多输入多输出非线性系统的自适应H<,∞>跟踪控制

来源 :四川大学 | 被引量 : 0次 | 上传用户:Maggie0932
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在实际中,我们所遇到的大多数都是非线性系统,并且由于各种原因大都带有一定的不确定性,所以,非线性不确定系统的鲁棒跟踪控制是控制领域的一个重要课题。近十多年来,在含外部扰动的线性和非线性控制系统中,H_∞最优控制被广泛地应用于研究系统的鲁棒性以及削减外部扰动的影响。H_∞控制的非线性推广得到了国际国内众多专家学者的高度关注,各种反馈控制课题得到长足发展,并取得了一些重要的研究成果。但是,在这些传统的H_∞跟踪控制中,系统模型必须是已知的。如果系统模型含有较大的不确定性,传统的H_∞跟踪控制就会遇到另外的一些困难。因此,为了解决带参数不确定性和外部扰动的非线性系统所遇到的问题,必须要在单纯的H_∞跟踪控制中加入另外的方法。 与此同时,人们对实际系统进行控制研究时,一方面由于种种原因无法得到系统的准确模型,或者无法使模型精确化;另一方面为了研究的方便,常常将系统简化处理,选择比较简单的降阶模型,从而导致系统部分动态特性的丢失,这部分不确定性就是我们通常所说的未建模动态。未建模动态几乎存在于任何实际系统中,如果忽略掉未建模动态,在较为理想的情况下设计的控制器应用于实际系统时,其控制效果往往是不尽如人意的,有时甚至会使系统不稳定。为了能将针对模型设计的控制器更好地运用于实际系统,在进行控制器设计时,考虑未建模动念是非常必要的。 现在,越来越多的学者致力于非线性系统的自适应H_∞控制的研究,由于非线性系统一般都比较复杂,所以目前的研究大多集中于单输入单输出非线性系统,对于多输入多输出非线性系统的研究相对较少。但实际上,许多实际系统都是多输入多输出的,比如机器人、电机、飞行装备等等。所以,多输入多输
其他文献
显式模型预测控制(Explicit Model Predictive Control, EMPC)利用模型预测控制(Model Predictive Control, MPC)系统内在的分段仿射(Piece-Wise Affine, PWA)规律,根据控制
风力发电作为一种清洁的可再生能源,近些年受到了世界范围内的广泛关注和发展。风力发电机组设备状态监测对保障机组安全,降低维护费用有重要意义,其中采用风电机组运行数据进行状态监测是其重要研究方向之一。风电机组数据具有随机性、波动性等特点,因此对于较大规模数据的处理具有很大的困难,比较直接有效的解决途径就是在保证算法分类性能的基础上,通过样本选择方法来简约训练样本集。样本选择既具有使得学习速率加快、算法
近年来,我国公路建设成绩斐然,特别是部分省份交出了十分亮眼的成绩单.哪些省份的公路建设力度较大?或许,从2010年以来各省公路建设固定资产投资数据中可以看出一些端倪.
期刊