一、基于频域的广义预测控制器的鲁棒性分析（论文文献综述）
阳军[1]（2020）在《自适应控制系统瞬态性能增强及在飞行器姿态控制中的应用》文中研究表明飞行器系统作为一类典型的多输入多输出、强耦合、非线性机电系统,在实际工况下常面临高频未建模动态和外部未知干扰等不确定性,而这些因素都将增加飞行器姿态控制系统设计的复杂性。针对这些实际系统中存在的典型参数不确定性,自适应控制提供了一个有效的解决方案,其优势在于可根据控制系统误差在线更新模型参数或者控制器参数,以适应系统内部动态或外界扰动等变化。然而,虽然自适应控制部分成果已被应用于不同类型飞行器的姿态控制中,但在控制过程中依然面临学习过程响应迟缓、高频抖振和控制瞬态周期过长等问题,制约了自适应技术在飞行器等机电系统中的应用。纵观现有研究成果发现,大多数自适应控制理论都聚焦闭环系统的稳态性能和跟踪误差的收敛性,对于闭环系统瞬态性能（如:上升时间、调节时间和超调量等）的定量分析则依然是领域内研究的难点。对实际工程实践而言,良好的瞬态性能是系统安全、快速进入稳态的重要前提。为此,本文从飞行器姿态控制对系统瞬态响应需求出发,以模型参考自适应控制为基本框架,探索可增强自适应控制系统瞬态性能的有效途径,从自适应系统的三个要素（学习机制、参考模型和控制器结构）出发,分别提出了三种提升自适应控制系统瞬态性能的有效措施。最后,将所得到的理论成果用于典型飞行器的姿态控制问题开展仿真和实验验证。此外,在实验室自主设计和研发了一套三自由度飞行器半物理仿真系统,用于开展相关的仿真和实验来验证所提出方法正确性和有效性。主要研究内容如下:（1）一类典型三自由度飞行器半物理仿真平台设计和集成。该三自由度飞行器半物理仿真系统是从真实飞行器中抽离出的一类简单模型,可用于在实验室对飞行器三个主要自由度（俯仰、滚动和偏航）的运动姿态进行模拟。本文先介绍该半物理仿真平台的机构设计和系统集成,并建立其数学模型。在此基础上,以该模型为对象分析影响自适应控制系统瞬态性能的因素以及现有系统瞬态性能分析方法的保守性,进而引入柯西-施瓦茨不等式和L2-范数,构建了基于柯西-施瓦茨不等式的自适应控制误差瞬态性能分析方法。最后讨论了增强自适应控制系统瞬态性能的几个有效途径。（2）针对传统自适应控制中参数估计收敛性慢或不收敛进而影响系统瞬态性能的问题,提出一类含参数估计误差信息的自适应律设计新方法。首先引入滤波操作和定义辅助变量获取参数估计误差信息的显式形式,然后将其用于构建一个新的泄漏项,并引入到基于梯度下降法的自适应律中构建一类含参数估计误差和系统跟踪误差的复合自适应律。该类基于参数估计误差的自适应律可确保系统模型参数快速收敛,进而实现了控制系统瞬态性能的提升。此外,提出了一种含参数估计误差的投影算法,将所构建的自适应律进一步拓展到含未知控制输入矩阵系统的自适应控制设计。（3）针对传统自适应控制系统中不确定动态难以得到快速补偿影响系统超调和上升时间等问题,提出一类含外部命令调节器的闭环参考模型自适应控制。在介绍传统闭环参考模型自适应控制系统基础上,基于柯西-施瓦茨不等式详细分析了其收敛性能以及由闭环参考模型所诱发的峰值现象。进而构建了一个含系统跟踪误差动态的补偿策略,并将其引入外部指令信号中得到一类新的外部命令调节器。该外部命令调节器可快速、有效补偿自适应系统中的不确定性动态,进而提升控制系统的收敛速度、降低超调,实现瞬态性能的改善。最后将所构建的外部命令调节器用于含未知控制输入矩阵的自适应控制系统。（4）针对传统自适应控制系统在采用高增益学习或存在高频动态时可能诱发系统高频抖动导致控制系统瞬态性能下降问题,提出基于一类频率选择机制的模型参考自适应控制用于克服高频动态对系统的影响。首先引入一类高频动态提取策略获取闭环系统中的高频动态信息,然后通过反馈将其引入控制器中实现对系统高频动态的有效补偿。该补偿项可允许采用较大的学习增益来实现快速在线学习而不会诱发高频振荡,进而实现了控制系统瞬态性能的提升。在上述理论研究的基础上,本文还以两类典型的飞行器系统（一类机翼摇滚飞行器模型以及实验室搭建的一类三自由度半物理仿真系统）为具体对象开展仿真分析,并在搭建的半物理仿真系统中开展了实验验证工作。结果表明,本文从学习机制、参考模型和控制器结构三个方面出发提出的三类控制策略均能有效提升其在飞行器姿态控制中的性能。本论文工作为提升自适应控制技术在飞行器等实际机电系统中的应用做出了有益尝试。
韩兆坤[2]（2020）在《前件变量未知的T-S模糊系统有限频域输出反馈控制方法研究》文中研究指明非线性控制方法近些年来取得了长足的发展,Takagi和Sugeno于1985年提出的T-S模糊系统模型,其能够将复杂的非线性系统转化为隶属度函数和多个线性模型构成的模糊系统。在实际的控制系统设计中,通常希望找到合适控制器,使得系统满足稳定性、鲁棒性等性能指标,但考虑到被控对象的特点和输入信号的频谱特性,系统在不同的频域范围内需要满足不同的性能指标或大多工作在某一特定频段。因此,基于T-S模糊系统的有限频域控制方法研究具有十分重要的意义。本文主要针对上述问题中的观测器-控制器问题进行探讨:针对具有未知干扰和未知前件变量的连续时间T-S模糊系统的输出反馈问题,提出了一种有限频域的H?观测器-控制器设计方法。首先,给出观测器-控制器结构,随后证明了未知前件变量产生的误差项受Lipschitz条件的限制,再通过特征值实部的负性得到系统稳定的条件。为了在有限频域获得更好的系统控制性能,利用广义（Kalman–Yakubovich–Popov,KYP）引理来保证系统的鲁棒性。然后将稳定性和鲁棒性条件转化为可以使用凸优化方法求解的线性矩阵不等式（Linear matrix inequality,LMI）形式。最后,通过系统仿真实例验证了该方法的有效性。基于上述研究内容,为了进一步降低控制系统的保守性,又提出了前件变量完全未知情况下分段隶属度函数的观测器-控制器输出反馈控制及稳定性分析方法。首先,利用有限频域的H?观测器-控制器设计方法,得到LMI形式的稳定性和鲁棒性条件。然后,通过在稳定性条件中引入隶属度函数信息,来进一步降低控制系统的保守性。基于传统的隶属度函数均匀选点方法,提出一种将多维变量转换为单一维度的非均匀选点方法,在不增加计算量的前提下,进一步降低保守性。最后,通过仿真验证了该方法的有效性。
王福豹[3]（2020）在《降阶自抗扰控制器参数整定》文中提出随着社会经济的不断发展,工业化进程不断推进,传统的PID控制器限于其结构,在工业过程控制中面临着越来越大的挑战。自抗扰控制（Active Disturbance Rejection Control,ADRC）继承了传统PID控制“基于误差从而消除误差”的核心思想,它不依赖于精确的数学模型,将所有的模型不确定性和外部扰动统一视为广义扰动,并利用扩张状态观测器（Extended State Observer,ESO）和反馈控制器对该广义扰动进行实时估计和补偿,因此自抗扰控制具有抗扰能力强,跟踪速度快,鲁棒性强等特点。线性自抗扰控制（Linear Active Disturbance Rejection Control,LADRC）作为自抗扰控制的“线性版本”,结构相对简单,控制器参数通过观测器带宽和控制器带宽来调节,便于工程应用,因此被大力发展。另外,在实际的生产过程中,由于对象的一些输出信息可以直接获取,因此扩张状态观测器就无需对这些输出信息进行观测,只需对其他输出信息进行估计,这样的扩张状态观测器在结构上被称为降阶扩张状态观测器（Reduced Order Extended State Observer,RESO）,采用这种观测器的线性自抗扰控制被称为降阶线性自抗扰控制（Reduced Order Linear Active Disturbance Rejection Control,RLADRC）。相较一般的线性自抗扰控制,降阶线性自抗扰控制结构上更加简单,且控制相位更加超前。由于目前对降阶线性自抗扰控制参数整定的研究较少,本文提出了一种基于二阶降阶线性自抗扰控制器的参数整定方法,推进了降阶线性自抗扰控制的参数整定工作。首先,对降阶线性自抗扰控制的结构和特点进行了一定的研究分析;然后针对一阶惯性加时延对象（First-order Process With Dead-time,FOPDT）,通过求解优化问题,得到一种基于抗扰性能及鲁棒性能的二阶降阶线性自抗扰控制器的调参方法;最后针对一阶惯性加时延模型、Benchmark模型以及水轮机负荷频率控制系统进行了一系列的仿真对比实验,验证了本文所提调参方法的有效性和实用性。
毋萌[4]（2020）在《横列式双倾转旋翼飞行器模态过渡过程控制研究》文中提出倾转旋翼飞行器既有直升机的垂直起降功能,又有定翼机的高速巡航飞行能力,融合了两种飞行器的优点,在军民领域的用途将非常广泛。本文以XV-15为原型,针对横列式双倾转旋翼机,对三模态统一机理建模修正改进与模型特性分析,开展全模态纵垂向飞行控制策略的研究,设计合适的过渡段转换方案,使倾转旋翼机在满足高度、前飞速度等限制的情况下,安全、平稳、高效地完成从直升机模式到定翼机模式的动态转换。首先,在课题组已有基础上对非线性动力学模型的不足之处进行改善,修正气动数据。针对倾转旋翼机过渡段操纵冗余问题,确立操纵分配策略,改进倾转旋翼机的Simulink非线性仿真模型。然后,分析配平结果以及倾转旋翼机三个模态的模型操纵与响应特性,与GTRS/JANRAD对比分析所建立模型的有效性。以机翼失速限制确定低速段的短舱倾转角-速度包线,以旋翼拉力限制确定高速段的包线,结合机体姿态与操纵量的物理约束,确立短舱倾转飞行过程中的安全走廊与参考过渡路径曲线。接着,鉴于倾转旋翼机的非线性、强耦合、模型大范围变化等复杂动态行为,将基于状态方程的MPC算法应用在倾转旋翼机的纵垂向飞行控制中,结合直升机与定翼机模态各自的运动特性,以线性化状态空间模型为基础,分别设计基于模型预测控制的控制方案,通过在目标函数中引入微分偏差率改善长周期动态响应,希尔德雷思算法迭代求解控制量的方法来处理约束,最终制定了短舱倾转过渡过程的飞行控制方案,在此基础上利用Flight Gear软件进行可视化仿真。并对比MPC与LQR的关联,理论上分析了使用预测控制算法可以获得更好的控制效果。最后,设计一系列仿真实验,分析了系统模型偏离对控制性能的影响,验证了本文设计的基于MPC控制方案能够在大范围飞行条件下表现出色的性能,具有良好的鲁棒性。
杜肖丰[5]（2020）在《未知MIMO非线性系统的自耦PID协同控制策略研究》文中认为永磁同步电机、飞行器、机械臂等被控对象都属于多输入多输出（Multiple-Input Multiple-Output,MIMO）非线性系统,由于其特点包括非线性特性、参数时变特性、多变量耦合特性等复杂特性,因此,现有各类控制方法难以取得预期的控制效果。针对未知MIMO非线性系统的控制难题,本文使用研究了一种基于自适应速度因子的自耦PID（Auto-Coupling PID,简称ACPID）协同控制方法。该控制方法不仅继承了PID控制、滑模控制以及自抗扰控制等以误差来消除误差的经典控制理论精髓,而且分别消除了 PID增益鲁棒性差的问题、消除了滑模控制固有高频抖振问题以及自抗扰控制计算量大的问题;借鉴了自抗扰控制的“总和扰动”定义:将系统所有未知复杂因素定义为总和扰动（扩张状态）,进而将任意非线性复杂系统映射为未知线性系统,并形成一个在总和扰动反相激励下的受控误差系统,使用一个与被控对象模型无关的速度因子将比例、积分和微分三个环节紧密耦合在一起,从而实现了一个功能各异而目标一致的协同控制系统,分别从时域和复频域分析了 ACPID协同控制系统的全局鲁棒稳定性和抗扰动鲁棒性,取得了预期研究效果,形成了明显的特色和创新:1)将未知内部动态和外部不确定性定义为总和扰动,使未知MIMO非线性系统映射为未知MIMO线性系统,淡化了线性与非线性、耦合与非耦合、仿射与非仿射、时变与时不变性等系统分类的概念;2)根据被控系统从动态过程进入稳态过程的过渡过程时间来整定最小速度因子,使得ACPID控制器模型及增益整定规则只与速度因子有关而与被控系统的模型无关,不仅有效解决了针对不同对象纠缠相应控制方法的难题,而且也有效解决了 PID增益整定的难题;3)为了避免控制系统在动态过程中因积分饱和出现超调与振荡现象,设计了随误差变化率而变化的自适应速度因子模型,有效解决快速性和超调之间的矛盾。为了验证本文研究方法的有效性,本文分别将基于自适应速度因子的ACPID、ACPD及ACPI控制方法应用于未知MIMO非线性系统、未知MIMO非线性非仿射系统和未知MIMO非线性时变系统。基于MATLAB/Simulink仿真平台的实验结果表明,本文的控制方法不依赖被控对象的数学模型,结构简单、计算量小、控制精度高、响应速度快,具有良好的抗扰动鲁棒性,在工业控制领域具有广泛的应用前景。
于思淼[6]（2019）在《空间机械臂抓取过程半物理仿真系统关键技术研究》文中提出空间机械臂抓取过程半物理（HIL）仿真是地面模拟空间机械臂抓取过程,研究不同形式机械臂的抓取特性和对接初始条件等问题的重要手段。空间机械臂抓取过程半物理仿真系统由对接动力学模型和HIL仿真系统实物组成。研究抓取过程HIL仿真系统特性、探究提高系统模拟能力的方法是保证系统准确模拟抓取过程的关键。而基于机器人位置内环控制和力外环控制的形式使HIL仿真系统成为一个模型复杂、强耦合、存在许多不确定性和未知性的复杂系统;同时,空间机械臂抓取过程由捕获阶段、拖动阶段、姿态校正阶段和缓冲阶段组成,不同阶段具有不同的特点;使HIL仿真系统建模、分析、控制和补偿方法等关键技术的研究变得困难。对此,本文从以下几个方面进行研究:设计空间机械臂抓取过程HIL仿真系统。针对研究目的和要求,采用集中参数法的建模思想,将机械臂等效为六自由度质量-弹簧-阻尼系统,建立空间机械臂对接动力学模型。综合对接动力学模型、并联机器人模型和接触模型建立空间机械臂抓取过程HIL仿真系统模型。从系统参数配置关系、系统稳定条件和对接动力学频率模拟能力三个重要方面分析HIL仿真系统的特性,得到系统满足稳定性和模拟精度的关键结论。抓取过程中要求并联机器人具有较快的响应速度或较大的频宽以提高HIL仿真系统的稳定性和模拟精度。而抓取过程中并联机器人受力复杂且驱动系统参数时变,通常的基于模型的控制器较难设计。对此,提出设计基于无模型的模糊增量控制器应用在并联机器人控制中;其具有万能逼近特性,可以自行组织并联机器人支腿的速度和位置信息,由设计的隶属度函数和控制规则动态调节控制器的输出。与传统的控制方法相比,验证提出的控制策略对减小并联机器人动态响应延迟、提高HIL仿真系统模拟能力的有效性和优越性。HIL仿真系统中的两个力失真问题严重影响系统特性。1)力传感器测量延迟:提出基于Smith预测的力测量延迟补偿方法。该方法集成了一阶相位补偿模型和Smith预测模型,可有效补偿对接动力学频率范围内测量力的相位和幅值偏差;2)并联机器人动态响应延迟导致的接触力偏差:并联机器人动态响应延迟和并联机器人频宽与对接动力学频率的限制条件经常使系统不稳定或产生精度损失。为实现拖动阶段等过程的有效模拟,提出一种基于三自由度刚度-阻尼在线辨识的力和力矩补偿方法。考虑多自由度接触参数的时变特性,对三个互相垂直方向的刚度和阻尼进行在线辨识;建立六自由度力和力矩补偿模型用于补偿并联机器人动态响应延迟导致的接触力和力矩偏差,使用于对接动力学计算的力和力矩不受到延迟的影响。在并联机器人延迟较大或频宽较小的影响下,保证高接触刚度、高频运动的拖动阶段等过程的准确模拟。抓取的姿态校正阶段和缓冲阶段,当接触刚度很大时,由于存在延迟,机械臂为数学模型的HIL仿真系统会因为对接机构的接触刚度过大而不稳定。针对高刚度接触情况,提出将机械臂等效为六维弹簧实物模拟机械臂抓取过程的方法。将柔性机械臂刚度引入到物理接触环节中以降低系统的串联刚度,提升系统的稳定性,实现抓取过程模拟。建立HIL仿真系统模型并全面分析系统特性,得到系统满足稳定性和模拟精度的关键结论。针对多刚度-多阻尼-单质量的接触环境,提出基于过程参数在线辨识的离散域力补偿方法用于补偿并联机器人动态响应延迟导致的力偏差,改善HIL仿真系统特性并提高系统模拟能力。当机械臂刚度和接触刚度均较大时,机械臂等效为六维弹簧实物的HIL仿真系统在模拟抓取的缓冲阶段时仍会因为高刚度、低阻尼接触而不稳定。对此,提出用主动柔顺力控制方法模拟缓冲阶段。而接触环境中的二阶振荡环节和参数时变特性会严重影响力控制系统的稳定性和频宽;同时,系统中的噪声和并联机器人模型的不确定性也影响力控制特性。对此,提出采用μ理论设计鲁棒控制器应用在缓冲阶段力控制系统中,以提高力控制系统的鲁棒稳定性、频宽和抗干扰特性,实现缓冲阶段的有效模拟。
蒋美英[7]（2019）在《复杂多变量系统闭环辨识与内模控制方法研究》文中研究指明工业现场多变量系统包含不确定性、多时滞、强耦合、输入输出受约束等特征,往往存在模型难以精确刻画等问题,采用传统单一的系统控制器设计方法难以满足高精度控制品质的需求。为获得更好的系统控制品质,本文引入强化学习、频域分析和平均频域非方相对增益矩阵（NRGA,Nonsquare Relative Gain Array）等先进策略,从系统模型参数估计、内模控制器设计及参数优化、控制器的稳定性与鲁棒性分析和补偿器设计等方面对复杂多变量系统中一些较难解决的问题进行研究,提出解决方案和改进措施,并结合实验仿真进行验证。本文主要研究内容包括:1、针对闭环系统辨识问题,引入频域响应估计法（FRE,Frequency Response Estimation）,利用系统的频率特性分析系统的控制性能,能够快速准确给出所辨识受控对象模型的参数估计,然而该方法存在一定的局限性,即模型估计精度取决于衰减因子的选择。本文基于强化学习算法（CARLA,Continuous Action Reinforcement Learning Automata）提出了具有自适应特性的衰减因子计算方法——基于强化学习的频域响应估计法（CARLA-FRE）。该方法借助连续动作强化学习算法的在线搜索和学习能力,通过动态调整得到最优的衰减因子。对所采用的CARLA算法进行多种基本函数辨识能力测试,及与粒子群算法（PSO,Particle Swarm Optimization）、并行弥漫式（FWA,Fireworks Algorithm）算法对比,CARLA算法具备更强的全局搜索能力和准确性;2、将（1）中所提的CARLA-FRE方法扩展到多变量方系统和非方系统闭环辨识中,为后续先进控制器的设计提供优化模型。该方法利用顺序激励信号法将多输入多输出（MIMO）系统等效分解成若干个单输入单输出（SISO）系统,然后利用CARLA-FRE方法获取子系统参数的解析表达式,进而获得模型估计,实现多变量方系统和非方系统的闭环辨识问题。最后,将该方法应用到多变量系统的内模控制中,围绕基于CARLA-FRE方法在多变量系统中的内模控制器设计展开研究,选取经典的Wood-Berry模型（方系统）和Shell模型（非方系统）进行仿真验证。该方法融合强化学习与频域响应估计法,具备更强的在线学习能力和抗干扰能力,为后续内模控制研究提供模型支撑;3、为实现提高多变量多时滞控制系统性能的目的,采用线性二次高斯控制（LQG,Linear Quadratic Gaussian）方法对所提基于频域辨识的模型进行最优控制器设计。由于多变量多时滞系统中存在大量的噪声、延迟以及各部分参数摄动,本文将LQG控制方法引入到多变量多时滞过程模型中,针对此类模型中所包含系统延迟、噪声和参数摄动等不确定因素进行有效补偿和控制,提高系统参数失配鲁棒性和扰动抑制能力;4、针对一类典型强耦合非方系统,提出了两种内模控制器设计优化方法。以多变量时滞秩亏系统为研究对象,设计基于惩罚伪逆的内模控制器,通过引入惩罚因子,用非满秩系统的伪逆来代替模型的逆,提出适合时滞秩亏系统的内模控制器设计方法,采用连续强化学习对惩罚因子进行寻优,获得最大惩罚因子。针对多变量结构秩亏系统,设计基于补偿器原理的内模控制器,采用平均频域NRGA准则实现对方形子系统的最优选择。仿真结果表明,所提的两种内模控制器优化方法不但简单易行,而且在系统模型参数失配情况下也具有较强的鲁棒性和稳定性。
孙瀚[8]（2019）在《基于多模态生物电信号人机交互技术研究》文中进行了进一步梳理基于生物电信号的人机接口是一种新型的人机交互技术,使用人体自身的生物电信号构建与外部设备直接相连的通道。目前主要采用的生物电信号有脑电信号（EEG）及表面肌电信号（sEMG）。EEG信号记录了头皮脑电信号,不依赖肌肉组织,具有响应速度快、使用安全方便、无创性等优点;sEMG信号可以直接反映肌肉活动情况和运动意图,操作方便自然,信号相对较稳定、幅值较大。本研究对基于多模态生物电信号的人机接口进行了深入研究,并充分分析了单模态信号处理方法。本研究提出了少量电极共空间模式算法及基于所有样本对信息的相关性距离度量算法,这两种算法的组合可以用于电极/特征提取及选择;还结合深度度量学习,创新性地提出了基于二分图最大权完美匹配的多模态信号处理算法MWP-EMG-EEGNet。将这些算法用于多种任务,可以测试分类性能,其中,论文重点分析了ERP范式诱发的多模态生物电信号的单试次识别,并将相关结论运用于研究基于生物电信号的反应时间缩短程度。算法结果验证了生物电信号可以在更短的时间内得到更高的反应动作识别准确率。在这些算法研究基础上,本论文工作还搭建了在线人机接口系统,实现在线测试及应用。本论文工作设计了可穿戴式设备,该设备可以记录进行四种腕部活动时上臂肌肉组织诱发的sEMG信号。信号的时域、频域和时频域可提取共42维特征向量。本研究提出的DM算法利用所有样本对信息重新定义了类间距离和类内距离,将二者的比值作为可分性度量标准。四种不同分类器算法用于评价通过DM算法得到的普适性最优特征子集。在线任务是通过可穿戴式设备采集实时sEMG信号,并在有简单障碍物的环境下通过四种不同范式操纵改装设计的遥控车完成指定路径。任务完成时间和动作识别正确率是在线测试的两个性能评估指标。硬件测试结果说明采集系统SNR指标达到68.91 dB。特征选择结果表明DM算法可以使用23维特征达到96.77%的分类性能。在线测试结果表明,信号窗口长度为125 ms的状态机范式最接近实际控制情况,在线任务完成时间为48.08 s。将脑机接口系统应用在日常生活中的一个关键难点是如何减少电极数量,因此本研究提出了少量电极共空间模式算法（Fewer-channel Common Spatial Patterns,FCSP）及基于模拟退火策略的相关性距离度量（Corr-DM）算法来选取普适性最优化电极组合。采集被试者进行心算任务和想象空间旋转任务时的认知行为EEG信号验证算法性能。本论文研究提出的算法组合平均仅需7个电极就可以区分上述两种认知行为任务,达到90%的二分类正确率阈值,并结合截断加权算法确定了普适性的最优化电极组合。通过相关性和可分性分析验证最优化电极组合在训练组被试者数据上的有效性,相关性分析表明该电极组合与全部电极组合有显着性相关关系,可分性分析表明当使用最优化电极组合时,两种认知行为任务的信号有显着性差异。对测试集被试者进行跨被试分析,结果说明使用普适性电极组合的平均分类正确率可达到93.18%。基于上述生物电信号处理算法及结果,本论文还研究了生物电信号对于反应时间的缩短情况。本文设计了基于反应时间的实验范式,使用Corr-DM算法选取10个电极,并通过滑动窗及拓展时间窗方法分别分析EEG和sEMG信号。结果表明两种模态的反应时间相对于实际鼠标反应时间分别缩短了159.04 ms和75.22 ms。生物电信号可以在较短的反应时间内得到较高的反应动作识别准确率。本研究使用人工神经网络分析0400 ms的EEG信号,反应动作识别准确率（单试次ERP信号分类正确率）可以达到93.39%;使用手工特征工程结合SVM算法分析0400 ms的sEMG信号,反应动作识别准确率为88.65%;两种生物电信号的反应准确率相对于真实鼠标点击准确率的提升幅度分别为60.2%及55.46%。基于单模态反应时间的分析结果,本论文研究提出了基于最大权完美匹配（Maximum-Weight Perfect,MWP）的多模态生物电处理算法MWP-EMG-EEGNet,算法的核心思想是在加权完备二分图中找到最大权完美匹配,这样可以为批量数据中的每个样本找到最优匹配的同类/异类难样本,从而缓解训练过程中的过训练及样本不平衡问题。在此基础上,本论文将MWP匹配引入深度度量学习框架,研究设计了一种新型的损失目标函数,联合该损失函数与二值交叉熵损失实现端到端训练。多模态处理算法可以结合单模态分析的优势,保证了生物电信号反应时间（307.22 ms）的同时,可以获得较优的反应动作识别准确率,具体实验结果说明:在0400 ms时段多模态处理算法可以达到96.38%的识别准确率,高于实际反应动作准确率63.19%;联合训练MWP匹配和交叉熵损失优化目标可以同时考虑异类样本可分性及同类样本紧凑性,优化试次样本在特征空间中的分布;基于MWP匹配可以完成难样本加权,提升神经网络模型的收敛速度和分类精度。在上述离线数据分析的基础上,本论文工作设计了两种多模态生物电信号的在线人机接口系统。第一种联合了NeuroScan、BCI2000及FieldTrip工具箱,邀请与离线实验中相同的被试组进行了两次在线实验,第一次在线实验（仅使用离线实验数据训练的模型）及第二次在线实验（使用离线实验数据和第一次有反馈在线实验数据联合训练）得到的平均分类正确率分别为94.62%和97.16%。但是该系统还存在便携性问题,因此本论文还设计了一种便携式多模态生物电信号采集系统,实现多操作系统及多编程环境下的实时数据采集及图形可视化界面设计;本研究还将该系统应用于虚拟轮椅控制,设计的系统和算法能够准确识别出转向和前进状态,转向状态中还可以具体识别出左转和右转状态。
田震[9]（2019）在《不确定系统的鲁棒控制方法研究及其在电力系统中的应用》文中研究指明我国电力供应具有火电和水电为主、分布式可再生能源为辅的基本特征。其中,分布式可再生能源是未来清洁能源的主要发展方向。为了缓解我国日益严峻的能源和环境危机,既需要研究清洁高效燃煤发电技术,同时也要大力发展分布式可再生能源发电及并网技术。无论是传统的燃煤火电机组还是基于分布式电源的微网,其安全高效运行均与控制系统紧密相关。本文将着重研究鲁棒控制若干关键问题及其在电力系统中的应用,为加快我国未来智能电网的建设提供理论指导和应用参考。本文的主要研究成果包括:（1）针对一类含非匹配不确定性系统,研究了基于广义干扰估计器（Uncertainty and Disturbance Estimator,UDE）的鲁棒控制方法。首先,分析了基于UDE闭环控制系统的镇定条件,提出了一种参考模型的系统设计方法。在此基础上,研究了一种基于UDE的渐近跟踪鲁棒控制方法,可同时对匹配不确定性和非匹配不确定性进行补偿。针对一类非线性不确定系统,结合UDE和滑模控制二者的优点,提出了一种连续滑模控制方法,从根本上解决了非匹配不确定性问题和滑模控制固有的抖振缺陷。（2）针对一类仿射非线性系统,结合反馈线性化和滑模控制方法,提出了一种基于自适应反馈线性化的鲁棒控制方法,以提高控制系统的动态性能和鲁棒性。首先,设计了一种自适应反馈线性化策略以消除模型不确定性所带来的线性化误差。基于线性化模型,采用超螺旋算法设计了二阶滑模控制器,并证明了闭环系统的鲁棒稳定性。为了验证所提出控制方法的有效性,将其用于亚临界火电机组的鲁棒协调控制器的设计。为此,建立了火电机组的非线性控制模型,并利用某实际机组的历史运行数据进行了模型参数辨识和模型验证。（3）针对一类受约束非线性系统,融合滑模控制和预测控制的优点,提出了一种具备双模控制律的滑模预测控制方法。当系统状态位于滑模区以外时,采用预测控制滚动优化得到的控制序列,其中预测控制器的优化目标函数同时包含滑模误差和控制输入,在约束域内使得系统状态向滑模面最优逼近。当系统状态位于滑模区以内,采用离散滑模控制律来抑制干扰,获得良好的鲁棒性能和稳态性能。此外,在理论上证明了所设计控制算法的输入-状态稳定性。考虑实际机组受运行条件约束,将所设计的滑模预测控制方法应用于超超临界机组的协调控制,验证了所提出控制方法的优良性能。（4）针对分布式电源中的电力电子变换器,研究了直流变压器和逆变器的鲁棒控制。首先,以光伏电站中直流变压器为对象,针对直流侧电压受光伏板输出电压波动、负荷变化和电路参数不确定性等干扰的影响,设计了基于UDE的连续滑模控制器,并进行了仿真和实验验证。然后,以微网中并联运行的逆变器为研究对象,以提高并联逆变器的鲁棒稳定性、电压质量和功率调整的动态性能为目标,提出了一种基于虚拟阻抗的电压补偿控制策略。通过引入互质分解和控制器参数化的概念,利用零极点配置,从控制理论的角度提出了一种统一的虚拟阻抗设计方法,从理论上严格保证了并联逆变器的稳定性。（5）针对微网中分布式电源的并网问题,研究了两种快速高精度的电压参数估计方法,即基于虚拟同步机的正弦波锁定器和基于滑模观测器的电压参数估计器。通过引入虚拟定子阻抗来消除虚拟同步机的冗余平衡点,从而保证在大扰动下电压参数估计的鲁棒性。针对传统锁相环响应速度慢、易受谐波干扰影响的缺点,通过设计滑模状态观测器和频率系数观测误差重构,获得了对电网电压参数的快速鲁棒估计。针对孤岛模式下的互联微网系统,研究多个分布式电源和微网群之间的协调控制。针对互联微网系统频率和电压的二次控制,提出了一种基于多智能体的双层分布式统一控制架构。底层控制系统负责各个分布式电源之间的协调控制,完成独立微网系统的频率/电压恢复、功率分配和经济运行等任务。上层控制负责各个微网之间的协调控制,完成微网群之间的孤岛、重联、功率分配和经济运行等任务。利用所提出的双层控制方法,互联微网系统可在多种模式之间灵活运行。
张楠[10]（2019）在《抽水蓄能机组调速系统非线性模型参数辨识及优化控制研究》文中进行了进一步梳理随着我国能源结构由化石能源向非化石能源的不断转换,作为一种重要的可再生清洁能源,抽水蓄能电站承担着电网调峰调频等重要任务。此外,近年来风光等间歇性能源大量接入电网,其波动性使电网的稳定运行受到了严重威胁,抽水蓄能电站作为一种重要的储能技术能有效抑制风光等间歇能源对电网的影响,因此,有必要加快抽水蓄能电站的开工建设,促进我国能源结构的深化调整,以保障电网安全稳定运行。然而,抽水蓄能电站正朝着高水头、大单机容量、复杂过水系统、超长引水管道方向发展,其控制问题极为复杂,亟待针对其优化控制难题,探索新的理论与技术。抽水蓄能电站调速系统的精确建模是系统动态过程仿真、稳定性分析、机组故障诊断、参数辨识和控制优化等研究工作的基础。传统的PID控制器在面对复杂调速系统时仍存在着一些局限性,控制器参数优化和新型控制器设计是改善系统控制性能的有效手段。在此背景下,针对调速系统建模和控制优化所面临的关键科学问题和技术难点,本文进行了系统深入的研究。以数学建模、系统辨识和智能优化算法为理论支撑,建立了调速系统精细化模型,以此为基础,围绕分数阶PID、控制器参数优化、多目标优化控制、模糊模型辨识和广义预测控制器设计开展了深入的研究,并取得了一定理论与应用成果。本文的主要工作和创新性成果包括:（1）深入研究了抽水蓄能机组调速系统复杂非线性特性,建立了调速系统各关键部件数学模型。针对水泵水轮机“S”特性所带来的插值多值性和仿真迭代不收敛等问题,提出采用对数投影法和改进Suter变换对水泵水轮机全特性曲线进行处理,有效缓解了“S”特性区域曲线的交叉、重叠和扭卷现象。根据不同的研究需求,搭建了调速系统线性仿真模型、非线性仿真模型和数值仿真模型,为后续调速系统参数辨识和控制优化奠定了模型基础。（2）为实现调速系统的精确建模,获得系统当前实际模型参数,在深入研究基于智能优化算法参数辨识理论的基础上,提出一种结合精英引导策略、自适应万有引力常数衰减因子、变异操作和弹性球边界处理策略的改进引力搜索算法（mixed-strategy based gravitational search algorithm,MS-GSA）,建立了基于MS-GSA的参数辨识方法,实现了调速系统高精度建模。（3）提出并设计了调速系统分数阶PID控制器（FOPID）,取代传统整数阶PID控制器。针对分数阶PID控制器的参数整定问题,研究采用改进引力搜索算法（CGGSA）进行控制器参数优化,获得机组当前工况最优控制器参数,三种水头下机组频率扰动实验结果表明,CGGSA-FOPID控制器在不同水头下均具有更好的控制效果,显着改善了机组的动态性能。（4）抽水蓄能机组调速系统由于受到外部环境和工况变化的影响,单一固定的控制器参数无法保证机组在不同工况下的最优运行。本文在深入研究多目标建模及其优化算法的基础上,基于不同工况下系统的动态性能指标构建多目标函数,引入分数阶PID控制器,建立了基于改进多目标粒子群优化算法分数阶PID控制器多工况多目标优化控制策略,多组实验结果表明,本文所提出的多工况控制策略,显着提高了机组对环境和工况变化的适应性。（5）研究了基于T-S模糊模型辨识抽水蓄能机组调速系统广义预测控制方法,基于建立的调速系统数值仿真模型,结合T-S模糊模型辨识理论,建立了基于离线辨识和在线辨识相结合的调速系统瞬时线性化CARIMA模型,实现了机组广义预测控制器设计,与传统PID控制器相比,具有更好的控制性能。
二、基于频域的广义预测控制器的鲁棒性分析（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、基于频域的广义预测控制器的鲁棒性分析（论文提纲范文）
（1）自适应控制系统瞬态性能增强及在飞行器姿态控制中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 符号说明 |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 课题研究背景及意义 |
| 1.3 飞行器姿态控制国内外研究现状 |
| 1.3.1 飞行器系统不确定性动态描述 |
| 1.3.2 飞行器姿态控制研究现状 |
| 1.4 自适应控制国内外研究现状 |
| 1.4.1 控制系统瞬态性能描述 |
| 1.4.2 自适应控制研究现状 |
| 1.4.3 自适应控制系统瞬态性能增强研究现状 |
| 1.5 本课题主要研究内容 |
| 第二章 飞行器半物理仿真平台设计及模型参考自适应控制 |
| 2.1 引言 |
| 2.2 三自由度飞行器半物理仿真平台设计与系统集成 |
| 2.2.1 半物理仿真平台设计 |
| 2.2.2 半物理仿真平台控制系统集成 |
| 2.2.3 半物理仿真系统的动力学模型 |
| 2.3 传统模型参考自适应控制系统设计及稳定性分析 |
| 2.4 模型参考自适应控制系统瞬态性能分析 |
| 2.4.1 基于李雅普诺夫方法的瞬态性能分析 |
| 2.4.2 基于柯西-施瓦茨不等式的瞬态性能分析 |
| 2.4.3 自适应控制系统瞬态性能增强的有效途径 |
| 2.5 基于半物理仿真系统的仿真与实验 |
| 2.5.1 仿真验证 |
| 2.5.2 实验验证 |
| 2.6 本章小结 |
| 第三章 含参数估计误差的模型参考自适应控制 |
| 3.1 引言 |
| 3.2 含参数估计误差的自适应控制设计 |
| 3.2.1 自适应律设计 |
| 3.2.2 闭环系统稳定性及误差边界分析 |
| 3.2.3 不同自适应律对比分析 |
| 3.3 含未知控制输入矩阵系统的自适应控制 |
| 3.3.1 问题描述 |
| 3.3.2 含参数估计误差的投影算法 |
| 3.3.3 闭环系统稳定性分析 |
| 3.3.4 闭环系统鲁棒性分析 |
| 3.4 仿真验证 |
| 3.5 实验验证 |
| 3.6 本章小结 |
| 第四章 基于外部命令调节器的闭环参考模型自适应控制 |
| 4.1 引言 |
| 4.2 传统闭环参考模型自适应控制及性能分析 |
| 4.2.1 闭环参考模型自适应控制 |
| 4.2.2 闭环参考模型对误差收敛性的影响 |
| 4.2.3 闭环参考模型的峰值现象 |
| 4.3 基于外部命令调节器的闭环参考模型自适应控制 |
| 4.3.1 含外部命令调节器的闭环参考模型设计 |
| 4.3.3 含外部命令调节器的控制系统性能分析 |
| 4.3.4 闭环系统鲁棒性分析 |
| 4.4 仿真验证 |
| 4.4.1 基于一类机翼摇滚动力学模型的仿真验证 |
| 4.4.2 基于半物理仿真系统模型的仿真验证 |
| 4.5 实验验证 |
| 4.6 本章小结 |
| 第五章 基于一类频率选择机制的模型参考自适应控制 |
| 5.1 引言 |
| 5.2 基于一类频率选择机制的反馈控制器设计 |
| 5.2.1 问题描述 |
| 5.2.2 含频率选择机制的自适应控制设计 |
| 5.2.3 闭环控制系统稳定性分析 |
| 5.2.4 闭环系统瞬态性能分析及控制参数选择 |
| 5.3 仿真验证 |
| 5.4 实验验证 |
| 5.5 本章小结 |
| 第六章 结论和展望 |
| 6.1 研究成果总结 |
| 6.2 主要创新点 |
| 6.3 工作展望 |
| 致谢 |
| 参考文献 |
| 附录A:攻读博士期间发表与录用论文情况 |
| 附录B:攻读博士期间申请及公布专利情况 |
| 附录C:攻读博士期间参与项目情况 |
（2）前件变量未知的T-S模糊系统有限频域输出反馈控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.1.1 课题来源 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 T-S模糊系统输出反馈控制研究现状 |
| 1.2.2 有限频域控制方法研究现状 |
| 1.3 本文主要研究内容与章节安排 |
| 第2章 系统模型和基本理论 |
| 2.1 Takagi-Sugeno模糊模型 |
| 2.1.1 T-S模糊模型 |
| 2.1.2 扇区非线性建模方法 |
| 2.1.3 局部线性化建模方法 |
| 2.2 线性矩阵不等式 |
| 2.2.1 线性矩阵不等式的表示式 |
| 2.2.2 线性矩阵不等式的相关特性 |
| 2.2.3 LMI工具箱介绍 |
| 2.3 Lyapunov稳定性分析 |
| 2.4 本章小结 |
| 第3章 T-S模糊系统有限频域H_∞观测器-控制器设计方法 |
| 3.1 系统描述 |
| 3.2 观测器-控制器设计 |
| 3.3 主要结果 |
| 3.3.1 相关引理 |
| 3.3.2 有限频域范围内稳定性和鲁棒性分析 |
| 3.4 仿真分析 |
| 3.5 本章小结 |
| 第4章 T-S模糊系统分段隶属度函数的观测器-控制器设计方法 |
| 4.1 问题描述 |
| 4.2 主要结果 |
| 4.2.1 分段隶属度函数逼近 |
| 4.2.2 隶属度函数的非均匀分段过程 |
| 4.2.3 基于分段隶属度函数的稳定性和鲁棒性分析 |
| 4.3 仿真分析 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（3）降阶自抗扰控制器参数整定（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题选题背景和研究的目的及意义 |
| 1.2 本课题相关研究现状及动态 |
| 1.3 本课题研究的主要内容 |
| 第2章 降阶线性自抗扰控制 |
| 2.1 线性自抗扰控制 |
| 2.2 降阶线性自抗扰控制 |
| 2.3 二阶降阶线性自抗扰控制器 |
| 2.4 本章小结 |
| 第3章 基于抗扰及鲁棒性能的参数整定方法 |
| 3.1 性能指标 |
| 3.1.1 抗干扰性能 |
| 3.1.2 鲁棒性能 |
| 3.2 参数整定方法 |
| 3.3 本章小结 |
| 第4章 仿真试验 |
| 4.1 一阶惯性加时延受控对象 |
| 4.1.1 控制性能实验 |
| 4.1.2 鲁棒性能实验 |
| 4.2 Benchmark系统实验 |
| 4.3 水轮机负荷频率控制实例 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（4）横列式双倾转旋翼飞行器模态过渡过程控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 倾转旋翼机发展历程 |
| 1.3 倾转旋翼机研究现状 |
| 1.3.1 倾转多旋翼布局结构发展及转换控制方案 |
| 1.3.2 控制算法研究现状 |
| 1.4 模型预测控制的研究现状 |
| 1.5 本文的主要内容与结构安排 |
| 第二章 倾转旋翼机纵垂向飞行力学模型 |
| 2.1 坐标系定义及变换 |
| 2.2 三自由度非线性模型 |
| 2.2.1 气动模型 |
| 2.2.2 运动方程 |
| 2.3 操纵分配策略 |
| 2.4 本章小结 |
| 第三章 模型配平分析与走廊曲线的确定 |
| 3.1 配平 |
| 3.2 配平点的非线性模型分析 |
| 3.3 线性化模型与分析 |
| 3.4 走廊与参考过渡曲线的确定 |
| 3.5 本章小结 |
| 第四章 倾转旋翼机单模态控制器设计 |
| 4.1 基于参数化模型的预测控制 |
| 4.1.1 基本原理 |
| 4.1.2 算法改进 |
| 4.2 基于模型预测算法的单模态控制器设计 |
| 4.2.1 直升机模态控制 |
| 4.2.2 定翼机模态控制 |
| 4.3 本章小结 |
| 第五章 倾转旋翼机过渡过程切换控制 |
| 5.1 过渡过程切换控制方案设计 |
| 5.2 鲁棒性分析 |
| 5.2.1 转动惯量偏差的影响 |
| 5.2.2 升力阻力系数偏差的影响 |
| 5.2.3 质心平移偏差的影响 |
| 5.3 FLIGHT GEAR可视化仿真 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
| 附录 XV-15基本参数 |
（5）未知MIMO非线性系统的自耦PID协同控制策略研究（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 MIMO系统的国内外研究现状 |
| 1.3 传统控制方法概述 |
| 1.3.1 PID控制方法 |
| 1.3.2 滑模变结构控制控制方法 |
| 1.3.3 自抗扰控制方法 |
| 1.4 全文内容及章节安排 |
| 第二章 ACPID控制方法概述 |
| 2.1 引言 |
| 2.2 ACPID控制原理 |
| 2.2.1 ACPID控制器模型 |
| 2.2.2 ACPID整定规则 |
| 2.2.3 速度因子 |
| 2.2.4 自适应速度因子 |
| 2.2.5 稳定性证明 |
| 2.3 仿真实例 |
| 2.3.1 系统动态分析 |
| 2.3.2 仿真实验分析 |
| 2.4 本章小结 |
| 第三章 未知MIMO非线性系统的ACPID控制 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 基于自适应速度因子的ACPID控制器设计 |
| 3.4 稳定性证明 |
| 3.5 仿真实例 |
| 3.5.1 系统动态分析 |
| 3.5.2 仿真实验分析 |
| 3.6 本章小结 |
| 第四章 未知MIMO非线性系统的ACPD和ACPI控制 |
| 4.1 引言 |
| 4.2 未知MIMO非线性非仿射系统的ACPD控制 |
| 4.2.1 问题描述 |
| 4.2.2 基于自适应速度因子的ACPD控制器设计 |
| 4.2.3 稳定性证明 |
| 4.2.4 仿真实例 |
| 4.3 未知MIMO非线性时变系统的ACPI控制 |
| 4.3.1 问题描述 |
| 4.3.2 基于自适应速度因子的ACPI控制器设计 |
| 4.3.3 稳定性证明 |
| 4.3.4 仿真实例 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 本文的特色及创新 |
| 5.3 展望 |
| 参考文献 |
| 致谢 |
| 附录A (攻读硕士学位期间发表论文目录) |
| 附录B (攻读硕士学位期间参与项目) |
（6）空间机械臂抓取过程半物理仿真系统关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题来源及研究意义 |
| 1.2 空间对接技术及其仿真系统研究现状 |
| 1.2.1 空间对接技术研究现状 |
| 1.2.2 空间对接仿真技术研究现状 |
| 1.3 空间对接半物理仿真系统关键技术研究现状 |
| 1.3.1 并联机器人研究现状 |
| 1.3.2 机器人力控制研究现状 |
| 1.3.3 半物理仿真系统的研究概况总结 |
| 1.4 本文的主要研究内容 |
| 第2章 空间机械臂对接动力学建模与半物理仿真系统稳定性研究 |
| 2.1 引言 |
| 2.2 空间机械臂抓取过程半物理仿真系统组成 |
| 2.3 空间机械臂对接动力学建模 |
| 2.4 空间机械臂抓取过程半物理仿真系统建模与稳定性分析 |
| 2.4.1 空间机械臂抓取过程半物理仿真系统建模 |
| 2.4.2 空间机械臂抓取过程半物理仿真系统稳定性分析 |
| 2.5 稳定性分析结论和对接动力学频率模拟能力分析结论验证 |
| 2.6 本章小结 |
| 第3章 空间机械臂抓取过程半物理仿真系统并联机器人控制策略研究 |
| 3.1 引言 |
| 3.2 并联机器人建模 |
| 3.2.1 并联机器人运动学模型 |
| 3.2.2 并联机器人动力学模型 |
| 3.2.3 永磁同步电机控制系统模型 |
| 3.2.4 并联机器人整体模型 |
| 3.3 基于模糊增量控制的并联机器人控制策略研究 |
| 3.3.1 模糊控制器及其功能模块分析 |
| 3.3.2 模糊增量控制器设计 |
| 3.4 基于模糊增量控制的抓取过程半物理仿真系统模拟 |
| 3.4.1 基于模糊增量控制的抓取过程半物理仿真系统模拟仿真验证 |
| 3.4.2 基于模糊增量控制的抓取过程半物理仿真系统模拟实验验证 |
| 3.5 本章小结 |
| 第4章 空间机械臂抓取过程半物理仿真系统的力补偿方法研究 |
| 4.1 引言 |
| 4.2 基于Smith预测的力传感器测量延迟补偿方法研究 |
| 4.2.1 力传感器测量延迟模型 |
| 4.2.2 Simth预测补偿模型 |
| 4.3 基于三自由度刚度-阻尼在线辨识的力和力矩补偿方法研究 |
| 4.3.1 对接机构接触模型 |
| 4.3.2 基于卡尔曼滤波的三自由度刚度-阻尼参数辨识 |
| 4.3.3 力和力矩补偿模型 |
| 4.3.4 基于力和力矩补偿的半物理仿真系统模型与分析 |
| 4.4 Smith预测补偿与力和力矩补偿方法验证 |
| 4.4.1 Smith预测补偿与力和力矩补偿方法仿真验证 |
| 4.4.2 力和力矩补偿方法实验验证 |
| 4.5 本章小结 |
| 第5章 空间机械臂等效为六维弹簧机构的半物理仿真系统特性研究 |
| 5.1 引言 |
| 5.2 机械臂等效为六维弹簧机构的半物理仿真系统建模与分析 |
| 5.2.1 机械臂等效为六维弹簧机构的半物理仿真系统组成 |
| 5.2.2 机械臂等效为六维弹簧机构的半物理仿真系统建模 |
| 5.2.3 机械臂等效为六维弹簧机构的半物理仿真系统特性分析 |
| 5.3 基于过程参数在线辨识的离散域力补偿研究 |
| 5.3.1 过程参数辨识与离散域力补偿模型 |
| 5.3.2 基于离散域力补偿的半物理仿真系统模型与分析 |
| 5.4 特性分析结论与离散域力补偿方法验证 |
| 5.4.1 空间机械臂抓取过程半物理仿真系统特性分析结论仿真验证 |
| 5.4.2 基于过程参数在线辨识的离散域补偿方法仿真验证 |
| 5.4.3 空间机械臂抓取过程半物理仿真系统特性分析结论实验验证 |
| 5.4.4 基于过程参数在线辨识的离散域力补偿方法实验验证 |
| 5.5 本章小结 |
| 第6章 空间机械臂等效为六维弹簧机构的半物理仿真系统主动力控制研究 |
| 6.1 引言 |
| 6.2 空间机械臂抓取过程半物理仿真系统主动柔顺力控制模型 |
| 6.3 基于μ理论的鲁棒力控制研究 |
| 6.3.1 不确定性的描述 |
| 6.3.2 标准H∞问题 |
| 6.3.3 鲁棒稳定性分析 |
| 6.3.4 μ设计与鲁棒性能 |
| 6.3.5 鲁棒力控制结构 |
| 6.3.6 力控制器鲁棒性分析 |
| 6.4 基于不同力控制器的主动柔顺力控制模拟 |
| 6.4.1 基于不同力控制器的主动柔顺力控制仿真验证 |
| 6.4.2 基于不同力控制器的主动柔顺力控制实验验证 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文 |
| 致谢 |
| 个人简历 |
（7）复杂多变量系统闭环辨识与内模控制方法研究（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 内模控制方法 |
| 1.2.1 内模控制基本原理 |
| 1.2.2 内模控制国内外研究现状 |
| 1.2.3 多变量系统内模控制研究现状 |
| 1.2.4 多变量非方系统内模控制研究现状 |
| 1.3 系统辨识方法 |
| 1.3.1 系统辨识简介 |
| 1.3.2 多变量系统辨识研究现状 |
| 1.4 主要研究内容 |
| 第二章 基于强化学习的频域响应估计法(CARLA-FRE) |
| 2.1 引言 |
| 2.2 频域响应估计法 |
| 2.2.1 开环控制系统的频域分析 |
| 2.2.2 闭环控制系统的频域分析 |
| 2.2.3 频域分析方法的优缺点 |
| 2.3 基于强化学习的频域响应估计法 |
| 2.3.1 强化学习基本原理 |
| 2.3.2 连续动作强化学习自动机算法 |
| 2.3.3 基于CARLA的频域响应估计法 |
| 2.4 CARLA算法性能验证 |
| 2.5 本章小结 |
| 第三章 基于CARLA-FRE辨识的多变量系统内模控制应用 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 基于CARLA-FRE的多变量系统内模控制 |
| 3.3.1 基于CARLA-FRE的多变量方系统辨识 |
| 3.3.2 基于CARLA-FRE的多变量非方系统辨识 |
| 3.3.3 多变量系统的内模控制器设计方法 |
| 3.4 仿真实验 |
| 3.4.1 多变量方系统辨识——Wood-Berry模型 |
| 3.4.2 多变量非方系统辨识——Shell模型 |
| 3.5 本章小结 |
| 第四章 基于LQG控制方法的多变量多时滞过程最优控制 |
| 4.1 引言 |
| 4.2 卡尔曼滤波和最优控制介绍 |
| 4.2.1 卡尔曼滤波理论 |
| 4.2.2 最优控制 |
| 4.2.3 状态反馈原理 |
| 4.2.4 状态空间模型构造 |
| 4.3 基于最优控制方法的多变量多时滞过程控制律设计 |
| 4.3.1 基于卡尔曼滤波器的状态估计 |
| 4.3.2 最优控制律设计 |
| 4.4 仿真研究 |
| 4.5 本章小结 |
| 第五章 一类强耦合非方系统的内模控制方法优化研究 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 基于惩罚伪逆的时滞非方系统内模控制方法 |
| 5.3.1 解耦内模控制结构 |
| 5.3.2 内模控制器的设计 |
| 5.3.3 稳态性能分析 |
| 5.3.4 基于CARLA的最大惩罚因子ρ_0寻优 |
| 5.4 基于补偿器原理的非方系统内模控制方法 |
| 5.4.1 补偿器的设计 |
| 5.4.2 方形子系统的选择 |
| 5.4.3 内模控制器的应用 |
| 5.5 仿真分析 |
| 5.5.1 基于惩罚伪逆的内模控制器设计 |
| 5.5.2 基于补偿器原理的内模控制器设计 |
| 5.5.3 以上两种内模控制器的仿真分析 |
| 5.6 小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 附件 |
（8）基于多模态生物电信号人机交互技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 脑机接口研究背景与现状 |
| 1.1.1 脑机接口研究背景 |
| 1.1.2 脑机接口研究现状 |
| 1.2 基于肌电的人机接口研究背景和现状 |
| 1.2.1 基于肌电的人机接口研究背景 |
| 1.2.2 基于肌电的人机接口研究现状 |
| 1.3 多模态生物电人机接口研究背景和现状 |
| 1.3.1 多模态生物电人机接口研究背景 |
| 1.3.2 多模态生物电人机接口研究现状 |
| 1.4 生物电人机接口存在的问题及课题研究思路 |
| 1.4.1 系统的问题 |
| 1.4.2 课题研究思路 |
| 1.5 论文内容安排 |
| 第二章 基于生物电信号人机接口的研究基础 |
| 2.1 人机接口系统构成 |
| 2.2 脑机接口研究基础 |
| 2.2.1 EEG信号采集 |
| 2.2.2 脑电节律 |
| 2.2.3 基于EEG信号的BCI系统类型 |
| 2.2.4 信号处理算法 |
| 2.3 基于sEMG人机接口研究基础 |
| 2.3.1 EMG信号的产生 |
| 2.3.2 sEMG信号采集与处理 |
| 2.4 本章小结 |
| 第三章 基于新型特征优化技术的可穿戴式表面肌电信号人机接口 |
| 3.1 引言 |
| 3.2 采集系统电路结构 |
| 3.2.1 离线sEMG信号采集系统 |
| 3.2.2 可穿戴式sEMG信号采集系统 |
| 3.2.3 采集系统硬件测试结果分析 |
| 3.3 实验方案设计 |
| 3.4 信号预处理 |
| 3.4.1 预处理算法 |
| 3.4.2 预处理算法结果分析 |
| 3.5 特征选择及分析结果 |
| 3.5.1 特征提取 |
| 3.5.2 特征选择 |
| 3.5.3 特征分类 |
| 3.5.4 电极和特征选择算法结果分析 |
| 3.5.5 特征分类算法结果分析 |
| 3.6 基于sEMG信号的人机接口控制范式 |
| 3.6.1 控制范式 |
| 3.6.2 基于s EMG信号的可穿戴式HCI系统在线性能评估 |
| 3.7 讨论 |
| 3.7.1 基于s EMG信号的可穿戴式HCI系统设计 |
| 3.7.2 特征选择和分类 |
| 3.7.3 实时控制性能 |
| 3.7.4 系统局限性及未来工作 |
| 3.8 本章小结 |
| 第四章 基于最优化少量电极的认知行为想象脑机接口 |
| 4.1 引言 |
| 4.2 样本量确定及实验数据集描述 |
| 4.2.1 样本量确定 |
| 4.2.2 BCI系统被试者数量确定 |
| 4.2.3 实验范式设计 |
| 4.2.4 数据采集与数据集描述 |
| 4.3 信号预处理 |
| 4.3.1 信号预处理算法 |
| 4.3.2 特征可视化 |
| 4.3.3 信号预处理及可视化结果分析 |
| 4.3.4 ERD/S结果分析 |
| 4.4 实验方案及算法 |
| 4.4.1 CSP算法 |
| 4.4.2 传统CSP算法在EEG信号分析中的应用 |
| 4.4.3 改进的CSP算法在EEG信号分析中的应用 |
| 4.4.4 通用电极选择算法 |
| 4.4.5 基于相关性的新型DM电极选择方法 |
| 4.5 算法结果分析 |
| 4.5.1 特征提取算法结果分析 |
| 4.5.2 电极选择算法分析 |
| 4.5.3 最优电极组合选择 |
| 4.5.4 最优电极组合普适性与有效性验证 |
| 4.5.5 跨被试者普适性及鲁棒性分析 |
| 4.6 讨论 |
| 4.7 本章小结 |
| 第五章 多模态生物电信号对反应时间缩短情况的研究 |
| 5.1 引言 |
| 5.2 事件相关电位物理意义 |
| 5.3 实验范式设计与数据采集 |
| 5.4 EEG信号整体评估及范式选择实验结果 |
| 5.4.1 真实反应时间分析 |
| 5.4.2 ERP信号可视化结果分析 |
| 5.4.3 ERP波形分类性能评估 |
| 5.4.4 浅层神经网络分类结果 |
| 5.5 基于EEG信号的反应时间分析 |
| 5.5.1 基于滑动窗算法的反应时间确定 |
| 5.5.2 普适性最优电极组合选择 |
| 5.5.3 与实际鼠标点击反应时间对比 |
| 5.5.4 基于滑动窗金字塔加权修正的无约束识别 |
| 5.6 sEMG信号分析及结果 |
| 5.6.1 可视化结果 |
| 5.6.2 不同特征向量提取方式比较 |
| 5.6.3 基于拓展时间窗的反应时间分析 |
| 5.7 讨论与本章小结 |
| 第六章 基于最大权完美匹配的多模态生物电信号人机接口 |
| 6.1 引言 |
| 6.2 深层卷积神经网络架构背景介绍 |
| 6.2.1 深层卷积神经网络架构基本组件 |
| 6.2.2 CNN的改进优化方法 |
| 6.2.3 损失目标函数 |
| 6.3 数据集描述 |
| 6.4 算法流程 |
| 6.4.1 处理ERP波形的CNN网络结构 |
| 6.4.2 基于最大权完美匹配的难样本选择 |
| 6.4.3 关于MWP匹配方法及损失函数对比讨论 |
| 6.5 实验结果分析 |
| 6.5.1 运行环境及参数设置 |
| 6.5.2 EEGNet与传统方法对比结果 |
| 6.5.3 MWP-EEGNet对系统性能的提升 |
| 6.5.4 基于MWP-EMG-EEGNet多模态融合结果分析 |
| 6.6 本章小结 |
| 第七章 基于多模态生物电信号的在线人机接口系统 |
| 7.1 引言 |
| 7.2 基于NeuroScan的在线人机接口系统设计 |
| 7.2.1 基础模块 |
| 7.2.2 在线系统整体框架 |
| 7.2.3 在线实验方法 |
| 7.2.4 在线信号处理及结果分析 |
| 7.3 便携式多功能生物电采集系统 |
| 7.3.1 硬件电路设计 |
| 7.3.2 硬件采集系统测试结果 |
| 7.3.3 软件平台设计 |
| 7.3.4 数据分析算法 |
| 7.3.5 软件平台结果测试 |
| 7.3.6 基于PSUEEG平台的虚拟智能轮椅系统 |
| 7.4 本章小结 |
| 第八章 总结与展望 |
| 8.1 总结 |
| 8.2 展望 |
| 参考文献 |
| 附录 A 主要代码流程及执行结果 |
| 致谢 |
| 作者简介 |
（9）不确定系统的鲁棒控制方法研究及其在电力系统中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 国内外研究现状 |
| 1.2.1 滑模控制的研究现状 |
| 1.2.2 干扰观测器的研究现状 |
| 1.2.3 火电机组的建模与控制 |
| 1.2.4 智能电网的关键控制技术 |
| 1.2.5 微网的安全运行与控制 |
| 1.2.6 电力电子系统的稳定控制 |
| 1.3 本文的主要工作 |
| 第2章 含非匹配不确定性系统的鲁棒控制 |
| 2.1 基于UDE的渐近跟踪鲁棒控制 |
| 2.1.1 基于UDE的控制方法简介 |
| 2.1.2 镇定条件分析 |
| 2.1.3 参考模型的系统设计方法 |
| 2.1.4 含非匹配不确定性下的控制器设计 |
| 2.1.5 仿真结果及分析 |
| 2.2 基于UDE的连续滑模控制 |
| 2.2.1 二阶不确定系统的连续滑模控制 |
| 2.2.2 高阶不确定系统的连续滑模控制 |
| 2.2.3 仿真结果及分析 |
| 2.3 DC-DC变换器的连续滑模控制 |
| 2.3.1 DC-DC变换器建模 |
| 2.3.2 连续滑模控制器设计 |
| 2.3.3 仿真及实验结果分析 |
| 2.4 本章小结 |
| 第3章 仿射非线性系统的自适应滑模控制 |
| 3.1 自适应高阶滑模控制方法 |
| 3.1.1 问题描述 |
| 3.1.2 控制器设计 |
| 3.1.3 稳定性分析 |
| 3.2 亚临界火电机组控制模型开发 |
| 3.2.1 模型建立 |
| 3.2.2 模型验证 |
| 3.3 亚临界火电机组的鲁棒协调控制 |
| 3.3.1 控制器设计 |
| 3.3.2 仿真结果及分析 |
| 3.4 本章小结 |
| 第4章 受约束非线性系统的滑模预测控制 |
| 4.1 滑模预测控制方法 |
| 4.1.1 问题描述 |
| 4.1.2 控制器设计 |
| 4.1.3 闭环稳定性分析 |
| 4.2 超超临界火电机组控制模型开发 |
| 4.2.1 模型建立 |
| 4.2.2 模型验证 |
| 4.3 超超临界火电机组的鲁棒协调控制 |
| 4.3.1 控制器设计 |
| 4.3.2 仿真结果及分析 |
| 4.4 本章小结 |
| 第5章 鲁棒控制方法在微网中的应用 |
| 5.1 基于虚拟阻抗的逆变器广义鲁棒控制 |
| 5.1.1 并联逆变器系统的阻抗建模 |
| 5.1.2 基于互质分解的虚拟阻抗设计 |
| 5.1.3 闭环系统稳定性和鲁棒性分析 |
| 5.1.4 虚拟阻抗对功率控制环的影响 |
| 5.1.5 仿真结果及分析 |
| 5.2 同步控制中电网电压参数的鲁棒估计 |
| 5.2.1 基于虚拟同步机理论的电压参数估计 |
| 5.2.2 基于滑模观测器的电压参数鲁棒估计 |
| 5.3 互联微网系统的频率/电压双层分布式控制 |
| 5.3.1 互联微网系统的双层分布式控制 |
| 5.3.2 互联微网系统的多模式运行 |
| 5.3.3 控制系统的稳定性和最优性分析 |
| 5.3.4 仿真算例及分析 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 主要结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间学术成果 |
| 参与的主要科研项目 |
（10）抽水蓄能机组调速系统非线性模型参数辨识及优化控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究的背景、意义与目标 |
| 1.2 水泵水轮机全特性曲线建模研究 |
| 1.3 抽水蓄能机组调速系统辨识研究概述 |
| 1.4 抽水蓄能机组调速系统控制优化研究概述 |
| 1.5 本文主要研究内容 |
| 2 抽水蓄能机组调速系统建模研究 |
| 2.1 引言 |
| 2.2 调速器数学模型 |
| 2.3 压力过水系统数学模型 |
| 2.4 水泵水轮机数学模型 |
| 2.5 发电/电动机及负载数学模型 |
| 2.6 抽水蓄能机组调速系统仿真模型 |
| 2.7 抽水蓄能机组调速系统模型验证 |
| 2.8 本章小结 |
| 3 抽水蓄能机组调速系统参数辨识 |
| 3.1 引言 |
| 3.2 万有引力搜索算法 |
| 3.3 改进万有引力搜索算法 |
| 3.4 基于MS-GSA抽水蓄能机组调速系统参数辨识 |
| 3.5 本章小结 |
| 4 抽水蓄能机组调速系统分数阶PID控制器参数优化 |
| 4.1 引言 |
| 4.2 分数阶理论及分数阶PID控制器 |
| 4.3 抽水蓄能机组分数阶PI~λD~μ控制器参数优化 |
| 4.4 本章小结 |
| 5 抽水蓄能机组调速系统多目标优化控制 |
| 5.1 引言 |
| 5.2 多目标优化问题 |
| 5.3 多目标粒子群优化算法 |
| 5.4 改进多目标粒子群优化算法 |
| 5.5 抽水蓄能机组调速系统多工况多目标分数阶PI~λD~μ优化控制 |
| 5.6 本章小结 |
| 6 抽水蓄能机组调速系统广义预测控制 |
| 6.1 引言 |
| 6.2 广义预测控制基本原理 |
| 6.3 T-S模糊模型辨识 |
| 6.4 实例验证及结果分析 |
| 6.5 本章小结 |
| 7 全文总结与展望 |
| 7.1 全文工作总结 |
| 7.2 进一步研究展望 |
| 致谢 |
| 参考文献 |
| 附录1 :攻读博士期间发表的论文 |
| 附录2 :攻读博士期间完成和参与的科研项目 |
四、基于频域的广义预测控制器的鲁棒性分析（论文参考文献）
- [1]自适应控制系统瞬态性能增强及在飞行器姿态控制中的应用[D]. 阳军. 昆明理工大学, 2020
- [2]前件变量未知的T-S模糊系统有限频域输出反馈控制方法研究[D]. 韩兆坤. 哈尔滨理工大学, 2020(02)
- [3]降阶自抗扰控制器参数整定[D]. 王福豹. 华北电力大学(北京), 2020(06)
- [4]横列式双倾转旋翼飞行器模态过渡过程控制研究[D]. 毋萌. 南京航空航天大学, 2020(07)
- [5]未知MIMO非线性系统的自耦PID协同控制策略研究[D]. 杜肖丰. 长沙理工大学, 2020(07)
- [6]空间机械臂抓取过程半物理仿真系统关键技术研究[D]. 于思淼. 哈尔滨工业大学, 2019(01)
- [7]复杂多变量系统闭环辨识与内模控制方法研究[D]. 蒋美英. 北京化工大学, 2019(01)
- [8]基于多模态生物电信号人机交互技术研究[D]. 孙瀚. 东南大学, 2019(01)
- [9]不确定系统的鲁棒控制方法研究及其在电力系统中的应用[D]. 田震. 上海交通大学, 2019
- [10]抽水蓄能机组调速系统非线性模型参数辨识及优化控制研究[D]. 张楠. 华中科技大学, 2019