高超声速飞行器的LPV变增益输出反馈H∞控制

来源 :第23届过程控制会议 | 被引量 : 0次 | 上传用户:xigongdaxigongda
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  针对高超声速飞行器模型高度非线性、强耦合的特点,提出了一种多胞形线性变参数系统(LPV)变增益输出反馈H控制器的设计方法。首先在感兴趣的变参数轨迹上选取若干个平衡点进行雅克比线性化并拟合得到LPV模型,将其离散化后存储于一张量中,然后利用高阶奇异值分解(HOSVD),舍去较小和为0的奇异值及对应特征向量对其进行降秩重构处理,得到了有限个LTI多胞顶点系统。在对各顶点进行输出反馈控制器设计时,为降低保守性,通过引入松弛变量,将Lyapunov函数矩阵与系统矩阵解耦,从而可以在不同的点使用不同的Lyapunov函数矩阵,以此得到依赖变参数进行增益在线调节的控制器。最后的仿真结果表明了所设计的控制器能较快的跟踪指令信号,并具有一定的鲁棒性能。
其他文献
本文建立非参数化的实时滚动优化模型进行单交叉口信号控制。模型以整个交叉口公交车和社会车辆的平均人时延误最小为目标函数,优化确定相位间的切换和相位长度。将公交优先嵌入优化控制,考虑公交车的载客量、到达情况,早到晚到的影响等因素对每辆公交车动态分配权重系数。充分考虑相序方案的调整对控制目标的影响,优化过程中通过跳相来实现相序优化。在遗传算法中引入模拟退火拉伸思想, 得到改进的遗传算法并对模型求解。最后
In recent years, immune genetic algorithm (IGA) is gaining popularity for finding the optimal solution of non-linear optimization problems encountered in many engineering applications. In IGA, the mut
已有基于等价空间的非均匀采样数据系统故障检测方法是以系统模型已知为前提,通过构造和评估残差信号来反映系统期望行为与实际运行模式之间的不一致性。若模型参数未知,需采用系统辨识方法先辨识模型,再求取相应的等价向量。本文从子空间辨识角度,研究一种基于非均匀采样数据驱动的故障检测直接设计方法,不需要已知系统的模型信息,即可同时实现快速率残差产生和相应等价矩阵的降维。首先,针对输入输出训练数据,利用提升技术
The data fusion can come down to a process that combines the state vector from the different sources to obtain the more accurate results. Compare to depend on the single source, it can achieve the imp
To improve the performance of greenhouse monitoring system based on WSN, an algorithm was proposed. By grey prediction of WSN current feedback values, the sampling values of the following variables ca
对于多输入—多输出控制系统,本文研究基于特征模型的黄金分割自适应控制律组成的闭环系统的稳定性问题。首先,给出并证明了时变矩阵的一些相关性质,然后,构造了一个新的李亚普诺夫函数。在此基础上,证明了由黄金分割自适应控制器组成的闭环系统的稳定性。
Fault monitoring of bioprocess was extremely important to ensure the safety of a reactor and consistently high quality of products. It was difficult to build the accurate mechanistic model of bioproce
Some limitations exist in modeling of chemical process by SVM (support vector machine), such as unsatisfactory modeling accuracy, generalization ability and difficult kernel parameter selection proces
The traditional interacting multiple model (IMM) algorithm has a fixed structure, in the region of high maneuvering target tracking, needs plenty of models to describe the target maneuver, brings the
发酵过程是一个复杂的时变、非线性、多变量生化过程, 传统的补料分批控制方式难以满足发酵过程最优控制需求。 提出一种基于广义预测控制(GPC)算法的新型控制方法, 该方法以GPC算法为控制策略, 首先通过最小二乘支持向量机(LS-SVM)并结合GPC算法建立预测模型并预测系统输出值; 其次运用粒子群(PSO)算法实现预测控制的滚动优化,获得发酵系统控制量; 然后将这种控制方法用于赖氨酸发酵过程基质浓