一、一類不穩(wěn)定時滯過程的最優(yōu)抗干擾控制（論文文獻綜述）
張宇明[1]（2021）在《階躍擾動下時滯過程線性自抗擾控制方法研究》文中指出時代的發(fā)展與變化為過程工業(yè)帶來了新的挑戰(zhàn),需要過程工業(yè)實現(xiàn)精細化生產(chǎn)、降低成本、提高產(chǎn)量,因而也對各工業(yè)裝置的控制提出了更高的要求?？刂茊栴}一般可分為伺服問題與調(diào)節(jié)器問題,前者對應(yīng)著對參考設(shè)定值的快速追蹤,后者對應(yīng)著對于干擾的良好抑制。一般來說,過程工業(yè)中裝置的被控變量設(shè)定值不會頻繁改變,而裝置會頻繁受擾動的特點決定了對干擾的抑制將會是過程工業(yè)控制問題的主要目標。另一方面,自抗擾技術(shù)作為一種較新的抗擾技術(shù),因其抗擾效果良好,已經(jīng)展現(xiàn)出了強大的生命力。本文將以時滯過程為對象,以抗擾為目標,探索研究使用自抗擾技術(shù)對階躍擾動下時滯過程的控制問題。本文研究的主要內(nèi)容與成果包括:1、針對時滯過程的線性降階自抗擾控制器的參數(shù)域搜尋。由于時滯現(xiàn)象的存在使得自抗擾控制器的理論分析較為困難,同時也限制了控制器的性能。本文針對時滯過程,首先提出了一種頻域內(nèi)降階的對時滯過程的自抗擾控制器結(jié)構(gòu)。在對控制器進行調(diào)參時,需要先知道一個大概的參數(shù)域來保證系統(tǒng)的穩(wěn)定,而由于線性自抗擾控制器特殊的結(jié)構(gòu)與形式,參數(shù)域很難解析地求得,因此本文還提出一種利用D-分解的圖解法,將自抗擾控制器的參數(shù)映射到一個參數(shù)空間內(nèi),獲得了滿足穩(wěn)定性條件及特定魯棒性條件的參數(shù)域。仿真實驗結(jié)果表明,降階后的自抗擾控制器在不改變參數(shù)的條件下具有更好的抗干擾性能,并且尋找到的參數(shù)域能夠為后續(xù)控制器的優(yōu)化提供條件。2、基于多新息在線閉環(huán)辨識的預(yù)測自抗擾控制器。處理時滯系統(tǒng)的時滯問題思路之一是使用預(yù)測器,如果預(yù)測器使用的模型精確,則這種方法理論上從結(jié)構(gòu)上去除時滯的影響。最為常用的預(yù)測器是Smith預(yù)估器。Smith預(yù)估器在標稱狀況下對時滯有良好的處理效果,但它同時也對模型不確定性比較敏感,一旦出現(xiàn)模型失配將可能影響到系統(tǒng)的抗擾性能。針對于此問題,本文提出一種針對二階帶時滯過程的在線閉環(huán)的多新息辨識方法,該方法對采樣點個數(shù)和采樣時間要求較寬松,能夠在對象特性發(fā)生變化時用較短的時間辨識出系統(tǒng)模型。通過仿真能夠看出,所提出的有效輔助控制器參數(shù)的調(diào)整。3、基于差分變步長蟻獅算法的自抗擾控制器參數(shù)優(yōu)化方法?？刂破髟O(shè)計的重要一環(huán)是參數(shù)整定,它可以概括為一個帶約束的非線性優(yōu)化問題。直接求解該問題往往較為困難和復(fù)雜。本文提出了一種改進的蟻獅算法,首先引入差分進化思想,增加了種群的多樣性,提升了算法的全局搜索能力;然后采取步長縮放策略,保證算法在局部搜索時能有更高的精度。將改進的蟻獅算法用于自抗擾控制器的參數(shù)優(yōu)化,仿真對比結(jié)果表明,改進后的算法能夠搜索到更佳的參數(shù)。4、多變量不確定時滯過程的廣義自抗擾控制。多變量不確定系統(tǒng)廣泛存在于工業(yè)過程中,本文提出了一套針對不確定時滯過程的廣義自抗擾控制器設(shè)計過程,首先使用有效開環(huán)傳遞函數(shù)將多回路控制問題分解為單回路控制問題,再使用前文提出的改進蟻獅算法對模型進行降階,最后綜合考慮了抗擾能力、不確定時滯存在時系統(tǒng)的穩(wěn)定條件以及由未建模動態(tài)和模型降階引入的魯棒性問題。仿真實驗結(jié)果表明,本文所提出的方法能夠設(shè)計出具有更好效果的控制器。
臧儒東[2]（2021）在《基于預(yù)估器的結(jié)晶反應(yīng)釜溫度控制與批次優(yōu)化》文中研究指明時滯響應(yīng)普遍存在于化工生產(chǎn)過程,近些年來在控制工程領(lǐng)域有很多學(xué)者研究和探討如何克服時滯的不利影響來提高控制系統(tǒng)性能。本文針對帶有輸入或輸出時滯的開環(huán)穩(wěn)定和積分過程,提出一種基于預(yù)估器的控制結(jié)構(gòu),然后對于結(jié)晶反應(yīng)釜給出一種基于預(yù)估器的溫度控制系統(tǒng)設(shè)計和批次優(yōu)化方案,主要研究內(nèi)容包括:針對帶有時滯的開環(huán)穩(wěn)定和積分過程,提出一種新穎的基于預(yù)估器的抗干擾控制方案。首先采用一個廣義預(yù)估器（Generalized Predictor,GP）和兩個有限增益的可實現(xiàn)微分器來估計無延遲輸出響應(yīng)及其變化特性,然后基于輸入信號和無延遲輸出響應(yīng)估計,預(yù)測擾動響應(yīng)用于前饋補償。通過指定期望的閉環(huán)極點,反向推導(dǎo)求出反饋控制器。該方法的突出優(yōu)點在于可以通過分別單調(diào)地調(diào)節(jié)預(yù)估濾波器、微分器和反饋控制器中的單一可調(diào)參數(shù),方便地在控制性能與克服過程不確定性的魯棒性之間進行折衷。基于小增益定理,分析閉環(huán)系統(tǒng)維持魯棒穩(wěn)定性的充分條件。采用近期文獻中的兩個仿真案例來驗證所提出控制方案的有效性和優(yōu)越性。提出一種基于預(yù)測性擴張狀態(tài)觀測器（Predictive Extended State Observer,PESO）的間接型迭代學(xué)習(xí)控制（Iterative Learning Control,ILC）方法,可用于帶時滯響應(yīng)的批次過程運行優(yōu)化。通過設(shè)計一個簡化的廣義預(yù)估器（Simplified Generalized Predictor,SGP）來預(yù)測無延遲系統(tǒng)輸出,在閉環(huán)控制結(jié)構(gòu)中設(shè)計基于PESO的反饋控制,用于克服非重復(fù)不確定性和擾動的不利影響。然后,設(shè)計一個基于比例控制器的間接型ILC更新律,僅通過調(diào)整內(nèi)環(huán)控制系統(tǒng)的設(shè)定點指令來優(yōu)化批次控制性能。基于雙重動力學(xué)分析（Double-Dynamic Analysis,DDA）,建立一個與時滯無關(guān)的充分條件,以保證沿批次方向的跟蹤誤差收斂,同時依據(jù)線性矩陣不等式（Linear Matrix Inequalities,LMI）給出一個與時滯有關(guān)的充分條件,以評估所設(shè)計的ILC控制系統(tǒng)在時間和批次方向上的魯棒穩(wěn)定性。通過文獻中的一個仿真案例驗證說明該控制方法的有效性和優(yōu)點。將上述ILC控制方案用于一個4L夾套式結(jié)晶反應(yīng)釜的溫度控制系統(tǒng)設(shè)計,通過對升溫過程進行階躍響應(yīng)辨識實驗,得到一個帶時滯參數(shù)的積分型過程模型?；谠撃Ｐ驮O(shè)計PESO和整定ILC的參數(shù),并且給出一種確定期望輸出參考軌跡的應(yīng)用方法。對于反應(yīng)釜升溫過程的批次優(yōu)化實驗,提出一個評估抗擾性能的指標來確定最優(yōu)的批次運行抗擾性能。通過結(jié)晶反應(yīng)釜的溫度控制實驗結(jié)果,驗證說明該ILC方法能明顯提高批次控制效果。
齊永達[3]（2021）在《基于預(yù)見理論的礦山充填料漿濃度滑?？刂蒲芯俊肺闹姓J為隨著近些年礦山開采的大幅增加,礦山開采所造成的地面塌陷及環(huán)境問題也日益暴露出來,這些問題目前已經(jīng)成為了很嚴重的環(huán)境問題和社會問題。解決這些問題已經(jīng)迫在眉睫,所以專家提出了礦山充填這一方法。礦山充填系統(tǒng)利用采礦所產(chǎn)生的尾礦對采空區(qū)進行充填,最大限度地利用礦產(chǎn)資源,極大程度減少了固體廢料的產(chǎn)生,從源頭解決環(huán)境污染、資源浪費以及安全隱患等問題。礦山充填作為礦山開采時的重要步驟,影響充填質(zhì)量的重要因素為充填料漿的成分、料漿濃度的控制和充填工藝。本文以充填料漿生產(chǎn)過程為研究對象,充分利用充填料漿制備系統(tǒng)大滯后的特點,分別設(shè)計了滑模預(yù)見控制器、積分滑模預(yù)見控制器和雙冪次滑模預(yù)見控制器,對提高系統(tǒng)的響應(yīng)速度和系統(tǒng)的魯棒性進行了深入的研究。主要研究內(nèi)容如下:（1）首先介紹了礦山充填系統(tǒng)的工藝流程,確定將充填料漿生產(chǎn)過程作為本次研究的研究對象,根據(jù)料漿制備設(shè)備的機械特性建立了料漿濃度系統(tǒng)的數(shù)學(xué)模型。然后將數(shù)學(xué)模型由多項式的形式轉(zhuǎn)換為可觀測標準型的狀態(tài)空間形式。最后為了方便控制器的設(shè)計,通過一種變量代換的方法將含有時滯環(huán)節(jié)的數(shù)學(xué)模型等效變換為無時滯的形式,將原系統(tǒng)的跟蹤控制問題轉(zhuǎn)換為等效的無時滯系統(tǒng)的最優(yōu)跟蹤控制問題。（2）針對礦山充填料漿濃度控制問題,提出了具有前饋補償功能的滑模預(yù)見控制算法。這種方法既有預(yù)見控制器利用目標信號的未來信息來改善伺服系統(tǒng)的跟蹤特性的優(yōu)點,又有滑?？刂破鲗?shù)變化和干擾具有很強的魯棒性的優(yōu)點。首先利用料漿濃度控制系統(tǒng)未來已知的信息構(gòu)造增廣誤差系統(tǒng),然后在增廣誤差系統(tǒng)的基礎(chǔ)上設(shè)計出滑模預(yù)見控制器,最后將所設(shè)計的控制器代入料漿濃度控制系統(tǒng)中驗證其合理性和有效性,將仿真結(jié)果與最優(yōu)預(yù)見控制器進行對比,以證明該算法的優(yōu)越性。仿真結(jié)果表明,滑模預(yù)見控制算法具有較好的控制性能和抗干擾能力,但是該算法的不足是控制器在控制過程中,控制律有“抖振”現(xiàn)象的存在,“抖振”現(xiàn)象會造成控制器頻繁切換,而在實際系統(tǒng)中水倉的電動閥無法進行頻繁地動作,所以在設(shè)計控制器時應(yīng)該避免“抖振”現(xiàn)象的出現(xiàn)。（3）針對礦山充填料漿濃度控制問題,以及滑模預(yù)見控制中“抖振”現(xiàn)象的存在,提出了積分滑模預(yù)見控制器,首先設(shè)計了積分滑模面,使系統(tǒng)的滑動模態(tài)可以通過切換指數(shù)穩(wěn)定。然后設(shè)計積分滑模預(yù)見控制器,使系統(tǒng)在初始狀態(tài)時就在滑模面上。最后將所設(shè)計的控制器代入料漿濃度控制系統(tǒng)中驗證其合理性和有效性,將仿真結(jié)果與滑模預(yù)見控制器進行對比,以證明該算法的優(yōu)越性。仿真結(jié)果表明,積分滑模預(yù)見控制器可以有效地抑制“抖振”現(xiàn)象。針對積分滑模預(yù)見控制器中對系統(tǒng)的參數(shù)攝動以及外部干擾的控制效果較差,且在參數(shù)攝動以及外部干擾的作用下,系統(tǒng)可能會產(chǎn)生抖振的問題,在積分滑模預(yù)見控制器的基礎(chǔ)上增加了擴張狀態(tài)觀測器（ESO）以改善積分滑模預(yù)見控制器對系統(tǒng)的參數(shù)攝動及外部干擾的不敏感性,同時解決了控制器的抖振問題。將其代入料漿濃度控制系統(tǒng)中進行仿真驗證,仿真結(jié)果表明在加入了擴張狀態(tài)觀測器之后明顯地提高了系統(tǒng)的抗干擾能力,同時抑制了系統(tǒng)的抖振現(xiàn)象,提高了系統(tǒng)的穩(wěn)定性及魯棒性。（4）針對傳統(tǒng)趨近律存在“抖振”和積分滑模預(yù)見控制器收斂速度較慢的缺點,提出了一種基于雙冪次趨近律的滑模預(yù)見控制策略。雙冪次滑模預(yù)見控制算法具有全局快速、固定時間的收斂特性。將所設(shè)計的控制器代入料漿濃度控制系統(tǒng)中驗證其合理性和有效性,將仿真結(jié)果與冪次滑模預(yù)見控制器和滑模預(yù)見控制器進行對比,以證明該算法的優(yōu)越性。仿真結(jié)果表明,雙冪次滑模預(yù)見控制器可以提高系統(tǒng)的收斂速度,并且可以抑制“抖振”現(xiàn)象的產(chǎn)生,增強系統(tǒng)的穩(wěn)定性和快速性。
孫明[4]（2021）在《火電機組熱工過程自抗擾控制的研究與應(yīng)用》文中研究說明燃煤機組熱工過程普遍具有高階慣性、時滯、非線性、多擾動、回路耦合以及不確定性等特點,使得探索更為高效的建模方法和高性能的魯棒控制算法成為一直以來的研究熱點和難點。尤其是當前火電機組需要通過深度調(diào)峰來有效平衡間歇性的新能源電力高比例接入電網(wǎng)引起的系統(tǒng)波動,使得熱工過程自動控制系統(tǒng)的可靠性和魯棒性面臨著更為嚴峻的挑戰(zhàn)。此外,分散控制系統(tǒng)的歷史數(shù)據(jù)庫中存儲了因擾動或不確定因素而產(chǎn)生的大量過程數(shù)據(jù),可以充分利用這些過程擾動數(shù)據(jù),進而增強控制器的模型信息以提升控制系統(tǒng)的設(shè)定值跟蹤、擾動抑制以及魯棒性等控制性能。因此,本文以線性擴張狀態(tài)觀測器為主線,開展了廣義積分串聯(lián)型系統(tǒng)的相位分析、擾動數(shù)據(jù)驅(qū)動的擴張狀態(tài)觀測器模型參數(shù)智能辨識方法以及基于相位補償?shù)慕惦A自抗擾控制器設(shè)計等方面的理論研究、算例仿真與工程實現(xiàn)。論文主要工作有:1)在頻域內(nèi)詳細分析了線性擴張狀態(tài)觀測器對總擾動進行估計和前饋補償后,虛擬控制量與系統(tǒng)輸出以及估計輸出兩者之間的廣義積分串聯(lián)型傳遞函數(shù)特性。當采用全階擴張狀態(tài)觀測器時,仿真并分析了廣義積分串聯(lián)型逼近標準積分器串聯(lián)型的影響因素;當采用低階擴張狀態(tài)觀測器時,為保證廣義擴張狀態(tài)觀測器與廣義被控對象在相位上的近似同步,提出了增加部分模型信息對擴張狀態(tài)觀測器進行相位補償?shù)脑O(shè)計方法,算例仿真驗證了該方法的有效性。2)針對零初始條件下輸出信號中可能存在外部擾動作用的分量而導(dǎo)致閉環(huán)數(shù)據(jù)驅(qū)動建模準確性降低的問題,提出了一種利用控制回路中干擾作用產(chǎn)生的動態(tài)過渡到穩(wěn)態(tài)這一特征的過程數(shù)據(jù)驅(qū)動擴張狀態(tài)觀測器參數(shù)辨識的新方法,也就是將過程數(shù)據(jù)中擾動作用結(jié)束時刻點的狀態(tài)初值估計和總擾動中的確定性模型信息估計相結(jié)合,進而通過群體智能算法對模型參數(shù)進行優(yōu)化和聚類分析,得到最佳辨識參數(shù),算例仿真驗證了所提建模方法的有效性和準確性。3)為了提高一類具有大慣性、時滯等特點的熱工過程對象設(shè)定值跟蹤能力和抗干擾性能,提出了基于相位補償?shù)慕惦A自抗擾控制設(shè)計方法,并完成了穩(wěn)定性分析。考慮到運用低階自抗擾控制器時,控制量增益難以確定的問題,給出了新的參數(shù)整定方法。而對于熱工過程的多變量系統(tǒng),則采用分散式相位補償型降階自抗擾控制策略,并將控制系統(tǒng)在頻域內(nèi)進行等效變換,揭示了自抗擾控制技術(shù)框架下的逆解耦器特性。同時,為了增強其逆向解耦能力,推導(dǎo)出一種針對多變量系統(tǒng)的相位補償環(huán)節(jié)設(shè)計方法。算例仿真驗證了所提控制算法的優(yōu)越性。4)研究并解決了基于相位補償?shù)慕惦A自抗擾控制算法的邏輯組態(tài)、抗降階擴張狀態(tài)觀測器飽和以及無擾切換等工程化設(shè)計中的具體問題,進而在激勵式仿真機上進行了控制策略的仿真與實現(xiàn)。進而將其應(yīng)用于現(xiàn)役火電機組的主汽溫系統(tǒng)和負荷控制系統(tǒng)。實施結(jié)果表明所提改進自抗擾控制算法的可行性、有效性以及優(yōu)越性,展現(xiàn)了該算法良好的工業(yè)應(yīng)用前景。
祝洋[5]（2020）在《基于多源干擾估計器的魯棒飛行控制技術(shù)研究與應(yīng)用》文中指出在復(fù)雜多變的飛行條件下,飛行器不可避免地受到輸入干擾、模型不確定性、測量誤差等因素的影響,這些因素統(tǒng)稱為多源干擾。為了保證飛行器的飛行品質(zhì)和飛行安全,在控制設(shè)計階段必須系統(tǒng)地考慮多源干擾的主動抑制問題。然而,經(jīng)典控制理論表明,同時抑制多源干擾往往需要做精細的折中,這樣的設(shè)計過程復(fù)雜且極具挑戰(zhàn)性。本文針對多源受擾系統(tǒng)的魯棒軌跡跟蹤問題,在標稱跟蹤控制器的基礎(chǔ)上,提出統(tǒng)一的基于干擾估計器的魯棒控制框架,將針對不同干擾的補償機制進行結(jié)構(gòu)整合,實現(xiàn)測控系統(tǒng)的多源干擾抑制,并在幾種飛行器平臺上進行應(yīng)用與驗證。本文創(chuàng)新點總結(jié)如下:針對無速率測量系統(tǒng)的魯棒跟蹤問題,提出了兩種基于不確定性和干擾估計器（UDE）的輸入干擾補償方法。第一種方法中推導(dǎo)了UDE濾波器在無速率測量條件下的可行相對階,保證UDE在可物理實現(xiàn)的前提下實現(xiàn)干擾的估計與補償,并通過passivity技術(shù)注入阻尼,替代標稱跟蹤控制器中不可獲得的速率反饋項,實現(xiàn)速率跟蹤。第二種方法中提出了一種倫伯格狀態(tài)觀測器（LSO）和UDE的雙向耦合結(jié)構(gòu),LSO為UDE提供速率估計,解決無速率測量問題,而UDE為LSO提供干擾估計,消除干擾對LSO性能的影響。在3-DOF直升機平臺上的實驗結(jié)果表明,提出的兩種控制方法都能實現(xiàn)對集總干擾的估計與補償以及對參考信號的高精度跟蹤。針對傳感器測量性能受限系統(tǒng)的魯棒跟蹤問題,首先,提出了一種基于測控系統(tǒng)模型的測量誤差估計器（MEE）。相比于經(jīng)典的濾波方法,MEE最大化地利用了傳感器、控制器和被控對象的模型以及控制系統(tǒng)實時的輸入輸出信息,實現(xiàn)對測量誤差的在線精準估計,并在控制系統(tǒng)中進行動態(tài)補償。其次,通過引入預(yù)濾波器對測量信號進行預(yù)處理,可以降低MEE的帶寬要求,從而降低MEE對模型不確定性的敏感程度。進一步針對復(fù)雜的傳感器模型,提出了一個傳感器動態(tài)時滯補償器（SLC）,利用測控系統(tǒng)模型重構(gòu)動態(tài)時滯誤差并在閉環(huán)系統(tǒng)中對其進行實時補償。在2-DOF直升機平臺上的仿真實驗結(jié)果展示了MEE相比于卡爾曼濾波器的性能優(yōu)勢。針對存在多源干擾的一類二階系統(tǒng)的魯棒跟蹤問題,提出了一個多源干擾估計框架。該框架利用部分準確的控制系統(tǒng)模型信息和部分準確的狀態(tài)測量來構(gòu)建MEE和UDE,以分別在控制系統(tǒng)中估計和補償多源干擾。此外,通過在多源干擾估計框架中引入奇異攝動參數(shù)ε,可以實現(xiàn)兩個估計器估計帶寬的協(xié)同調(diào)參,并利用奇異攝動理論證明了減小ε可以提高多源干擾抑制性能和閉環(huán)系統(tǒng)穩(wěn)定性。在2-DOF直升機平臺和四旋翼飛行器上的仿真實驗結(jié)果表明,提出的基于MEE+UDE的多源干擾補償方法相比于經(jīng)典的魯棒控制方案在瞬態(tài)控制、穩(wěn)態(tài)控制和調(diào)參簡易性等層面具有更優(yōu)的性能。針對存在測量誤差條件下的固定翼飛機航跡傾角魯棒同步跟蹤問題,研究本文提出的方法在飛行器編隊控制中的推廣應(yīng)用。考慮固定翼飛機航跡傾角動態(tài)模型中的非最小相位特性,通過將基于MEE的測量誤差補償方法與經(jīng)典的分布式觀測技術(shù)以及非最小相位系統(tǒng)控制技術(shù)進行融合,提出了一種基于三模塊的分布式魯棒控制方案。該方案的特點是各個模塊在結(jié)構(gòu)和功能上實現(xiàn)解耦,使得在不影響其他功能模塊的情況下,可以根據(jù)實際需求對其中任意模塊進行改進或重新設(shè)計。對F-16戰(zhàn)斗機編隊的仿真結(jié)果表明,提出的控制方法可以實現(xiàn)時變航跡傾角參考信號的魯棒同步跟蹤。
段蒙蒙[6]（2020）在《船用鍋爐汽包水位內(nèi)?；？刂蒲芯俊肺闹羞M行了進一步梳理大型油輪燃油輔鍋爐是油船上的重要設(shè)備之一,鍋爐的穩(wěn)定運行是船舶安全航行的前提條件,確保汽包水位在允許的范圍內(nèi)波動對鍋爐以及船舶的安全經(jīng)濟運行具有十分重要的意義。對于具有時滯、非線性、強耦合的鍋爐汽包水位系統(tǒng)來說,傳統(tǒng)PID控制方法由于對被控系統(tǒng)的精確模型依賴程度高,且控制器參數(shù)設(shè)定后不能改變,因而對時滯非線性系統(tǒng)的適應(yīng)能力較差,不能夠很好的滿足控制要求,存在一定的局限性。本文首先根據(jù)大型油輪燃油輔鍋爐的工作原理,通過一定的簡化和假設(shè),在質(zhì)量守恒定律與能量守恒定律的基礎(chǔ)上來分析鍋爐汽包水位系統(tǒng)的動態(tài)特性,進而得到了汽包水位系統(tǒng)的數(shù)學(xué)模型,并著重分析了給水流量與蒸汽負荷對汽包水位系統(tǒng)的影響。針對水位系統(tǒng)具有的時滯與非線性特性,在分析傳統(tǒng)PID控制策略的基礎(chǔ)上,深入研究了內(nèi)?？刂圃?設(shè)計了汽包水位系統(tǒng)的內(nèi)?？刂品椒?其次,在分析水位內(nèi)?？刂品椒ú蛔愕幕A(chǔ)上,研究了內(nèi)?；？刂撇呗?提出了基于全局非線性積分滑模面的鍋爐汽包水位內(nèi)模滑?？刂品椒?該方法綜合了內(nèi)?？刂婆c滑?？刂频膬?yōu)點,不僅補償了系統(tǒng)的時滯,提高了系統(tǒng)的魯棒性,而且改善了系統(tǒng)的暫態(tài)性能。針對汽包水位系統(tǒng)的非自平衡特性,設(shè)計了擾動抑制控制器來消除擾動后系統(tǒng)的穩(wěn)態(tài)誤差。在鍋爐汽包水位系統(tǒng)的內(nèi)?；？刂撇呗灾?滑?？刂坡傻膽?yīng)用雖然使系統(tǒng)響應(yīng)速度快,魯棒性強,但會導(dǎo)致系統(tǒng)產(chǎn)生抖振。本文在分析滑?？刂坡啥墩袢毕莸幕A(chǔ)上,提出了基于RBF神經(jīng)網(wǎng)絡(luò)的鍋爐汽包水位內(nèi)模滑?？刂撇呗?通過采用RBF神經(jīng)網(wǎng)絡(luò)來辨識系統(tǒng)參數(shù)的不確定性與外界擾動來減小系統(tǒng)的抖振。針對RBF神經(jīng)網(wǎng)絡(luò)傳統(tǒng)學(xué)習(xí)算法的不足,本文采用遞階基因結(jié)構(gòu)對神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)進行混合編碼,提出了混合遞階差分進化算法來優(yōu)化RBF神經(jīng)網(wǎng)絡(luò),并將優(yōu)化后的網(wǎng)絡(luò)應(yīng)用到鍋爐汽包水位系統(tǒng)的內(nèi)?；？刂撇呗灾?仿真結(jié)果表明,所設(shè)計的控制策略不僅削弱了系統(tǒng)的抖振,而且使系統(tǒng)具有響應(yīng)速度快、抗干擾能力強、魯棒性強等優(yōu)點。
李晨龍[7]（2020）在《非線性時滯定常系統(tǒng)多維泰勒網(wǎng)辨識與預(yù)測控制》文中研究表明工業(yè)過程大都具有非線性、時滯、耦合等特征,并受外界干擾等影響。由于這些特征及影響的存在,常會導(dǎo)致控制系統(tǒng)超調(diào)量增大,調(diào)節(jié)時間變長,從而使系統(tǒng)的過渡過程變壞,穩(wěn)定性降低,極易引起閉環(huán)系統(tǒng)的不穩(wěn)定。如何克服這些問題,對系統(tǒng)進行有效的控制成為了控制理論領(lǐng)域與工程領(lǐng)域研究的重點。由于非線性和時滯等特性的存在,一方面難以得到系統(tǒng)精確的數(shù)學(xué)模型,另一方面線性系統(tǒng)相關(guān)的研究成果很難直接應(yīng)用到非線性系統(tǒng)中。近年來,多維泰勒網(wǎng)（Multi-dimensional Taylor Network,MTN）的出現(xiàn)為解決非線性系統(tǒng)建模與控制提供了有效的解決方案,其結(jié)構(gòu)簡單,運算速度快,具有并行處理、自主學(xué)習(xí)和極強的非線性映射能力,為此,將MTN應(yīng)用到非線性時滯系統(tǒng)來解決非線性、時滯、耦合、外界干擾等問題。所以本課題的研究具有重要的理論意義和實際應(yīng)用價值。本文以非線性時滯定常系統(tǒng)（以下簡記為非線性時滯系統(tǒng)）為研究對象,綜合考慮外界干擾、噪聲、耦合與輸入死區(qū)等問題,將多維泰勒網(wǎng)作為研究工具,結(jié)合預(yù)測控制思想,以提高動態(tài)性能為核心,以改善計算復(fù)雜度為關(guān)鍵來研究非線性時滯系統(tǒng)控制問題。借助MTN的優(yōu)良性能,分別設(shè)計MTN辨識模型、MTN預(yù)測模型、MTN控制器和MTN補償器,對非線性時滯系統(tǒng)的輸出跟蹤控制問題進行了深入研究,提出了基于MTN的預(yù)測控制方案,并采用Lyapunov穩(wěn)定性理論證明閉環(huán)系統(tǒng)的穩(wěn)定性。論文的主要研究工作概括如下:1.提出基于MTN的非線性時滯系統(tǒng)辨識方案。利用MTN對非線性時滯系統(tǒng)進行辨識,證明MTN模型表達式的合理性,確立模型中加權(quán)項的排列次序及其遞歸表達式;利用MTN特殊的結(jié)構(gòu)以及極限學(xué)習(xí)機算法,根據(jù)中間層節(jié)點與輸出權(quán)值的關(guān)系得到最優(yōu)MTN辨識模型,利用極限學(xué)習(xí)機算法計算輸出權(quán)值,避免梯度法迭代尋優(yōu)的過程,在保證運算精度的前提下,有效降低算法復(fù)雜度;結(jié)合剪枝算法對MTN結(jié)構(gòu)進行精簡,提高運算效率;利用互相關(guān)函數(shù)方法,通過輸入和輸出信號的相關(guān)性對未知時滯進行辨識。實驗結(jié)果驗證了所提方案的有效性。2.提出非線性時滯系統(tǒng)的MTN預(yù)測模型構(gòu)建方案。基于MTN的非線性逼近能力,以補償時滯影響為目的,給出兩種預(yù)測模型的構(gòu)建方案,分別為遞推MTN預(yù)測模型和非遞推MTN預(yù)測模型,并結(jié)合適當?shù)膶W(xué)習(xí)算法進行實時在線建模,準確構(gòu)建預(yù)測模型,從而補償時滯的影響。實驗結(jié)果驗證了所提方案的有效性。3.提出單入單出非線性時滯系統(tǒng)的MTN預(yù)測控制方案以及穩(wěn)定性分析方案。無需狀態(tài)反饋,僅依靠輸出反饋構(gòu)成閉環(huán)控制,實現(xiàn)了系統(tǒng)相對于給定參考信號的實時輸出跟蹤控制;基于MTN的非線性逼近能力,依靠非遞推技術(shù)設(shè)計了非遞推d步超前MTN預(yù)測模型來補償時滯的影響;設(shè)計MTN控制器來實現(xiàn)系統(tǒng)精確跟蹤控制,利用MTN控制器的網(wǎng)絡(luò)化結(jié)構(gòu),采用輸入和輸出信號合成的誤差信號作為控制器輸入;根據(jù)Lyapunov穩(wěn)定性理論證明閉環(huán)系統(tǒng)穩(wěn)定性。實驗結(jié)果驗證了所提方案的有效性。4.提出不含外界干擾與帶有外界干擾情況下單入單出非線性時滯系統(tǒng)的MTN預(yù)測控制方案以及穩(wěn)定性分析方案。MTN分別作為預(yù)測模型、控制器和補償器,無需狀態(tài)反饋實現(xiàn)了系統(tǒng)相對于給定參考信號的實時輸出跟蹤控制?；贛TN的非線性逼近能力,依靠非遞推技術(shù)設(shè)計了非遞推d步超前MTN預(yù)測模型來補償時滯的影響;設(shè)計MTN控制律對非線性時滯系統(tǒng)進行輸出跟蹤控制;同時MTN補償器來抵消干擾的影響;利用MTN預(yù)測模型的預(yù)測精度,控制權(quán)系數(shù)和優(yōu)化系數(shù),根據(jù)Lyapunov穩(wěn)定性理論證明閉環(huán)系統(tǒng)穩(wěn)定性,并得到MTN控制器的參數(shù)調(diào)整方法。實驗結(jié)果驗證了所提方案的有效性。5.提出多入多出非線性時滯系統(tǒng)的MTN預(yù)測控制方案以及穩(wěn)定性分析方案。借助MTN的良好特性,其泛化性能優(yōu)良,無需解耦過程與狀態(tài)反饋,可以實現(xiàn)系統(tǒng)對給定參考信號的實時輸出跟蹤控制。利用遞推技術(shù)設(shè)計了遞推d步超前MTN預(yù)測模型來補償時滯的影響;并針對MTN結(jié)構(gòu)特性,設(shè)計MTN控制器來實現(xiàn)系統(tǒng)精確跟蹤控制,通過采用輸入信號和輸出信號合成的誤差信號作為控制器輸入;根據(jù)Lyapunov穩(wěn)定性理論證明閉環(huán)系統(tǒng)穩(wěn)定性。實驗結(jié)果驗證了所提方案的有效性。6.提出帶有未知時滯情況下的多入多出非線性時滯系統(tǒng)的多維泰勒網(wǎng)預(yù)測控制方案以及穩(wěn)定性分析方案。在辨識時滯的基礎(chǔ)上,提出基于多維泰勒網(wǎng)的遞推d步預(yù)測控制方案。利用遞推技術(shù)設(shè)計了遞推d步超前MTN預(yù)測模型來補償時滯的影響;給出多步預(yù)測目標函數(shù),通過迭代尋優(yōu),進而得到最優(yōu)控制律;利用MTN預(yù)測模型的預(yù)測精度,控制權(quán)系數(shù)和優(yōu)化系數(shù),根據(jù)Lyapunov穩(wěn)定性理論證明閉環(huán)系統(tǒng)穩(wěn)定性,并得到MTN控制器參數(shù)調(diào)整方法。實驗結(jié)果驗證了所提方案的有效性。
汪真才[8]（2020）在《結(jié)晶過程溫度調(diào)節(jié)裝置的采樣控制設(shè)計與批次運行優(yōu)化》文中指出本文針對工業(yè)結(jié)晶過程的溫度調(diào)節(jié)裝置,基于計算機采樣信號在離散域設(shè)計采樣控制系統(tǒng),研究批次優(yōu)化方法,給出一種用于連續(xù)結(jié)晶過程的溫度集中監(jiān)控平臺設(shè)計方案。首先針對帶有時滯的反向響應(yīng)過程（亦稱非最小相位過程）,提出一種基于簡化廣義預(yù)估器（SGP）的兩自由度（2DOF）控制設(shè)計方法。基于其動態(tài)模型和死區(qū)時間補償器（DTC）來預(yù)測無延遲輸出,可以消除時滯和測量噪聲對過程輸出的不利影響。基于期望的互補靈敏度函數(shù)反推設(shè)計抗干擾控制器,可以消除過程傳遞函數(shù)右半平面（RHP）零點的影響,提高抗擾性能。基于內(nèi)?？刂评碚摚↖MC）設(shè)計設(shè)定點跟蹤控制器,實現(xiàn)快速跟蹤目標輸出。這兩個控制器的突出優(yōu)點是都具有一個可調(diào)參數(shù),可以單調(diào)地調(diào)節(jié)來實現(xiàn)控制性能與魯棒穩(wěn)定性之間的折衷。基于小增益定理給出存在模型不確定性情況下保證魯棒穩(wěn)定性的約束條件,通過與近期文獻仿真對比驗證該方法的可行性和優(yōu)越性。其次,針對帶有時滯響應(yīng)的批次過程,提出一種比例型（P）和比例微分型（PD）的間接型迭代學(xué)習(xí)控制（ILC）設(shè)計方案,具有雙回路控制結(jié)構(gòu),內(nèi)環(huán)控制回路采用基于預(yù)估器的主動抗擾控制（PDRC）結(jié)構(gòu),將外部負載干擾及系統(tǒng)不確定性視為“總干擾”進行抗擾,可保證對開環(huán)穩(wěn)定、積分和不穩(wěn)定型過程在時間方向上具有很好的動態(tài)控制性能和魯棒穩(wěn)定性。而且通過基于濾波器的史密斯預(yù)估器（FSP）預(yù)測無時滯輸出,可以消除時滯對批次過程控制的影響。外環(huán)控制回路分別采用P和PD型ILC控制器,實現(xiàn)基于歷史批次數(shù)據(jù)學(xué)習(xí)更新設(shè)定點指令,從而可以沿批次方向逐漸提高跟蹤性能。通過建立兩維（2D）系統(tǒng)描述,分析ILC系統(tǒng)保證沿時間和批次方向魯棒穩(wěn)定性的充分條件,由此給出控制器參數(shù)整定方法。采用一個批次注塑過程案例仿真驗證所提出方法的有效性和優(yōu)點。然后將該方法應(yīng)用到一個4升夾套式結(jié)晶反應(yīng)釜的批次溫控實驗,驗證其有效性和優(yōu)越性。針對DN15型管式連續(xù)結(jié)晶反應(yīng)器,提出一種溫度集中監(jiān)控平臺設(shè)計方案。基于LabVIEW軟件設(shè)計上位機的監(jiān)控程序、設(shè)備通訊、信號處理、數(shù)據(jù)儲存、以及人機交互界面,實現(xiàn)圖形化操作功能。采用多臺JULABO CF41溫控設(shè)備作為下位機,設(shè)計基于RS232通訊接口的實時全雙工數(shù)據(jù)通信,實現(xiàn)與上位機的快速通訊,保證實時控制連續(xù)結(jié)晶器各段不同區(qū)域的溫度,為后續(xù)研發(fā)先進的控制方法和集中監(jiān)控系統(tǒng)提供便利。
蔣美英[9]（2019）在《復(fù)雜多變量系統(tǒng)閉環(huán)辨識與內(nèi)?？刂品椒ㄑ芯俊肺闹醒芯空f明工業(yè)現(xiàn)場多變量系統(tǒng)包含不確定性、多時滯、強耦合、輸入輸出受約束等特征,往往存在模型難以精確刻畫等問題,采用傳統(tǒng)單一的系統(tǒng)控制器設(shè)計方法難以滿足高精度控制品質(zhì)的需求。為獲得更好的系統(tǒng)控制品質(zhì),本文引入強化學(xué)習(xí)、頻域分析和平均頻域非方相對增益矩陣（NRGA,Nonsquare Relative Gain Array）等先進策略,從系統(tǒng)模型參數(shù)估計、內(nèi)?？刂破髟O(shè)計及參數(shù)優(yōu)化、控制器的穩(wěn)定性與魯棒性分析和補償器設(shè)計等方面對復(fù)雜多變量系統(tǒng)中一些較難解決的問題進行研究,提出解決方案和改進措施,并結(jié)合實驗仿真進行驗證。本文主要研究內(nèi)容包括:1、針對閉環(huán)系統(tǒng)辨識問題,引入頻域響應(yīng)估計法（FRE,Frequency Response Estimation）,利用系統(tǒng)的頻率特性分析系統(tǒng)的控制性能,能夠快速準確給出所辨識受控對象模型的參數(shù)估計,然而該方法存在一定的局限性,即模型估計精度取決于衰減因子的選擇。本文基于強化學(xué)習(xí)算法（CARLA,Continuous Action Reinforcement Learning Automata）提出了具有自適應(yīng)特性的衰減因子計算方法——基于強化學(xué)習(xí)的頻域響應(yīng)估計法（CARLA-FRE）。該方法借助連續(xù)動作強化學(xué)習(xí)算法的在線搜索和學(xué)習(xí)能力,通過動態(tài)調(diào)整得到最優(yōu)的衰減因子。對所采用的CARLA算法進行多種基本函數(shù)辨識能力測試,及與粒子群算法（PSO,Particle Swarm Optimization）、并行彌漫式（FWA,Fireworks Algorithm）算法對比,CARLA算法具備更強的全局搜索能力和準確性;2、將（1）中所提的CARLA-FRE方法擴展到多變量方系統(tǒng)和非方系統(tǒng)閉環(huán)辨識中,為后續(xù)先進控制器的設(shè)計提供優(yōu)化模型。該方法利用順序激勵信號法將多輸入多輸出（MIMO）系統(tǒng)等效分解成若干個單輸入單輸出（SISO）系統(tǒng),然后利用CARLA-FRE方法獲取子系統(tǒng)參數(shù)的解析表達式,進而獲得模型估計,實現(xiàn)多變量方系統(tǒng)和非方系統(tǒng)的閉環(huán)辨識問題。最后,將該方法應(yīng)用到多變量系統(tǒng)的內(nèi)?？刂浦?圍繞基于CARLA-FRE方法在多變量系統(tǒng)中的內(nèi)?？刂破髟O(shè)計展開研究,選取經(jīng)典的Wood-Berry模型（方系統(tǒng)）和Shell模型（非方系統(tǒng)）進行仿真驗證。該方法融合強化學(xué)習(xí)與頻域響應(yīng)估計法,具備更強的在線學(xué)習(xí)能力和抗干擾能力,為后續(xù)內(nèi)?？刂蒲芯刻峁┠Ｐ椭?3、為實現(xiàn)提高多變量多時滯控制系統(tǒng)性能的目的,采用線性二次高斯控制（LQG,Linear Quadratic Gaussian）方法對所提基于頻域辨識的模型進行最優(yōu)控制器設(shè)計。由于多變量多時滯系統(tǒng)中存在大量的噪聲、延遲以及各部分參數(shù)攝動,本文將LQG控制方法引入到多變量多時滯過程模型中,針對此類模型中所包含系統(tǒng)延遲、噪聲和參數(shù)攝動等不確定因素進行有效補償和控制,提高系統(tǒng)參數(shù)失配魯棒性和擾動抑制能力;4、針對一類典型強耦合非方系統(tǒng),提出了兩種內(nèi)?？刂破髟O(shè)計優(yōu)化方法。以多變量時滯秩虧系統(tǒng)為研究對象,設(shè)計基于懲罰偽逆的內(nèi)模控制器,通過引入懲罰因子,用非滿秩系統(tǒng)的偽逆來代替模型的逆,提出適合時滯秩虧系統(tǒng)的內(nèi)?？刂破髟O(shè)計方法,采用連續(xù)強化學(xué)習(xí)對懲罰因子進行尋優(yōu),獲得最大懲罰因子。針對多變量結(jié)構(gòu)秩虧系統(tǒng),設(shè)計基于補償器原理的內(nèi)模控制器,采用平均頻域NRGA準則實現(xiàn)對方形子系統(tǒng)的最優(yōu)選擇。仿真結(jié)果表明,所提的兩種內(nèi)?？刂破鲀?yōu)化方法不但簡單易行,而且在系統(tǒng)模型參數(shù)失配情況下也具有較強的魯棒性和穩(wěn)定性。
薛晶晶[10]（2019）在《具有不確定和時滯的動力定位系統(tǒng)控制方法研究》文中進行了進一步梳理動力定位系統(tǒng)作為海洋能源開發(fā)的重要利器,廣泛應(yīng)用在科學(xué)考察、石油開發(fā)、鉆取巖心、海底采礦、鋪纜/管、海上消防等海洋作業(yè)中,因此,對于船舶動力定位技術(shù)的研究,特別是動力定位控制系統(tǒng)的研究具有重要的工程意義。船舶模型的不確定性、多變的環(huán)境干擾、時間延遲、執(zhí)行機構(gòu)飽和、狀態(tài)約束等問題更是給船舶動力定位控制系統(tǒng)的設(shè)計增加了難度。本論文針對船舶動力定位系統(tǒng)的這幾個控制問題進行深入研究,旨在為進一步提高船舶的定位能力提供理論指導(dǎo)。針對動力定位系統(tǒng)中由于外界環(huán)境變化和內(nèi)部模型參數(shù)引起的不確定問題進行研究,設(shè)計了兩種控制律。先是構(gòu)造模糊系統(tǒng)對不確定項進行有效逼近,然后設(shè)計自適應(yīng)律對模糊系統(tǒng)中的參數(shù)進行在線更新,在此基礎(chǔ)上提出了一種自適應(yīng)模糊反步控制律。另一種是常規(guī)反步控制律。通過仿真對比結(jié)果可得,設(shè)計的自適應(yīng)模糊反步控制律可以改善系統(tǒng)的定位性能,提高船舶的定位精度。在動力定位系統(tǒng)中不僅存在不確定問題,還存在由于執(zhí)行機構(gòu)的物理限制而引起的*飽和約束問題,針對動力定位系統(tǒng)中的不確定和飽和約束問題,設(shè)計了兩種控制方法。利用徑向基函數(shù)（Radial Basis Function,RBF）神經(jīng)網(wǎng)絡(luò)補償器和估計器分別對飽和約束和不確定項進行估計和補償,然后設(shè)計自適應(yīng)律對RBF神經(jīng)網(wǎng)絡(luò)中的參數(shù)進行在線更新,將自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)與滑模反步技術(shù)相結(jié)合,提出了一種自適應(yīng)滑模反步控制方法。另一種是滑模反步控制方法。通過仿真對比試驗可知,設(shè)計的自適應(yīng)神經(jīng)網(wǎng)絡(luò)滑模反步控制律可以加快系統(tǒng)的響應(yīng)時間,達到較好的控制效果。在動力定位系統(tǒng)中不僅存在不確定和飽和約束問題,還存在由于工程作業(yè)需要而對船舶位置進行約束的問題,針對動力定位系統(tǒng)中的不確定、飽和約束和狀態(tài)約束問題,提出了兩種控制策略。一種是基于障礙Lyapunov函數(shù)的自適應(yīng)模糊反步控制策略,通過選擇合適的障礙Lyapunov函數(shù)對船舶位置和艏向誤差進行約束,進而達到對船舶位置和艏向的約束,運用自適應(yīng)模糊系統(tǒng)對不確定項進行逼近,將障礙Lyapunov函數(shù)與自適應(yīng)模糊系統(tǒng)相結(jié)合,設(shè)計了一種基于障礙Lyapunov函數(shù)自適應(yīng)模糊反步控制律。另一種是基于障礙Lyapunov函數(shù)的反步控制策略。通過仿真對比試驗可知,基于障礙Lyapunov函數(shù)自適應(yīng)模糊反步控制律具有較好的魯棒性和良好的動態(tài)品質(zhì)。最后,著重研究了動力定位系統(tǒng)中由于執(zhí)行機構(gòu)物理因素而引起的時滯問題,提出了一種基于Lyapunov-Krasovskii函數(shù)的時滯補償方法。該方法與自適應(yīng)模糊控制相結(jié)合,利用Lyapunov-Krasovskii函數(shù)對時滯項進行補償,利用自適應(yīng)模糊系統(tǒng)對不確定非線性項進行逼近,在此基礎(chǔ)上提出了一種基于Lyapunov-Krasovskii函數(shù)的自適應(yīng)模糊反步控制律。然后,該方法與自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)控制相結(jié)合,運用Lyapunov-Krasovskii函數(shù)來抵消系統(tǒng)時滯的影響,利用自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)對系統(tǒng)中的執(zhí)行機構(gòu)飽和約束進行補償,在此基礎(chǔ)上提出了一種基于Lyapunov-Krasovskii函數(shù)的自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)滑模反步控制方法。此外,該方法與障礙Lyapunov函數(shù)相結(jié)合,通過選擇合適的障礙Lyapunov函數(shù)對系統(tǒng)中的位置和艏向進行約束,利用Lyapunov-Krasovskii函數(shù)對系統(tǒng)中的時滯進行補償,在此基礎(chǔ)上提出了一種基于障礙Lyapunov函數(shù)和Lyapunov-Krasovskii函數(shù)的自適應(yīng)模糊反步控制策略。仿真結(jié)果驗證了所提控制策略的有效性。本文針對動力定位系統(tǒng)中的不確定問題進行研究,設(shè)計了一種自適應(yīng)模糊反步控制律;針對動力定位系統(tǒng)中的飽和約束問題進行研究,提出了一種自適應(yīng)神經(jīng)網(wǎng)絡(luò)滑模反步控制方法;針對動力定位系統(tǒng)中的狀態(tài)約束問題進行研究,提出了一種基于障礙Lyapunov函數(shù)的自適應(yīng)模糊反步控制策略;針對動力定位系統(tǒng)中的時滯問題進行研究,提出了一種基于Lyapunov-Krasovskii函數(shù)的時滯補償方法。結(jié)果表明,自適應(yīng)模糊控制可以對不確定項進行有效逼近,自適應(yīng)神經(jīng)網(wǎng)絡(luò)滑模反步控制可以降低飽和約束帶來的影響,基于障礙Lyapunov函數(shù)的自適應(yīng)模糊反步控制可以實現(xiàn)系統(tǒng)對狀態(tài)的約束控制,基于Lyapunov-Krasovskii函數(shù)的時滯補償方法可以對時滯進行有效補償。
二、一類不穩(wěn)定時滯過程的最優(yōu)抗干擾控制（論文開題報告）
（1）論文研究背景及目的
此處內(nèi)容要求：
首先簡單簡介論文所研究問題的基本概念和背景，再而簡單明了地指出論文所要研究解決的具體問題，并提出你的論文準備的觀點或解決方法。
寫法范例：
本文主要提出一款精簡64位RISC處理器存儲管理單元結(jié)構(gòu)并詳細分析其設(shè)計過程。在該MMU結(jié)構(gòu)中,TLB采用叁個分離的TLB,TLB采用基于內(nèi)容查找的相聯(lián)存儲器并行查找,支持粗粒度為64KB和細粒度為4KB兩種頁面大小,采用多級分層頁表結(jié)構(gòu)映射地址空間,并詳細論述了四級頁表轉(zhuǎn)換過程,TLB結(jié)構(gòu)組織等。該MMU結(jié)構(gòu)將作為該處理器存儲系統(tǒng)實現(xiàn)的一個重要組成部分。
（2）本文研究方法
調(diào)查法：該方法是有目的、有系統(tǒng)的搜集有關(guān)研究對象的具體信息。
觀察法：用自己的感官和輔助工具直接觀察研究對象從而得到有關(guān)信息。
實驗法：通過主支變革、控制研究對象來發(fā)現(xiàn)與確認事物間的因果關(guān)系。
文獻研究法：通過調(diào)查文獻來獲得資料，從而全面的、正確的了解掌握研究方法。
實證研究法：依據(jù)現(xiàn)有的科學(xué)理論和實踐的需要提出設(shè)計。
定性分析法：對研究對象進行“質(zhì)”的方面的研究，這個方法需要計算的數(shù)據(jù)較少。
定量分析法：通過具體的數(shù)字，使人們對研究對象的認識進一步精確化。
跨學(xué)科研究法：運用多學(xué)科的理論、方法和成果從整體上對某一課題進行研究。
功能分析法：這是社會科學(xué)用來分析社會現(xiàn)象的一種方法，從某一功能出發(fā)研究多個方面的影響。
模擬法：通過創(chuàng)設(shè)一個與原型相似的模型來間接研究原型某種特性的一種形容方法。
三、一類不穩(wěn)定時滯過程的最優(yōu)抗干擾控制（論文提綱范文）
（1）階躍擾動下時滯過程線性自抗擾控制方法研究（論文提綱范文）
| 學(xué)位論文數(shù)據(jù)集 |
| 摘要 |
| abstract |
| 第一章 緒論 |
| 1.1 課題背景及意義 |
| 1.2 本文所研究對象及其干擾的特性 |
| 1.3 文獻綜述 |
| 1.3.1 自抗擾控制研究現(xiàn)狀 |
| 1.3.2 時滯系統(tǒng)的控制研究現(xiàn)狀 |
| 1.3.3 蟻獅算法的研究現(xiàn)狀 |
| 1.4 本論文的主要工作 |
| 第二章 時滯過程的降階自抗擾控制及其參數(shù)域?qū)ふ?/td> |
| 2.1 引言 |
| 2.2 降階的改進自抗擾控制器 |
| 2.3 魯棒穩(wěn)定條件約束下的參數(shù)域?qū)ふ?/td> |
| 2.3.1 基于D-分解方法的穩(wěn)定性參數(shù)空間 |
| 2.3.2 魯棒性參數(shù)空間 |
| 2.4 仿真驗證 |
| 2.5 小結(jié) |
| 第三章 基于多新息在線閉環(huán)辨識的預(yù)測自抗擾控制 |
| 3.1 引言 |
| 3.2 問題分析 |
| 3.3 二階加滯后模型的閉環(huán)在線辨識方法 |
| 3.4 穩(wěn)定性分析 |
| 3.5 仿真驗證 |
| 3.6 雙容水箱實驗 |
| 3.7 小結(jié) |
| 第四章 基于差分變步長蟻獅算法的自抗擾控制器參數(shù)優(yōu)化 |
| 4.1 引言 |
| 4.2 差分變步長蟻獅算法 |
| 4.2.1 蟻獅算法 |
| 4.2.2 步長縮放差分蟻獅算法 |
| 4.2.3 算法思想與具體步驟 |
| 4.3 差分變步長蟻獅算法的性能評估 |
| 4.3.1 算法評價標準 |
| 4.3.2 測試函數(shù) |
| 4.3.3 測試結(jié)果分析 |
| 4.4 自抗擾控制器的參數(shù)優(yōu)化 |
| 4.5 小結(jié) |
| 第五章 多變量不確定時滯過程的廣義自抗擾控制 |
| 5.1 引言 |
| 5.2 有效開環(huán)傳遞函數(shù) |
| 5.3 使用改進的蟻獅算法進行模型降階 |
| 5.4 不確定時滯過程的廣義自抗擾控制器設(shè)計 |
| 5.4.1 GADRIMC控制結(jié)構(gòu) |
| 5.4.2 GADRIMC抗擾能力分析 |
| 5.4.3 GADRIMC在不確定時滯下的穩(wěn)定性 |
| 5.4.4 GADRIMC的魯棒性考量 |
| 5.5 仿真驗證 |
| 5.6 小結(jié) |
| 第六章 總結(jié)與展望 |
| 6.1 總結(jié) |
| 6.2 展望 |
| 參考文獻 |
| 致謝 |
| 研究成果及發(fā)表的學(xué)術(shù)論文 |
| 作者和導(dǎo)師簡介 |
| 答辯委員決議書 |
（2）基于預(yù)估器的結(jié)晶反應(yīng)釜溫度控制與批次優(yōu)化（論文提綱范文）
| 摘要 |
| Abstract |
| 1 緒論 |
| 1.1 課題研究背景與意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀與分析 |
| 1.3 本文主要研究內(nèi)容 |
| 2 基于預(yù)估器的低階穩(wěn)定與積分時滯過程抗干擾控制設(shè)計 |
| 2.1 基于預(yù)估器的抗干擾控制設(shè)計 |
| 2.2 連續(xù)域控制器設(shè)計 |
| 2.2.1 廣義預(yù)估器設(shè)計 |
| 2.2.2 微分器設(shè)計 |
| 2.2.3 反饋控制器設(shè)計 |
| 2.2.4 控制性能分析 |
| 2.3 魯棒穩(wěn)定性分析 |
| 2.4 仿真案例 |
| 2.5 本章小結(jié) |
| 3 基于PESO的間接型迭代學(xué)習(xí)控制設(shè)計 |
| 3.1 基于PESO的內(nèi)環(huán)反饋控制設(shè)計 |
| 3.1.1 對象描述 |
| 3.1.2 SGP設(shè)計 |
| 3.1.3 預(yù)測狀態(tài)觀測器及反饋控制器設(shè)計 |
| 3.1.4 設(shè)定點預(yù)濾波器設(shè)計 |
| 3.2 間接型迭代學(xué)習(xí)控制設(shè)計 |
| 3.2.1 P型 PESO-ILC設(shè)計 |
| 3.2.2 魯棒穩(wěn)定性分析 |
| 3.3 仿真案例 |
| 3.4 本章小結(jié) |
| 4 4L夾套式結(jié)晶反應(yīng)釜溫度控制系統(tǒng)實驗驗證 |
| 4.1 系統(tǒng)組成設(shè)計 |
| 4.2 升溫過程階躍辨識實驗 |
| 4.3 ILC批次監(jiān)控設(shè)計 |
| 4.4 實驗結(jié)果與分析 |
| 4.5 本章小結(jié) |
| 結(jié)論 |
| 參考文獻 |
| 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況 |
| 致謝 |
（3）基于預(yù)見理論的礦山充填料漿濃度滑模控制研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第1章 緒論 |
| 1.1 研究背景和意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 礦山充填技術(shù)發(fā)展現(xiàn)狀 |
| 1.2.2 時滯系統(tǒng)控制發(fā)展現(xiàn)狀 |
| 1.2.3 預(yù)見控制發(fā)展現(xiàn)狀 |
| 1.2.4 滑模變結(jié)構(gòu)控制發(fā)展現(xiàn)狀 |
| 1.3 本文主要內(nèi)容 |
| 第2章 礦山充填系統(tǒng)料漿制備過程及數(shù)學(xué)模型 |
| 2.1 引言 |
| 2.2 礦山充填系統(tǒng)料漿制備過程 |
| 2.3 充填料漿濃度控制設(shè)計 |
| 2.4 料漿生產(chǎn)過程的數(shù)學(xué)模型 |
| 2.4.1 數(shù)學(xué)模型的建立 |
| 2.4.2 無時滯等效轉(zhuǎn)化 |
| 2.5 小結(jié) |
| 第3章 充填料漿濃度系統(tǒng)滑模預(yù)見控制研究 |
| 3.1 引言 |
| 3.2 礦山充填料漿濃度的最優(yōu)預(yù)見控制研究 |
| 3.2.1 構(gòu)造誤差系統(tǒng) |
| 3.2.2 最優(yōu)預(yù)見控制器的設(shè)計 |
| 3.3 礦山充填料漿濃度的滑模預(yù)見控制研究 |
| 3.3.1 滑?？刂破髟O(shè)計 |
| 3.3.2 滑?？刂破鞣€(wěn)定性證明 |
| 3.3.3 滑模預(yù)見控制器設(shè)計 |
| 3.4 仿真結(jié)果與分析 |
| 3.4.1 充填濃度控制系統(tǒng)滑模預(yù)見控制方法仿真 |
| 3.4.2 仿真對比分析 |
| 3.5 小結(jié) |
| 第4章 充填料漿濃度控制系統(tǒng)積分滑模控制研究 |
| 4.1 引言 |
| 4.2 礦山充填料漿濃度的積分滑模預(yù)見控制研究 |
| 4.2.1 積分滑模面設(shè)計 |
| 4.2.2 積分滑?？刂破髟O(shè)計 |
| 4.2.3 積分滑?？刂破鞣€(wěn)定性證明 |
| 4.2.4 積分滑模預(yù)見控制器設(shè)計 |
| 4.3 基于擴張狀態(tài)觀測器設(shè)計干擾補償 |
| 4.3.1 擴張狀態(tài)觀測器的設(shè)計 |
| 4.3.2 擴張狀態(tài)觀測器穩(wěn)定性分析 |
| 4.3.3 基于擴張狀態(tài)觀測器設(shè)計料漿濃度控制器 |
| 4.4 仿真結(jié)果與分析 |
| 4.4.1 充填料漿濃度控制系統(tǒng)積分滑模預(yù)見控制方法仿真 |
| 4.4.2 仿真對比分析 |
| 4.5 小結(jié) |
| 第5章 充填料漿濃度系統(tǒng)雙冪次滑模預(yù)見控制研究 |
| 5.1 引言 |
| 5.2 基于冪次滑模預(yù)見控制的礦山充填系統(tǒng) |
| 5.2.1 冪次滑?？刂破髟O(shè)計 |
| 5.2.2 冪次滑模控制器穩(wěn)定分析 |
| 5.2.3 冪次滑模預(yù)見控制器設(shè)計 |
| 5.3 基于雙冪次滑模預(yù)見控制的礦山充填系統(tǒng) |
| 5.3.1 雙冪次滑模控制器設(shè)計 |
| 5.3.2 雙冪次滑模控制穩(wěn)定性分析 |
| 5.3.3 雙冪次滑模預(yù)見控制器設(shè)計 |
| 5.4 仿真結(jié)果與分析 |
| 5.4.1 基于冪次滑模預(yù)見控制下的充填料漿濃度仿真實驗 |
| 5.4.2 基于雙冪次滑模預(yù)見控制下的礦山充填系統(tǒng)仿真實驗 |
| 5.4.3 仿真對比分析 |
| 5.5 小結(jié) |
| 總結(jié)與展望 |
| 參考文獻 |
| 致謝 |
| 附錄 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文 |
（4）火電機組熱工過程自抗擾控制的研究與應(yīng)用（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 第1章 緒論 |
| 1.1 研究背景和意義 |
| 1.2 研究進展及現(xiàn)狀 |
| 1.2.1 熱工過程控制研究現(xiàn)狀 |
| 1.2.2 自抗擾控制理論的研究現(xiàn)狀 |
| 1.2.3 自抗擾控制理論的應(yīng)用現(xiàn)狀 |
| 1.3 目前存在的問題 |
| 1.4 本文研究內(nèi)容和技術(shù)路線 |
| 第2章 廣義積分串聯(lián)型的相位分析 |
| 2.1 引言 |
| 2.2 自抗擾控制結(jié)構(gòu) |
| 2.2.1 被控系統(tǒng)描述 |
| 2.2.2 跟蹤微分器 |
| 2.2.3 擴張狀態(tài)觀測器 |
| 2.2.4 狀態(tài)誤差反饋控制律 |
| 2.3 線性ESO的收斂性分析 |
| 2.4 廣義積分串聯(lián)型的相位分析 |
| 2.4.1 標準積分串聯(lián)型 |
| 2.4.2 無模型信息補償?shù)腅SO分析 |
| 2.4.3 帶模型信息補償?shù)腅SO分析 |
| 2.5 仿真研究 |
| 2.5.1 無模型信息補償?shù)腅SO |
| 2.5.2 帶模型信息補償?shù)腅SO |
| 2.6 本章小結(jié) |
| 第3章 基于擴張狀態(tài)觀測器的模型參數(shù)智能辨識 |
| 3.1 引言 |
| 3.2 零初始條件下的數(shù)據(jù)驅(qū)動建模 |
| 3.2.1 連續(xù)系統(tǒng)的離散化 |
| 3.2.2 閉環(huán)擾動數(shù)據(jù)辨識分析 |
| 3.3 零終止條件下的數(shù)據(jù)驅(qū)動建模 |
| 3.4 基于ESO模型的參數(shù)智能辨識方法 |
| 3.4.1 熱工過程的ESO建模 |
| 3.4.2 ESO的離散化與條件穩(wěn)定 |
| 3.4.3 ESO參數(shù)的智能自尋優(yōu)辨識 |
| 3.5 算例研究 |
| 3.5.1 零初始條件下的ESO參數(shù)辨識 |
| 3.5.2 基于擾動數(shù)據(jù)的ESO參數(shù)辨識 |
| 3.5.3 多變量系統(tǒng)的ESO參數(shù)辨識 |
| 3.6 本章小結(jié) |
| 第4章 基于相位補償?shù)慕惦A自抗擾控制設(shè)計 |
| 4.1 引言 |
| 4.2 基于相位補償?shù)慕惦AADRC |
| 4.2.1 降階擴張狀態(tài)觀測器 |
| 4.2.2 基于相位補償?shù)慕惦AADRC設(shè)計 |
| 4.2.3 穩(wěn)定性分析 |
| 4.3 I_RADRC的二自由結(jié)構(gòu)分析 |
| 4.4 I_RADRC的參數(shù)整定與數(shù)值仿真 |
| 4.4.1 I_RADRC的參數(shù)對控制性能的影響 |
| 4.4.2 I_RADRC參數(shù)的整定步驟 |
| 4.4.3 數(shù)值仿真 |
| 4.5 多變量系統(tǒng)的分散式I_RADRC控制 |
| 4.5.1 分散式I_RADRC的解耦能力分析 |
| 4.5.2 算例研究 |
| 4.6 本章小結(jié) |
| 第5章 I_RADRC的工程應(yīng)用 |
| 5.1 引言 |
| 5.2 I_RADRC算法的工程化設(shè)計 |
| 5.2.1 自動跟蹤與無擾切換設(shè)計 |
| 5.2.2 抗積分飽和方案 |
| 5.2.3 I_RADRC控制策略實現(xiàn) |
| 5.3 主汽溫系統(tǒng)的串級自抗擾控制 |
| 5.3.1 被控過程的描述 |
| 5.3.2 仿真平臺試驗 |
| 5.3.3 現(xiàn)場應(yīng)用 |
| 5.4 負荷系統(tǒng)的分散式自抗擾控制 |
| 5.4.1 被控過程描述 |
| 5.4.2 仿真平臺試驗 |
| 5.4.3 現(xiàn)場應(yīng)用 |
| 5.5 本章小結(jié) |
| 第6章 結(jié)論與展望 |
| 6.1 研究總結(jié) |
| 6.2 進一步工作的建議與展望 |
| 參考文獻 |
| 攻讀博士學(xué)位期間發(fā)表的論文及其它成果 |
| 攻讀博士學(xué)位期間參加的科研工作 |
| 致謝 |
| 作者簡介 |
（5）基于多源干擾估計器的魯棒飛行控制技術(shù)研究與應(yīng)用（論文提綱范文）
| 摘要 |
| abstract |
| 第一章 緒論 |
| 1.1 研究工作的背景與意義 |
| 1.1.1 受多源干擾的控制系統(tǒng) |
| 1.1.2 低成本飛行器的發(fā)展現(xiàn)狀 |
| 1.1.3 低成本飛行器在受多源干擾條件下的控制難點 |
| 1.2 受多源干擾控制系統(tǒng)的國內(nèi)外研究歷史與現(xiàn)狀 |
| 1.2.1 受集總輸入干擾系統(tǒng)的魯棒控制 |
| 1.2.2 受輸出干擾或傳感器數(shù)量受限系統(tǒng)的魯棒控制 |
| 1.2.3 受多源干擾系統(tǒng)的魯棒控制 |
| 1.3 本論文的主要創(chuàng)新與貢獻 |
| 1.3.1 主要創(chuàng)新 |
| 1.3.2 主要貢獻 |
| 1.4 本論文的結(jié)構(gòu)安排 |
| 第二章 無速率測量系統(tǒng)的集總輸入干擾補償控制 |
| 2.1 引言 |
| 2.2 無速率測量系統(tǒng)的控制器設(shè)計分析 |
| 2.2.1 問題描述 |
| 2.2.2 設(shè)計難點 |
| 2.3 基于passivity技術(shù)和改進的UDE的控制方案設(shè)計 |
| 2.3.1 控制方案設(shè)計 |
| 2.3.2 改進的UDE設(shè)計 |
| 2.3.3 穩(wěn)定性和性能分析 |
| 2.3.4 3-DOF直升機應(yīng)用 |
| 2.4 基于改進的LSO+UDE的控制方案設(shè)計 |
| 2.4.1 控制方案設(shè)計 |
| 2.4.2 改進的LSO設(shè)計 |
| 2.4.3 UDE設(shè)計 |
| 2.4.4 穩(wěn)定性和性能分析 |
| 2.4.5 3-DOF直升機應(yīng)用 |
| 2.5 本章小結(jié) |
| 第三章 傳感器性能受限系統(tǒng)的測量誤差補償控制 |
| 3.1 引言 |
| 3.2 傳感器性能受限系統(tǒng)的控制器設(shè)計分析 |
| 3.2.1 問題描述 |
| 3.2.2 設(shè)計難點 |
| 3.3 基于MEE的控制方案設(shè)計 |
| 3.3.1 控制方案設(shè)計 |
| 3.3.2 MEE設(shè)計 |
| 3.3.3 穩(wěn)定性分析 |
| 3.3.4 2-DOF直升機應(yīng)用 |
| 3.3.5 固定翼飛機應(yīng)用 |
| 3.4 被控系統(tǒng)模型精度受限條件下基于MEE的控制方案設(shè)計 |
| 3.4.1 改進的控制方案設(shè)計 |
| 3.4.2 2-DOF直升機應(yīng)用 |
| 3.5 傳感器動態(tài)時滯條件下基于MEE+SLC的控制方案設(shè)計 |
| 3.5.1 針對一階傳感器模型的控制方案設(shè)計 |
| 3.5.2 針對一階傳感器模型的MEE設(shè)計 |
| 3.5.3 針對高階傳感器模型的控制方案和MEE設(shè)計的推廣 |
| 3.5.4 2-DOF直升機應(yīng)用 |
| 3.6 本章小結(jié) |
| 第四章 存在多源干擾系統(tǒng)的一體化補償控制 |
| 4.1 引言 |
| 4.2 存在多源干擾系統(tǒng)的控制器設(shè)計分析 |
| 4.2.1 問題描述 |
| 4.2.2 設(shè)計難點 |
| 4.3 基于MEE+UDE的控制方案設(shè)計 |
| 4.3.1 多源干擾估計框架設(shè)計 |
| 4.3.2 控制方案設(shè)計 |
| 4.3.3 MEE設(shè)計 |
| 4.3.4 UDE設(shè)計 |
| 4.3.5 穩(wěn)定性和性能分析 |
| 4.3.6 與經(jīng)典魯棒控制方案的對比 |
| 4.3.7 2-DOF直升機應(yīng)用 |
| 4.3.8 四旋翼飛行器應(yīng)用 |
| 4.4 本章小結(jié) |
| 第五章 固定翼飛機高精度編隊控制 |
| 5.1 引言 |
| 5.2 固定翼飛機高精度編隊控制設(shè)計分析 |
| 5.2.1 問題描述 |
| 5.2.2 設(shè)計難點 |
| 5.3 基于因果穩(wěn)定逆的分布式魯棒同步輸出跟蹤控制方案設(shè)計 |
| 5.3.1 控制方案設(shè)計 |
| 5.3.2 分布式觀測網(wǎng)絡(luò)設(shè)計 |
| 5.3.3 因果穩(wěn)定逆設(shè)計 |
| 5.3.4 基于MEE的局部魯棒控制器設(shè)計 |
| 5.3.5 穩(wěn)定性和性能分析 |
| 5.3.6 F-16戰(zhàn)斗機編隊應(yīng)用 |
| 5.4 本章小結(jié) |
| 第六章 全文總結(jié)與展望 |
| 6.1 全文總結(jié) |
| 6.2 后續(xù)工作展望 |
| 致謝 |
| 參考文獻 |
| 攻讀博士學(xué)位期間取得的成果 |
（6）船用鍋爐汽包水位內(nèi)模滑?？刂蒲芯浚ㄕ撐奶峋V范文）
| 摘要 |
| ABSTRACT |
| 符號說明表 |
| 1 緒論 |
| 1.1 論文研究的背景意義 |
| 1.2 國內(nèi)外發(fā)展現(xiàn)狀 |
| 1.2.1 鍋爐汽包水位系統(tǒng)控制發(fā)展現(xiàn)狀 |
| 1.2.2 內(nèi)?？刂频陌l(fā)展現(xiàn)狀 |
| 1.2.3 滑?？刂频陌l(fā)展現(xiàn)狀 |
| 1.3 論文的主要工作 |
| 2 鍋爐汽包水位系統(tǒng)數(shù)學(xué)模型的建立 |
| 2.1 鍋爐本體的結(jié)構(gòu) |
| 2.2 汽包水位系統(tǒng)的數(shù)學(xué)模型 |
| 2.2.1 汽包內(nèi)的質(zhì)量守恒方程式 |
| 2.2.2 汽包內(nèi)的能量平衡方程式 |
| 2.2.3 給水擾動下的汽包水位特性 |
| 2.2.4 蒸汽擾動下的汽包水位特性 |
| 2.3 本章小結(jié) |
| 3 鍋爐汽包水位內(nèi)?？刂蒲芯?/td> |
| 3.1 內(nèi)?？刂苹驹?/td> |
| 3.1.1 內(nèi)?？刂破鞯慕Y(jié)構(gòu) |
| 3.1.2 內(nèi)?？刂频闹饕再|(zhì) |
| 3.1.3 內(nèi)?？刂破鞯脑O(shè)計 |
| 3.2 鍋爐汽包水位內(nèi)?？刂蒲芯?/td> |
| 3.2.1 汽包水位傳統(tǒng)控制方法 |
| 3.2.2 汽包水位內(nèi)?？刂破髟O(shè)計及仿真分析 |
| 3.3 本章小結(jié) |
| 4 鍋爐汽包水位內(nèi)模滑?？刂蒲芯?/td> |
| 4.1 滑?？刂评碚?/td> |
| 4.1.1 滑?？刂圃?/td> |
| 4.1.2 滑?？刂频牟蛔冃?/td> |
| 4.1.3 滑動模態(tài)的存在與到達條件 |
| 4.1.4 滑?？刂破鞯脑O(shè)計 |
| 4.1.5 滑模控制器的缺點 |
| 4.1.6 全局非線性積分滑模面的設(shè)計 |
| 4.2 鍋爐汽包水位內(nèi)?；？刂撇呗栽O(shè)計 |
| 4.2.1 汽包水位內(nèi)模滑?？刂圃?/td> |
| 4.2.2 汽包水位滑?？刂坡傻脑O(shè)計 |
| 4.2.3 汽包水位擾動控制器的設(shè)計 |
| 4.2.4 汽包水位控制系統(tǒng)的仿真分析 |
| 4.3 本章小結(jié) |
| 5 基于遞階差分優(yōu)化RBF網(wǎng)絡(luò)的汽包水位內(nèi)?；？刂蒲芯?/td> |
| 5.1 神經(jīng)網(wǎng)絡(luò)理論 |
| 5.1.1 神經(jīng)網(wǎng)絡(luò)概述 |
| 5.1.2 神經(jīng)網(wǎng)絡(luò)的模型 |
| 5.1.3 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法 |
| 5.1.4 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識 |
| 5.2 RBF神經(jīng)網(wǎng)絡(luò)概述 |
| 5.2.1 RBF神經(jīng)網(wǎng)絡(luò)模型 |
| 5.2.2 RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法 |
| 5.3 遞階差分進化算法 |
| 5.3.1 差分進化算法概述 |
| 5.3.2 混合遞階差分進化算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò) |
| 5.4 基于優(yōu)化RBF網(wǎng)絡(luò)的汽包水位內(nèi)?；？刂撇呗?/td> |
| 5.4.1 基于RBF網(wǎng)絡(luò)的汽包水位內(nèi)?；？刂破髟O(shè)計 |
| 5.4.2 基于RBF網(wǎng)絡(luò)滑模切換控制項的離線學(xué)習(xí) |
| 5.4.3 基于RBF網(wǎng)絡(luò)滑模切換控制項的在線學(xué)習(xí) |
| 5.4.4 仿真研究 |
| 5.5 本章小結(jié) |
| 結(jié)論與展望 |
| 參考文獻 |
| 附錄A 混合遞階差分進化算法的優(yōu)化過程代碼 |
| 致謝 |
| 作者簡歷及攻讀碩士學(xué)位期間的科研成果 |
（7）非線性時滯定常系統(tǒng)多維泰勒網(wǎng)辨識與預(yù)測控制（論文提綱范文）
| 摘要 |
| Abstract |
| 第一章 緒論 |
| 1.1 課題研究背景和意義 |
| 1.2 課題研究現(xiàn)狀 |
| 1.2.1 非線性時滯系統(tǒng)辨識研究現(xiàn)狀 |
| 1.2.2 非線性時滯系統(tǒng)控制方法研究現(xiàn)狀 |
| 1.2.3 非線性時滯系統(tǒng)預(yù)測控制研究現(xiàn)狀 |
| 1.2.4 帶有外界干擾的非線性時滯系統(tǒng)預(yù)測控制研究現(xiàn)狀 |
| 1.2.5 非線性時滯系統(tǒng)的穩(wěn)定性分析研究現(xiàn)狀 |
| 1.2.6 多維泰勒網(wǎng)研究現(xiàn)狀 |
| 1.3 尚待解決的問題及提升方案 |
| 1.4 本文的主要研究內(nèi)容和創(chuàng)新點 |
| 1.4.1 本文的主要研究內(nèi)容 |
| 1.4.2 本文的創(chuàng)新點 |
| 1.5 本文的結(jié)構(gòu)安排 |
| 第二章 多維泰勒網(wǎng)與基于多維泰勒網(wǎng)的辨識方案研究 |
| 2.1 前言 |
| 2.2 系統(tǒng)描述 |
| 2.2.1 單入單出離散非線性時滯系統(tǒng) |
| 2.2.2 多入多出離散非線性時滯系統(tǒng) |
| 2.3 多維泰勒網(wǎng) |
| 2.3.1 多維泰勒網(wǎng)模型 |
| 2.3.2 多維泰勒網(wǎng)控制器 |
| 2.4 系統(tǒng)辨識方案 |
| 2.5 SISO非線性時滯系統(tǒng)的多維泰勒網(wǎng)辨識方案 |
| 2.5.1 辨識模型 |
| 2.5.2 極限學(xué)習(xí)機算法 |
| 2.5.3 最優(yōu)多維泰勒網(wǎng)辨識模型 |
| 2.6 MIMO非線性時滯系統(tǒng)的多維泰勒網(wǎng)辨識方案 |
| 2.6.1 辨識模型 |
| 2.6.2 多維泰勒網(wǎng)辨識模型學(xué)習(xí)算法 |
| 2.7 仿真實驗 |
| 2.7.1 SISO仿真算例 |
| 2.7.2 MIMO仿真算例 |
| 2.8 本章小結(jié) |
| 第三章 基于多維泰勒網(wǎng)的超前d步預(yù)測模型研究 |
| 3.1 前言 |
| 3.2 系統(tǒng)描述 |
| 3.2.1 單入單出離散非線性時滯系統(tǒng) |
| 3.2.2 多入多出離散非線性時滯系統(tǒng) |
| 3.3 基于多維泰勒網(wǎng)的超前d步預(yù)測模型研究 |
| 3.3.1 非遞推d步超前多維泰勒網(wǎng)預(yù)測模型 |
| 3.3.2 遞推d步超前多維泰勒網(wǎng)預(yù)測模型 |
| 3.3.3 多維泰勒網(wǎng)預(yù)測模型學(xué)習(xí)算法 |
| 3.4 仿真實驗 |
| 3.4.1 單入單出非線性時滯系統(tǒng) |
| 3.4.2 多入多出非線性時滯系統(tǒng) |
| 3.5 本章小結(jié) |
| 第四章 基于多維泰勒網(wǎng)的單入單出非線性時滯系統(tǒng)預(yù)測控制 |
| 4.1 引言 |
| 4.2 非線性時滯系統(tǒng)描述 |
| 4.3 基于多維泰勒網(wǎng)的非線性時滯系統(tǒng)預(yù)測控制方案 |
| 4.3.1 預(yù)測模型 |
| 4.3.2 多維泰勒網(wǎng)控制器設(shè)計 |
| 4.3.3 穩(wěn)定性分析 |
| 4.4 基于多維泰勒網(wǎng)的非線性時滯系統(tǒng)預(yù)測控制綜合設(shè)計方案 |
| 4.5 仿真實驗 |
| 4.5.1 仿真算例1 |
| 4.5.2 仿真算例2 |
| 4.5.3 仿真實例 |
| 4.6 本章小結(jié) |
| 第五章 基于多維泰勒網(wǎng)的單入單出非線性時滯系統(tǒng)預(yù)測補償控制 |
| 5.1 引言 |
| 5.2 系統(tǒng)描述 |
| 5.3 多維泰勒網(wǎng)預(yù)測控制方案 |
| 5.3.1 多維泰勒網(wǎng)預(yù)測模型 |
| 5.3.2 多維泰勒網(wǎng)預(yù)測控制律 |
| 5.3.3 穩(wěn)定性分析 |
| 5.3.4 多維泰勒網(wǎng)預(yù)測控制整體方案 |
| 5.4 多維泰勒網(wǎng)補償器設(shè)計 |
| 5.4.1 多維泰勒網(wǎng)補償器 |
| 5.4.2 多維泰勒網(wǎng)補償器參數(shù)調(diào)整 |
| 5.5 多維泰勒網(wǎng)預(yù)測補償控制整體方案 |
| 5.6 仿真實驗 |
| 5.6.1 仿真算例 |
| 5.6.2 仿真實例 |
| 5.7 本章小結(jié) |
| 第六章 基于多維泰勒網(wǎng)的多入多出非線性時滯系統(tǒng)遞推d步預(yù)測控制 |
| 6.1 引言 |
| 6.2 系統(tǒng)描述 |
| 6.3 多維泰勒網(wǎng)遞推預(yù)測模型 |
| 6.4 多維泰勒網(wǎng)控制器設(shè)計 |
| 6.4.1 多維泰勒網(wǎng)控制器 |
| 6.4.2 多維泰勒網(wǎng)控制器參數(shù)調(diào)整 |
| 6.4.3 穩(wěn)定性分析 |
| 6.5 多入多出非線性時滯系統(tǒng)的多維泰勒網(wǎng)遞推d步超前預(yù)測控制整體方案 |
| 6.6 仿真實驗 |
| 6.7 本章小結(jié) |
| 第七章 基于多維泰勒網(wǎng)的多入多出非線性時滯系統(tǒng)辨識與預(yù)測控制 |
| 7.1 引言 |
| 7.2 系統(tǒng)描述 |
| 7.3 未知時滯辨識 |
| 7.4 遞推d步超前多維泰勒網(wǎng)預(yù)測控制 |
| 7.4.1 遞推d步超前多維泰勒網(wǎng)預(yù)測模型 |
| 7.4.2 多維泰勒網(wǎng)預(yù)測控制律 |
| 7.4.3 穩(wěn)定性分析 |
| 7.4.4 多入多出非線性時滯系統(tǒng)遞推d步超前多維泰勒網(wǎng)預(yù)測控制總體方案 |
| 7.5 多入多出非線性時滯系統(tǒng)未知時滯辨識與遞推d步超前多維泰勒網(wǎng)預(yù)測控制整體方案 |
| 7.6 仿真實驗 |
| 7.6.1 仿真算例 |
| 7.6.2 仿真實例 |
| 7.7 本章小結(jié) |
| 第八章 總結(jié)與展望 |
| 8.1 論文工作總結(jié) |
| 8.2 論文中有待進一步研究的問題 |
| 參考文獻 |
| 作者簡介 |
| 攻讀博士學(xué)位期間發(fā)表、錄用或已投出的學(xué)術(shù)論文 |
| 致謝 |
（8）結(jié)晶過程溫度調(diào)節(jié)裝置的采樣控制設(shè)計與批次運行優(yōu)化（論文提綱范文）
| 摘要 |
| Abstract |
| 1 緒論 |
| 1.1 課題研究的背景和意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀及分析 |
| 1.3 主要研究內(nèi)容 |
| 2 非最小相位過程的兩自由度預(yù)測控制設(shè)計 |
| 2.1 基于簡化廣義預(yù)估器的兩自由度控制結(jié)構(gòu) |
| 2.2 離散域兩自由度控制器設(shè)計 |
| 2.2.1 抗干擾控制器 |
| 2.2.2 設(shè)定點跟蹤控制器 |
| 2.3 魯棒穩(wěn)定性分析 |
| 2.4 仿真案例 |
| 2.5 本章小結(jié) |
| 3 基于預(yù)估器抗擾控制(PDRC)結(jié)構(gòu)的間接型迭代學(xué)習(xí)控制(ILC)設(shè)計 |
| 3.1 PDRC控制結(jié)構(gòu) |
| 3.2 基于PDRC的 P型 ILC控制方案 |
| 3.2.1 基于2D系統(tǒng)的P型ILC設(shè)計 |
| 3.2.2 魯棒穩(wěn)定性分析 |
| 3.2.3 ILC學(xué)習(xí)率優(yōu)化 |
| 3.2.4 仿真案例 |
| 3.3 基于PDRC的 PD型 ILC控制方案 |
| 3.3.1 基于2D系統(tǒng)的PD型魯棒ILC設(shè)計 |
| 3.3.2 仿真案例 |
| 3.4 實驗驗證 |
| 3.5 本章小結(jié) |
| 4 基于LabVIEW的 JULABO溫控系統(tǒng)集中監(jiān)控平臺設(shè)計 |
| 4.1 集中監(jiān)控系統(tǒng)組成與設(shè)計方案 |
| 4.2 基于LabVIEW的上位機設(shè)計 |
| 4.2.1 LabVIEW與 NI-VISA編程接口軟件 |
| 4.2.2 LabVIEW與 RS232 串口通信 |
| 4.2.3 人機交互監(jiān)控界面設(shè)計 |
| 4.2.4 LabVIEW程序設(shè)計 |
| 4.3 JULABO下位機通信設(shè)計 |
| 4.3.1 JULABO加熱制冷循環(huán)浴槽 |
| 4.3.2 JULABO與 RS232 串口通信 |
| 4.4 實驗運行測試 |
| 4.5 本章小結(jié) |
| 總結(jié) |
| 參考文獻 |
| 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況 |
| 致謝 |
（9）復(fù)雜多變量系統(tǒng)閉環(huán)辨識與內(nèi)?？刂品椒ㄑ芯浚ㄕ撐奶峋V范文）
| 學(xué)位論文數(shù)據(jù)集 |
| 摘要 |
| abstract |
| 第一章 緒論 |
| 1.1 引言 |
| 1.2 內(nèi)模控制方法 |
| 1.2.1 內(nèi)?？刂苹驹?/td> |
| 1.2.2 內(nèi)?？刂茋鴥?nèi)外研究現(xiàn)狀 |
| 1.2.3 多變量系統(tǒng)內(nèi)?？刂蒲芯楷F(xiàn)狀 |
| 1.2.4 多變量非方系統(tǒng)內(nèi)模控制研究現(xiàn)狀 |
| 1.3 系統(tǒng)辨識方法 |
| 1.3.1 系統(tǒng)辨識簡介 |
| 1.3.2 多變量系統(tǒng)辨識研究現(xiàn)狀 |
| 1.4 主要研究內(nèi)容 |
| 第二章 基于強化學(xué)習(xí)的頻域響應(yīng)估計法(CARLA-FRE) |
| 2.1 引言 |
| 2.2 頻域響應(yīng)估計法 |
| 2.2.1 開環(huán)控制系統(tǒng)的頻域分析 |
| 2.2.2 閉環(huán)控制系統(tǒng)的頻域分析 |
| 2.2.3 頻域分析方法的優(yōu)缺點 |
| 2.3 基于強化學(xué)習(xí)的頻域響應(yīng)估計法 |
| 2.3.1 強化學(xué)習(xí)基本原理 |
| 2.3.2 連續(xù)動作強化學(xué)習(xí)自動機算法 |
| 2.3.3 基于CARLA的頻域響應(yīng)估計法 |
| 2.4 CARLA算法性能驗證 |
| 2.5 本章小結(jié) |
| 第三章 基于CARLA-FRE辨識的多變量系統(tǒng)內(nèi)?？刂茟?yīng)用 |
| 3.1 引言 |
| 3.2 問題描述 |
| 3.3 基于CARLA-FRE的多變量系統(tǒng)內(nèi)?？刂?/td> |
| 3.3.1 基于CARLA-FRE的多變量方系統(tǒng)辨識 |
| 3.3.2 基于CARLA-FRE的多變量非方系統(tǒng)辨識 |
| 3.3.3 多變量系統(tǒng)的內(nèi)模控制器設(shè)計方法 |
| 3.4 仿真實驗 |
| 3.4.1 多變量方系統(tǒng)辨識——Wood-Berry模型 |
| 3.4.2 多變量非方系統(tǒng)辨識——Shell模型 |
| 3.5 本章小結(jié) |
| 第四章 基于LQG控制方法的多變量多時滯過程最優(yōu)控制 |
| 4.1 引言 |
| 4.2 卡爾曼濾波和最優(yōu)控制介紹 |
| 4.2.1 卡爾曼濾波理論 |
| 4.2.2 最優(yōu)控制 |
| 4.2.3 狀態(tài)反饋原理 |
| 4.2.4 狀態(tài)空間模型構(gòu)造 |
| 4.3 基于最優(yōu)控制方法的多變量多時滯過程控制律設(shè)計 |
| 4.3.1 基于卡爾曼濾波器的狀態(tài)估計 |
| 4.3.2 最優(yōu)控制律設(shè)計 |
| 4.4 仿真研究 |
| 4.5 本章小結(jié) |
| 第五章 一類強耦合非方系統(tǒng)的內(nèi)?？刂品椒▋?yōu)化研究 |
| 5.1 引言 |
| 5.2 問題描述 |
| 5.3 基于懲罰偽逆的時滯非方系統(tǒng)內(nèi)模控制方法 |
| 5.3.1 解耦內(nèi)?？刂平Y(jié)構(gòu) |
| 5.3.2 內(nèi)模控制器的設(shè)計 |
| 5.3.3 穩(wěn)態(tài)性能分析 |
| 5.3.4 基于CARLA的最大懲罰因子ρ_0尋優(yōu) |
| 5.4 基于補償器原理的非方系統(tǒng)內(nèi)?？刂品椒?/td> |
| 5.4.1 補償器的設(shè)計 |
| 5.4.2 方形子系統(tǒng)的選擇 |
| 5.4.3 內(nèi)模控制器的應(yīng)用 |
| 5.5 仿真分析 |
| 5.5.1 基于懲罰偽逆的內(nèi)?？刂破髟O(shè)計 |
| 5.5.2 基于補償器原理的內(nèi)?？刂破髟O(shè)計 |
| 5.5.3 以上兩種內(nèi)模控制器的仿真分析 |
| 5.6 小結(jié) |
| 第六章 總結(jié)與展望 |
| 6.1 總結(jié) |
| 6.2 展望 |
| 參考文獻 |
| 致謝 |
| 研究成果及發(fā)表的學(xué)術(shù)論文 |
| 作者和導(dǎo)師簡介 |
| 附件 |
（10）具有不確定和時滯的動力定位系統(tǒng)控制方法研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第1章 緒論 |
| 1.1 課題研究的背景和意義 |
| 1.2 動力定位控制系統(tǒng)的研究進展 |
| 1.3 課題相關(guān)內(nèi)容的研究進展 |
| 1.3.1 非線性系統(tǒng)不確定問題的研究進展 |
| 1.3.2 非線性系統(tǒng)時滯問題的研究進展 |
| 1.3.3 非線性系統(tǒng)輸入飽和問題的研究進展 |
| 1.3.4 非線性系統(tǒng)狀態(tài)約束問題的研究進展 |
| 1.4 論文主要研究內(nèi)容和結(jié)構(gòu)安排 |
| 第2章 船舶運動數(shù)學(xué)模型和相關(guān)控制理論 |
| 2.1 引言 |
| 2.2 參考坐標系 |
| 2.3 動力定位船舶運動學(xué)與動力學(xué)模型 |
| 2.3.1 動力定位船舶運動學(xué)模型 |
| 2.3.2 動力定位船舶動力學(xué)模型 |
| 2.3.3 船舶運動模型的不同表達形式 |
| 2.4 環(huán)境干擾模型 |
| 2.4.1 海風(fēng)干擾模型 |
| 2.4.2 海浪干擾模型 |
| 2.4.3 海流干擾模型 |
| 2.5 相關(guān)控制理論 |
| 2.5.1 反步法 |
| 2.5.2 自適應(yīng)模糊控制 |
| 2.6 本章小結(jié) |
| 第3章 動力定位不確定時滯系統(tǒng)自適應(yīng)模糊反步控制 |
| 3.1 引言 |
| 3.2 動力定位不確定系統(tǒng)自適應(yīng)模糊反步控制 |
| 3.2.1 動力定位不確定系統(tǒng)模型的描述 |
| 3.2.2 動力定位不確定系統(tǒng)反步控制 |
| 3.2.3 動力定位不確定系統(tǒng)自適應(yīng)反步控制 |
| 3.2.4 穩(wěn)定性分析 |
| 3.2.5 仿真結(jié)果與分析 |
| 3.3 動力定位不確定時滯系統(tǒng)自適應(yīng)模糊反步控制 |
| 3.3.1 動力定位不確定時滯系統(tǒng)模型的描述 |
| 3.3.2 動力定位不確定時滯系統(tǒng)反步控制 |
| 3.3.3 動力定位不確定時滯系統(tǒng)自適應(yīng)模糊反步控制 |
| 3.3.4 穩(wěn)定性分析 |
| 3.3.5 仿真結(jié)果與分析 |
| 3.4 本章小結(jié) |
| 第4章 具有輸入飽和和時滯的自適應(yīng)滑模反步控制 |
| 4.1 引言 |
| 4.2 具有輸入飽和和不確定的動力定位系統(tǒng)自適應(yīng)滑模反步控制 |
| 4.2.1 具有輸入飽和和不確定的動力定位系統(tǒng)模型描述 |
| 4.2.2 具有輸入飽和和不確定的動力定位系統(tǒng)滑模反步控制 |
| 4.2.3 具有輸入飽和和不確定的動力定位系統(tǒng)自適應(yīng)滑模反步控制 |
| 4.2.4 穩(wěn)定性分析 |
| 4.2.5 仿真結(jié)果與分析 |
| 4.3 具有輸入飽和和時滯的動力定位系統(tǒng)自適應(yīng)滑模反步控制 |
| 4.3.1 具有輸入飽和和時滯的動力定位系統(tǒng)模型描述 |
| 4.3.2 具有輸入飽和和時滯的動力定位系統(tǒng)滑模反步控制 |
| 4.3.3 具有輸入飽和和時滯的動力定位系統(tǒng)自適應(yīng)滑模反步控制 |
| 4.3.4 穩(wěn)定性分析 |
| 4.3.5 仿真結(jié)果與分析 |
| 4.4 本章小結(jié) |
| 第5章 具有狀態(tài)約束和時滯的自適應(yīng)模糊反步控制 |
| 5.1 引言 |
| 5.2 具有狀態(tài)約束和不確定的動力定位系統(tǒng)自適應(yīng)模糊反步控制 |
| 5.2.1 具有狀態(tài)約束和不確定的動力定位系統(tǒng)模型描述 |
| 5.2.2 具有狀態(tài)約束和不確定的動力定位系統(tǒng)反步控制 |
| 5.2.3 具有狀態(tài)約束和不確定的動力定位系統(tǒng)自適應(yīng)模糊反步控制 |
| 5.2.4 穩(wěn)定性分析 |
| 5.2.5 仿真結(jié)果與分析 |
| 5.3 具有狀態(tài)約束和時滯的動力定位系統(tǒng)自適應(yīng)模糊反步控制 |
| 5.3.1 具有狀態(tài)約束和時滯的動力定位系統(tǒng)模型描述 |
| 5.3.2 具有狀態(tài)約束和時滯的動力定位系統(tǒng)反步控制 |
| 5.3.3 具有狀態(tài)約束和時滯的動力定位系統(tǒng)自適應(yīng)模糊反步控制 |
| 5.3.4 穩(wěn)定性分析 |
| 5.3.5 仿真結(jié)果與分析 |
| 5.4 本章小結(jié) |
| 結(jié)論 |
| 參考文獻 |
| 攻讀博士學(xué)位期間發(fā)表的論文和取得的科研成果 |
| 致謝 |
四、一類不穩(wěn)定時滯過程的最優(yōu)抗干擾控制（論文參考文獻）
- [1]階躍擾動下時滯過程線性自抗擾控制方法研究[D]. 張宇明. 北京化工大學(xué), 2021(02)
- [2]基于預(yù)估器的結(jié)晶反應(yīng)釜溫度控制與批次優(yōu)化[D]. 臧儒東. 大連理工大學(xué), 2021(01)
- [3]基于預(yù)見理論的礦山充填料漿濃度滑?？刂蒲芯縖D]. 齊永達. 蘭州理工大學(xué), 2021(01)
- [4]火電機組熱工過程自抗擾控制的研究與應(yīng)用[D]. 孫明. 華北電力大學(xué)(北京), 2021(01)
- [5]基于多源干擾估計器的魯棒飛行控制技術(shù)研究與應(yīng)用[D]. 祝洋. 電子科技大學(xué), 2020(03)
- [6]船用鍋爐汽包水位內(nèi)模滑?？刂蒲芯縖D]. 段蒙蒙. 大連海事大學(xué), 2020(01)
- [7]非線性時滯定常系統(tǒng)多維泰勒網(wǎng)辨識與預(yù)測控制[D]. 李晨龍. 東南大學(xué), 2020
- [8]結(jié)晶過程溫度調(diào)節(jié)裝置的采樣控制設(shè)計與批次運行優(yōu)化[D]. 汪真才. 大連理工大學(xué), 2020(02)
- [9]復(fù)雜多變量系統(tǒng)閉環(huán)辨識與內(nèi)模控制方法研究[D]. 蔣美英. 北京化工大學(xué), 2019(01)
- [10]具有不確定和時滯的動力定位系統(tǒng)控制方法研究[D]. 薛晶晶. 哈爾濱工程大學(xué), 2019(04)
標簽：滑?？刂普撐?/a>; 系統(tǒng)辨識論文; 過程控制論文; 自適應(yīng)算法論文; 系統(tǒng)仿真論文;