一、复合系统SPECCORR-TDOA估计模型抗干扰性能的研究(论文文献综述)
曹明生[1](2021)在《迭代学习控制在基因测序工件台系统中的应用研究》文中研究说明基因测序是生命科学研究最重要的技术手段之一。随着基因测序技术在医学、生命科学和药物研发等领域应用的快速发展,现有的测序仪器已经无法满足对测序通量的需求,有必要发展新一代高通量基因测序仪。工件台系统是高通量基因测序仪的核心子系统之一,其运动速度关系到测序仪的通量,控制精度则关乎测序数据的质量,因此,要求高通量基因测序仪工件台系统具有行程大、速度快和轨迹跟踪精度高的性能。本论文以高通量基因测序仪工件台为应用背景,采用迭代学习控制对无铁芯永磁同步直线电机高精度控制系统进行了深入的研究。在存在非重复性扰动和变轨迹跟踪的任务中,通过克服迭代学习控制的缺点,改善迭代学习控制的性能,提高了工件台轨迹跟踪精度,减少了工件台控制系统的调节时间,增强了系统的抗干扰能力。论文的研究内容如下:论文首先分析了无铁芯永磁同步直线电机的结构特点,建立了电机的数学模型;然后采用矢量控制和空间矢量脉冲宽度调制方法,设计了电流环并进行了原理性仿真;根据二质弹簧阻尼系统建立了工件台系统模型,在此基础上,基于闭环电流环对工件台系统进行了模型参数辨识,并分析了参数变化和外部扰动对系统的影响,为后续设计控制算法进行扰动抑制提供理论基础。针对迭代学习控制容易受非重复性扰动影响的不足,提出了基于输出数据的自适应非线性复合迭代学习控制算法,并证明了算法的稳定性。首先,设计了多伺服周期二阶迭代学习控制,通过多次重复运动消除跟踪误差中随迭代变化的非重复性信号,并根据相邻两次迭代的定位误差自适应调整遗忘因子,以增强学习的鲁棒性;其次,设计了自适应迭代估计律在迭代域对扰动进行估计补偿,并通过引入时变的边界层克服初始定位误差对学习控制的影响;最后,结合工件台运动特点,在上述控制器基础上引入非线性函数,在步进运动的不同阶段自适应地调整控制器增益大小,在Actuation运动阶段采用较大的增益,提高系统的动态响应能力,加快迭代学习收敛速度;在Dwell停留阶段,采用较小增益,抑制高频扰动的影响。研究表明,该算法有效抑制了时变扰动对迭代学习控制的影响,提高了系统的轨迹跟踪精度和鲁棒性,并有效缩短了调整时间。迭代学习控制只能用于固定的参考轨迹,当轨迹发生变化时需要重新学习,为解决上述问题,提出了基于二阶非线性迭代参数整定的前馈控制算法,通过引入反映系统动力学行为的基函数将控制器参数化,通过迭代学习对参数进行优化,得到的控制器能够适用于不同的运动轨迹。为了抑制直线电机的推力波动等扰动对匀速运动的影响,在上述控制器基础上提出了一种基于迭代参数整定的前馈控制和抗干扰控制复合控制策略。通过迭代学习,将前馈控制和抗干扰控制的优点结合起来,利用前馈控制提高系统响应速度,使得工件台快速进入匀速运动状态,利用抗干扰控制提高系统的抗干扰能力。在切换不同的工作速度时,控制系统可以始终保持高控制精度和鲁棒性。此外,控制器设计不需要被控对象的模型或灵敏度函数,整个设计过程都是数据驱动的。最后,在无铁芯永磁同步直线电机驱动的工件台系统进行了轨迹跟踪实验。通过对比实验,验证了所提出的自适应非线性复合迭代学习控制和基于迭代参数整定的前馈控制和抗干扰控制算法的有效性和优越性。
唐勇威[2](2021)在《Buck变换器的复合抗干扰控制研究》文中认为随着我国科技和经济的发展进步以及国家战略和政策的支持,越来越多的目光关注到生态环境的保护中来。优化能源结构和新能源的发展成为了社会乃至国际的共同目标。无论是在风力发电、光伏发电等新能源发电领域还是近几年发展迅猛的电动汽车中,Buck变换器都是非常常见且不可或缺的一个部分。为了使得Buck变换器在受到干扰时依然能保持稳定的运行状态,提高其工作的稳定性和可靠性,本文对Buck变换器的抗干扰控制方法进行研究。本文从Buck变换器的工作原理及工作模式出发,分析了其工作在电感电流连续模式(CCM)下的工作特性和必要条件,建立了电路的状态空间模型。在设计了传统的离散式增量型PID控制器的基础上,分别搭建二阶和三阶的自抗扰控制器,通过调试其参数b0的范围,探索控制器控制效果和系统抗干扰性能。此外,基于系统的离散数学模型设计了模型预测控制(MPC)的方法,利用控制对象中期望的输出序列以及可外部测量的扰动信息进行前馈补偿并将系统当前时刻以及前一时刻的状态量作为反馈补偿来生成控制增量序列。同时还引入了扩张状态观测器(ESO)来观测系统的总干扰,提出了一种复合的控制算法,将干扰信息送给MPC以优化其控制效果,使其对模型的准确性和对干扰的变化有更精准的判断和响应。通过调整不同预测时域和控制时域的数值,探索不同参数的选取分别对系统的影响及其抗干扰的性能差异,选取了合适的参数以达到相对更好的控制和抗扰效果。通过合理选型搭建了 Buck变换器电路系统以及基于NI Compact RIO的实验平台来验证所设计控制器的有效性。实验平台主要包括NI控制器cRIO-9045,C系列模块NI9263和NI9215、电流传感器、可编程电源、可编程电子负载,基于Labview FPGA的编程环境。用电源突变和负载突变模拟Buck变换器遇到的两种干扰来源。Simulink仿真和实验的结果验证了所设计的自抗扰控制方法、模型预测控制算法和复合抗干扰控制算法控制方法的有效性和在抗干扰性方面表现出的优势,有利于优化开关电源的稳定性,提高其抗干扰性能。
顾翔[3](2021)在《基于扰动观测器设计的化工聚合过程抗干扰分布控制》文中研究指明伴随着经济的快速发展,对各类化工产品的需求与日俱增。高分子材料作为化工产业的重要组成,如何实现其高效聚合受到越来越多的关注。其中,分子量分布作为高分子聚合物的重要参量决定了产品的性质,是过程控制的关键因素。同时,高分子聚合也是相当复杂的化工业生产过程,具有非高斯、非线性、多耦合的特点,也容易受到各类因素的干扰,导致分子量分布的改变,进而影响聚合物特性。因此,研究非高斯聚合过程的抗干扰控制技术,获得理想性质的化合物一直是化工生产行业的难题,也是控制工程领域的热点。论文以苯乙烯本体的聚合过程作为研究对象,考虑外部干扰和非线性饱和的影响,同时基于扰动观测器(DO)设计、凸包表示法以及凸优化算法,设计复合抗干扰跟踪控制输入,保证苯乙烯本体聚合过程的稳定性能,进一步得到期望的苯乙烯分子量分布。论文主要内容如下:(1)结合苯乙烯聚合过程,阐述了分子量分布控制的研究背景和意义以及经济价值;进一步介绍了随机分布控制理论的发展和基于干扰观测器的抗干扰控制方法。(2)基于苯乙烯聚合反应原理的参数化模型,获得其分子量分布;引入B样条函数对系统输出的分子量分布函数进行逼近,计算相应的动态权向量;进一步基于输入输出数据对,结合递推最小二乘法获得系统的参数矩阵,构建出权向量和控制输入之间的状态空间模型。(3)基于苯乙烯聚合反应状态空间模型,研究干扰影响下的抗干扰控制算法设计。结合聚合系统模型以及外延干扰模型,构建干扰观测器对未知干扰动态估计。进一步,将PI型反馈控制和干扰估计信息相结合,设计复合控制器,保证闭环控制系统稳定,且跟踪上理想权向量,进而得到期望的分子量分布。(4)基于苯乙烯聚合反应状态空间模型,在系统状态已知和未知两种情况,研究未知干扰以及执行器饱和影响下的聚合系统抗干扰控制问题。在状态已知的条件下,构建干扰观测器实时估计干扰并结合凸包表示法处理饱和约束。在状态未知的条件下,构建复合分层观测器,分别针对未知状态和未知干扰进行动态估计,同时采用扇区边界条件解决执行器饱和的现象。进一步,基于凸优化理论,验证控制系统具有的良好稳定性能以及动态跟踪性能,并获得理想的分子量分布。(5)以上算法均通过Matlab/Simulink仿真得以实现。考虑在谐波干扰和执行器饱和的影响下,实现对苯乙烯本体聚合过程的抗干扰控制,验证了算法的有效性,获得了良好的控制效果。
王琭军[4](2021)在《基于扰动建模的永磁同步电机抗干扰控制及仿真实现》文中认为众所周知,永磁同步电机具有效率高、体积小、损耗低等显着优点,被广泛应用于自动控制领域。近年来,随着永磁材料性能的提升以及电机控制技术的成熟,永磁同步电机在航天、军事及工业生产生活中的作用日趋重要。同时,永磁同步电机也是一个多变量、强耦合的非线性系统,特别当其受到负载等不规则干扰影响时,如何设计先进的控制算法得到精确的控制性能,已经成为自动控制领域研究的热点。论文以永磁同步电机模型为研究对象,考虑多种类型干扰对系统的影响。结合T-S模糊建模、干扰观测器设计以及积分滑模控制等方法,提出有效的扰动建模以及抗干扰控制算法,保证了永磁同步电机的多目标控制要求。文主要内容如下:(1)阐述永磁同步电机的基本原理,研究电机运动方程,得到不同坐标系下的数学模型。进一步,基于id=0的电流矢量控制方法,构造d-q轴同步旋转磁场下在近似解耦后的转速控制数学模型。利用凸优化算法并结合L1性能优化指标,验证闭环系统趋于稳定,解决了电机调速控制系统中干扰的抑制问题,且转速跟踪到期望值。(2)研究了基于T-S扰动建模的永磁同步电机抗干扰控制问题。为了能够对不规则、非线性扰动进行建模,T-S模糊模型被引入动态描述外部干扰。基于此,构建模糊干扰观测器,实现对扰动的动态估计。结合干扰观测器输出的信息,设计有效的复合控制输入。同时,L1性能指标被引入抑制有界干扰。基于凸优化理论,得到控制器和观测器增益,保证闭环电机模型具有满意的稳定性和动态跟踪性能。(3)研究了基于积分滑模理论的永磁同步电机模型抗干扰跟踪控制问题。考虑不匹配干扰对电机的影响,设计干扰观测器对不匹配干扰进行估计。结合电机动态模型和估计信息,设计积分滑模面和积分控制器,保证状态的动态轨迹驱动到滑动面上,并实现对电机模型的干扰补偿。进一步,良好的稳定性和动态跟踪性能也能得到满足。(4)以上算法均通过Matlab/Simulink验证,分别实现了对谐波干扰、脉冲干扰、锯齿波干扰的有效估计和动态补偿,保证永磁同步电机系统的多目标控制要求。
徐昊[5](2021)在《卫星宽带跳频系统的干扰检测识别技术研究》文中认为卫星宽带跳频系统具有抗衰落、抗干扰和低截获的性能优势,但不断增强的干扰和侦查设备正在削弱宽带高速跳频带来的抗干扰增益。为保障通信系统的传输可靠性和资源利用率,卫星宽带跳频系统需要具备对典型人为恶意干扰的检测和识别能力,以便及时调整系统的抗干扰策略。为此,本论文重点研究卫星宽带跳频系统中典型人为恶意干扰的干扰检测和分类识别技术,主要内容包含四部分:第二章设计了卫星宽带跳频系统的干扰检测识别方案。在分析了卫星宽带跳频系统的干扰威胁后,首先设计了基于正交子带分割的干扰检测识别方案,将宽频带的干扰认知转化为多个窄带的干扰认知,在保证频域分析精度的同时降低了方案的实现复杂度;接着提出了多子带干扰认知综合策略,通过综合多个子带的干扰认知结果获得全频带的干扰分布情况。第三章研究了卫星宽带跳频系统的干扰检测算法。根据跳频信号与干扰信号的时频特性差异,提出了一种基于多段谱聚类(Multi-segment Signals Spectrum Clustering,MSSC)的干扰检测算法。首先阐述了基于Welch谱前向连续均值消除的信号簇检测算法,并理论分析了检测门限因子;然后提出了基于MSSC的干扰簇鉴别算法和静默期信号段搜索算法;最后分析了算法的复杂度。仿真结果表明,当跳频信号信噪比大于-4d B时,传统算法的干扰误检概率大于60%,而MSSC算法则小于10-4,且MSSC算法显着降低了干扰参数的估计误差。第四章研究了卫星宽带跳频系统的干扰分类算法。首先提出一种基于人工特征提取深度神经网络(Manual Feature Extraction-based Deep Neural Network,MFE-DNN)的干扰分类算法,构建了一组优良的多域干扰特征库,并训练了基于DNN的干扰分类器;仿真结果表明,MFE-DNN算法能够在干噪比(Jamming-to-Noise Ratio,JNR)≥-4d B时准确分类12种干扰。然后研究了不同输入数据对象下基于卷积神经网络(Convolutional Neural Networks,CNN)自动特征提取的干扰分类器性能,并提出了基于CNN联合多域特征提取(Convolutional Neural Network-based Joint Multi-Domain Feature Extraction,CNN-JMDFE)的干扰分类算法;仿真结果表明,当JNR≥-6d B时CNN-JMDFE干扰分类器可准确分类13种干扰,明显优于采用单一数据对象的CNN干扰分类器;与MFE-DNN算法相比,CNN-JMDFE算法能够显着提升11类干扰在低JNR下的分类准确率,增益为2d B~12d B。第五章设计了基于MSSC和CNN-JMDFE算法的卫星宽带跳频干扰认知系统模型。仿真结果表明,该模型对单干扰和复合干扰均具有良好的分类效果,14类单干扰非静默期的分类性能与静默期一致,10类复合干扰在JNR≥0d B时可被准确分类;与无干扰检测的CNN-JMDFE算法相比,该模型提升了单干扰和复合干扰6d B和8d B的分类准确率;对于宽频带,该模型能准确估计干扰参数和干扰类型。
程鹏[6](2020)在《基于干扰观测器的抗干扰控制方法研究》文中研究指明实际系统的控制性能不可避免地会受到各种干扰的影响,如:外部环境变化引起的干扰、模型不精确建模带来的不确定性干扰、参数随机扰动以及多变量系统的非线性耦合等干扰。基于干扰观测器的控制(Disturbance Observer Based Control,DOBC)方法具有结构简单、易于在线整定等特点,在实际应用中可以很好的处理系统输入通道中的干扰。DOBC方法根据系统对控制性能的不同要求,可以结合不同的控制策略,构造干扰观测系统,是一种非常有效的抗干扰控制方法。本文根据不同的控制目标,将DOBC方法与不同的控制策略相结合,研究不同类型系统基于干扰观测器的抗干扰控制方法。论文研究内容如下:1)针对一类含有输入通道干扰和外部噪声干扰的离散时间线性系统,构造干扰观测器,对输入通道中的干扰进行估计,对于系统的外部噪声干扰,考虑H∞性能,基于Lyapunov稳定性理论,得到使系统渐近稳定且符合H∞性能指标的充分条件,设计基于干扰观测器的抗干扰H∞控制器,使系统实现良好的抗干扰控制性能。2)针对一类带有输入通道干扰的离散时间线性系统,研究事件触发机制下系统的抗干扰控制问题。首先构造一个事件触发条件下的干扰观测器,对系统输入通道中的未知干扰进行估计,根据Lyapunov稳定性理论,得到确保基于事件触发的闭环系统渐近稳定的充分条件。利用线性矩阵不等式方法对闭环系统渐近稳定的充分条件进行求解,最终完成基于事件触发和干扰观测器的抗干扰控制器设计,实现系统的抗干扰控制。3)针对含有非线性不确定项参数的离散时间系统,考虑系统控制输入通道中的干扰和外部噪声干扰,采用片段优化方法,应用随机样本和干扰观测器,设计非线性不确定项系统的抗干扰概率稳定控制器,得到闭环系统概率渐近稳定的充分条件,实现非线性不确定项系统的抗干扰概率控制。4)采用T-S模糊模型,依照IF-THEN规则描述一类非线性离散时间系统,构造模糊干扰观测器,对系统输入通道中的干扰进行估计。根据Lyapunov稳定性理论,得到闭环系统渐近稳定的充分条件,并设计基于事件触发和干扰观测器的模糊抗干扰控制器,使系统渐近稳定,并且具有H∞性能指标。5)针对一类带有饱和非线性的离散时间系统,采用不变集理论处理饱和特性,构造干扰观测器,估计系统输入通道中的干扰。根据Lyapunov稳定性理论,给出闭环系统渐近稳定的充分条件,设计基于干扰观测器的抗干扰控制器,使闭环系统能够在不变集中渐近稳定并保证H∞性能。对所提出的抗干扰控制方法进行数值仿真,验证各方法的有效性。
陈国生[7](2020)在《四旋翼无人机抗干扰与容错控制研究》文中研究指明四旋翼无人机作为当今人工智能领域极具代表性的产物,其日渐成熟的飞行控制技术,使得它在现实生活中被广泛地应用。然而它在执行目标飞行任务时很容易被外界干扰以及无人机自身突发故障所影响,导致无人机飞行姿态不稳定。因此研究具有抗干扰与容错功能的四旋翼无人机控制系统,对提高无人机飞行控制的安全性和可靠性,具有重大的意义。本文主要从四旋翼无人机的抗干扰控制技术以及故障容错控制技术这两方面开展如下工作:(1)分别构建四旋翼无人机的运动学模型与动力学模型,依据无人机常见的干扰形式与故障形式,构建了存在外界干扰和执行器失效故障两种情况下的四旋翼无人机模型,进而构建了存在外界干扰与执行器故障同时发生情况下的四旋翼无人机模型。依据现代控制理论,分别建立以上三种情况下四旋翼无人机系统的状态空间模型。(2)当四旋翼无人机模型中存在未知外界干扰时,本章提出了一种基于区间观测器的抗干扰控制方法。根据正系统的稳定性判据直接设计了基于线性矩阵不等式的区间观测器,引入自由度参数,估计出外界干扰值,然后设计含有干扰补偿功能的控制器,有效地抑制干扰项,从而达到无人机稳定飞行,实现四旋翼无人机的抗干扰控制。(3)当四旋翼无人机模型中含有乘性故障时,本章提出了一种基于自适应的容错控制方法。首先,对被控对象故障项类型设计相对应的故障估计器,在线估计出失效电机的输出转化率。然后,设计基于故障估计信息的控制分配律,将故障电机损失的升力分配给其他正常工作的电机,弱化故障电机对四旋翼无人机姿态的不良影响,最终实现四旋翼无人机的姿态容错飞行控制。(4)针对外界干扰与执行器故障同时存在的四旋翼无人机模型,提出了一种鲁棒H?控制和干扰观测器与故障估计器相结合的主动容错复合控制器的设计方法。首先,将四旋翼无人机非线性动态模型解耦成独立的外环位置控制系统和内环角度控制系统,引入区间矩阵对系统参数进行描述,使用干扰观测器和故障估计器进行干扰和故障的估计。然后设计一个复合控制器既能有效的抑制干扰又能补偿干扰与故障,实现四旋翼无人机的复合控制。
王旭明[8](2020)在《柴油机油量执行器系统抗干扰控制方法的研究与应用》文中指出柴油发动机具备扭矩大、热效率高、经济性能好、排放性能好等优点,被广泛地应用在交通运输、工程机械、农用机械、船舶动力等领域,在工业中具有极其重要的地位。柴油机电控燃油喷射技术是柴油机控制技术中的一个重要研究方向,也是改善柴油机工作性能的关键技术。电控VE分配泵中的油量执行器机构是位置控制式电控燃油喷射系统中的重要组成部分,可实现喷油泵的喷油量自动控制。在柴油机喷油系统中,油量执行器系统的位置控制精度决定着喷油泵的喷油量控制精度。而在油量执行器系统的工作过程中,多种扰动影响着系统的控制性能。现有的油量执行器控制研究未全面地考虑系统中存在的多种形式干扰,无法实现系统在多源扰动下的高精度控制。本文为提高油量执行器系统的控制性能,建立了系统的非线性数学模型,分析了系统中存在的多源扰动,基于模型设计了一系列抗干扰控制的方法,并通过仿真和实验验证了所设计方法的有效性。本文首先介绍了柴油机电控喷油系统的发展概况,分析了油量执行器系统的控制研究现状。接着从油量执行器系统的工作原理出发,分析了系统中回位弹簧和旋转电磁铁的结构特性和工作特性,建立了系统弹簧力矩和电磁力矩的表达式,又结合系统的动态方程,建立了油量执行器系统的非线性数学模型。根据系统的非线性模型,设计了基于干扰观测器的控制方法,通过反馈线性化抵消系统的非线性,并通过干扰的估计补偿消除系统干扰的影响。针对系统中存在的时变干扰,本文接下来设计了基于高阶干扰观测器的控制方法,实现了更精确的干扰估计,进而提高了系统的抗干扰控制效果。接下来,本文指出了油量执行器系统在工作过程中受到多源扰动的影响,其中详细分析了油量执行器系统受到的谐波力矩扰动。为抑制多源干扰对系统的影响,进行了精细抗干扰控制设计。考虑到系统中存在的常值干扰与谐波干扰,设计了基于多源扰动抑制的油量执行器系统复合控制器,此控制器虽然可保证在多源扰动存在时系统的位置输出不存在跟踪误差,但却不能较好地快速抑制多源扰动对系统的影响,导致油量执行器系统工作性能不够理想。因此为了实现快速消除多源扰动的影响,本文结合多源扰动下的油量执行器系统非线性数学模型,完成了基于多源扰动观测器的控制方法设计。为了进一步提高油量执行器系统的抗干扰性能,本文最后设计了基于多源扰动观测器的连续滑模控制方法,通过设计连续的控制律实现了无抖振的滑模控制,多源扰动的估计补偿也使得连续滑模控制器中的切换增益可取更小值,有效地减小了系统位置的稳态波动。
廉月[9](2020)在《Semi-Markovian跳变系统基于事件触发机制的复合抗干扰控制》文中研究说明在控制领域,随机系统的研究和应用一直受到广泛关注。Markovian跳变系统是一种典型的多模态随机系统,可以通过不同模态之间的跳变在不同子系统之间切换来描述系统参数或结构的突变,具有强大的建模能力和丰富的工程背景,因而受到工程界和学术界的广泛关注,并且其研究成果越来越多地被应用到实际系统中,如电力系统、通信系统、网络控制系统。然而,在Markovian跳变系统中,其驻留时间服从指数分布,所以转移概率是时不变的。而大多数实际系统都不能满足这个条件,这时应用Markovian跳变系统建模只能给出近似结果甚至完全不能适用。Semi-Markovian跳变系统,其转移概率矩阵是依赖于概率分布函数的时变矩阵,因此具有更重要的研究价值。另一方面,由于环境噪声、恶劣的天气或系统部件的摩擦损耗等原因,实际控制系统不可避免地会产生干扰。因此,如何减少和避免各种干扰的影响就变得至关重要。为了有效降低通信负担,解决资源受限问题,事件触发方法受到了普遍欢迎。本文基于事件触发方法,研究了连续时间非线性semi-Markovian跳变系统在多源干扰、执行器饱和条件下的基于干扰观测器的复合控制。主要创新点如下:(1)研究了存在多源干扰和非线性的semi-Markovian跳变系统,基于干扰观测器控制和事件触发控制相结合的复合控制问题。本文把系统中存在的干扰分为两类,一类是范数有界干扰,一类是由外生系统产生的可建模干扰,同时采用给定转移概率驻留时间上下界的方法有效解决semi-Markovian跳变系统中时变转移概率问题。另外,通过对线性矩阵不等式(linear matrix inequality,LMI)求解,获得干扰观测器增益、状态反馈控制器增益以及事件触发动态矩阵。最后,通过仿真实例验证所提控制算法的有效性。(2)研究了存在执行器饱和、多源干扰和非线性的连续时间semi-Markovian跳变系统在执行器饱和影响下的复合抗干扰控制问题。基于线性凸包法,利用辅助矩阵和参数给出闭环系统的吸引域,同时解决了匹配干扰的线性化问题。另外,对于事件触发机制来说,Zeno行为会给信息交换过程的计算实现带来非常大的困难。为了避免Zeno行为,给出相邻触发事件发生的最小时间间隔,并证明了其有效性。最后得到一系列便于求解的LMI。(3)针对存在执行器饱和以及多源干扰的semi-Markovian跳变系统,研究具有更为普遍的非线性未知情况,并在原有事件触发机制的基础上进行改进,加入指数函数相关的参数,能够更科学的避免Zeno行为。另外,研究了系统基于干扰观测器的无源控制问题。无源系统在有界输入条件下,能量是呈衰减特性的,因此系统无源可以保持系统的内部稳定,从系统无源性以及无源控制方面给出了具体分析过程。最终通过给出一组仿真实例进行验证。图20幅,参考文献84篇。
李桂璞[10](2020)在《高阶多智能体系统的非线性一致性与分布式优化算法研究》文中认为近年来,多智能体系统分布式协调控制问题得到了相关领域研究者的广泛关注.一致性问题是多智能体系统协调控制领域的基本问题.关于一致性的研究,经过多年的钻研,研究者们已经取得了丰硕的研究成果.然而该领域仍然存在许多有待解决的问题,如不匹配受扰多智能体系统主动抗干扰一致性控制设计问题、不确定非线性多智能体系统的一致性控制设计问题等.本文针对上述几类典型问题以及高阶多智能体系统有限时间分布式优化问题进行了研究.主要研究内容包括:不匹配受扰多智能体系统的渐近/有限时间一致性控制设计问题、Lipschitz连续非线性高阶多智能体系统的一致性控制设计问题、H(?)lder连续非线性高阶多智能体系统的有限时间一致性控制设计问题、高阶多智能体系统的有限时间分布式优化问题.本文主要研究结果和贡献如下:一、针对快时变不匹配受扰多智能体系统的输出一致性问题,研究了其主动抗干扰一致性控制设计方法.首先,为了估计不匹配和匹配干扰以及它们的各阶导数,针对每个智能体构造了广义比例积分观测器.其次,对于无领导和领导-跟随两种情形,通过分布式地利用不匹配干扰的估计信息,设计了两种非线性滑模面.然后,根据所设计的滑模面和干扰估计信息,针对无领导和领导-跟随两种多智能体系统,设计了前馈-反馈复合一致性控制算法.所提出的控制算法使得多智能体系统的输出达到渐近一致性.二、针对带有快时变不匹配干扰和未知状态的多智能体系统,基于干扰估计/补偿和基准的分布式反馈控制方法,提出了有限时间主动抗干扰控制方法.首先,为估计干扰和系统的未知状态,针对每个智能体构造了有限时间扩张状态观测器.其次,针对无领导和领导-跟随两种情形,将加幂积分反馈控制方法与智能体的干扰和未知状态的估计值结合,设计复合一致性算法,使得智能体输出在有限时间内达到一致.三、研究了高阶Lipschitz连续非线性多智能体系统的一致性问题.对于无领导情形,利用反步法,提出了分布式线性递归控制算法.在递归控制设计中,基于压制方法,未知非线性的Lipschitz连续性条件引入到虚拟控制设计中.所提出的递归控制器使得无领导多智能体系统达到全局渐近一致.对于领导-跟随情形,首先,利用反步法和反馈压制方法设计了虚拟的分布式递归控制器;然后,基于虚拟控制器,针对一致性跟踪误差系统设计了线性滑模面和相应的滑模控制器.领导-跟随多智能体系统在所提滑模控制器下达到全局渐近一致.四、研究了带有不确定非线性的领导-跟随高阶多智能体系统的有限时间一致性问题,其中不确定非线性满足H(?)lder连续性条件.为解决这个问题,本文采用了加幂积分方法,反馈压制和积分滑模控制方法.首先,利用加幂积分方法设计递归控制算法.在递归控制设计中,基于反馈压制方法,将不确定非线性的H(?)lder连续性条件引入到虚拟控制设计中以处理系统未知非线性.然后,基于所设计的递归控制器,设计积分滑模面以及相应的滑模控制算法.所设计的滑模控制算法,在不利用分布式观测器的情况下,能确保领导者-跟随者多智能体系统在有限时间内达到一致.基于有限时间稳定性理论给出了闭环系统的稳定性分析.五、研究了高阶多智能体系统的二次型有限时间分布式优化问题.为解决这个问题,本文利用基于惩罚函数的优化思想.首先,利用惩罚函数方法构造全局近似代价函数.然后,针对高阶多智能体系统的近似优化问题,利用加幂积分方法并结合近似代价函数梯度信息,设计非线性分布式优化算法.所提出的优化算法使得多智能体系统输出在有限时间内收敛到近似优化解.此外,显式地给出了近似误差(近似极小值点与全局精确极小值点的距离)的界与惩罚参数的关系.近似误差可由惩罚参数调节.另外,所提出的分布式近似优化算法被应用于轮式多移动机器人系统的优化聚集问题中.
二、复合系统SPECCORR-TDOA估计模型抗干扰性能的研究(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、复合系统SPECCORR-TDOA估计模型抗干扰性能的研究(论文提纲范文)
(1)迭代学习控制在基因测序工件台系统中的应用研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 课题研究的背景与意义 |
1.2 基因测序技术及发展现状 |
1.3 基因测序仪中的控制问题及工件台控制方法 |
1.3.1 基因测序仪中的控制问题 |
1.3.2 工件台控制方法 |
1.3.3 迭代学习控制算法研究综述 |
1.4 论文的研究内容 |
第2章 工件台系统分析与建模 |
2.1 引言 |
2.2 无铁芯永磁同步直线电机结构及数学模型 |
2.2.1 无铁芯永磁同步直线电机结构 |
2.2.2 无铁芯永磁同步直线电机数学模型 |
2.3 无铁芯永磁同步直线电机矢量控制方法 |
2.3.1 矢量控制原理及坐标变换 |
2.3.2 空间矢量脉冲宽度调制技术 |
2.3.3 电流环控制策略 |
2.3.4 电流环仿真结果 |
2.4 工件台系统动力学模型及扰动分析 |
2.4.1 工件台Y轴伺服系统数学模型 |
2.4.2 工件台Y轴伺服系统频率特性辨识 |
2.4.3 工件台系统扰动分析 |
2.5 本章小结 |
第3章 工件台连续步进扫描控制算法研究 |
3.1 引言 |
3.2 工件台连续步进扫描轨迹和控制指标 |
3.3 多伺服周期二阶迭代学习控制 |
3.3.1 控制问题描述 |
3.3.2 迭代学习控制基本原理 |
3.3.3 多伺服周期二阶迭代学习控制 |
3.3.4 收敛性分析 |
3.4 自适应非线性复合迭代学习控制 |
3.4.1 自适应迭代估计补偿 |
3.4.2 自适应非线性复合迭代学习控制算法 |
3.4.3 收敛性分析 |
3.5 仿真分析 |
3.6 本章小结 |
第4章 工件台变轨迹匀速扫描控制算法研究 |
4.1 引言 |
4.2 时间延迟积分扫描成像技术原理及控制系统评价指标 |
4.2.1 时间延迟积分扫描成像技术原理 |
4.2.2 时间延迟积分扫描成像控制系统评价指标 |
4.3 基于迭代参数整定的前馈控制与抗干扰控制算法设计 |
4.3.1 问题描述 |
4.3.2 迭代前馈参数整定 |
4.3.3 基于二阶非线性迭代参数整定的前馈控制算法设计 |
4.3.4 基于迭代参数整定的抗干扰控制算法设计 |
4.4 仿真分析 |
4.5 本章小结 |
第5章 工件台运动控制实验 |
5.1 引言 |
5.2 实验装置 |
5.3 基于自适应非线性复合迭代学习控制的步进扫描实验 |
5.4 基于迭代参数整定的前馈控制和抗干扰控制匀速扫描实验 |
5.5 本章小结 |
第6章 结论和展望 |
6.1 论文研究内容总结 |
6.2 论文主要创新点 |
6.3 研究展望 |
参考文献 |
致谢 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
(2)Buck变换器的复合抗干扰控制研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 Buck变换器的研究现状 |
1.2.1 Buck变换器的建模现状 |
1.2.2 Buck变换器的控制方法 |
1.3 论文的工作和内容安排 |
第二章 Buck变换器基本原理及数学模型 |
2.1 Buck变换器的工作原理 |
2.1.1 Buck变换器的基本工作原理 |
2.1.2 Buck变换器的两种工作模式 |
2.2 Buck变换器的状态空间模型 |
2.3 Buck变换器的电路参数设计 |
2.3.1 电感参数设计 |
2.3.2 电容参数设计 |
2.4 本章小结 |
第三章 电压反馈的Buck变换器的自抗扰控制设计 |
3.1 自抗扰控制器的思想和基本原理 |
3.2 自抗扰控制器的组成 |
3.2.1 微分跟踪器 |
3.2.2 扩张状态观测器 |
3.2.3 非线性误差反馈 |
3.3 二阶自抗扰控制器的设计和仿真 |
3.3.1 二阶线性控制器的设计 |
3.3.2 仿真研究 |
3.4 三阶自抗扰控制器的设计和仿真 |
3.4.1 三阶线性控制器的设计 |
3.4.2 仿真研究 |
3.5 基于自抗扰控制的Buck变换器实验及参数整定 |
3.5.1 实验平台介绍 |
3.5.2 实验验证 |
3.5.3 参数整定 |
3.6 本章小结 |
第四章 基于模型预测控制的Buck变换器设计 |
4.1 模型预测控制的基本原理 |
4.2 模型预测控制在降压电路中的应用 |
4.2.1 模型预测 |
4.2.2 滚动优化 |
4.2.3 反馈校正 |
4.3 本章小结 |
第五章 基于扩张状态观测器的Buck变换器的复合模型预测控制设计 |
5.1 基于模型预测控制和扩张状态观测器的复合控制器设计 |
5.2 仿真和实验 |
5.3 控制器参数整定效果对比分析 |
5.4 本章小结 |
第六章 总结和展望 |
6.1 全文总结 |
6.2 研究展望 |
参考文献 |
致谢 |
研究生期间发表的学术论文目录 |
(3)基于扰动观测器设计的化工聚合过程抗干扰分布控制(论文提纲范文)
摘要 |
Abstract |
本文主要符号参数注解 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 随机分布控制研究现状 |
1.3 抗干扰控制研究现状 |
1.4 本文结构和主要研究内容 |
第二章 苯乙烯本体聚合模型构建 |
2.1 引言 |
2.2 聚合方法 |
2.3 样条函数逼近 |
2.4 苯乙烯机理反应及分子量分布模型 |
2.5 苯乙烯状态空间模型辨识 |
2.6 递推最小二乘法 |
2.7 本章小结 |
第三章 基于干扰观测器的苯乙烯本体聚合抗干扰分布控制 |
3.1 引言 |
3.2 问题描述 |
3.3 抗干扰控制器设计及性能分析 |
3.4 仿真验证 |
3.5 本章小结 |
第四章 苯乙烯本体聚合过程抗干扰抗饱和分布控制 |
4.1 引言 |
4.2 问题描述 |
4.3 饱和输入处理 |
4.4 干扰观测器和抗饱和抗干扰控制器设计 |
4.5 性能分析及理论证明 |
4.6 仿真验证 |
4.7 本章小结 |
第五章 状态未知条件下苯乙烯本体聚合过程抗干扰抗饱和分布控制 |
5.1 引言 |
5.2 问题描述 |
5.3 全状态观测器及分层控制器设计 |
5.4 性能分析和理论证明 |
5.5 仿真验证 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 问题与展望 |
参考文献 |
攻读硕士学位期间取得的学术成果 |
致谢 |
(4)基于扰动建模的永磁同步电机抗干扰控制及仿真实现(论文提纲范文)
摘要 |
Abstract |
本文常用符号与定理说明 |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 永磁同步电机研究现状 |
1.3 先进控制方法研究现状 |
1.4 本文研究内容 |
第2章 永磁同步电机模型构建及PI速度控制算法设计 |
2.1 引言 |
2.2 永磁同步电机的结构与分类 |
2.3 永磁同步电机数学模型 |
2.3.1 坐标变换 |
2.3.2 永磁同步电机在不同坐标系下的数学模型 |
2.4 永磁同步电机的矢量控制 |
2.4.1 空间矢量脉宽调制技术 |
2.4.2 矢量控制的电流控制方法 |
2.5 永磁同步电机调速模型及控制器设计 |
2.6 动态跟踪和干扰抑制性能分析 |
2.7 仿真验证 |
2.8 本章小结 |
第3章 基于TS干扰建模的永磁同步电机抗干扰跟踪控制 |
3.1 引言 |
3.2 电机模型描述及T-S干扰建模 |
3.3 干扰观测器和复合控制器设计 |
3.3.1 干扰观测器设计 |
3.3.2 复合控制器设计 |
3.4 控制性能分析 |
3.5 仿真算例 |
3.6 本章小结 |
第4章 基于积分滑模的永磁同步电机不匹配抗干扰控制 |
4.1 引言 |
4.2 问题描述 |
4.3 干扰观测器设计和性能分析 |
4.4 积分滑模控制器设计及动态性能分析 |
4.5 仿真验证 |
4.6 本章小结 |
第5章 总结与展望 |
5.1 本文工作总结 |
5.2 问题与展望 |
参考文献 |
攻读硕士学位期间取得的学术成果 |
致谢 |
(5)卫星宽带跳频系统的干扰检测识别技术研究(论文提纲范文)
摘要 |
abstract |
缩略词表 |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.2 主要技术研究现状 |
1.2.1 卫星宽带跳频通信系统研究现状 |
1.2.2 干扰检测技术研究现状 |
1.2.3 干扰分类识别技术研究现状 |
1.3 论文主要的研究内容以及结构安排 |
第二章 卫星宽带跳频系统干扰检测识别方案设计 |
2.1 卫星宽带跳频系统干扰威胁分析 |
2.1.1 瞄准式窄带干扰 |
2.1.2 部分频带噪声干扰 |
2.1.3 随机梳状干扰 |
2.1.4 调频类干扰 |
2.1.5 周期脉冲噪声干扰 |
2.2 卫星宽带跳频系统干扰检测识别方案 |
2.2.1 卫星宽带跳频系统结构 |
2.2.2 干扰检测识别总体框架 |
2.2.3 多子带干扰认知结果数据结构 |
2.2.4 多子带认知结果综合策略 |
2.3 干扰信号数据库构建 |
2.3.1 单干扰参数设置 |
2.3.2 复合干扰定义与参数设置 |
2.3.3 多子带干扰分布情况的参数设置 |
2.4 本章小结 |
第三章 基于多段谱聚类的卫星宽带跳频系统干扰检测算法研究 |
3.1 传统的干扰检测算法 |
3.2 基于多段谱聚类的干扰检测算法 |
3.2.1 算法模型 |
3.2.2 基于Welch谱 FCME的信号簇检测 |
3.2.3 基于多段谱聚类的干扰簇鉴别 |
3.2.4 算法性能评估指标与复杂度分析 |
3.3 宽带跳频系统干扰检测算法性能仿真分析 |
3.3.1 算法仿真参数 |
3.3.2 子带内干扰检测性能 |
3.3.3 多子带干扰检测性能 |
3.4 本章小结 |
第四章 基于深度神经网络的卫星宽带跳频系统干扰分类识别算法研究 |
4.1 基于人工特征提取深度神经网络的干扰分类算法 |
4.1.1 算法模型 |
4.1.2 人工干扰特征提取 |
4.1.3 基于深度神经网络的干扰分类器 |
4.1.4 算法性能仿真分析 |
4.2 基于卷积神经网络自动特征提取的干扰分类算法 |
4.2.1 算法模型 |
4.2.2 卷积神经网络的基本原理 |
4.2.3 基于多种数据对象的CNN干扰分类器 |
4.2.4 适用于不同数据对象的CNN网络结构 |
4.2.5 算法性能仿真分析 |
4.3 基于卷积神经网络联合多域特征提取的干扰分类算法 |
4.3.1 联合多域特征提取的CNN干扰分类器 |
4.3.2 联合多域特征提取的CNN网络结构 |
4.3.3 算法性能仿真分析 |
4.4 本章小结 |
第五章 卫星宽带跳频系统干扰检测识别性能分析 |
5.1 基于MSSC和 CNN-JMDFE算法的卫星宽带跳频干扰认知系统模型 |
5.2 子带内干扰检测识别性能仿真分析 |
5.2.1 单干扰分类性能 |
5.2.2 复合干扰分类性能 |
5.2.3 与无干扰检测的干扰分类器性能对比 |
5.3 多子带干扰检测识别性能仿真分析 |
5.4 本章小结 |
第六章 总结 |
6.1 本文主要贡献 |
6.2 研究展望 |
致谢 |
参考文献 |
附录 |
个人简历 |
攻读硕士学位期间的研究成果 |
(6)基于干扰观测器的抗干扰控制方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与研究意义 |
1.2 常见的抗干扰控制方法分析 |
1.2.1 PID控制 |
1.2.2 基于自适应控制的抗干扰方法 |
1.3 基于干扰观测器的抗干扰控制方法 |
1.3.1 DOBC方法的研究综述 |
1.3.2 DOBC方法的工作原理 |
1.4 预备知识 |
1.4.1 Lyapunov稳定性判据 |
1.4.2 线性矩阵不等式方法 |
1.4.3 H_∞性能指标 |
1.5 论文的主要内容和章节安排 |
第二章 基于干扰观测器的抗干扰H_∞控制 |
2.1 引言 |
2.2 问题描述 |
2.3 干扰观测器和抗干扰H_∞控制器设计 |
2.4 重构闭环控制系统稳定性分析 |
2.5 抗干扰H_∞控制器增益和干扰观测器增益设计 |
2.6 仿真算例 |
2.7 本章小结 |
第三章 基于事件触发和干扰观测器的系统抗干扰控制 |
3.1 引言 |
3.2 问题描述 |
3.3 干扰观测器和基于事件触发的抗干扰控制器设计 |
3.4 基于事件触发的闭环控制系统稳定性分析 |
3.5 基于事件触发的抗干扰控制器增益和干扰观测器增益设计 |
3.6 仿真算例 |
3.7 本章小结 |
第四章 非线性不确定项系统抗干扰概率控制 |
4.1 引言 |
4.2 问题描述 |
4.3 干扰观测器和抗干扰概率稳定控制器设计 |
4.4 重构闭环控制系统概率稳定分析 |
4.5 抗干扰控制器增益和干扰观测器增益设计 |
4.6 仿真算例 |
4.7 本章小结 |
第五章 非线性系统模糊抗干扰控制 |
5.1 引言 |
5.2 问题描述 |
5.3 模糊干扰观测器和模糊抗干扰控制器设计 |
5.4 重构模糊闭环控制系统稳定性分析 |
5.5 模糊抗干扰控制器增益和模糊干扰观测器增益设计 |
5.6 仿真算例 |
5.7 本章小结 |
第六章 饱和非线性系统抗干扰控制 |
6.1 引言 |
6.2 问题描述 |
6.3 干扰观测器和抗干扰控制器设计 |
6.4 重构闭环控制系统的稳定性分析 |
6.5 抗干扰控制器增益和干扰观测器增益设计 |
6.6 仿真算例 |
6.7 本章小结 |
主要结论与展望 |
主要结论 |
展望 |
致谢 |
参考文献 |
附录 :作者在攻读博士学位期间发表的论文 |
(7)四旋翼无人机抗干扰与容错控制研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及研究意义 |
1.2 国内外研究现状 |
1.2.1 抗干扰控制技术 |
1.2.2 故障检测与诊断技术 |
1.2.3 容错控制技术 |
1.2.4 控制分配技术 |
1.3 本文研究内容及框架 |
第二章 四旋翼无人机模型建立及预备知识 |
2.1 无人机结构及飞行原理 |
2.1.1 无人机机体结构 |
2.1.2 无人机飞行原理 |
2.2 四旋翼无人机模型 |
2.2.1 四旋翼无人机运动学模型 |
2.2.2 四旋翼无人机动力学模型 |
2.2.3 带有外界扰动的四旋翼无人机模型 |
2.2.4 含执行器故障的四旋翼无人机模型 |
2.2.5 外界干扰和执行器故障同时存在的四旋翼无人机模型 |
2.3 线性矩阵不等式 |
2.4 本章小结 |
第三章 四旋翼无人机基于区间观测器的抗干扰控制 |
3.1 引言 |
3.2 干扰区间观测器设计 |
3.3 控制器设计 |
3.4 数值仿真 |
3.5 本章小结 |
第四章 含执行器故障的四旋翼无人机姿态容错控制 |
4.1 引言 |
4.2 控制分配基本原理 |
4.3 执行机构发生失效故障时的故障重构 |
4.4 执行器失效时控制分配律设计 |
4.5 数值仿真 |
4.6 本章小结 |
第五章 四旋翼无人机轨迹跟踪的复合控制 |
5.1 引言 |
5.2 干扰观测器设计 |
5.3 故障估计器设计 |
5.4 复合控制器设计 |
5.4.1 位置复合控制 |
5.4.2 角度复合控制 |
5.5 数值仿真 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 未来展望 |
参考文献 |
致谢 |
作者简介 |
(8)柴油机油量执行器系统抗干扰控制方法的研究与应用(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 引言 |
1.2 背景与意义 |
1.3 国内外研究现状 |
1.4 论文内容安排 |
第二章 油量执行器系统建模与分析 |
2.1 引言 |
2.2 油量执行器系统工作原理 |
2.3 油量执行器组成结构的特性分析 |
2.4 油量执行器系统建模 |
2.4.1 回位弹簧 |
2.4.2 旋转电磁铁 |
2.4.3 油量执行器系统的数学模型 |
2.5 小结 |
第三章 基于干扰观测器的油量执行器控制方法设计 |
3.1 引言 |
3.2 基于干扰观测器的油量执行器控制器设计 |
3.2.1 干扰观测器介绍 |
3.2.2 基于干扰观测器的复合控制器设计 |
3.2.3 仿真与实验 |
3.3 基于高阶干扰观测器的油量执行器控制器设计 |
3.3.1 高阶干扰观测器介绍 |
3.3.2 基于高阶干扰观测器的复合控制器设计 |
3.3.3 仿真与实验 |
3.4 小结 |
第四章 油量执行器系统多源扰动抑制方法的设计 |
4.1 引言 |
4.2 油量执行器系统中多源扰动的分析 |
4.3 基于多源扰动抑制的油量执行器系统控制器设计 |
4.4 基于多源扰动观测器的油量执行器系统控制器设计 |
4.4.1 谐波干扰观测器的设计 |
4.4.2 基于多源扰动观测器的复合控制器的设计 |
4.4.3 仿真与实验 |
4.5 小结 |
第五章 基于连续滑模的油量执行器系统控制方法设计 |
5.1 引言 |
5.2 连续滑模控制方法介绍 |
5.3 基于多源扰动观测器的连续滑模控制器设计 |
5.3.1 油量执行器系统连续滑模控制器设计 |
5.3.2 系统复合控制器设计 |
5.3.3 系统稳定性分析 |
5.4 仿真验证 |
5.5 小结 |
第六章 结束语 |
致谢 |
参考文献 |
作者在学期间科研成果 |
(9)Semi-Markovian跳变系统基于事件触发机制的复合抗干扰控制(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 课题背景及研究意义 |
1.2 国内外研究现状 |
1.2.1 Semi-Markovian跳变系统研究进展 |
1.2.2 抗干扰控制理论研究进展 |
1.2.3 事件触发控制方法研究进展 |
1.2.4 含执行器饱和的事件触发控制方法研究进展 |
1.3 预备知识介绍 |
1.3.1 Semi-Markovian过程 |
1.3.2 事件触发机制 |
1.3.3 执行器饱和 |
1.4 主要研究内容及结构安排 |
2 具有多源干扰的semi-Markovian跳变系统事件触发复合控制 |
2.1 问题描述 |
2.2 事件触发机制 |
2.3 事件触发DOBC复合控制器设计 |
2.4 主要结果 |
2.5 数值仿真 |
2.6 本章小结 |
3 具有多源干扰和执行器饱和的semi-Markovian跳变系统事件触发复合控制 |
3.1 问题描述 |
3.2 饱和函数的近似处理 |
3.3 事件触发DOBC复合控制器设计 |
3.4 主要结果 |
3.4.1 系统稳定性分析 |
3.4.2 吸引域估计 |
3.5 数值仿真 |
3.6 本章小结 |
4 具有多源干扰和执行器饱和的semi-Markovian跳变系统事件触发无源控制 |
4.1 问题描述 |
4.2 改进事件触发机制 |
4.3 无源性分析 |
4.4 无源控制 |
4.5 数值仿真 |
4.6 本章小结 |
5 结论及展望 |
5.1 结论 |
5.2 展望 |
参考文献 |
附录 A 符号说明 |
图索引 |
作者简历及攻读硕士学位期间取得的研究成果 |
学位论文数据集 |
(10)高阶多智能体系统的非线性一致性与分布式优化算法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 多智能体系统协调控制研究背景与意义 |
1.2 多智能体系统一致性问题研究现状与分析 |
1.2.1 受扰多智能体系统抗干扰控制研究现状 |
1.2.2 带有未知非线性的多智能体系统一致性研究现状 |
1.2.3 多智能体系统分布式优化研究现状 |
1.2.4 已有研究中存在的问题 |
1.3 相关理论设计和分析工具介绍 |
1.3.1 有限时间控制方法 |
1.3.2 滑模控制方法 |
1.3.3 反馈压制方法 |
1.4 本文主要工作 |
第二章 不匹配受扰多智能体系统的输出渐近一致性算法 |
2.1 引言 |
2.2 预备知识和问题描述 |
2.2.1 符号标记 |
2.2.2 定义与引理 |
2.2.3 图论知识 |
2.2.4 问题描述 |
2.3 控制器设计 |
2.3.1 二阶多智能体系统的一致性控制器设计 |
2.3.2 高阶多智能体系统的一致性控制器设计 |
2.4 数值仿真 |
2.4.1 无领导情形 |
2.4.2 领导-跟随情形 |
2.5 本章小结 |
第三章 带有不匹配干扰和未知状态的多智能体系统输出有限时间一致性算法 |
3.1 引言 |
3.2 预备知识和问题描述 |
3.2.1 引理 |
3.2.2 问题描述 |
3.3 控制器设计 |
3.3.1 二阶多智能体系统的控制器设计 |
3.3.2 高阶多智能体系统的控制器设计 |
3.4 数值仿真 |
3.4.1 无领导情形 |
3.4.2 领导-跟随情形 |
3.5 本章小结 |
第四章 高阶Lipschitz连续非线性多智能体系统的渐近一致性算法 |
4.1 引言 |
4.2 问题描述 |
4.3 控制器设计 |
4.3.1 无领导情形 |
4.3.2 领导-跟随情形 |
4.4 数值仿真 |
4.4.1 无领导情形 |
4.4.2 领导-跟随情形 |
4.5 本章小结 |
第五章 不确定非线性高阶多智能体系统的有限时间一致性算法 |
5.1 引言 |
5.2 问题描述 |
5.3 控制器设计 |
5.3.1 递归控制器设计 |
5.3.2 积分滑模控制器设计 |
5.4 数值仿真 |
5.5 本章小结 |
第六章 高阶多智能体系统的有限时间分布式优化算法 |
6.1 引言 |
6.2 预备知识和问题描述 |
6.2.1 凸分析 |
6.2.2 问题描述 |
6.3 优化设计 |
6.3.1 高阶多智能体系统的分布式优化 |
6.3.2 轮式多移动机器人系统的优化聚集 |
6.4 数值仿真 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
附录一 攻读博士学位期间研究成果 |
附录二 致谢 |
四、复合系统SPECCORR-TDOA估计模型抗干扰性能的研究(论文参考文献)
- [1]迭代学习控制在基因测序工件台系统中的应用研究[D]. 曹明生. 中国科学院大学(中国科学院长春光学精密机械与物理研究所), 2021(08)
- [2]Buck变换器的复合抗干扰控制研究[D]. 唐勇威. 扬州大学, 2021(08)
- [3]基于扰动观测器设计的化工聚合过程抗干扰分布控制[D]. 顾翔. 扬州大学, 2021(08)
- [4]基于扰动建模的永磁同步电机抗干扰控制及仿真实现[D]. 王琭军. 扬州大学, 2021(08)
- [5]卫星宽带跳频系统的干扰检测识别技术研究[D]. 徐昊. 电子科技大学, 2021(01)
- [6]基于干扰观测器的抗干扰控制方法研究[D]. 程鹏. 江南大学, 2020(03)
- [7]四旋翼无人机抗干扰与容错控制研究[D]. 陈国生. 南京信息工程大学, 2020(02)
- [8]柴油机油量执行器系统抗干扰控制方法的研究与应用[D]. 王旭明. 东南大学, 2020(01)
- [9]Semi-Markovian跳变系统基于事件触发机制的复合抗干扰控制[D]. 廉月. 北京交通大学, 2020(03)
- [10]高阶多智能体系统的非线性一致性与分布式优化算法研究[D]. 李桂璞. 东南大学, 2020(01)