论文部分内容阅读
自适应逆控制是用自适应滤波器辨识出被控对象的逆模型，并将其串联到对象的输入端作为控制器来控制对象的动态特性。这种开环控制避免了因为不恰当的反馈引起的系统不稳定现象，而且分别处理系统的动态特性控制和对象扰动的控制问题，从而最大限度地获得好的控制性能。本文以普通非线性对象为研究对象，结合中科院百人计划“智能控制方法及应用研究”，展开非线性自适应逆控制方法研究。所完成的工作主要包括以下七个方面：
首先，介绍了自适应逆控制的概念、选题意义，综述了国内外对自适应逆控制方法和桥式吊车控制的研究进展，并给出了论文的主要内容。
其次，介绍了径向基函数(RBF)网络、模糊神经网络(FNN)和支持向量机(SVM)这三种通用的逼近器的模型、网络结构和学习算法，为后面非线性自适应逆控制的建模和控制器的设计以及扰动消除器的设计做了充分的准备。
第三，提出了一种基于RBF网络的ε-滤波非线性自适应逆控制系统，即用一种RBF网络的非线性自适应滤波器为非线性系统进行建模、逆建模、控制器及自适应扰动消除器的设计。
第四，提出了一种基于FNN的非线性自适应逆控制系统，将三个基于FNN的非线性滤波器用在非线性对象建模、控制器的设计和自适应扰动消除器中。
第五，讨论了基于贝叶斯证据框架下最小二乘支持向量机回归(LS-SVMR)的建模和逆建模方法，提出了一种基于LS-SVMR的自适应逆扰动消除控制系统和一种基于LS-SVMR的混合自适应逆控制系统，在此基础上构建了完整的自适应逆控制系统。
第六，将非线性自适应逆控制应用到桥式吊车中，提出了一种桥式吊车的自适应逆控制方法。首先设计了一个角度PD反馈控制环节来保证摆角的迅速衰减，然后又设计了一个PD反馈控制环节来使吊车对象稳定。最后针对这个双闭环被控对象设计了一种基于RBF网络的ε-滤波自适应逆控制系统。
最后，对取得的研究成果进行了总结，并展望了需要进一步研究的工作。