一、反馈控制及其实际应用之研究（论文文献综述）
张恒[1]（2021）在《一种提高电压传输比的新型超稀疏矩阵变换器研究》文中进行了进一步梳理自矩阵变换器（Matrix Converter,MC）问世以来,因输入输出特性优良以及功率因数可调,备受研究学者关注。但因开关数目较多,换流控制较为复杂等缺点使其难以推广。超稀疏矩阵变换器（Ultra Sparse Matrix Converter,USMC）因开关数目较少,换流简便而具有极大研究价值。但仍受电压传输比限制,使其应用受限,因此有效提高USMC的电压传输比颇具研究意义,本文研究工作如下。首先,针对传统USMC电压传输比较低问题,提出了一种能提高电压传输比的新型USMC拓扑结构。具体实现方法为在传统USMC的直流环节增加Boost升压电路,通过提升USMC的中间直流电压,从而拓宽电压传输比范围。其次分别建立了大信号和小信号两种模式下的拓扑结构数学模型,阐述升压电路的工作原理,对电路元件参数进行优化设计,并推导出了新型USMC的电压传输比与升压电路占空比的关系。然后,针对整流级输出电压中的交流高频脉动量及升压电路的相移问题,提出了一种电压前馈闭环控制策略。将前馈与闭环结合的方式应用到直流母线电压控制中,通过前馈控制量可完全抵消直流电压波动对输出电压的影响,但在实际电路中,由于控制对象的输入和输出之间的相移,因此直流输出电压值将产生较大波动,故反馈控制的加入可对其进行有效控制。通过减少直流环节电压波动,改善了新型USMC的输出电能质量。在输出电压频率为50Hz及电压传输比为1.0时,相对于直流开环而言,直流闭环的新型USMC输出线电压畸变率减少了 37.73%。最后,在Matlab中搭建新型USMC仿真模型,设计仿真参数,分别在直流开环和闭环下进行仿真验证,表明直流闭环下的新型USMC在提高电压传输比的同时,输出电压波形质量明显提升,由此验证了直流闭环控制下的新型USMC这一拓扑结构的正确性和有效性。
杨昱[2]（2021）在《网联车辆队列生态式协同自适应巡航控制策略研究》文中研究说明随着社会经济水平的提高、人们出行需求的迅速增长,持续上升的汽车数量导致了城市交通拥堵日益严重、能耗攀升、交通事故频发。如何防止交通拥堵、降低耗能、提高车辆行驶安全性是人们日臻重视的重要课题。汽车作为主要交通运载工具肩负着巨大的责任以改善当下交通系统严重的能源耗费、拥堵和安全等问题,因此在技术层面对车辆的生态性进行改进与完善是解决上述问题的重中之重。在此背景下,不断推动汽车安全、节能、高效的智能生态出行技术具有重大意义。在5G通信和V2X技术的高速发展下,以车辆队列行驶为典型代表的多车组群系统控制技术受到了广大研究人员的高度重视。基于V2X通信的网联车队生态式协同自适应巡航控制（Ecological Cooperative Adaptive Cruise Control,ECACC）技术是在网联车辆队列行驶的基础上实现以节能为主要优化目标的队列协同控制方法。该技术作为多车协同控制的关键技术之一可以实现车辆群体节能,增强跟车行驶安全,提高道路通行效率,对实现可持续发展的智能交通系统战略起到关键推动作用。该技术的主要思想在于基于V2V和V2I的车联网通信通过获取当前交通环境状态、队列车辆状态以及前方道路信息等,进行以车辆队列行驶经济性为主要目标的最优设计,同时实现稳定安全的队列跟车效果,以此对队列中头车进行行为决策与各子车辆动力系统最优化控制,最终达到车辆队列在多种智能交通场景下节能、安全的行驶目标。相对于传统的单车控制,车辆队列协同控制在能效方面可以提高10-20%,并且增加了道路跟车行驶的安全性,缩短了跟车间距,提高了道路交通的容载率与通行效率,从而减少了由交通拥堵带来的大量能源耗费。车队ECACC策略从车辆自身的动力系统优化和微观交通出行规划两方面共同实现生态出行的目的。本文以均质纯电动网联车辆队列为研究目标,基于V2X通信技术针对车队在高速和城市典型场景下以队列能耗为主要优化目标、以队列跟车性能为基本保障开展了关于生态式协同自适应巡航控制的理论研究,并通过仿真分析、硬件在环测试以及实车实验进行了验证。具体研究内容如下:（1）针对车辆队列在不同场景下的行驶方式和行驶限制进行分类设计。按照车辆队列前方交通流状态,车队行驶方式划分为基于被动跟车和主动规划的ECACC策略,分别对队列行驶的两个主要性能即跟车和节能进行了建模与验证。在底层跟车控制方面对队列行驶的技术基石即CACC跟车控制器进行了建模、分析和仿真验证,分别讨论了基于前馈-反馈结构和纯反馈结构控制器的特点,并进行了队列弦稳定性分析。此外,在能耗方面建立了基于电机Map和电池动态参数的纯电动汽车能耗灰盒模型,并与成熟商业软件进行了对比验证,为ECACC策略的展开提供了模型研究基础。（2）针对车队前方存在不受控车辆的情况进行了基于被动跟车的ECACC策略设计。由于车队前方车辆阻挡,车辆队列需被动地沿某一速度轨迹行驶,因此基于车辆队列纵向动力学特性和恒定常数车头时距的跟车策略,考虑道路连续坡路信息,提出了以能耗和队列跟车性能为优化目标的模型预测控制求解方法。通过在特定行驶速度下对车队中各子车辆进行分布式控制实现动力系统优化,平衡队列跟驰过程中能耗与跟车精度间的博弈,实现车辆能量经济性、驾驶舒适性以及跟车准确性的多目标优化。（3）针对车队前方无交通流约束情况进行了主动规划的ECACC策略设计。基于队列行驶过程中各子车辆的动力系统状态和跟车行驶需求,建立基于队列解耦的分层控制体系即顶层头车能量最优速度轨迹规划和底层子车辆经济车速跟随的逻辑框架。队列头车通过V2I通信获得道路参数如坡度、曲率以及交通限制等信息,根据自身动力系统特性,通过基于动态规划的求解方法得到了能耗的全局最优解并得到对应速度轨迹。在速度规划中,考虑车辆横向特性,建立了希尔函数对横向加速度进行约束,实现车辆在转弯过程中的安全速度控制。此外,在最优控制问题的性能函数中引入了时间调节因子,以实现在不同行程时间需求下车辆队列能耗-时间综合最优的驾驶模式。（4）针对城市典型的连续信号灯交叉口场景的ECACC策略。基于城市工况下节能导向的车队绿波带通行需求,提出了基于生态驾驶的队列行驶方法,通过V2I通信提前获取信号灯SPa T状态进行速度引导实现队列全绿灯通行的生态驾驶效果;针对交通信号、道路参数和行车环境等复杂情况对车辆动力系统进行能量优化,提出了基于切换逻辑的动态规划快速求解方法;此外,提出了队列信号灯交叉口不分离策略,保证了队列行驶完整性,提高了队列整体的通行效率、行驶经济性和跟车安全性。（5）建立了仿真分析—硬件在环—实车实验的验证体系。基于真实城市路况实时高精度地图进行了硬件在环测试,并在此过程中实现了RSU和OBU终端设备的实时信息传递;建立了基于Virtual Platoon的实车跟车验证方法,在不同的加速度需求下进行了车辆队列性能测试。一系列测试验证了网联车辆队列生态式协同自适应巡航控制的节能效果与跟车安全效果。通过以上内容由理论到实践的系统研究,本文阐述了网联车辆队列生态式协同自适应巡航控制的巨大节能潜力和行驶安全优势,同时体现了ECACC策略在不同场景下应用的广泛性和适用性。该策略在未来智能交通系统中的具有深远的实际应用价值,并为实现道路车辆安全、节能、高效的智能生态出行提供了技术基础。
周翔宇[3]（2020）在《面向自主船舶的危险分析方法研究》文中研究指明继蒸汽技术革命、电力技术革命、计算机及信息技术革命之后,以人工智能、物联网、云计算、虚拟现实、量子信息技术等为代表的第四次工业革命正在改变世界。信息和通信技术的进步、信息分析能力的提高为各行各业创造了革命性的发展机会,在航运业中,以更为安全、高效、绿色的方式运载货物和乘客的自主船舶正受到前所未有的关注,并已成为航运业未来的发展方向。作为航运业数字化转型和新技术革新的代表,相较于仅由人工控制的常规船舶,自主船舶将在总体设计结构、系统交互方式、动力驱动来源等方面发生颠覆性的变化,同时,随着船岸间、船舶各子系统间的互联互通,自主船舶将成为现代航运生态体系中的传感器中枢和数据生成器。在此背景下,为避免由于自主船舶的引入对当前海上交通状况可能造成的负面影响,并确保自主船舶的预期安全水平至少不低于常规船舶的现有安全水平,不仅需要关注包括航行安全、货物安全在内的传统安全,还需要考虑以网络安全为代表的非传统安全。因此,针对自主船舶的安全性开展理论研究是十分必要且具有重要意义的。本文围绕自主船舶的安全性,以危险分析方法为研究对象,在明确自主船舶运行特点的基础上,提出了一种适用于自主船舶的安全性协同分析方法。以远程控制船舶为例,使用所提出的方法对其进行了危险分析,并利用模型检测工具UPPAAL验证了危险分析结果的正确性。本文的主要研究工作及成果如下。（1）自主船舶的定义及自主水平分级方法研究。从自主船舶的历史沿革和发展历程入手,在明确自主船舶的定义及其中英文表述的基础上,分析了现有自主水平分级标准存在的局限性,并提出了一种基于航海实践的自主水平分级方法。研究结果表明,划分自主水平的关键在于能否独立于人的干预完成相应的任务或实现相应的功能,而非取决于船舶自动化水平和/或决策地点。以2艘搭载自主航行技术的测试船舶为例,相较于现有自主水平分级标准,所提出的自主水平分级方法有效避免了由于单一功能的自主实现导致船舶整体自主水平认定不准确的弊端,得出的分级结果更符合客观事实。（2）危险分析方法的适用性研究。为筛选出一种或多种能够捕获自主船舶运行特点的危险分析方法,面向自主船舶提出了一种基于系统工程的适用性评估方法。该方法依据制定的适用性评估程序,生成了以功能方式描述的系统级安全需求和与自主船舶设计目标相联系的评估准则。适用性评估过程面向29种广泛使用的危险分析方法展开,结果表明,系统理论过程分析（System-Theoretic Process Analysis,STPA）方法满足了所有的评估准则,其能够更好地理解系统行为、识别危险,并揭示危险致因因素,是目前适用于自主船舶的、最具潜力和发展前途的危险分析方法之一。（3）面向自主船舶的安全性协同分析方法研究。在明确自主船舶运行特点的基础上,考虑到日益增加的网络威胁对自主船舶系统安全性的负面影响,提出了一种基于STPA 的安全性协同分析方法,即 STPA-SynSS（STPA-based analysis methodology that Synthesizes Safety and Security）。该方法在STPA的基础上提出了 6项改进,并提供了一个识别危险并揭示危险致因因素的综合过程,有效实现了对潜在危险的持续跟踪和闭环管理。以远程控制船舶的避碰场景为例,使用所提出的方法对该场景进行了详细的危险分析,并生成了具体的危险控制策略。危险分析结果的对比分析表明,相较于STPA,STPA-SynSS能够识别出更多的不安全控制行为和损失场景,同时,能够生成更具针对性的危险控制策略,证明了该方法的有效性和先进性。（4）考虑退化组件的自主船舶安全性建模研究。使用STPA-SynSS生成损失场景时,需要考虑因组件性能退化导致的不安全控制行为。为表征自主船舶的系统安全性状态随时间退化的特性,将系统安全性分析由“二态假设”扩展为多状态。根据STPA-SynSS实例分析中构建的控制结构,对远程控制船舶的安全性进行建模,构建了服从指数分布的安全性函数和描述系统达到安全性极限状态的时间分布函数。该模型可用于指导设计人员将更有针对性的安全性设计纳入到系统中,并面向退化组件建立相应的保护机制,以避免危险从潜在状态向可能导致损失的现实事故状态转移。（5）自主船舶的形式化建模与危险分析结果验证研究。为克服危险分析结果的正确性和完整性无法得到验证的限制,创新性地将形式化方法引入危险分析过程,提出了一种基于时间自动机的STPA-SynSS扩展流程。在构建时间自动机网络模型的基础上,通过利用模型检测工具UPPAAL对系统模型的有穷状态空间进行穷尽搜索,以检验语义模型与其性质规约间的满足关系,从而验证系统建模的活性和危险分析结果的正确性。验证结果表明,远程控制船舶时间自动机网络模型无死锁且运行正确,STPA-SynSS识别的不安全控制行为均会发生,即验证了 STPA-SynSS危险分析结果的正确性,同时,证明了所提出的STPA-SynSS扩展流程的有效性。本文的研究结论为识别、控制自主船舶的潜在危险奠定了较为坚实的理论基础,在一定程度上满足了航运业对于明确并提高自主船舶安全性的迫切需求。同时,可为自主船舶的安全性设计提供参考,有力保障自主船舶的安全运营。
杨晓东[4]（2020）在《基于核磁共振体系的闭环学习控制研究及应用》文中研究表明量子力学的诞生堪称是人类科学史上最伟大的革命之一,它彻底改变了人们对微观世界的认知,推动了包括物理学、化学、信息科学等在内的多学科的发展,也催生了诸如激光、核能、半导体等一系列变革性的技术。随着信息科学的建立和人们对量子系统操控技术的成熟,人们不再满足于仅仅依靠观察量子现象来认知量子理论,而是尝试建造直接由量子力学理论支配的量子器件,从而带给我们超越经典技术极限的前所未有的技术变革。由此发展起来的所谓的量子技术,包括量子计算、量子度量、量子模拟、量子通讯等,已经取得了一定程度的进展,然而也面临着巨大的挑战。量子系统由于其脆弱的量子特性、测量的不确定性等使得它极易受到周围环境等影响,同时随着系统维度的增大,指数增长的复杂度也会使得量子优越性的保持更加困难。研究如何在有噪声和误差的系统中保持量子特性并实现高质量的量子控制,是实现上述量子技术的核心。为此,人们发展出多种方法来应对环境中的各种扰动因素,从而高效、精确地实现控制目标。闭环学习控制是其中一种简洁方便、适用范围广的方法。早期,闭环学习控制被广泛应用于量子化学实验中。目前,闭环学习控制在量子技术中的研究和应用主要集中在高保真度量子态、量子门等任务的完成上。然而,由于量子技术中人们对控制目标精度和鲁棒性的更高要求,闭环学习控制也面临着学习算法效率低、控制目标评估难度大等问题。在这样的研究背景下,本论文围绕着闭环学习控制这一方法,详细阐述了作者将其应用在量子计算、量子控制和量子度量等方面的研究工作。主要包括以下三个方面:1.提出了一种改进的微分进化算法,并将它成功应用于Bell态和CNOT门制备的量子控制任务中,实现了超越传统方法的精度和鲁棒性;提出了一种能够在实验中有效地测量梯度的闭环梯度算法,并将它成功应用于高保真度七相干态的实验制备,为多比特量子系统的精确控制提供了一种有潜力的方法。2.使用微分进化算法和脉冲光滑技术,设计了一种优化绝热路径的方法,并在典型的绝热量子计算问题中与传统方法进行了对比,结果表明该方法具有明显的优势,有望应用于更复杂和更实际的绝热量子计算问题中。3.提出了一种基于闭环学习控制的实用化量子度量探针态优化方法,并以自旋链模型中相位估计为例,进行了数值模拟和实验验证。该方法具有可扩展性,避免了传统探针态设计方法的指数级资源消耗,能够自适应地包含实验中的噪声,因而是自动化设计探针态的极佳选择。这些研究加深了我们对闭环学习控制在多种量子控制问题中表现的认知,有助于进一步提升闭环学习控制的效率,从而将其应用到系统规模更大、复杂度更高的量子技术控制任务中。相信随着闭环学习控制及其他控制方法的发展,我们终将实现预期的各种量子技术,从而为人类社会带来更伟大的生产和生活变革。
李卓[5]（2020）在《飞机舵机电动加载系统多余力矩抑制方法研究》文中研究表明飞机舵机电动加载系统是一种地面半实物仿真设备,通过模拟舵机所受各种力载荷的变化情况来测试舵机在不同飞行状态下的工作性能,从而为飞行控制系统地面仿真模拟装置的研发设计、改进改型等方面提供可靠数据来源。由于系统采用被动式力矩加载方式,舵机的主动运动会产生多余力矩干扰,严重影响静态及动态工作性能,因此开展飞机舵机电动加载系统多余力矩抑制方法研究具有重要的理论研究价值和工程实践意义。论文在国内外中小力矩飞机舵机电动加载系统研究现状的基础上,首先设计了以橡胶-金属缓冲弹簧和永磁直流力矩电机为主要加载机构的整体硬件结构,分析了系统工作原理,并给出了评价指标及性能指标。然后,根据系统研究需要及加载要求,建立了主要执行机构的数学模型,并对橡胶-金属缓冲弹簧刚度系数的确定及加载梯度对系统幅频特性的影响进行了研究。其次,开展了多余力矩产生机理及扰动特点的相关研究,给出了多余力矩定义并分析了其在舵机不同工作状态下的扰动方式。根据多余力矩数学模型及多余力矩干扰权重,研究了舵机不同运动信息与多余力矩扰动情况之间的关系。再次,提出了结合舵机输出端角位置前馈和力矩测速反馈的多余力矩常规补偿方法,在一定程度上改善了系统的控制性能,但无法满足系统稳定、实时、高精度加载的要求。为此,开展了基于小脑神经网络智能控制补偿方法的研究。一方面,提出了结合新型小脑神经网络前馈和增量式PID反馈的补偿方法,通过采用变平衡学习常数的权值调整算法对常规权值调整过程进行改进,有效改善了网络收敛速度与系统稳态性能之间的关系。另一方面,为提高网络学习速度并解决增量式PID参数整定困难的问题,又提出了结合改进型小脑神经网络前馈和基于迭代学习控制分数阶PID反馈的双通道控制方法,从而为系统抑制多余力矩扰动提供了重要保障。最后,通过MATLAB仿真实验验证了两种智能控制方法的有效性及合理性。
黄锐鹏[6]（2020）在《基于事件触发的永磁同步电机自适应神经网络控制》文中研究表明永磁同步电机具有结构简单、体积小、效率高等显着优点,是近几年研究较多并在各个领域中应用越来越广泛的一种电机。同时,随着计算机网络的飞速发展与应用,网络化成为了永磁同步电机的重要发展趋势。由于网络带宽资源是有限的,拥塞的网络环境会降低系统的控制性能,甚至导致系统不稳定。考虑到事件触发控制在节约网络带宽资源方面的优势,如何利用事件触发机制克服这个问题成为了一个极具挑战和热点的研究课题。本文重点研究了基于事件触发的永磁同步电机自适应神经网络控制问题。具体地,针对应用于网络化环境下的永磁同步电机存在网络带宽资源受限、部分系统动态未知以及非匹配扰动的情况,讨论了永磁同步电机离散系统的自适应神经网络事件触发控制方案设计问题。本文的主要工作概述如下:首先,基于永磁同步电机模型精确已知的情况,采用提前预测方法将系统模型转换为预测模型,避免了电机离散系统在反推设计时出现因果矛盾的问题。针对网络带宽资源有限的问题,通过在控制器与执行器之间的网络通道引入带有死区算子的绝对事件触发机制,使得永磁同步电机在获得良好控制性能的同时,也减少了系统网络带宽资源的消耗,从而减轻或者避免网络拥塞问题对控制性能造成的不良影响。然后,考虑到永磁同步电机在实际使用中还存在未知动态和外部扰动的情况,利用高阶神经网络对系统未知动态进行局部准确建模,设计出扰动观测器对外部扰动进行估计,并利用估计值进行扰动补偿,从而提高系统鲁棒性。由于存在非匹配扰动,常用的提前预测方法无法解决因果矛盾的问题,这里针对原始模型采用变量代换的方法进行解决。随后同样在控制器与执行器之间的网络通道引入绝对事件触发机制,使得在实现系统跟踪控制的同时,有效地节省系统网络带宽资源。最后,针对网络带宽资源有限的问题,充分考虑到传感器和控制器之间网络通道的资源情况,设计了双通道事件触发机制,使得传感器和控制器之间无需实现连续的信息流传输,进一步降低对系统网络带宽资源的消耗。同时所设计的触发阈值包含系统状态信息,相比于绝对事件触发机制能够更好地协调系统控制性能与触发阈值之间的关系,从而更加有效地利用网络通讯资源。
杨瑞[7]（2020）在《精密永磁直线同步电机系统扰动抑制方法研究》文中进行了进一步梳理为满足高端制造装备对直线电机系统提出的高速、高加速度和高精度等严苛指标需求,直线电机系统必须具备快速、精密和平稳的推力输出能力。高动态响应和高稳态精度的电流调控是推力输出品质的基本保障,而快速准确的推力波动抑制是实现平稳推力输出的关键所在,这就对控制系统的设计提出了苛刻要求。然而,高带宽的反馈控制对系统参数变化和各种复杂扰动的抑制性能有限,因此必须同时构建强扰动抑制策略。本文针对永磁直线同步电机（PMLSM）系统扰动抑制问题,以实现高品质推力输出为目标,分别从电气和机械两个子系统的角度出发展开扰动抑制方法研究。系统建模和模型参数辨识是后续控制器设计的基础,本文首先建立了考虑扰动时PMLSM电气和机械子系统的数学模型,并分别对其扰动特征进行了分析;研究了机械子系统动力学模型参数辨识方法并进行了参数辨识实验;在位置控制模式下,对推力波动进行了估计和特征分析;研究了两个子系统扰动的共性特征,并对扰动及其各阶导数进行扩张状态建模,建立了整个电机系统的扩张状态模型。电流调控品质直接决定了推力输出品质和外环稳定性及其可实现的性能,其设计非常关键。无差拍预测电流控制（DPCC）动态响应快,但其参数鲁棒性较差。为此,本文在对电气子系统扰动及其导数扩张状态建模下,分别研究了卡尔曼滤波器（KF）和考虑电流采样噪音下通用比例积分观测器（GPIO）的设计方法,以实现对扰动和下一时刻电流的估计,并利用估计值对传统的DPCC进行改进;分析了KF和GPIO性能与其参数的关系,并给出了简单易实施的参数整定策略。进一步,设计了参数时变实验,在电流闭环下对上述算法的有效性进行了实验验证并对其性能进行了对比分析,结果表明提出的算法有效提高了DPCC参数鲁棒性。直线电机定位力和线缆力等构成的推力波动直接影响了推力输出平稳性,进而降低了位置控制性能。基于观测器的推力波动估计和补偿方法轨迹适应性强,但对快速时变扰动估计性能有限,因此本文对此展开了深入研究。针对扩张状态建模下KF参数繁多且难整定的不足,研究了增量式建模下KF设计方法;为进一步降低参数整定和算法实现难度,研究了考虑位置测量噪音下的GPIO设计方法,以实现对机械子系统扰动的准确估计;同样分析了KF和GPIO性能与其参数的关系,并给出了简单易实施的参数整定策略。将上述方法下的扰动估计值前馈,设计了三自由度的位置控制系统,在不同速度下对上述算法的有效性进行了实验验证并进行了性能对比分析,结果表明所提观测器方法可有效提高轨迹跟踪精度。虽然上述基于观测器的方法轨迹适应性强,但却难以实现高速下的高精度扰动估计和补偿。针对PMLSM重复运动这一类特殊场合下的高精度位置控制问题,本文研究了一类分数阶迭代学习控制（ILC）的应用及参数频域整定问题,以期从提高控制性能的角度出发实现对推力波动的间接抑制。首先,给出了P+纯相位超前型ILC的参数频域整定方法,并进一步分析了比例增益的设计方法;分析了分数阶Dα型和PDα型ILC的基本原理和不足,分别研究了分数阶Dα和PDα+纯相位超前型ILC并给出了其参数频域整定方法;针对以上ILC算法的不足和参数难整定的问题,研究了一种分数阶相位超前补偿型ILC并给出了其参数频域整定方法,该ILC算法具有相位补偿灵活性高且分数阶算子有理化实现精度高的优势;最后在不同轨迹速度下对所提方法及其参数整定的有效性进行了实验验证,结果表明所提出的ILC算法可有效提高高速下的轨迹跟踪精度。本文所提扰动抑制方法可分别实现高动态响应、高稳态精度且强参数鲁棒性的电流内环设计和变轨迹、重复轨迹下的高性能推力波动抑制以及高精度运动控制,研究成果对高性能需求直线电机系统设计意义重大。
代明星[8]（2019）在《基于状态观测的输出反馈控制算法研究及改进设计》文中指出在诸如工业过程控制、机器人控制、无人机控制等实际工程控制系统中大都是复杂的非线性控制系统,他们通常具有高维数、结构复杂、强非线性和强耦合的特点,对于这类复杂非线性控制系统的控制设计更是控制领域的一个难点问题,如果控制方法不当,将很难达到被控系统的控制要求,不会有很好的控制效果,甚至会导致被控系统无法达到稳定。因而,对于这类数学模型不精确、存在时滞现象、含有不可测的状态和未知的非线性扰动等现象的复杂非线性系统的自适应输出反馈控制问题的研究具有十分重要的理论意义和实际应用价值。针对非线性系统自适应输出反馈控制问题的研究,本文在自抗扰控制、滑模控制以及反步法等已有的非线性系统控制算法的基础上,基于这些不同控制方法的特点和优势,并结合模糊逻辑系统或神经网络以及高阶滑模微分器等方法,对已有控制方法的弊端进行改进,设计了几种控制方案,同时利用Lyapunov稳定性理论验证了整个闭环系统的稳定性,保证了所有信号的有界性。论文具体研究内容和所做工作如下:（1）针对一类不确定非线性系统,研究了一种结合反步法和自抗扰控制的新的自适应输出反馈控制方法。通过引入扩张状态观测器（ESO）对被控系统的未知状态进行实时估计,同时利用扩张状态观测器实现对系统中的不确定项在线逼近及补偿。通过非线性指令滤波器对反步法设计过程中的虚拟控制信号进行求导,避免了传统反步法设计控制中复杂性爆炸的问题,并由此设计了自适应输出反馈控制器。通过Lyapunov函数证明了这种控制方法的稳定性,验证了闭环系统中所有信号均是有界的。数值仿真算例进一步验证了该方法的有效性。（2）针对一类切换非线性系统,且系统状态不可测,存在未知非线性项以及扰动的情况,设计一类新的自适应反步滑模控制器。研究利用模糊逻辑系统（FLS）,构造模糊状态观测器,并利用模糊逻辑系统实现变增益控制。此外,引入高阶滑模微分器构造精确扰动观测器,同时将高阶滑模非线性微分器的二阶形式作为滤波器。最终基于模糊状态观测器和对扰动的估计补偿,结合自适应反步设计方法和滑模控制方法,针对这类切换系统设计了一种新的自适应反步滑模控制器。新提出的方法实现了对系统未知非线性函数的实时在线逼近以及对系统未知状态的获取,对于系统的未知扰动实现精确估计补偿,传统反步法设计过程中因对虚拟控制信号重复求导而引起的控制参数复杂性急剧增长的问题得到有效避免,而且传统滑模控制中的抖振现象也有很好的抑制效果。通过Lyapunov函数对系统的稳定性进行了推导证明。控制方法的有效性通过仿真算例验证,仿真结果也进一步验证了系统稳定性和信号有界性。（3）对于工业中常用的连续搅拌釜式反应器（Continuous Stirred Tank Reactor,CSTR）建立了一个数学动态模型,并针对CSTR数学模型设计了一类自适应积分滑模控制器。针对这个复杂的非线性系统首先基于滑模控制原理设计一种有限时间状态观测器,并同时设计了一种非线性扰动观测器,从而实现了对这个非线性系统中的不可测状态量以及未知扰动的观测估计。基于估计结果,设计一种积分滑模面并引入一种自适应变比例增益的趋近律,最终构造了一种自适应积分滑模控制器,实现了对被控系统的快速跟踪同时具有非常好的鲁棒性。通过Lyapunov稳定性理论对闭环系统中的所有信号的有界性和闭环系统的稳定性进行了推导证明,并通过数值仿真以及实验分别对所设计控制方案的有效性进行了验证。
庞家腾[9]（2019）在《基于自适应遗传PID算法的球杆系统控制器设计》文中研究说明球杆系统因结构简单,占用空间小、操作方便易于实验观察等特点,使其成为控制实验室里常用的实验设备;球杆系统还具备非线性、开环不稳定性等特性,是验证控制理论或控制方法的典型设备。本文主要研究内容如下:首先,介绍了球杆系统组成部分以及系统本身存在的非线性、开环不稳定的特点。运用机理法建立了球杆系统机械系统、电机伺服的数学模型,用传递函数形式表示。其次,分析了球杆系统的稳定性和可控性,得出球杆系统是不稳定但可控的系统,为控制器的设计做好了铺垫。设计了状态反馈控制器,并加入到球杆系统进行仿真和实验,实验结果与仿真结果相差较大。经过分析实际影响因素之后,将补偿环节加入到系统中,再次进行控制器的校正实验。再次,介绍了PID控制原理和传统PID控制器参数整定方法。论述了遗传算法的理论基础,并将遗传算法应用到PID控制参数寻优中,将PID控制器应用在球杆系统上,进行了仿真及实验研究。最后,重点分析了遗传算法收敛性,由于遗传算法中交叉和变异概率无法满足个体的个性化要求,限制了搜索范围,最终导致遗传算法出现早熟或者局部收敛。而自适应遗传算法通过改进交叉和变异概率使遗传算子可以随要求自适应改变,这将大大提高算法的全局收敛性。将算法加入到PID控制球杆系统中进行仿真和实验,结果证明控制效果比常规PID及遗传算法PID控制要准确。
尚婷[10]（2019）在《不确定参数系统控制方法研究》文中指出不确定性广泛存在于各类系统中,自动控制系统也不例外。这些不确定性来自于系统外部扰动、内部联结与耦合、子系统故障、参数波动等,不确定性的存在严重影响着系统的正常运行。自从有了控制理论以来,对不确定性的研究就从未停止,反馈控制、自适应控制、鲁棒控制与系统辨识都是解决不同类不确定性的典型代表。试图通过控制与辨识的方法使系统目标间的指标达到某种平衡,这种方法被称之为对偶自适应控制,在千禧之年其被IEEE Control Systems Magazine列为上世纪对控制理论有重大影响的25个问题之一。然而,这一极具理论意义和实用价值的公开难题至今没有得到圆满的解决。目前,针对此问题已经研究出了两种学习策略:主动学习策略和被动学习策略。现有的工作都是回避系统变量间的相互影响,提出来一些次优控制方法,其共同缺点是人为地剥夺了控制未来的主动探测权利,使所得的次优控制仅有被动学习的特点。本文针对不确定性系统的对偶自适应控制问题,提出了控制器设计的新方法,旨在消除或减少系统中的可减少不确定性,使系统以最优的方式运行并达到预期期望性能。本文的主要研究成果如下:对于由模型中的未知参数产生的不确定性系统的控制问题,传统方法分为两个阶段,第一阶段搜集系统输入-输出数据,辨识出系统模型;第二阶段用已辨识出的模型与指标要求设计出所谓的最优控制。而对偶自适应控制将两个阶段融为一体,采用一边控制、一边辨识的策略。通过仿真本文的研究结果表明对偶自适应控制优于传统控制,随之提出了对偶自适应控制设计的一般框架。对偶自适应控制既然优于传统的控制策略,那么其具有哪些性质和内部规律性?借鉴于强化学习的探索-利用框架,本文获得了对偶自适应控制的探测-谨慎作用。以LQG（Linear Quadratic Gaussian）为载体,针对其模型中的未知参数、环境扰动、测量噪声、初始状态等引起的不确定性问题,设计出了对偶自适应控制,该控制除了能够控制系统使其具有期望的二次性能指标,还能以事先给定的精度学习出包含未知参数的最小区间。为挖掘大数据内部的规律性,针对具有未知参数的自回归滑动模型,以一步最优为目标,导出了与学习密切相关的学习指标,将控制目标与学习目标相结合,获得了具有学习特点的控制器设计方法。针对一步控制目标的短视行为,本文在状态变量能够精确测量的约束下,获得了使系统整体最优的自适应对偶控制,该控制一方面能使系统朝着最优的方向运行,另一方面又能估计出未知参数,减少了系统的不确定性。
二、反馈控制及其实际应用之研究（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、反馈控制及其实际应用之研究（论文提纲范文）
（1）一种提高电压传输比的新型超稀疏矩阵变换器研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 MC的国内外研究现状及发展趋势 |
| 1.3 提高MC电压传输比的研究综述 |
| 1.3.1 拓扑结构的创新研究 |
| 1.3.2 调制策略的改进研究 |
| 1.4 本文主要研究内容 |
| 第2章 新型USMC拓扑结构及参数设计 |
| 2.1 传统MC拓扑结构分析 |
| 2.1.1 等效拓扑结构 |
| 2.1.2 等效拓扑结构数学建模 |
| 2.2 新型USMC的拓扑结构分析 |
| 2.2.1 新型USMC的拓扑结构 |
| 2.2.2 新型USMC的数学建模 |
| 2.3 直流环节升压电路工作原理及参数设计 |
| 2.3.1 升压电路工作原理 |
| 2.3.2 升压电路参数设计 |
| 2.4 本章小结 |
| 第3章 新型USMC控制策略及输出特性分析 |
| 3.1 新型USMC的调制策略 |
| 3.1.1 整流级双有效矢量合成调制策略 |
| 3.1.2 逆变级双有效矢量和零矢量的合成调制策略 |
| 3.2 直流母线电压前馈闭环控制 |
| 3.2.1 新型USMC直流母线电压前馈控制 |
| 3.2.2 新型USMC直流母线电压反馈控制 |
| 3.3 新型USMC输出特性分析 |
| 3.3.1 新型USMC输出功率因数范围分析 |
| 3.3.2 新型USMC电压传输比分析 |
| 3.4 本章小结 |
| 第4章 新型USMC的仿真与分析 |
| 4.1 仿真模型的搭建 |
| 4.2 工频输出特性下仿真分析 |
| 4.3 不同输出特性下仿真分析 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 全文总结 |
| 5.2 工作展望 |
| 参考文献 |
| 攻读学位期间主要的研究成果 |
| 致谢 |
（2）网联车辆队列生态式协同自适应巡航控制策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1 章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 车联网通信技术及在车辆领域的应用 |
| 1.2.1 车联网通信概述 |
| 1.2.2 基于车车通信的车辆队列控制研究现状 |
| 1.3 车联网环境下车辆生态出行协同控制研究现状 |
| 1.3.1 车辆动力系统节能控制 |
| 1.3.2 基于生态驾驶的车辆速度轨迹规划 |
| 1.3.3 面向车辆队列的协同节能控制 |
| 1.4 基于V2X车路协同环境下的车辆规划控制实现方法 |
| 1.4.1 软件仿真实现 |
| 1.4.2 硬件实现 |
| 1.5 本文主要研究内容 |
| 1.5.1 现有研究的局限性 |
| 1.5.2 关键科学问题 |
| 1.5.3 本文研究内容 |
| 第2 章 面向ECACC策略的分层框架系统设计 |
| 2.1 引言 |
| 2.2 ECACC策略研究体系 |
| 2.2.1 研究核心框架 |
| 2.2.2 技术研究路线 |
| 2.3 顶层节能导向的ECACC策略 |
| 2.3.1 被动跟车的ECACC策略 |
| 2.3.2 主动速度规划的ECACC策略 |
| 2.3.3 车辆队列最优速度规划问题求解主流理论分析 |
| 2.4 智能网联车辆队列能耗影响因素及能耗建模 |
| 2.4.1 人-车-路系统能耗影响因素 |
| 2.4.2 纯电动汽车能耗模型建立 |
| 2.4.3 能耗模型准确度验证 |
| 2.5 底层车辆队列跟随CACC策略 |
| 2.5.1 均质车队CACC控制器设计原理 |
| 2.5.2 车辆队列跟随效果分析 |
| 2.6 本章小结 |
| 第3 章 基于被动跟车的智能网联车队ECACC策略 |
| 3.1 引言 |
| 3.2 基于非线性MPC的能量预测控制器设计 |
| 3.2.1 车辆纵向动力学跟车模型 |
| 3.2.2 电机模型 |
| 3.2.3 最优控制问题描述与求解 |
| 3.3 理想通信条件下智能网联车辆队列驾驶 |
| 3.3.1 跟车效果分析 |
| 3.3.2 能耗效果分析 |
| 3.4 考虑通信时延的智能网联车辆队列跟车效果 |
| 3.5 ECACC策略与传统单车策略性能比较 |
| 3.5.1 跟车效果分析 |
| 3.5.2 能耗效果分析 |
| 3.6 本章小结 |
| 第4 章 自由流速度下考虑横向约束的车队分层ECACC策略 |
| 4.1 引言 |
| 4.2 纵横向耦合的车辆模型构建 |
| 4.2.1 车辆纵向动力学模型 |
| 4.2.2 横向动力学模型 |
| 4.2.3 动态能耗模型 |
| 4.3 基于动态规划的车辆队列顶层最优生态速度轨迹规划 |
| 4.3.1 复杂工况下生态驾驶问题构建 |
| 4.3.2 系统约束与边界条件建立 |
| 4.3.3 最优速度轨迹求解 |
| 4.4 多模式定制化速度轨迹规划 |
| 4.4.1 能耗最优模式 |
| 4.4.2 能耗-时间综合最优模式 |
| 4.4.3 多模式队列头车规划策略相较于传统策略的性能对比 |
| 4.5 智能网联车队底层跟车控制策略 |
| 4.5.1 基于前馈-反馈结构的CACC控制器设计 |
| 4.5.2 典型CACC控制器性能对比分析 |
| 4.6 本章小结 |
| 第5 章 城市信号灯交叉口基于生态驾驶的ECACC策略 |
| 5.1 引言 |
| 5.2 基于生态驾驶的最优控制问题构建 |
| 5.2.1 基于时间离散的最优控制问题构建 |
| 5.2.2 基于距离离散的最优控制问题构建 |
| 5.3 基于快速动态规划的最优控制问题求解 |
| 5.3.1 基于切换逻辑的快速动态规划求解 |
| 5.3.2 单信号灯交叉口的队列头车生态驾驶性能分析 |
| 5.3.3 连续信号灯交叉口的队列头车生态驾驶性能分析 |
| 5.4 保持队列完整性的跟车控制策略 |
| 5.4.1 车辆队列CACC控制器设计 |
| 5.4.2 信号灯交叉口车辆队列不分离策略 |
| 5.4.3 队列跟车效果分析 |
| 5.4.4 基于SUMO的车辆队列能耗效果分析 |
| 5.5 本章小结 |
| 第6 章 硬件在环与实车底盘测试验证 |
| 6.1 引言 |
| 6.2 基于快速原型的MPC控制器硬件在环测试 |
| 6.2.1 总体架构 |
| 6.2.2 通信时延条件下的跟车性能 |
| 6.3 基于V2I通信的顶层最优速度响应硬件在环测试 |
| 6.3.1 总体架构 |
| 6.3.2 基于实时高精地图的速度轨迹跟随 |
| 6.3.3 队列头车动力系统响应 |
| 6.4 实车底盘实验验证队列跟车性能 |
| 6.4.1 总体架构 |
| 6.4.2 车辆队列跟车性能分析 |
| 6.5 本章小结 |
| 第7 章 工作总结与展望 |
| 7.1 全文总结 |
| 7.2 创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 作者简介 |
| 在学期间研究成果 |
| 致谢 |
（3）面向自主船舶的危险分析方法研究（论文提纲范文）
| 创新点摘要 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究的必要性及意义 |
| 1.3 国内外相关研究现状及进展 |
| 1.3.1 自主船舶的安全性研究 |
| 1.3.2 危险分析方法的发展与演变 |
| 1.3.3 系统理论过程分析的应用 |
| 1.4 自主船舶安全性研究中存在的问题及解决思路 |
| 1.5 主要研究内容与结构框架 |
| 1.5.1 主要研究内容 |
| 1.5.2 结构框架 |
| 1.6 本章小结 |
| 2 自主船舶的定义及其自主水平的界定 |
| 2.1 自主船舶的历史沿革 |
| 2.2 自主船舶的发展历程 |
| 2.3 自主船舶的定义与自主化演变 |
| 2.3.1 自主船舶的定义 |
| 2.3.2 船舶自主化的演变 |
| 2.4 自主水平分级标准 |
| 2.4.1 LR自主水平分级标准 |
| 2.4.2 NFAS自主水平分级标准 |
| 2.4.3 DMA自主水平分级标准 |
| 2.4.4 MASRWG自主水平分级标准 |
| 2.4.5 BV自主水平分级标准 |
| 2.4.6 IMO自主水平分级标准 |
| 2.5 自主水平分级标准的划分依据 |
| 2.6 基于航海实践的自主水平分级方法 |
| 2.7 实例分析 |
| 2.7.1 “Folgefonn”号渡轮自主水平分级 |
| 2.7.2 “Falco”号渡轮自主水平分级 |
| 2.8 本章小结 |
| 3 面向自主船舶的危险分析方法适用性评估 |
| 3.1 危险分析方法的选取与概述 |
| 3.1.1 基于事件链的危险分析方法 |
| 3.1.2 基于能量转移的危险分析方法 |
| 3.1.3 基于状态迁移的危险分析方法 |
| 3.1.4 基于系统理论的危险分析方法 |
| 3.1.5 其他危险分析方法 |
| 3.2 基于系统工程的适用性评估方法 |
| 3.2.1 文献综述的数据准备 |
| 3.2.2 危险分析方法的筛选 |
| 3.2.3 评估程序的确定 |
| 3.2.4 评估准则的生成 |
| 3.3 适用性评估过程 |
| 3.3.1 聚类分析 |
| 3.3.2 适用性评估结果 |
| 3.4 适用性评估结果分析 |
| 3.4.1 存在局限性的危险分析方法 |
| 3.4.2 STPA的适用性分析 |
| 3.5 本章小结 |
| 4 面向自主船舶的危险分析与安全性建模 |
| 4.1 自主船舶的系统安全描述 |
| 4.1.1 自主船舶的运行特点 |
| 4.1.2 自主船舶面临的系统风险 |
| 4.2 危险分析的基本原理 |
| 4.2.1 危险及其相关术语的定义 |
| 4.2.2 危险的转化 |
| 4.2.3 危险分析过程 |
| 4.3 基于STPA的安全性协同分析方法 |
| 4.3.1 STPA及其扩展方法的局限性 |
| 4.3.2 STPA-SynSS的提出 |
| 4.4 考虑退化组件的自主船舶安全性建模 |
| 4.5 实例分析 |
| 4.5.1 基于STPA-SynSS的远程控制船舶危险分析 |
| 4.5.2 考虑退化组件的远程控制船舶安全性建模 |
| 4.6 STPA-SynSS与STPA危险分析结果的对比分析 |
| 4.7 本章小结 |
| 5 面向自主船舶的形式化建模与危险分析结果验证 |
| 5.1 形式化方法概述 |
| 5.2 基于时间自动机的模型检测方法 |
| 5.2.1 模型检测的基本原理 |
| 5.2.2 时间自动机理论 |
| 5.2.3 时间自动机网络 |
| 5.2.4 模型检测工具UPPAAL概述 |
| 5.3 基于时间自动机的STPA-SynSS扩展流程 |
| 5.4 远程控制船舶时间自动机网络模型的构建 |
| 5.5 STPA-SynSS危险分析结果的验证 |
| 5.6 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间的科研成果 |
| 致谢 |
（4）基于核磁共振体系的闭环学习控制研究及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 量子技术与量子控制 |
| 1.2 本论文研究工作的出发点和意义 |
| 1.3 本论文结构及内容安排 |
| 第2章 核磁共振量子信息处理基础知识介绍 |
| 2.1 量子概念的提出和量子论的建立 |
| 2.1.1 量子概念的提出 |
| 2.1.2 量子论的建立 |
| 2.2 量子计算基础介绍 |
| 2.2.1 量子计算的提出 |
| 2.2.2 量子信息 |
| 2.2.3 量子比特和量子态 |
| 2.2.4 量子逻辑门 |
| 2.2.5 量子测量 |
| 2.2.6 量子计算的物理实现 |
| 2.3 液体核磁共振实验体系 |
| 2.3.1 核磁共振发展史简介 |
| 2.3.2 核磁共振系统哈密顿量 |
| 2.3.3 核磁共振系统的量子比特表征 |
| 2.3.4 核磁共振系统的初始化 |
| 2.3.5 核磁共振系统的弛豫和退相干 |
| 2.3.6 核磁共振系统的操控 |
| 2.3.7 核磁共振系统的测量读出 |
| 2.4 小结 |
| 第3章 量子系统闭环学习控制 |
| 3.1 量子系统主动控制及面临的挑战 |
| 3.1.1 量子系统控制目标设定 |
| 3.1.2 量子系统动力学描述 |
| 3.1.3 量子系统控制中的扰动因素 |
| 3.1.4 应对量子控制中扰动因素的方法 |
| 3.2 闭环学习控制 |
| 3.2.1 闭环学习控制简介 |
| 3.2.2 常用学习算法介绍 |
| 3.2.3 常用控制目标评估方法介绍 |
| 3.2.4 闭环学习控制在量子技术中的应用 |
| 3.3 小结 |
| 第4章 利用闭环学习控制完成量子态制备和量子逻辑门实现 |
| 4.1 Bell态制备 |
| 4.1.1 Bell态制备的数值研究 |
| 4.1.2 高保真度Bell态的实验制备 |
| 4.2 CNOT门的实现 |
| 4.2.1 CNOT门及其线路实现方法 |
| 4.2.2 使用改进的微分进化算法制备CNOT门 |
| 4.3 七比特相千态的制备 |
| 4.3.1 制备方法介绍——闭环梯度算法 |
| 4.3.2 NMR实验实现 |
| 4.3.3 实验总结及讨论 |
| 4.4 小结及讨论 |
| 第5章 利用闭环学习控制优化绝热量子路径 |
| 5.1 绝热量子计算简介 |
| 5.1.1 绝热量子计算与门电路量子计算 |
| 5.1.2 绝热量子计算发展简史 |
| 5.1.3 绝热量子计算流程及绝热定理 |
| 5.1.4 绝热量子路径优化 |
| 5.2 利用进化算法优化绝热量子路径 |
| 5.2.1 方法介绍——进化算法及控制场光滑技术 |
| 5.2.2 进化算法优化绝热路径流程 |
| 5.2.3 控制场光滑技术介绍 |
| 5.2.4 应用——Landau-Zener及Grover哈密顿量 |
| 5.2.5 总结及讨论 |
| 5.3 小节及讨论 |
| 第6章 利用闭环学习控制优化量子度量中的探针态 |
| 6.1 量子度量简介 |
| 6.1.1 量子度量的一般流程 |
| 6.1.2 大尺度系统量子度量应用面临的挑战 |
| 6.2 利用闭环学习控制优化探针态理论方案 |
| 6.2.1 量子费舍尔信息的间接测量 |
| 6.2.2 利用Nelder-Mead算法优化的流程 |
| 6.3 利用闭环学习控制优化探针态数值模拟 |
| 6.3.1 数值模拟模型及方法介绍 |
| 6.3.2 数值模拟结果及讨论 |
| 6.4 利用闭环学习控制优化探针态实验实现 |
| 6.4.1 高斯噪声模拟及系综态纯度测量方法 |
| 6.4.2 NMR实验实现 |
| 6.4.3 实验结果及讨论 |
| 6.5 小节及讨论 |
| 第7章 总结及展望 |
| 参考文献 |
| 附录A 核磁共振实验自动化程序设计 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（5）飞机舵机电动加载系统多余力矩抑制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外的研究现状及分析 |
| 1.3 研究的关键点及难点分析 |
| 1.4 本文的研究内容 |
| 第二章 系统结构组成及工作原理研究 |
| 2.1 电动加载系统结构组成及工作原理 |
| 2.2 电动加载系统主要技术指标 |
| 2.2.1 电动加载系统评价指标 |
| 2.2.2 电动加载系统性能指标 |
| 2.3 电动加载系统主要元件选择 |
| 2.3.1 加载电机 |
| 2.3.2 电机驱动器 |
| 2.3.3 弹性连接装置 |
| 2.3.4 传感器 |
| 2.4 本章小结 |
| 第三章 系统数学模型建立及分析 |
| 3.1 永磁直流力矩电机数学模型 |
| 3.2 PWM电机驱动器数学模型 |
| 3.3 橡胶-金属缓冲弹簧数学模型 |
| 3.4 指令力矩数学模型 |
| 3.5 加载系统整体数学模型 |
| 3.5.1 系统数学模型建立 |
| 3.5.2 主要元件模型参数确定及分析 |
| 3.6 本章小结 |
| 第四章 多余力矩干扰特性分析与补偿方法研究 |
| 4.1 多余力矩定义 |
| 4.2 多余力矩产生机理 |
| 4.3 多余力矩对系统控制性能影响 |
| 4.3.1 多余力矩频域特性分析 |
| 4.3.2 多余力矩时域特性分析 |
| 4.3.3 多余力矩扰动特性分析 |
| 4.4 多余力矩抑制及补偿方法研究 |
| 4.5 本章小结 |
| 第五章 基于小脑神经网络的智能控制补偿方法研究 |
| 5.1 基于新型小脑神经网络和增量式PID的复合控制器设计 |
| 5.1.1 新型小脑神经网络前馈控制器设计 |
| 5.1.2 增量式PID反馈控制器设计 |
| 5.1.3 实验仿真结果及分析 |
| 5.2 基于改进型小脑神经网络和分数阶PID的力矩控制器设计 |
| 5.2.1 指令力矩迭代学习控制器设计 |
| 5.2.2 分数阶PID反馈控制器设计 |
| 5.2.3 实验仿真结果及分析 |
| 5.3 本章小结 |
| 第六章 结论 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间的科研成果 |
（6）基于事件触发的永磁同步电机自适应神经网络控制（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 永磁同步电机发展概述 |
| 1.3 相关研究现状与分析 |
| 1.3.1 永磁同步电机控制的研究现状 |
| 1.3.2 网络化控制系统的研究现状 |
| 1.3.3 事件触发控制的研究现状 |
| 1.4 本文的主要工作 |
| 第二章 预备知识 |
| 2.1 永磁同步电机的结构及其数学模型 |
| 2.1.1 永磁同步电机的基本结构 |
| 2.1.2 永磁同步电机的数学模型 |
| 2.2 人工神经网络 |
| 2.2.1 径向基函数神经网络 |
| 2.2.2 高阶神经网络 |
| 2.3 事件触发机制 |
| 2.3.1 事件触发机制的分类 |
| 2.3.2 事件触发机制的作用方式 |
| 2.4 本章小结 |
| 第三章 基于模型精确已知的永磁同步电机事件触发控制 |
| 3.1 问题描述 |
| 3.2 基于绝对事件触发的控制方案设计 |
| 3.2.1 绝对事件触发机制设计 |
| 3.2.2 控制器设计 |
| 3.2.3 稳定性分析 |
| 3.3 仿真研究 |
| 3.4 本章小结 |
| 第四章 基于扰动观测器的永磁同步电机自适应神经网络事件触发控制 |
| 4.1 问题描述 |
| 4.2 基于扰动观测器的自适应神经网络事件触发控制方案设计 |
| 4.2.1 扰动观测器设计 |
| 4.2.2 控制器设计 |
| 4.2.3 稳定性分析 |
| 4.3 仿真研究 |
| 4.4 本章小结 |
| 第五章 基于双通道事件触发的永磁同步电机自适应神经网络控制 |
| 5.1 问题描述 |
| 5.2 基于双通道事件触发的自适应神经网络控制方案设计 |
| 5.2.1 双通道事件触发机制设计 |
| 5.2.2 基于扰动观测器的控制器设计 |
| 5.2.3 事件触发条件设计和稳定性分析 |
| 5.3 仿真研究 |
| 5.4 本章小结 |
| 结论与展望 |
| 本文主要工作 |
| 工作展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（7）精密永磁直线同步电机系统扰动抑制方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.1.1 课题来源 |
| 1.1.2 课题背景 |
| 1.1.3 研究的目的和意义 |
| 1.2 永磁直线同步电机系统扰动抑制方法研究现状 |
| 1.2.1 电机系统扰动分类 |
| 1.2.2 电气子系统扰动抑制研究现状 |
| 1.2.3 机械子系统扰动抑制研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 永磁直线同步电机系统建模及扰动分析 |
| 2.1 引言 |
| 2.2 电气子系统建模及扰动分析 |
| 2.2.1 电气子系统建模 |
| 2.2.2 电气子系统扰动分析 |
| 2.3 机械子系统建模及扰动分析 |
| 2.3.1 机械子系统建模 |
| 2.3.2 机械子系统模型辨识 |
| 2.3.3 推力波动估计和分析 |
| 2.4 电机系统扩张状态建模 |
| 2.5 本章小结 |
| 第3章 考虑扰动动态下基于观测器的无差拍预测电流控制 |
| 3.1 引言 |
| 3.2 传统无差拍预测电流控制及问题分析 |
| 3.2.1 传统无差拍预测电流控制 |
| 3.2.2 问题分析 |
| 3.3 基于卡尔曼滤波器的无差拍预测电流控制 |
| 3.3.1 扩张状态建模下卡尔曼滤波器设计 |
| 3.3.2 基于ESM-KF的DPCC设计 |
| 3.3.3 ESM-KF性能分析及参数整定 |
| 3.3.4 基于ESM-KF的DPCC参数鲁棒性实验结果 |
| 3.4 基于通用比例积分观测器的无差拍预测电流控制 |
| 3.4.1 扩张状态建模下GPIO设计及收敛性分析 |
| 3.4.2 基于ESM-GPIO的DPCC设计 |
| 3.4.3 ESM-GPIO参数整定 |
| 3.4.4 基于ESM-GPIO的 DPCC参数鲁棒性实验结果 |
| 3.5 两种改进的DPCC性能对比 |
| 3.6 本章小结 |
| 第4章 考虑扰动动态下基于观测器的推力波动抑制 |
| 4.1 引言 |
| 4.2 基于卡尔曼滤波器的推力波动抑制 |
| 4.2.1 IESM-KF设计 |
| 4.2.2 IESM-KF参数整定 |
| 4.2.3 基于IESM-KF的推力波动抑制实验结果 |
| 4.3 基于通用比例积分观测器的推力波动抑制 |
| 4.3.1 GPIO推力波动观测器设计及收敛性分析 |
| 4.3.2 ESM-GPIO参数整定 |
| 4.3.3 基于ESM-GPIO的推力波动抑制实验结果 |
| 4.4 两种推力波动观测和抑制方法对比 |
| 4.5 本章小结 |
| 第5章 分数阶迭代学习控制及其参数频域整定 |
| 5.1 引言 |
| 5.2 迭代学习控制 |
| 5.3 PD~α改进型ILC及其参数频域整定 |
| 5.3.1 分数阶PD~α型 ILC |
| 5.3.2 PD~α改进型ILC |
| 5.3.3 参数频域整定方法 |
| 5.4 分数阶相位超前补偿型ILC及参数频域整定 |
| 5.4.1 分数阶相位超前补偿型ILC |
| 5.4.2 参数频域整定方法 |
| 5.5 实验研究 |
| 5.5.1 P+纯相位超前型ILC实验结果 |
| 5.5.2 D~α+纯相位超前型ILC实验结果 |
| 5.5.3 分数阶相位超前补偿型ILC实验结果 |
| 5.5.4 高速下三种ILC算法性能对比 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（8）基于状态观测的输出反馈控制算法研究及改进设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 非线性系统控制研究现状 |
| 1.2.1 自抗扰控制国内外研究现状 |
| 1.2.2 滑模控制国内外研究现状 |
| 1.2.3 自适应反步法控制国内外研究现状 |
| 1.3 预备知识 |
| 1.3.1 自抗扰控制基本原理和结构 |
| 1.3.2 滑模控制基本原理 |
| 1.3.3 反步法简介 |
| 1.4 本文主要工作和组织结构 |
| 第2章 基于扩张状态观测器的自适应输出反馈控制 |
| 2.1 问题模型及准备 |
| 2.2 扩张状态观测器设计 |
| 2.3 控制器设计及稳定性分析 |
| 2.3.1 非线性滤波器设计 |
| 2.3.2 控制器设计 |
| 2.4 仿真算例 |
| 2.5 本章小结 |
| 第3章 一类切换非线性系统的自适应反步滑模控制 |
| 3.1 被控系统模型及准备 |
| 3.1.1 系统模型描述和假设 |
| 3.1.2 模糊逻辑系统 |
| 3.2 模糊状态观测器 |
| 3.3 控制器设计 |
| 3.3.1 高阶滑模微分器 |
| 3.3.2 自适应反步法滑模控制器设计 |
| 3.4 稳定性分析 |
| 3.5 仿真算例 |
| 3.6 本章小结 |
| 第4章 基于扰动补偿的一类反应釜自适应积分滑模控制 |
| 4.1 数学建模及假设 |
| 4.2 有限时间状态观测器设计 |
| 4.3 滑模控制器设计 |
| 4.3.1 扰动观测及补偿 |
| 4.3.2 自适应积分滑模控制器设计 |
| 4.4 仿真算例 |
| 4.5 本章小结 |
| 第5章 结论与展望 |
| 5.1 论文成果总结 |
| 5.2 进一步的研究工作 |
| 参考文献 |
| 攻读硕士学位期间论文发表及科研情况 |
| 致谢 |
（9）基于自适应遗传PID算法的球杆系统控制器设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景和研究意义 |
| 1.2 球杆系统概述 |
| 1.3 球杆系统控制算法研究现状 |
| 1.4 遗传算法发展概况 |
| 1.4.1 遗传算法发展过程 |
| 1.4.2 遗传算法的研究现状 |
| 1.5 论文主要研究内容 |
| 第2章 球杆系统的建模与分析 |
| 2.1 球杆系统简介 |
| 2.2 球杆系统的组成和特点 |
| 2.2.1 球杆系统组成 |
| 2.2.2 球杆系统特点 |
| 2.3 球杆系统的建模 |
| 2.3.1 平衡杆数学模型 |
| 2.3.2 转盘数学模型 |
| 2.3.3 电机部分建模 |
| 2.4 本章小结 |
| 第3章 球杆系统的进一步分析 |
| 3.1 球杆系统分析 |
| 3.1.1 系统稳定性分析 |
| 3.1.2 球杆系统的闭环仿真实验 |
| 3.1.3 系统可控性分析 |
| 3.2 状态反馈校正球杆系统 |
| 3.2.1 状态反馈控制器设计 |
| 3.2.2 全状态反馈调节器的实现 |
| 3.2.3 仿真 |
| 3.2.4 实验 |
| 3.3 球杆系统稳定性影响因素 |
| 3.4 加入补偿环节的球杆系统仿真 |
| 3.4.1 球杆系统开环仿真 |
| 3.4.2 球杆系统的状态反馈校正 |
| 3.5 本章小结 |
| 第4章 基于遗传算法的PID控制 |
| 4.1 球杆系统的PID控制 |
| 4.1.1 PID控制简介 |
| 4.1.2 基本PID控制原理 |
| 4.1.3 数字PID控制算法 |
| 4.2 PID控制参数整定 |
| 4.2.1 常规PID参数整定方法 |
| 4.2.2 球杆系统的基本PID控制 |
| 4.3 遗传算法介绍 |
| 4.3.1 遗传算法操作步骤 |
| 4.3.2 遗传算法的实现流程 |
| 4.3.3 遗传算法数学理论 |
| 4.3.4 遗传算法求最优值 |
| 4.4 遗传算法PID控制 |
| 4.4.1 遗传算法PID控制流程 |
| 4.4.2 遗传算法PID控制实现 |
| 4.5 本章小结 |
| 第5章 基于自适应遗传算法的PID控制 |
| 5.1 基本遗传算法的缺陷 |
| 5.1.1 遗传算法的不足 |
| 5.1.2 收敛性分析 |
| 5.2 自适应遗传算法 |
| 5.2.1 自适应遗传算法的收敛性 |
| 5.3 自适应遗传PID仿真 |
| 5.3.1 遗传算法交叉变异概率的自适应 |
| 5.3.2 自适应遗传PID控制实现 |
| 5.3.3 仿真及实验 |
| 5.4 本章小结 |
| 第6章 结论 |
| 参考文献 |
| 在学研究成果 |
| 致谢 |
（10）不确定参数系统控制方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 不确定参数系统研究的背景与意义 |
| 1.2 不确定性的来源 |
| 1.3 解决不确定性的方法 |
| 1.3.1 随机控制理论 |
| 1.3.2 鲁棒控制理论 |
| 1.3.3 自适应控制 |
| 1.4 现有解决不确定性问题方法的缺陷 |
| 1.5 解决不确定性的方法改进 |
| 1.5.1 鲁棒自适应控制 |
| 1.5.2 随机鲁棒控制 |
| 1.5.3 对偶自适应控制 |
| 1.6 本文的研究内容 |
| 2 系统参数已知的控制器与状态估计器的设计问题 |
| 2.1 基于观测器的状态反馈控制 |
| 2.2 含有观测器的状态反馈系统的性质 |
| 2.3 仿真分析 |
| 2.4 本章小结 |
| 3 系统参数未知的控制算法研究 |
| 3.1 LS与最小方差控制 |
| 3.1.1 控制问题描述 |
| 3.1.2 最小方差控制器设计 |
| 3.2 模型参数辨识研究 |
| 3.2.1 伪随机序列(M序列)的产生 |
| 3.2.2 模型辨识 —传统最小二乘方法 |
| 3.2.3 模型辨识算法与仿真结果分析 |
| 3.3 自适应对偶控制 |
| 3.3.1 问题的提出 |
| 3.3.2 自适应对偶控制器设计框架 |
| 3.3.3 参数未知但是常数的仿真分析 |
| 3.3.4 模型参数发生切换仿真分析 |
| 3.4 本章小结 |
| 4 对偶控制的探测与谨慎性质 |
| 4.1 引言 |
| 4.2 谨慎与探测 |
| 4.3 最优随机控制问题 |
| 4.4 对偶控制器设计方法 |
| 4.5 自适应对偶控制仿真分析 |
| 4.6 本章小结 |
| 5 具有未知参数的LQG对偶控制算法研究 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 对偶控制问题 |
| 5.4 控制器设计 |
| 5.5 对偶控制算法 |
| 5.6 本章小结 |
| 6 具有学习特点的控制器设计算法 |
| 6.1 引言 |
| 6.2 问题描述 |
| 6.3 控制器设计 |
| 6.4 滚动学习控制算法 |
| 6.5 仿真分析 |
| 6.6 本章小结 |
| 7 一类混合不确定系统的对偶自适应控制 |
| 7.1 引言 |
| 7.2 问题描述 |
| 7.3 对偶自适应控制 |
| 7.4 仿真实验 |
| 7.5 本章小结 |
| 8 总结与展望 |
| 8.1 全文总结 |
| 8.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读博士期间完成的主要工作 |
四、反馈控制及其实际应用之研究（论文参考文献）
- [1]一种提高电压传输比的新型超稀疏矩阵变换器研究[D]. 张恒. 湖南工业大学, 2021(02)
- [2]网联车辆队列生态式协同自适应巡航控制策略研究[D]. 杨昱. 吉林大学, 2021(01)
- [3]面向自主船舶的危险分析方法研究[D]. 周翔宇. 大连海事大学, 2020(04)
- [4]基于核磁共振体系的闭环学习控制研究及应用[D]. 杨晓东. 中国科学技术大学, 2020(01)
- [5]飞机舵机电动加载系统多余力矩抑制方法研究[D]. 李卓. 中国民航大学, 2020(01)
- [6]基于事件触发的永磁同步电机自适应神经网络控制[D]. 黄锐鹏. 华南理工大学, 2020(02)
- [7]精密永磁直线同步电机系统扰动抑制方法研究[D]. 杨瑞. 哈尔滨工业大学, 2020(01)
- [8]基于状态观测的输出反馈控制算法研究及改进设计[D]. 代明星. 青岛理工大学, 2019(02)
- [9]基于自适应遗传PID算法的球杆系统控制器设计[D]. 庞家腾. 沈阳工业大学, 2019(01)
- [10]不确定参数系统控制方法研究[D]. 尚婷. 西安理工大学, 2019(01)