带有执行器死区的T-S模糊系统的自适应跟踪控制

带有执行器死区的T-S模糊系统的自适应跟踪控制

论文摘要

在实际的控制系统中,由于组成元器件的物理性能的限制及实际意义,执行器通常会出现死区现象,甚至执行器的参数随着生产过程中工作条件和环境的变化而发生变化,使得存在的死区参数是时变的.死区的存在造成控制系统的稳态误差,严重限制系统的性能.所以,对带有执行器死区的系统的研究是具有重要的理论价值和实际意义的.另外,在非线性系统的研究领域中,当被控对象利用模糊模型描述时,自适应控制器的设计研究,就成为设计自适应模糊控制器的问题.考虑到执行器中普遍存在死区现象,带有执行器死区的非线性系统的分析和综合成为控制领域中研究的一个热点问题。本文的主要研究工作如下:(1)介绍了本文研究内容的理论和实际意义,以及国内外研究现状.(2)针对Takagi-Sugeno模糊系统表示的非线性系统,本文研究了带有执行器不对称死区的系统的自适应跟踪控制问题。其中,不对称死区满足输出信号关于输入信号是分段线性的,并且死区的带宽是未知的有界正常数.首先,利用T-S模糊系统来表示非线性系统.进而,将不对称死区表示为线性输入和有界干扰项的组合.对给定的n阶可微的有界参考轨迹yr(t)和给定的跟踪精度ε0,基于Lyapunov稳定性理论和线性矩阵不等式(LMI)方法,给出了带有执行器不对称死区的非线性系统的自适应模糊控制器的存在条件和设计方法.所设计的控制器能够保证系统跟踪误差满足‖e‖<ε0,同时保证闭环系统的所有信号有界.为了提高跟踪误差精度,根据可调参数提出自适应跟踪控制器的设计步骤.最后,通过仿真说明了所给方法的有效性.(3)本文给出了对于一类带有执行器时变死区的基于模糊模型的非线性系统的自适应跟踪控制方法.其中,时变死区满足输出信号关于输入信号是分段非线性的(当输入信号超过某些特定值时),并且死区的倾斜度是未知的有界正函数和死区的带宽是未知的有界正常数.采用T-S模糊模型来表示带有执行器时变死区的非线性系统,并且基于Lyapunov稳定性理论和线性矩阵不等式(LMI)方法,设计了带有时变死区的非线性系统的自适应模糊控制器.对给定的n阶可微的有界参考轨迹yr(t)和给定的跟踪精度ε0,通过适当调节控制器的设计参数,所设计的控制器能够保证系统跟踪误差满足‖e‖<ε0,同时保证闭环系统的所有信号有界。为了提高跟踪误差精度,根据可调参数提出自适应跟踪控制器的设计步骤.最后,通过对质量-弹簧-阻尼器系统的仿真说明了所给方法的有效性。(4)对本文的研究结论做了总结,并提出了一些未来研究问题.

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 引言
  • 1.1 问题的提出及意义
  • 1.2 国内外研究现状
  • 1.3 本文研究工作
  • 1.4 本文的组织
  • 1.5 符号的说明
  • 第2章 问题提出和预备知识
  • 2.1 死区的模型及基本性质
  • 2.1.1 不对称死区的模型及基本性质
  • 2.1.2 时变死区的模型及基本性质
  • 2.2 带有执行器死区的T-S模糊模型
  • 第3章 带有执行器不对称死区的T-S模糊系统的自适应跟踪控制
  • 3.1 引言
  • 3.2 主要结论
  • 3.3 仿真实例
  • 3.4 本章小结
  • 第4章 带有执行器时变死区的T-S模糊系统的自适应跟踪控制
  • 4.1 引言
  • 4.2 主要结论
  • 4.3 仿真实例
  • 4.4 本章小结
  • 第5章 工作总结与研究展望
  • 5.1 工作总结
  • 5.2 研究展望
  • 参考文献
  • 攻读硕士期间研究成果
  • 致谢
  • 个人简况
  • 相关论文文献

    • [1].基于遗传算法的气动肌肉T-S模糊逻辑控制优化[J]. 液压与气动 2020(04)
    • [2].不确定多时滞广义T-S模糊系统保性能控制[J]. 湖南理工学院学报(自然科学版) 2016(04)
    • [3].基于T-S模糊控制的步进电机抗干扰研究[J]. 东华大学学报(自然科学版) 2019(06)
    • [4].T-S模糊模型在单级倒立摆中的控制研究[J]. 现代电子技术 2020(08)
    • [5].T-S模糊神经网络模型训练样本构建及其在鸣翠湖水质评价中的应用[J]. 水动力学研究与进展(A辑) 2020(03)
    • [6].航空发动机T-S分布式系统自适应鲁棒滑模控制[J]. 推进技术 2016(12)
    • [7].基于T-S模型的随机切换模糊系统的稳定性研究[J]. 沈阳大学学报(自然科学版) 2017(02)
    • [8].基于T-S模糊控制的燃料电池客车能量管理策略及仿真分析[J]. 客车技术与研究 2017(04)
    • [9].基于T-S模糊模型的混沌控制方法的复杂网络的广义同步[J]. 北京生物医学工程 2012(04)
    • [10].温室草莓灰霉病T-S模糊控制模型[J]. 辽宁科技大学学报 2015(04)
    • [11].基于T-S模型的奇异摄动系统的采样鲁棒H_∞控制[J]. 数学的实践与认识 2013(21)
    • [12].基于T-S模糊神经网络模型的榆林市土壤风蚀危险度评价[J]. 地理科学 2013(06)
    • [13].理想气体多方过程的T-S图的研究[J]. 重庆三峡学院学报 2012(03)
    • [14].基于T-S模糊神经网络的凝汽器故障诊断[J]. 上海电力学院学报 2011(06)
    • [15].基于新模糊系统与T-S模糊系统的比较与研究[J]. 计算机工程与应用 2009(22)
    • [16].基于T-S模型的网络化控制系统的鲁棒容错控制[J]. 华中科技大学学报(自然科学版) 2008(03)
    • [17].基于T-S模糊神经网络模型的极移预报方法[J]. 测绘通报 2020(S1)
    • [18].基于T-S模型的一步输出反馈抗饱和补偿设计[J]. 华中科技大学学报(自然科学版) 2019(11)
    • [19].基于区间T-S模糊模型的自适应故障检测算法研究[J]. 新疆大学学报(自然科学版) 2017(02)
    • [20].基于T-S模糊神经网络模型的钦州市主要河流水质评价[J]. 人民珠江 2017(08)
    • [21].基于区间2型T-S模糊系统的自适应逆控制[J]. 模糊系统与数学 2016(03)
    • [22].最大交互数对非齐次T-S模糊系统的潜在影响[J]. 山东大学学报(理学版) 2015(08)
    • [23].T-S模糊门在因果图中的应用[J]. 重庆工商大学学报(自然科学版) 2015(11)
    • [24].基于T-S模糊模型的半主动悬架非线性控制方法[J]. 兰州理工大学学报 2013(04)
    • [25].基于T-S模型的烧结终点广义预测自适应控制[J]. 电气传动 2012(04)
    • [26].基于T-S模糊模型的网络化控制系统的鲁棒容错控制[J]. 辽宁工业大学学报(自然科学版) 2012(02)
    • [27].T-S图在化工热力学中的应用[J]. 化学工程与装备 2012(12)
    • [28].水下机器人T-S型模糊神经网络控制[J]. 电机与控制学报 2010(07)
    • [29].焦炉燃烧过程T-S模糊数学模型研究[J]. 电子设计工程 2019(23)
    • [30].基于T-S模糊建模方法的近空间飞行器姿控系统传感器故障调节技术研究[J]. 河北科技大学学报 2013(06)

    标签:;  ;  ;  ;  ;  

    带有执行器死区的T-S模糊系统的自适应跟踪控制
    下载Doc文档

    猜你喜欢