oHuaiMi的博客

针对凹版印刷机放卷系统对张力控制稳定性的要求，提出了一种利用自抗扰控制（ＡＤＲＣ）技术来设计张力解耦控制器的新方法．根据放卷系统的工作机理，建立了放卷张力系统的非线性耦合数学模型，用ＡＤＲＣ方法推导了张力系统的解耦模型，得到了系统阶数和静态解耦模型．在放卷张力系统模型的基础上，利用ＡＤＲＣ技术对放卷系统的张力解耦控制器进行了设计．控制器内部鲁棒性和抗干扰性能的对比仿真结果表明，所设计的ＡＤＲＣ解耦控制器可以较好地实现系统的解耦，并具有比传统比例积分微分控制器更好的内部鲁棒性和抗干扰性

对直线型倒立摆系统, 采用自抗扰控制技术来设计控制方案.对于这样的单输入双输出、强非线性、强耦 合的不稳定系统, 在原自抗扰控制算法的基础上, 通过增加一个跟踪微分器和控制律由两个被控量的误差组合构 成的方法, 突破了原有的自抗扰控制算法只适用于单输入单输出系统的限制, 实现了摆的偏角和小台车位移的良 好控制效果, 数字仿真结果证实了这种方法的有效性

Decoupling control for two-axis inertially stabilized platform based on an inverse system and internal model control------This paper describes a decoupling control scheme for a two-axis inertially stabilized platform (ISP) used in the airborne power line inspection system. The dynamic model of the ISP has been obtained by using the Newton–Euler equation first. The inverse system method combining with the internal model control has been proposed to deal with the nonlinearity and coupling of the ISP. The key idea is to design an inverse system with measured system states such as angular positions, rates and accelerations. Then a pseudo-linear system is constructed when the inverse system is connected with the original system in series. As a result, the coupled nonlinear MIMO (Multiple-Input Multiple-Output) system is converted to two linear decoupled SISO (Single-Input Single-Output) subsystems. Model uncertainties or unmeasurable disturbances existing objectively can be solved by introducing internal model control. Better decoupling effect and disturbance rejecting ability are demonstrated by numerical simulations and experiments carried out on a two-axis ISP system.

时滞是工业生产过程中被控对象的一种重要特性, 时滞越大, 控制系统的品质降低越严重, 因此长期以来时滞控制系统是过程控制研究中一个热门课题。而强时滞又是公认的一种最难控制的对象特性。提出一种强时滞系统弱化成一个小时滞系统的方法与系统结构, 在此基础上采用优化鲁棒滤波器, 将时滞弱化过程中, 模型不匹配误差所产生的高频干扰信号滤去, 使系统成为一个真正弱化的时滞系统。然后通过时滞弱化系统固有的操作频率来合分配滤波器与控制器在整个系统中所提供的相位与振幅, 达到系统各组成环节的协调优化与统一。同时, 提出一种改进型的PID控制器及其参数整定方法, 结合工业热交换温度控制系统说明方法的应用。实验表明, 该系统具有较好的调节品质

提出一种新的基于递阶模糊聚类系统的模糊建模方法.目的在于通过一系列的步骤优化T-S 模糊模型结构,实现非线性系统的建模和预测.首先利用最近邻聚类法初始划分输入空间, 得到规则数及初始聚类中心, 用模糊C均值算法(FCM)进一步优化聚类中心;然后利用加权最小二乘法估计模糊模型的初始参数, 进一步利用带遗忘因子的递推最小二乘法优化结论参数.采用该方法对Mackey-Glass 混沌时间序列进行预测实验, 结表明可以对Mackey-Glass 混沌时间序列进行准确建模和预测, 证明了本方法的有效