来评估各种控制理论的有效性。由于倒立摆系统具有非线性、固有不稳定等复杂特性,容易受到模型误差、测量误差以及外界干扰等不确定性因素的影响,从而导致系统的控制难度很大。因此,本文综合运用了基于演算子理论的鲁棒右互质分解方法,对含有不确定性的倒立摆系统的鲁棒控制和跟踪控制进行了研究。论文的主要工作如下:(1)建立了基于演算子
论文部分内容阅读
倒立摆系统是本质上不稳定的复杂非线性系统,物理结构简单且实验结果直观清晰,可以用来评估各种控制理论的有效性。由于倒立摆系统具有非线性、固有不稳定等复杂特性,容易受到模型误差、测量误差以及外界干扰等不确定性因素的影响,从而导致系统的控制难度很大。因此,本文综合运用了基于演算子理论的鲁棒右互质分解方法,对含有不确定性的倒立摆系统的鲁棒控制和跟踪控制进行了研究。论文的主要工作如下:(1)建立了基于演算子理论的倒立摆动力学模型。首先,在了解直线二级倒立摆工作原理的基础上,采用拉格朗日方程法并在平衡点处进行线性化处理,得到了倒立摆系统的动力学微分方程。然后,针对传统研究中复杂多变量倒立摆系统算法设计困难的问题,利用演算子理论对动力学微分方程进行右互质分解,得到了结构简单、易控制分析的倒立摆动力学模型。(2)提出了无源控制方法与基于演算子理论的鲁棒右互质分解方法相结合的自起摆控制方案。针对导轨受限的基于演算子理论建模的二级倒立摆动力学模型,将无源控制方法与鲁棒右互质分解方法相结合,设计了起摆、稳摆的切换控制律,从而实现了对二级倒立摆系统逐级自起摆及稳摆的鲁棒稳定控制,并基于该方案完成了对一级倒立摆实物的起摆和稳摆控制。实验结果表明,该方案对倒立摆系统自起摆实现了快速控制,其有效性得到了很好的验证。(3)提出了基于演算子理论的鲁棒右互质分解方法与观测器、跟踪补偿器相结合的鲁棒跟踪控制方案。针对倒立摆系统中存在的不确定性因素,首先,基于演算子理论进行系统分析,设计了鲁棒控制器,观测器和跟踪补偿器,保证了系统的鲁棒稳定;其次,依据Lipschitz范数和Unimodular算子的定义推导证明了系统跟踪性能的充分条件,实现了系统的精确跟踪;最后,通过MATLAB仿真验证了该控制方案的可行性和有效性。仿真结果表明,与传统线性二次型最优控制方法相比,该方案有效抑制了倒立摆系统的不确定性,提高了系统的控制精度,在保证倒立摆系统鲁棒稳定的同时实现了摆杆摆动过程的精确跟踪。
其他文献
光伏电池通过串并联的方式构成了光伏阵列,在光伏发电系统中发挥着重要的作用。因此,对光伏电池在不同状态下的参数进行准确辨识,探究电池模型中的基本参数对其性能的影响,是光伏电池结构优化、提高光伏发电系统工作效率以及实时控制的基础。本文基于梯度搜索方法和牛顿搜索方法,利用递阶辨识原理和多新息辨识理论探讨光伏电池模型的参数辨识问题,主要研究成果如下:(1)对于光伏电池非线性系统,以单二极管光伏电池模型为研
从有限的示例中尽快适应新的类别,即小样本学习所面临的重要挑战。一类有效的模型为基于度量学习的框架,该类框架倾向于学习查询样本与支持样本间的相似性判别,从而有效地实现小样本目标分类。但现有方法仍存在一些可改进之处:比如对特征价值大小的区分以及在求取类表征时对每个样本的重要程度区分往往不够重视;其次,现有技术常依赖于特征提取主干网末层获取的特征来判别相似性,并未考虑到可将多个层次获得的特征适当利用;此
好氧颗粒污泥(AGS)具有沉降性能好、污染物去除效率高等优势,是污水处理领域的研究热点,AGS技术已成功应用于高COD浓度的废水处理。但应用于生活污水处理时,因污水COD浓度相对较低,AGS面临污泥培养周期长、稳定性差的问题。本论文通过连续添加3~5mg/L Fe3+强化好氧颗粒污泥的培养,探究Fe3+对成熟AGS的稳定性的影响,并考察了AGS对模拟生活污水和实际生活污水的长期处理效能。AGS培养
水井钻机电液伺服系统是高度非线性的,不仅存在负载质量变化、随温度和磨损造成的液压弹性模量、伺服阀流量增益、黏性摩擦系数等变化造成的参数不确定性;还存在水井钻机实际钻井工况下,由于井底岩层未知以及工作进程中大量泥沙喷射所造成的未知扰动所引起的不确定非线性;以及输入饱和、伺服阀开口方向切换、摩擦、阀芯重叠等不连续和不平滑的非线性特性。参数不确定性和不确定非线性的存在使依赖精确模型设计的控制器难以实现水
在矿业生产中,由于井下运输通道狭窄,以及选矿工艺要求,往往需要对大块的原矿石进行破碎处理,传统的自动化矿石破碎系统由井下摄像头拍摄的视频信息引导人工操作,但由于视频传输速率低,井下环境恶劣等因素,往往无法精准定位,针对这些问题,本文提出一种以毫米波雷达成像技术为基础,结合了图像处理的井下原矿石定点破碎系统。具体研究工作如下:(1)设计了一套基于毫米波雷达成像的原矿石重构定点破碎系统的总体结构和工作
实际工业生产过程由于工况条件越来越复杂,呈现出强非线性、多输入多输出、多工作点等特点,多模型方法利用“分而治之”的思想能够有效处理此类非线性系统,并取得广泛应用。同时,机器学习的快速发展、开源软件以及深度学习框架的不断优化,也为多模型方法提供了丰富的场景。本文针对非线性系统,提出一种多模型结构框架,其子模型采用RNN神经网络结构,利用前向传播算法和反向传播算法训练;然后采用BP神经网络结构把子模型
强化学习作为机器学习中重要的分支,可以不依赖于模型而仅依靠数据就能训练比人类表现更好的控制策略。因此,强化学习在机器人领域,尤其是无人机自主导航领域在近年来受到了广泛的关注。然而,由于现有的强化学习算法通常缺乏安全性和鲁棒性,使得其很少在实际场景任务中部署使用,大多算法都仅停留在实验室测试阶段。为此,现已有的安全强化学习研究中,通常在具有安全约束条件下进行策略训练,然而,这种无人机具有高机动性,其
刺激响应材料能够感知外界刺激(如热、磁、电、光、机械力等),并通过构象转变、动态共价化学和非共价相互作用等多种途径将外部施加的刺激转换为自身结构或性能的改变,在智能材料领域展现出巨大的应用前景。其中,刺激响应发光材料是指在外界刺激下,发光颜色或明暗状态发生改变的发光材料。由于刺激响应发光材料独特的性质和在先进光电功能材料领域良好的应用前景而备受人们关注。但是,已报道的刺激响应发光材料大多数是在机械
近年来,伴随着人工智能技术火箭式高速发展,各地政府大力推进“智慧城市”的建设。通过“智慧城市”的建设能够使政府对城市进行更加精细化的管理,实现政府治理能力的现代化。作为“智慧城市”的重要组成部分,智能监控系统可以更高效、更精准地识别公共安全问题,有效的保证人民群众的生命财产安全。论文在分析了国内外现有的行人检测、行人跟踪、行为识别等算法优缺点的基础上,设计出了一个更高性能的网络模型。该模型不仅在公
电力系统规模不断扩大,网络结构也越来越复杂,对电力系统进行机电暂态仿真,其计算量也随之加大。因此,应当在保证一定仿真精度的同时,对电力系统进行适当的等值简化。对电力系统的稳定分析,可通过戴维南等值方法先对系统进行等值,但由于电力系统非线性特点,利用不同的戴维南等值参数计算方法,获得的等值参数各不相同,由此分析原系统的稳定性,可能会产生不同的结果。本文选取了两种典型的等值参数计算方法,以IEEE标准