项目名称: 基于演算子理论的多输入多输出磁滞非线性系统的鲁棒控制研究

项目编号: No.61203229

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 自动化学科

项目作者: 毕淑慧

作者单位: 山东省科学院

项目金额: 25万元

中文摘要: 磁滞非线性广泛存在于工程实际中,它能够造成系统的精度下降、振荡甚至造成系统不稳定。而具有磁滞的非线性控制系统的建模与控制问题是一个富有挑战性的难题,目前还没有从理论建立高度有效的系统分析与综合方法。本项目用基于演算子理论的鲁棒右互质分解方法对具有磁滞的多输入多输出非线性系统进行研究。设计的控制系统能够有效地控制系统中的磁滞、非线性、耦合和不确定性因素的影响,保持系统的鲁棒稳定性;应用李普希茨范数与压缩映射原理等将提出的方法推广到多输入多输出系统中处理耦合影响;并通过设计输出跟踪控制器在磁滞和不确定性因素的影响下实现较精确的跟踪功能。

中文关键词: 鲁棒非线性控制;磁滞;不确定性;基于演算子理论的鲁棒右互质分解方法;多输入多输出

英文摘要: Hysteresis nonlinearity has extensive practical background, it widely exists in engineering practice, and it usually causes undesirable inaccuracy, oscillations, and even lead to system instability. However, the modeling and nonlinear control of a system with complex hysteresis is a challenging topic in the control field. Until now, it has not established a highly effective system analysis and synthesis method for controlling hysteresis. In this project, operator based robust nonlinear control system design for multi-input multi-output (MIMO) nonlinear systems with hysteresis is considered. That is, by using operator based robust right coprime factorization approach, the designed control system can effectively control the hysteresis, nonlinearity, coupling effects and uncertainties, namely, the designed system is robustly stable. Also, the definition of generalized Lispchitz norm and contranction map theorem and so on are extended to deal with the coupling effects of the MIMO nonlinear systems. Moreover, the output tracking problem is studied, the perfect tracking performance can be realized by a tracking design scheme even though the hysteresis and uncertainties exist.

英文关键词: Robust nonlinear control;hysteresis;uncertainty;operator based robust coprime factorization approa;multi-input multi output

成为VIP会员查看完整内容
0

相关内容

【AAAI2022】一种基于状态扰动的鲁棒强化学习算法
专知会员服务
32+阅读 · 2022年1月31日
「大规模图神经网络系统」最新2022综述:从算法到系统
专知会员服务
111+阅读 · 2022年1月14日
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
NeurIPS 2021 | 用简单的梯度下降算法逃离鞍点
专知会员服务
23+阅读 · 2021年12月6日
专知会员服务
13+阅读 · 2021年10月9日
逆优化: 理论与应用
专知会员服务
35+阅读 · 2021年9月13日
专知会员服务
23+阅读 · 2021年8月1日
专知会员服务
65+阅读 · 2021年1月28日
专知会员服务
33+阅读 · 2020年11月26日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
【APC】先进过程控制系统(APC: Advanced Process Control)
产业智能官
57+阅读 · 2020年7月12日
卷积神经网络数学原理解析
算法与数学之美
19+阅读 · 2019年8月23日
自动驾驶技术解读——自动驾驶汽车决策控制系统
智能交通技术
29+阅读 · 2019年7月7日
ICLR 2019论文解读:深度学习应用于复杂系统控制
机器之心
11+阅读 · 2019年1月10日
李克强:智能车辆运动控制研究综述
厚势
20+阅读 · 2017年10月17日
CNN、RNN在自动特征提取中的应用
乌镇智库
14+阅读 · 2017年8月4日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Arxiv
12+阅读 · 2021年10月22日
Arxiv
31+阅读 · 2020年9月21日
Optimization for deep learning: theory and algorithms
Arxiv
102+阅读 · 2019年12月19日
Self-Driving Cars: A Survey
Arxiv
41+阅读 · 2019年1月14日
小贴士
相关VIP内容
【AAAI2022】一种基于状态扰动的鲁棒强化学习算法
专知会员服务
32+阅读 · 2022年1月31日
「大规模图神经网络系统」最新2022综述:从算法到系统
专知会员服务
111+阅读 · 2022年1月14日
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
NeurIPS 2021 | 用简单的梯度下降算法逃离鞍点
专知会员服务
23+阅读 · 2021年12月6日
专知会员服务
13+阅读 · 2021年10月9日
逆优化: 理论与应用
专知会员服务
35+阅读 · 2021年9月13日
专知会员服务
23+阅读 · 2021年8月1日
专知会员服务
65+阅读 · 2021年1月28日
专知会员服务
33+阅读 · 2020年11月26日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
相关资讯
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
【APC】先进过程控制系统(APC: Advanced Process Control)
产业智能官
57+阅读 · 2020年7月12日
卷积神经网络数学原理解析
算法与数学之美
19+阅读 · 2019年8月23日
自动驾驶技术解读——自动驾驶汽车决策控制系统
智能交通技术
29+阅读 · 2019年7月7日
ICLR 2019论文解读:深度学习应用于复杂系统控制
机器之心
11+阅读 · 2019年1月10日
李克强:智能车辆运动控制研究综述
厚势
20+阅读 · 2017年10月17日
CNN、RNN在自动特征提取中的应用
乌镇智库
14+阅读 · 2017年8月4日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员