CN104460322A - 不确定性时延双时标系统模糊时延状态反馈控制方法 - Google Patents
不确定性时延双时标系统模糊时延状态反馈控制方法 Download PDFInfo
- Publication number
- CN104460322A CN104460322A CN201410815382.3A CN201410815382A CN104460322A CN 104460322 A CN104460322 A CN 104460322A CN 201410815382 A CN201410815382 A CN 201410815382A CN 104460322 A CN104460322 A CN 104460322A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mtd
- msubsup
- math
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000008569 process Effects 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 26
- 238000005070 sampling Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 238000005352 clarification Methods 0.000 claims description 2
- 238000009795 derivation Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000004088 simulation Methods 0.000 abstract description 4
- 230000003595 spectral effect Effects 0.000 abstract description 2
- 230000004044 response Effects 0.000 description 7
- 239000000872 buffer Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 101100460704 Aspergillus sp. (strain MF297-2) notI gene Proteins 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000010310 metallurgical process Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
一种不确定性时延双时标系统模糊时延状态反馈控制方法,复杂系统高精度控制技术领域。该方法基于不确定性标准离散模糊奇异摄动模型,设计模糊时延状态反馈控制器,实现复杂UTDNTTSSs的高精度控制。融合模糊逻辑、奇异摄动技术、时延及不确定性系统理论,建立被控UTDNTTSSs的不确定性标准离散模糊奇异摄动模型,结合模糊逻辑与时延系统理论,设计模糊时延状态反馈控制器,采用谱范数与LMIs方法,推导出控制器存在充分条件,通过CE150直升机姿态控制系统高精度控制仿真,说明了该方法的具体实施过程与有效性。优点在于,解决现有UTDNTTSSs建模与控制方法,无法消除时延、快模态及参数摄动引起的稳态误差问题,大幅提高UTDNTTSSs的控制性能。
Description
技术领域
本发明属于复杂时延系统控制技术领域,特别提供一种不确定性时延非线性双时标系统的模糊时延状态反馈控制方法,适用于存在状态时延的非线性双时标系统的高精度控制,如薄或超薄热轧带钢板形板厚综合控制,挠性航天器姿态控制以及精细作业机器人柔性臂位置控制。
背景技术
时延经常存在于复杂系统控制过程,减小或消除时延对复杂系统稳定性与控制性能影响的研究成果层出不穷,但主要集中于常规非线性时延系统,较少涉及双时标问题,而且控制器设计未考虑时延问题。因为采用经典控制理论处理时延双时标系统,将大大提高系统模型的阶数与复杂性,给控制器设计带来很大困难。此外,控制器设计考虑时延,也将提高控制器设计难度。采用现存的时延系统控制理论与方法,直接处理时延双时标系统,很难得到较高的控制精度。然而,时延与双时标问题常常存在于控制工程领域,如航空航天、冶金过程、机器人及电力电子等,这又使得此类问题的研究非常有实际意义。
双时标特性是指被控系统存在慢、快两种模态而呈现的病态动力学特性。快模态较难测量且易影响系统控制精度,甚至使其失稳。目前主要采用奇异摄动技术处理双时标问题,即在慢、快两个时间尺度,将被控系统的状态变量分解为慢、快两组,建立奇异摄动模型,并采用Riccati方程或线性矩阵不等式等方式求解控制器增益。近年来,非时延双时标系统的奇异摄动建模与控制技术得到了深入研究,但考虑时延的双时标系统控制研究尚处于初步阶段,特别是控制器中考虑时延因素的研究结果尚未发现。
综上所述,在控制器设计中考虑时延因素的情况下,研究具有时延、非线性、双时标以及参数摄动并存特性的不确定性时延非线性双时标系统(Uncertain Time-delayNonlinear Two Time-scale Systems,简记UTDNTTSSs)的模糊时延状态反馈鲁棒控制方法,具有重要的理论意义和实际应用价值。
发明内容
本发明目的在于提供一种UTDNTTSSs的模糊时延状态反馈控制方法,解决现有时延系统控制方法无法消除时延、快变模态及参数摄动共同作用引起的稳态误差问题,极大提高UTDNTTSSs的控制精度。
本发明的技术方案是:
采用不确定性时延标准离散模糊奇异摄动模型描述具有时延、非线性、双时标以及参数摄动并存特性的复杂UTDNTTSSs,融合时延系统理论、模糊逻辑、奇异摄动技术,设计模糊时延状态反馈控制器,采用谱范数与线性矩阵不等式(Linear MatrixInequalities,简记LMIs)方法,推导出求解模糊时延状态反馈控制器增益的充分条件,为复杂UTDNTTSSs提供高精度控制方案,本发明方法的流程图如图1所示。
具体包括:
本发明在UTDNTTSSs上实施,所述控制系统的硬件部分主要包括:被控UTDNTTSSs,传感器,控制器和执行器,其中执行器包括缓冲器和零阶保持器,如图2所示。
步骤一、根据被控UTDNTTSSs的动力学方程,建立其不确定性连续时延模糊奇异摄动模型:
规则i:如果ξ1(t)是φi1,...,ξg(t)是φig,那么
y(t)=Cx(t) (1)
其中,
xs(t)∈Rn为慢变量,xf(t)∈Rm为快变量,u(t)∈Rq为控制输入,y(t)∈Rl为系统输出,ω(t)∈Rq为外扰,φi1,...,φig(i=1,2,…,r)均为模糊集合,ξ1(t),…,ξg(t)为可测量的系统变量,Aci,Acdi,Bci,C为合适维数矩阵,ΔAciandΔAcdi为合适维数的不确定性矩阵,ε是奇异摄动参数,τ(0<τ<τm)为时延常数,τm为上确界。
步骤二、建立被控UTDNTTSSs的不确定性时延标准离散模糊奇异摄动模型
控制系统中的传感器和执行器均采用时间驱动方式,且二者采用相同的采样时间Ts,在零阶保持器的作用下,将以上连续时间模型(1),离散化为不确定性时延标准离散模糊奇异摄动模型:
规则i:如果ξ1(t)是φi1,...,ξg(t)是φig,那么
x(k+1)=Eε(Ai+ΔAi)x(k)+Eε(Adi+ΔAdi)x(k-τ)+EεBiu(k)
y(k)=Cx(k) (2)
其中,ΔAi,ΔAdi为适当维数的不确定性矩阵,Ai,Adi,Bi为:
给定[x(k);u(k)],应用标准模糊推理方法,得到全局不确定性时延标准离散模糊奇异摄动模型:
x(k+1)=Eε(A(μ)+ΔA(μ))x(k)+Eε(Ad(μ)+ΔAd(μ))x(k-τ)+EεB(μ)u(k)
y(k)=Cx(k) (3)
其中,隶属度函数 φij(ξj(k))为ξj(k)在φij中的隶属度,ξ(t)表示包含ξ1(t),...,ξg(t)的向量,设ωi(ξ(k))≥0,for i=1,2,…,r,r为规则数,为了便于记录我们令μi=μi(ξ(k)),
步骤三、模糊时延状态反馈鲁棒控制器设计
基于模型(3),对被控对象UTDNTTSSs,设计模糊时延状态反馈鲁棒控制器;
控制器规则i:如果ξ1(k)是φi1,...,ξg(k)是φig,那么
u(k)=Fix(k)+Fdix(k-τ) (4)
其中,Fi、Fdi均为控制器增益。
采用标准的模糊推理方法―即单点模糊化,乘积推理,和加权平均清晰化,得全局模糊控制器为
u(k)=F(μ)x(k)+Fd(μ)x(k-τ) (5)
其中,
步骤四、推导出闭环系统模型
将控制率(5)应用于被控系统模型(3),获得闭环系统模型:
x(k+1)=Eε(A(μ)+B(μ)F(μ)+ΔA(μ))x(k)+Eε(Ad(μ)+B(μ)Fd(μ)+ΔAd(μ))x(k-τ)
(6)
步骤五、采用谱范数方法和线性矩阵不等式方法,推导出模糊时延状态反馈鲁棒控制器存在的充分条件,推导过程不要求知道系统不确定性参数的上确界。下面是求解控制器增益的线性矩阵不等式组:
Γii<0 i=1,2,...,r. (7)
Γij+Γji<0 i<j<r(i=1,2,...,r;j=2,3,...,r) (8)
P>0 (9)
Y>0 (10)
其中,γ(0<γ≤1)为给定常数, (P11∈R(n+m)τ×(n+m)τ,P22∈R(n+m)×(n+m)为对称正定矩阵), (Y11,Y22∈R(n+m)×(n+m)为对称正定矩阵且 Y111∈R(n+m)×(n+m)(τ-1),Y112∈R(n+m)(τ-1)×(n+m)),矩阵Vi1∈Rq×(n+m)(τ-1),Wi∈Rq×(n+n),
φi=[Adi 0(n+m)×(n+m)(τ-1)],
χi=[Bi 0(n+m)×(n+m)(τ-1)],
Ωij=AiY22+BiWj,
时延τ=1时Υ=0(n+m)×(n+m),П=I(n+m)×(n+m),
时延τ≥2时
控制器增益:
步骤六、将所得控制器Matlab代码传化为C语言代码,植入控制器。控制器采用事件驱动方式,当采样数据到达控制器时,控制器立刻进行计算,并将控制信号传给执行器,执行器按照固定的采样周期读取控制信号,生成控制输入,作用于被控UTDNTTSSs,从而实现UTDNTTSSs的高精度控制。
本发明的优点:
(1)、建立不确定性时延标准离散模糊奇异摄动模型描述被控UTDNTTSSs的时延、非线性、多时标以及参数不确定性并存特性,解决现存UTDNTTSSs模型无法准确描述UTDNTTSSs的病态动力学而导致的控制精度较低问题;
(2)、在国内外,首次采用基于不确定性时延标准离散模糊奇异摄动模型的模糊时延状态反馈鲁棒控制方法,研究UTDNTTSSs的建模与高精度控制问题,解决现存控制方法难以消除被控系统快模态、时延及参数摄动引起的稳态误差难题,达到UTDNTTSSs的高精度控制;
(3)、较之现存UTDNTTSSs控制方法,本发明采用控制率中嵌入时延状态变量的方法,更好的控制时延变量响应,极大缩短过渡过程时间并提高控制精度。
附图说明
图1本发明方法的流程图。
图2UTDNTTSSs结构图。
图3直升机结构示意图。
图4隶属度函数。
图5姿态角响应曲线。
图6电枢电压响应曲线。
图7姿态角进入稳态后的响应曲线。
图8电枢电压进入稳态后的响应曲线。
图9控制输入响应曲线。
具体实施方法
直升机姿态控制系统是典型的UTDNTTSSs,下面将本发明方法应用于Humusoft公司的CE150直升机姿态控制系统,并结合图1和图2,说明其实施方法,具体过程如下:
步骤一:根据现有的直升机动力学模型,建立直升机姿态控制系统连续时间不确定性时延模糊奇异摄动模型。
CE150直升机姿态控制结构示意图如图3所示,直升机的动力学模型为:
其中,Id是直升机沿水平轴的转动惯量,T(t)是驱动力矩,Tf(t)是摩擦力矩,Tm(t)是重力力矩,是姿态角,τ是时延常数。
其中,是摩擦系数,m是直升机的质量,g是重力加速度,l直升机重心到支撑点的距离
其中,ud(t)是电枢电压,u(t)是控制输入,a,b,G均为给定标量,其值与其他系统参数取值如下:
上述参数有些辨识误差,因此建立直升机姿态控制系统连续时间时延模糊奇异摄动模型时,采用不确定性参数描述此辨识误差。
下面建立直升机姿态控制系统的不确定性时延连续模糊奇异摄动模型:
规则i:如果是φi1,那么
y(t)=Cx(t)
for i=1,2,3 (16)
其中,x(t)=[xs(t) xf(t)]T,ε=0.1,φ11=-5*π/180,φ21=0,φ31=5*π/180,ud1=0.7196,ud2=0.7212,ud3=0.7196,ΔAci,ΔAcdi适当维数的不确定性矩阵,
步骤二:将上述不确定性时延连续模糊奇异摄动模型离散化,获得直升机姿态控制系统的不确定性时延标准离散模糊奇异摄动模型。
取采样周期为Ts=0.1s,应用零阶保持器法离散化模型(16),得到直升机姿态控制系统的不确定性时延标准离散模糊奇异摄动模型:
规则i:如果是φi1,那么
x(k+1)=Eε(Ai+ΔAi)x(k)+Eε(Adi+ΔAdi)x(k-τ)+EεBiu(k)
y(k)=Cx(k)
for i=1,2,3 (17)
其中,x(k)=[xs(k) xf(k)]T,ΔAi,ΔAdi∈R4×4为不确定性矩阵,
采用如下方法
获得Ai,Bi,Adi的值为:
给定[x(k);u(k)],应用标准模糊推理方法,得到全局不确定性时延标准离散模糊奇异摄动模型:
x(k+1)=Eε(A(μ)+ΔA(μ))x(k)+Eε(Ad(μ)+ΔAd(μ))x(k-τ)+EεB(μ)u(k)
y(k)=Cx(k) (18)
隶属度函数取如图4所示的函数,为了便于记录,将隶属度函数简记为μi,其具体分别为
步骤三、设计直升机姿态控制系统模糊时延状态反馈鲁棒控制器。
控制器规则i:如果是φi1,那么
u(k)=Fix(k)+Fdix(k-τ) (20)
其中,Fi,Fdi为控制器增益。
应用标准模糊推理方法,得到全局模糊时延状态反馈控制器:
u(k)=F(μ)x(k)+Fd(μ)x(k-τ) (21)
其中,
步骤四、将控制率(21)应用于模型(18),建立直升机姿态控制系统的闭环系统模型
x(k+1)=Eε(A(μ)+B(μ)F(μ)+ΔA(μ))x(k)+Eε(Ad(μ)+B(μ)Fd(μ)+ΔAd(μ))x(k-τ)
y(k)=Cx(k)
(22)
步骤五、采用谱范数方法和线性矩阵不等式方法,推导出模糊时延状态反馈鲁棒控制器存在的充分条件,推导过程不要求知道系统不确定性参数的上确界。下面是求解控制器增益的线性矩阵不等式组:
Γii<0 i=1,2,3. (23)
Γij+Γji<0 i<j<r(i=1,2,3;j=2,3) (24)
P>0 (25)
Y>0 (26)
其中,γ(0<γ≤1)为给定常数, (P11∈R8×8,P22∈R4×4为对称正定矩阵), ( Y111∈R4×4,Y112∈R4×4,Y22∈R4×4为对称正定矩阵),矩阵Vi1∈R1×4,Wi∈R1×4,
φi=[Adi 04×4],
χi=[Bi 04×4],
Ωij=AiY22+BiWj,
由于τ=2,Υ与П的值为:
П=[04×4 I4×4]
控制器增益:
步骤六、将所得控制器Matlab代码传化为C语言代码,植入直升机姿态控制系统。
步骤七、运行控制器中的控制程序,对直升机姿态进行稳定控制,整体控制系统结构图如图2所示,具体控制过程为:传感器采用时间驱动方式,按照固定的采样时间,将采样信号及其时间戳封装成数据包(简称采样数据包)传送给控制器;控制器采用事件驱动方式,当采样数据包到达时,控制器立刻进行控制信号计算,并将控制信号传给执行器;执行器由缓冲器和零阶保持器组成。当控制数据到达执行器后,执行器将其携带的时间戳与缓冲区内控制信号的时间戳进行比较,并判断新到达的控制数据包是否“新”;“是”则将新到达的控制信号及其时间戳保存在缓冲区中,“否”则丢弃此控制数据包。零阶保持器采用时间驱动方式,即零阶保持器按照固定的采样周期,从缓冲区读取控制信号,并生成控制输入调整直升机姿态,从而实现直升机系统的稳定控制。值得注意的是传感器和执行器采用相同的采样周期,并且二者应保持时钟同步。
仿真验证:
初始值取x(k)=[6*π/180 0 0 0]T,采用matlab软件对直升机姿态控制系统进行仿真,仿真结果表明,所设计控制器能够在5秒内使系统进入稳态(如图5,6所示)且直升机姿态角与电枢电压的控制精度分别为7×10-8度与4×10-12伏(如图7,8所示)。图9表明所设计控制器需要较小的控制输入,能够避免被控系统控制输入受限引起的过渡过程时间过长,进入稳态慢的问题。
综合上述,针对CE150直升机姿态控制系统的仿真结果表明,采用本发明能够有效处理UTDNTTSSs的快变量引起的不稳定或稳态误差大的问题,使UTDNTTSSs快速进入稳态,并达到高精度稳定控制目标。较之现存结果,本发明方法能够极大提高控制系统的响应速度和控制精度。
Claims (1)
1.一种时延非线性双时标系统的时延状态反馈控制方法,其特征在于:
步骤一、根据被控UTDNTTSSs的动力学方程,建立其不确定性连续时延模糊奇异摄动模型
规则i:如果ξ1(t)是φi1,...,ξg(t)是φig,那么
y(t)=Cx(t) (1)
其中,
xs(t)∈Rn为慢变量,xf(t)∈Rm为快变量,u(t)∈Rq为控制输入,y(t)∈Rl为系统输出,w(t)∈Rq为外扰,φi1,...,φig(i=1,2,...,r)均为模糊集合,ξ1(t),...,ξg(t)为可测量的系统变量,Aci,Acdi,Bci,C为合适维数矩阵,ΔAciandΔAcdi为合适维数的不确定性矩阵,ε是奇异摄动参数,τ(0<τ<τm)为时延常数,τm为上确界;
步骤二、建立被控UTDNTTSSs的不确定性时延标准离散模糊奇异摄动模型
控制系统中的传感器和执行器均采用时间驱动方式,且二者采用相同的采样时间Ts,在零阶保持器的作用下,将以上连续时间模型(1),离散化为不确定性时延标准离散模糊奇异摄动模型:
规则i:如果ξ1(k)是φi1,...,ξg(k)是φig,那么
x(k+1)=Eε(Ai+ΔAi)x(k)+Eε(Adi+ΔAdi)x(k-τ)+EεBiu(k)
y(k)=Cx(k) (2)
其中,ΔAi,ΔAdi为适当维数的不确定性矩阵,Ai,Adi,Bi为:
给定[x(k);u(k)],应用标准模糊推理方法,得到全局不确定性时延标准离散模糊奇异摄动模型:
x(k+1)=Eε(A(μ)+ΔA(μ))x(k)+Eε(Ad(μ)+ΔAd(μ))x(k-τ)+EεB(μ)u(k)
y(k)=Cx(k) (3)
其中,隶属度函数 φij(ξj(k))为ξj(k)在φij中的隶属度,ξ(k)表示包含ξ1(k),...,ξg(k)的向量,设wi(ξ(k))≥0,for i=1,2,…,r,r为规则数,μi(ξ(k))≥0,为了便于记录,令μi=μi(ξ(k)),
步骤三、时延模糊状态反馈鲁棒控制器设计
基于模型(3),对被控对象UTDNTTSSs,设计时延模糊状态反馈鲁棒控制器;
控制器规则i:如果ξ1(k)是φi1,...,ξg(k)是φig,那么
u(k)=Fix(k)+Fdix(k-τ) (4)
其中,Fi、Fdi均为控制器增益;
采用标准的模糊推理方法-即单点模糊化,乘积推理,和加权平均清晰化,得全局模糊控制器为
u(k)=F(μ)x(k)+Fd(μ)x(k-τ) (5)
其中,
步骤四、推导出闭环系统模型
将控制率(5)应用于被控系统模型(3),获得闭环系统模型:
x(k+1)=Eε(A(μ)+B(μ)F(μ)+ΔA(μ))x(k)+Eε(Ad(μ)+B(μ)Fd(μ)+ΔAd(μ))x(k-τ)
(6)
步骤五、采用谱范数方法和线性矩阵不等式方法,推导出时延模糊状态反馈鲁棒控制器存在的充分条件,推导过程不要求知道系统不确定性参数的上确界,下面是求解控制器增益的线性矩阵不等式组:
Γii<0 i=1,2,...,r. (7)
Γij+Γji<0 i<j<r(i=1,2,...,r;j=2,3,...,r) (8)
P>0 (9)
Y>0 (10)
其中,γ(0<γ≤1)为给定常数, (P11∈R(n+m)τ×(n+m)τ,P22∈R(n+m)×(n+m)为对称正定矩阵), (Y11,Y22∈R(n+m)×(n+m)为对称正定矩阵且 Y111∈R(n+m)×(n+m)(τ-1),Y112∈R(n+m)(τ-1)×(n+m)),矩阵Vi1∈Rq×(n+m)(τ-1),Wi∈Rq×(n+m),
φi=[Adi 0(n+m)×(n+m)(τ-1)],
χi=[Bi 0(n+m)×(n+m)(τ-1)],
Ωij=AiY22+BiWj,
时延τ=1时Υ=0(n+m)×(n+m),∏=I(n+m)×(n+m),
时延τ≥2时
控制器增益:
步骤六、将所得控制器Matlab代码传化为C语言代码,植入控制器,控制器采用事件驱动方式,当采样数据到达控制器时,控制器立刻进行计算,并将控制信号传给执行器,执行器按照固定的采样周期读取控制信号,生成控制输入,作用于被控UTDNTTSSs,实现UTDNTTSSs的高精度控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410815382.3A CN104460322B (zh) | 2014-12-23 | 2014-12-23 | 不确定性时延双时标系统模糊时延状态反馈控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410815382.3A CN104460322B (zh) | 2014-12-23 | 2014-12-23 | 不确定性时延双时标系统模糊时延状态反馈控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104460322A true CN104460322A (zh) | 2015-03-25 |
CN104460322B CN104460322B (zh) | 2017-05-24 |
Family
ID=52906563
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410815382.3A Expired - Fee Related CN104460322B (zh) | 2014-12-23 | 2014-12-23 | 不确定性时延双时标系统模糊时延状态反馈控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104460322B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106338917A (zh) * | 2016-10-26 | 2017-01-18 | 江南大学 | 一种基于状态观测器的网络化控制系统的非脆弱h∞控制方法 |
CN106773695A (zh) * | 2016-12-26 | 2017-05-31 | 冶金自动化研究设计院 | 非线性切换双时标系统滑膜控制方法 |
CN107065522A (zh) * | 2016-12-29 | 2017-08-18 | 冶金自动化研究设计院 | 非线性切换双时标系统模糊慢状态反馈h∞控制方法 |
CN107942657A (zh) * | 2017-11-08 | 2018-04-20 | 冶金自动化研究设计院 | 热连轧薄带板形板厚控制系统多时标模型与稳定控制方法 |
CN109033585A (zh) * | 2018-07-13 | 2018-12-18 | 河海大学 | 基于t-s模糊模型的不确定网络控制系统的pid控制器设计方法 |
CN109901603A (zh) * | 2019-03-22 | 2019-06-18 | 西北工业大学 | 一种输入时延下多空间飞行器姿态协同控制方法 |
CN110017696A (zh) * | 2019-04-18 | 2019-07-16 | 杭州电子科技大学 | 具有不确定性的t-s模型的工业炉温度控制方法 |
CN110032204A (zh) * | 2019-04-24 | 2019-07-19 | 西北工业大学 | 输入时延下多空间飞行器姿态协同控制方法 |
CN110704798A (zh) * | 2019-09-05 | 2020-01-17 | 东北大学 | 多自由度系统的数据处理方法、装置和存储介质 |
CN111240191A (zh) * | 2020-01-16 | 2020-06-05 | 西北工业大学 | 变时延条件下机器人系统的自适应模糊阶次稳定操控方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5594835A (en) * | 1993-03-24 | 1997-01-14 | National Semiconductor Corporation | Neural-fuzzy logic control system with adjustable fuzzy logic membership functions |
CN102799176A (zh) * | 2012-08-20 | 2012-11-28 | 上海理工大学 | 基于模糊理论的非线性时滞离散系统故障诊断方法 |
CN103592850A (zh) * | 2013-11-21 | 2014-02-19 | 冶金自动化研究设计院 | 非线性多时标时延系统建模与控制方法 |
CN103645646A (zh) * | 2013-12-04 | 2014-03-19 | 冶金自动化研究设计院 | 内含微小电感或电容的复杂电路系统建模与控制方法 |
-
2014
- 2014-12-23 CN CN201410815382.3A patent/CN104460322B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5594835A (en) * | 1993-03-24 | 1997-01-14 | National Semiconductor Corporation | Neural-fuzzy logic control system with adjustable fuzzy logic membership functions |
CN102799176A (zh) * | 2012-08-20 | 2012-11-28 | 上海理工大学 | 基于模糊理论的非线性时滞离散系统故障诊断方法 |
CN103592850A (zh) * | 2013-11-21 | 2014-02-19 | 冶金自动化研究设计院 | 非线性多时标时延系统建模与控制方法 |
CN103645646A (zh) * | 2013-12-04 | 2014-03-19 | 冶金自动化研究设计院 | 内含微小电感或电容的复杂电路系统建模与控制方法 |
Non-Patent Citations (1)
Title |
---|
李元春等: "基于分布参数机械臂协调操作柔性负载双时标控制", 《控制与决策》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106338917A (zh) * | 2016-10-26 | 2017-01-18 | 江南大学 | 一种基于状态观测器的网络化控制系统的非脆弱h∞控制方法 |
CN106338917B (zh) * | 2016-10-26 | 2019-01-25 | 江南大学 | 一种基于状态观测器的网络化控制系统的非脆弱h∞控制方法 |
CN106773695A (zh) * | 2016-12-26 | 2017-05-31 | 冶金自动化研究设计院 | 非线性切换双时标系统滑膜控制方法 |
CN106773695B (zh) * | 2016-12-26 | 2019-09-20 | 冶金自动化研究设计院 | 非线性切换双时标系统滑膜控制方法 |
CN107065522A (zh) * | 2016-12-29 | 2017-08-18 | 冶金自动化研究设计院 | 非线性切换双时标系统模糊慢状态反馈h∞控制方法 |
CN107065522B (zh) * | 2016-12-29 | 2020-06-16 | 冶金自动化研究设计院 | 非线性切换双时标系统模糊慢状态反馈h∞控制方法 |
CN107942657A (zh) * | 2017-11-08 | 2018-04-20 | 冶金自动化研究设计院 | 热连轧薄带板形板厚控制系统多时标模型与稳定控制方法 |
CN107942657B (zh) * | 2017-11-08 | 2020-11-20 | 冶金自动化研究设计院 | 热连轧薄带板形板厚控制系统多时标建模与稳定性分析方法 |
CN109033585A (zh) * | 2018-07-13 | 2018-12-18 | 河海大学 | 基于t-s模糊模型的不确定网络控制系统的pid控制器设计方法 |
CN109033585B (zh) * | 2018-07-13 | 2020-04-03 | 河海大学 | 不确定网络控制系统的pid控制器设计方法 |
CN109901603A (zh) * | 2019-03-22 | 2019-06-18 | 西北工业大学 | 一种输入时延下多空间飞行器姿态协同控制方法 |
CN109901603B (zh) * | 2019-03-22 | 2021-11-02 | 西北工业大学 | 一种输入时延下多空间飞行器姿态协同控制方法 |
CN110017696A (zh) * | 2019-04-18 | 2019-07-16 | 杭州电子科技大学 | 具有不确定性的t-s模型的工业炉温度控制方法 |
CN110017696B (zh) * | 2019-04-18 | 2020-10-16 | 杭州电子科技大学 | 具有不确定性的t-s模型的工业炉温度控制方法 |
CN110032204A (zh) * | 2019-04-24 | 2019-07-19 | 西北工业大学 | 输入时延下多空间飞行器姿态协同控制方法 |
CN110032204B (zh) * | 2019-04-24 | 2022-07-29 | 西北工业大学 | 输入时延下多空间飞行器姿态协同控制方法 |
CN110704798A (zh) * | 2019-09-05 | 2020-01-17 | 东北大学 | 多自由度系统的数据处理方法、装置和存储介质 |
CN111240191A (zh) * | 2020-01-16 | 2020-06-05 | 西北工业大学 | 变时延条件下机器人系统的自适应模糊阶次稳定操控方法 |
CN111240191B (zh) * | 2020-01-16 | 2022-09-02 | 西北工业大学 | 变时延条件下机器人系统的自适应模糊阶次稳定操控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104460322B (zh) | 2017-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104460322B (zh) | 不确定性时延双时标系统模糊时延状态反馈控制方法 | |
CN103592850B (zh) | 非线性多时标时延系统建模与控制方法 | |
Ye et al. | State damping control: A novel simple method of rotor UAV with high performance | |
He et al. | Neural network control of a rehabilitation robot by state and output feedback | |
Dong et al. | High-performance trajectory tracking control of a quadrotor with disturbance observer | |
Ghadiri et al. | Adaptive super-twisting non-singular terminal sliding mode control for tracking of quadrotor with bounded disturbances | |
CN104570727B (zh) | 具有随机丢包的非线性双时标系统网络化控制方法 | |
Yan et al. | Barrier function-based adaptive neural network sliding mode control of autonomous surface vehicles | |
CN103389650B (zh) | 四通道遥操作系统的双边未知死区自适应控制系统 | |
Ammar et al. | Fuzzy gains-scheduling of an integral sliding mode controller for a quadrotor unmanned aerial vehicle | |
Zhao et al. | Deterministic learning from adaptive neural network control for a 2-DOF helicopter system with unknown backlash and model uncertainty | |
Huang et al. | A novel approach for trajectory tracking control of an under-actuated quad-rotor UAV | |
Nguyen et al. | Neural network-based adaptive sliding mode control method for tracking of a nonholonomic wheeled mobile robot with unknown wheel slips, model uncertainties, and unknown bounded external disturbances | |
CN103645646B (zh) | 内含微小电感或电容的复杂电路系统建模与控制方法 | |
Li et al. | Optimized neural network based sliding mode control for quadrotors with disturbances | |
Wang et al. | Adaptive control of mobile robots including actuator dynamics | |
Liu et al. | Full backstepping control in dynamic systems with air disturbances optimal estimation of a quadrotor | |
Ren et al. | Extended state observer based robust friction compensation for tracking control of an omnidirectional mobile robot | |
Nguyen et al. | Advanced finite-time control for bilateral teleoperators with delays and uncertainties | |
Zhang et al. | Adaptive stabilization and trajectory tracking of airship with neutral buoyancy | |
Zhong et al. | Fuzzy active disturbance rejection attitude control of spacecraft with unknown disturbance and parametric uncertainty | |
Diao et al. | An output feedback attitude tracking controller design for quadrotor unmanned aerial vehicles using quaternion | |
Chen et al. | Attitude tracking control of rigid spacecraft with disturbance compensation | |
Lidong et al. | Experimental study on the multi-dimensional microgravity simulation system for manipulators | |
Kovacs et al. | Internal Model-Based Lateral and Longitudinal Control for Autonomous Electric Vehicles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170524 Termination date: 20201223 |
|
CF01 | Termination of patent right due to non-payment of annual fee |