一、多采样率控制系统的分散控制(论文文献综述)
梁乐乐[1](2017)在《数据驱动的多采样率系统的故障检测》文中提出本论文主要研究的是数据驱动的多采样率系统的故障检测问题。首先根据数字信号处理中的多采样率转换技术,提出一种多变量采样率转换算法,将多采样率数据矩阵转换成完整的数据矩阵,再与核主元分析算法相结合,提出一种基于核主元分析的多采样率系统的故障检测算法,该算法解决了传统的多采样率主元分析算法不能解决的非线性问题,并在TE工业过程平台上进行仿真,仿真结果验证了所提算法的有效性。但是当针对过程变量与质量变量相关的过程时,需要偏最小二乘算法,由于偏最小二乘算法不能解决非线性问题,故又引入了核函数,提出一种基于核偏最小二乘的多采样率系统的故障检测算法,该算法既解决了过程变量与质量变量相关的问题,又解决了非线性问题,通过仿真验证,取得了较好的检测效果,仿真结果图也说明了所提出的故障检测算法可以有效地应用在多采样率系统的故障检测中。
林鹏峰[2](2015)在《磷酸铁锂电池建模及其荷电状态估计算法研究》文中提出锂电池自问世以来就以其良好的充放电性能且无记忆效应被广泛应用于手机、电动车或者其它电气设备。本文以磷酸铁锂电池作用研究对象,为深海作业机器的电池储能系统提供可靠及精确的荷电状态估计值(State of Charge, SOC),并将此估计值作为能量管理系统的重要动作指标。磷酸铁锂电池具有自放电现象弱、能量密度大和化学结构稳定等优点。由于锂离子脱嵌过程中,锂电池端电压稳定在3.2V附近,因此磷酸铁锂电池充放电特性曲线的中部存在非常长的平台期,而在充放电开始或者结束处其电压会突升或者突降,使得该特性曲线呈现强烈的非线性特征。计算荷电状态的普遍方法是利用安时积分法,该方法容易受到荷电状态初始误差和过程误差的干扰而使得估计值精确度降低。磷酸铁锂电池荷电状态值对电池能量管理系统的有效性起到关键作用,考虑到卡尔曼滤波算法可以很好降低初值误差和过程噪声对状态量估计值的影响,故将卡尔曼滤波算法应用于磷酸铁锂电池荷电状态估计过程中。由于卡尔曼滤波框架对模型精确度要求较高,因此本文基于Labview搭建电池性能测试平台,获得磷酸铁锂电池充放电数据,利用实验法提取SOC和电池等效电动势(Voltage of Open Circuit, Uoc)数据特征,使用Curvefit Toolbox对二者关系进行拟合并得到描述其非线性特征的函数表达式。根据实验数据,基于MATLAB/SIMSCAPE平台搭建二阶RC等效电路电池模型,以SIMSCAPE提供的Parameter Estimation Toolbox对等效电路中的RC参数进行估计,建立了与实际电池充放电特性匹配的等效电路模块。在已建立的磷酸铁锂电池RC等效电路基础上,建立相应的状态空间模型。使用扩展卡尔曼滤波器(Extended Kalman Filter, EKF)对电池荷电状态进行估计,EKF估计结果可以很好地在荷电状态具有初始误差的情况将SOC估计值收敛于真值。针对深海探测器在加速时要求电池瞬时大功率放电而导致SOC突变的情况,采用强跟踪扩展卡尔曼滤波器(Strong Tracking Extended Kalman Filter, STEKF)实现电池的SOC估计,从而使得滤波器可以很好地跟踪荷电状态实际值。为增强STEKF算法稳定性,本文引入特征值分解对STEKF中的状态量先验估计值误差协方差阵计算方式进行修正,得到性能更好的滤波器。对于连续物理系统中各处信号变化速率不同的情况,本文利用多采样率控制策略对EKF和STEKF进行改进,经理论推导分别得到输入多采样率扩展卡尔曼滤波算法、输入多采样率强跟踪扩展卡尔曼滤波算法、输出多采样率扩展卡尔曼滤波算法和输出多采样率强跟踪扩展卡尔曼滤波算法。为验证以上叙述算法的有效性,本文NEDC (New European Driving Cycle)电动车实验放电序列考查了在采样倍率为2和4的情况下,算法的SOC估计精度。
刘纯兵,杨春曦,宋鹏云,伍昕宇[3](2013)在《输入多采样率控制系统的静态输出反馈控制器设计》文中指出针对输入多采样率数字控制系统模型,提出了一种静态输出反馈控制器设计的新方法,并通过求解带有线性矩阵不等式约束的凸优化问题来获得控制器参数.最后在仿真例子中,通过和单采样率控制方法对比,验证了该方法的有效性和可行性.
王嵩[4](2013)在《电力牵引控制系统多采样率参数辨识与状态估计方法研究》文中研究指明电力牵引系统是铁路机车的动力来源,为满足铁路系统的发展,目前机车电力牵引采用高性能的交流调速技术,因此高性能的矢量控制方法及直接转矩控制方法成为电力牵引传动系统的首选。感应电机无速度传感器控制增加了系统的鲁棒性并能降低成本。电力牵引控制系统目前需解决的关键问题有粘着控制、牵引电机实时的状态估计及重要参数的实时辨识等。不同于传统的数字系统中对所有信号采用同步等间距采样的策略,多采样率系统中可以对系统中不同信号采用不同的采样策略。输入多采样率控制系统通过增加输入采样速率,增加了数字控制器的控制能力,可以实现许多单采样系统不具备的控制功能;输出多采样率使得控制器能获得更多被控对象的信息,使控制系统有更强大的控制能力。随着电机运行工况的不同,电机参数值会发生变化。转子时间常数是矢量控制感应电机系统中最敏感的重要参数,同时其准确性在很大程度上影响牵引控制系统的性能。针对电机的转子时间常数难以测量且随时间变化的情况,利用多采样率控制系统具有传统单采样率控制系统更强的控制性能等特点,将多采样率方法与MRAS方法相结合,提出了基于多采样率MRAS的转子时间常数参数辨识方法。在硬件在环试验系统中进行实时实验,并与传统MRAS的参数辨识结果进行了对比。结果表明,多采样率MRAS能实时对参数进行辨识,得到了满意的效果。感应电机状态估计的精度直接影响电机系统性能,同时状态估计值中包含的噪声会影响电机系统正常运行。针对这个问题,将多采样率控制理论与传统的扩展Kalman滤波(EKF)状态估计方法结合,提出了电机状态估计的多采样率EKF方法,分别得到了输入多采样率EKF方法及输出多采样率EKF方法。通过硬件在环试验系统进行了试验,通过对比输入多采样率EKF与不同帧周期下EKF算法对于感应电机状态估计的性能,表明多采样率EKF方法是一种适合实时应用的电机状态估计方法,同时算法能有效消除噪声、提高状态估计性能,并能降低成本。相对于EKF方法,强跟踪滤波方法(STF)具有更强的关于模型不确定性的鲁棒性和关于突变状态的跟踪能力的特点。针对机车电力牵引系统中牵引电机负载转矩的变换较快的问题,提出了基于多采样率STF的状态估计方法。通过扩展建立的电力机车单轴单电机模型,得到了与真实机车对应的多轴多电机的电力机车模型,通过与机车真实空转特性的对比验证了模型准确性。通过建立的电力机车多轴模型进行仿真试验,采用多采样率STF方法对发生空转的轮对的牵引电机进行状态估计,得到了良好的状态估计性能。电力机车的牵引和制动依赖于其轮轨间的粘着,若牵引力或制动力大于轮轨间可用粘着力,则会出现空转或滑行,制约牵引力或制动力的发挥,同时也会造成轮轨擦伤、轮箍发热损坏、甚至脱轨等安全隐患。电力机车采用粘着控制的方法提高机车的粘着力,而粘着控制的前提是空转或滑行状态的快速识别。为得到及时准确且迅速的空转识别,基于电力牵引系统中电气量响应速度远快于其机械量的思想,针对目前广泛用于电力机车粘着控制系统中的利用轮轴转速等机械量识别空转的方法的不足,首次提出了完全基于电气量的空转识别方法。通过某型电力机车反复空转过程中采集的大量数据和多采样率EKF牵引电机负载转矩方法,建立了基于电气量的空转识别规则。通过建立的模型进行了试验,结果表明:与传统的利用转速等机械量空转识别方法相比,该规则的应用大大降低了空转识别时间,避免了因空转导致的牵引力大幅丢失,提高了粘着控制系统的性能和电力机车的牵引效率。
周聪[5](2012)在《基于非线性估计理论的线控转向汽车状态估计研究》文中提出为了解决汽车的行车安全性问题,自上世纪90年的开始,随着计算机控制技术、智能信息处理技术的发展,汽车行业开始不断引入新的信息技术,逐步提高汽车的操作稳定性和主动安全性。汽车转向系统的性能直接影响汽车的操作稳定性,相对于传统机械结构的转向系统,匹配线控转向系统的汽车具有更加灵活转向特性。通过线控转向系统的各种控制策略,可以实现汽车主动转向控制和汽车车身的电子稳定控制。而准确实时的获取汽车行驶中的关键状态,是实现这些控制策略的前提。由于汽车动力学控制过程的复杂性、现有车载传感器的测试水平和测试成本等多方面的影响,很多关键状态参数都无法直接、准确且低成本的测量。而随着汽车底盘电控系统集成化水平和复杂化程度提高,系统内部存在信号变化速率相差大、检测装置采样周期不同等情况。现有的单采样率非线性卡尔曼滤波算法在估计汽车状态过程中存在一定的局限性。因此,针对线控转向汽车的状态估计问题,本文将非线性估计方法与多采样率控制系统理论相结合,进行了如下几个方面的讨论和研究:首先,对线控转向系统的基本结构、工作原理、控制策略和性能特点做了深入的调查和分析。在此基础上,对线控转向系统的各个组成部分进行了的数学建模研究,引入了R.Hess驾驶员模型、Pacejka轮胎模型,并建立了十一自由度汽车整车模型。由此搭建了人—车闭环系统。通过Carsim专业汽车动力学软件与Matlab/Simulink软件联合仿真平台,结合线控转向系统的相关控制策略,参照国标设置了虚拟汽车操稳性试验,仿真结果验证了所建立整车模型的有效性。其次,扩展卡尔曼滤波算法是一种有效的非线性汽车状态估计算法,但其存在两大缺陷:(1)对汽车参数变化的鲁棒性较弱;(2)对汽车突变状态的跟踪能力欠佳。为了弥补这些缺陷,提出了基于强跟踪滤波算法的汽车状态估计方法,有效地提高了对于汽车突变状态的估计能力和参数变化的鲁棒性。此外,多重渐消因子矩阵在原强跟踪滤波算法中的作用方式可能破坏误差协方差阵的对称正定性,导致滤波算法的发散。针对此种情况,提出了基于Cholesky三角分解的改进强跟踪滤波算法。仿真结果表明:对于多重次优渐消因子矩阵初值的选取,改进强跟踪滤波算法比原强跟踪滤波算法鲁棒性更强,且算法也更稳定。再者,尽管卡尔曼滤波算法在汽车状态估计中取得不错的效果,但是其性能受到模型精度与噪声统计特性是否已知等因素的影响。为此,利用基于虚拟噪声补偿技术的非线性自适应滤波算法和无迹卡尔曼滤波算法对汽车的行驶状态进行估计。在此基础上,提出了带渐消因子的非线性Sage-Husa自适应卡尔曼滤波算法,使滤波算法在估计汽车行驶过程中的过程噪声和量测噪声特性时,同样具有对突变状态的强跟踪特性。仿真结果表明,该算法不仅能估计系统过程噪声和量测噪声,还能准确的估计汽车行驶状态,且具有很强的跟踪突变状态的能力。在同等条件下,无迹卡尔曼滤波算法的估计精度要略高于扩展卡尔曼滤波算法的估计精度。最后,由于汽车底盘电控系统集成化水平和复杂化程度提高,系统内部存在信号变化速率相差大、检测装置采样周期不同等情况,单采样率数字控制策略已经不再适用此类系统的控制要求。为此,提出了基于输入和输出多采样率的汽车状态空间建模方法,该模型有效地增加了系统输入向量和输出向量的个数,能够获取更多的系统信息,并提高SBW系统的控制能力。在所建立的多采样率汽车状态空间模型的基础上,提出了基于输入多采样率无迹卡尔曼滤波算法。仿真结果表明,该算法比单采样率非线性估计方法的估计精度要高出37.8%~65.3%,而且算法也更稳定。
刘纯兵[6](2012)在《基于多采样理论的无线传感器执行器网络分析与控制》文中研究表明无线传感器执行器网络是一类特殊的无线传感器网络,它融合了嵌入式计算、分布式信息处理、无线通信和协同合作等功能,具有很多无线传感器网络没有的优点,如:网络寿命长、实时性好等。它可以实现物理世界到信息世界的融合,实现人与自然的交互,更能在无人职守的情况下“智能”地完成特定的功能。特别是使得网络控制应用在不能安装的地方或者不能进行人工操作的高危监控区域成为可能。所以说,它的出现一方面扩展了人们获取信息的能力,另一方面使得控制应用变得更加智能。近年来,有关无线传感器执行器网络的研究主要侧重于网络通信协议、网络安全、网络实时性、网络容错性以及网络连接等几个方面,而关于网络控制方面的研究较少,且主要针对具有相同的采样周期的控制系统,即单采样率控制系统。但是,随着WSANs应用的深入,当被控区域需要同时监控具有不同采样周期的信号时(如:流量信号和温度信号),若还用相同的采样周期对不同的信号进行采样,显然是不行的,所以针对具有不同采样周期的多个不同被控量的监控,需要采用相应的采样周期进行采样和保持(多采样率控制),才能实现多个被控变量的监控,同时增加整个系统的可靠性。本选题将多采样率控制理论引入WSANs的控制中,可以在监测环境内实现多种信号参数的监测与控制。另外,对一个网络控制系统来说,多采样率控制系统比单采样率控制系统有更多的控制功能和更好的鲁棒性。而且,多采样率控制系统将控制功能分散以后,增加了整个系统的稳定性和可靠度,所以说将多率控制的理论方法用于研究无线传感器执行器网络中的控制问题有重要的意义,本文研究主要包括以下几部分内容:1.简要介绍了无线传感器执行器网络的结构、特点、应用背景及研究现状,并对多采样率控制的研究背景、应用及相关理论进行概述。2.针对输出多采样率控制系统,推导了多采样率下的输出采样方程,并介绍了多速率输出反馈控制器的设计过程。然后,证明了所设计出的动态输出反馈控制器能像状态反馈一样,实现任意的闭环极点配置,使控制器本身具有指定的稳定裕度,结果的有效性通过仿真例子验证。3.针对输入多采样率数字控制系统模型,提出了一种新的求解静态输出反馈控制器的方法,并通过求解带有线性矩阵不等式约束的凸优化问题来获得控制器参数。最后在仿真例子中,通过和单采样率控制方法对比,验证了该方法的有效性和可行性。4.将多速率动态输出反馈控制器和静态输出反馈控制器两种控制器的设计方法应用于无线传感器执行器网络中,对无线传感器执行器网络中的一个簇单元进行建模,控制器设计,最后用通过仿真例子验证。
刘勇[7](2011)在《基于多采样率和模糊控制的交流调速系统的研究与实现》文中指出矢量控制是一种高性能的电机控制方法,它通过坐标变换对异步电机的定子电流进行解耦控制,使异步电机获得与直流电机类似的控制效果。然而,传统矢量控制中的转子磁链观测方法由于受电机参数变化等因素的影响不能在全速范围内进行准确观测,直接影响系统的控制性能。传统PI控制器由于使用固定不变的PI参数去作用整个控制过程,不能使系统一直处于最佳的工作状态。针对上述问题,本文在转子磁链观测模型和传统PI控制器中分别引入了多采样率控制理论和模糊控制理论,利用现代控制理论中的优秀控制算法来改善异步电机的控制性能。本文首先深入研究了矢量控制、多采样率控制和模糊控制的基本原理,根据多采样率控制理论和异步电机的离散状态空间模型推导出了一种新的转子磁链观测算法,利用模糊控制理论设计出了一种新的模糊PI控制器,并在Matlab/Simulink中分别搭建了传统矢量控制仿真模型、多采样率控制仿真模型、模糊PI控制仿真模型、多采样率结合模糊PI控制仿真模型。通过对仿真结果的对比分析,从理论上验证了两种控制算法的正确性、可行性和优越性。理论验证之后,本文在交流调速实验平台上先后完成了传统矢量控制、多采样率控制和模糊PI控制实验,利用LabVIEW编写的监控软件截取了相应的实验波形,并将后两者的实验波形分别与第一种进行了详细地对比分析。实验结果表明,基于多采样率的转子磁链观测算法能够准确地观测转子磁链信息,使系统获得较好的控制效果;模糊PI控制较传统PI控制能够明显改善系统的动态响应性能,提高系统的鲁棒性。因此,两种控制算法在实际应用中均具有一定的可行性和实用性。
孙丛君[8](2010)在《基于TMS320F2812的多采样率交流调速系统》文中提出如今,交流调速技术被广泛应用于工业领域。国民经济的快速发展要求交流调速系统具有更高的调速精度、更宽的调速范围和更快的响应速度,促使人们不断地对交流调速控制技术进行研究。同时,随着半导体行业的快速发展,新的电力电子器件和微处理器的推出使得交流调速系统的集成度、智能化程度越来越高,硬件构成也越来越紧凑、简单。以数字信号处理器(DSP)和智能功率模块(IPM)为核心的交流调速系统成为越来越多的设计人员的优先选择。因此,为了便于对新的交流调速控制算法进行验证,本文搭建了以TI公司的TMS320F2812和三菱公司的PM50RSA120为核心的交流调速系统,文中对主电路、控制电路、保护电路、检测电路的设计进行了详细的介绍,并讨论了硬件抗干扰设计。直接转矩控制是20世纪80年代继矢量控制技术后提出的一种全新的交流调速控制技术,与矢量控制所采用的解耦方法不同的是,它直接对电机的电磁转矩进行控制,因而具有较高的动态性能;它只需简单的坐标变换且结构简单;它利用定子侧参数计算磁链和转矩,所以对电机转子参数不敏感。因此,直接转矩控制技术具有广阔的应用前景,对于其控制特点及性能改善的研究成为热点。对于直接转矩控制来说,对系统的输出状态采用较高的采样频率可以获得电机运行时的更多信息,有利于提高系统的控制性能,而TMS320F2812的A/D转换时间只需几十个ns,因此可以为直接转矩控制系统提供更高的采样频率。但受逆变器开关频率的限制,传统的直接转矩控制只能工作在较低的采样频率下,其控制性能大大受限。本文将多采样率理论引入到直接转矩控制之中,采用了新的定子磁链估计算法,提高了对电机输出状态的采样频率,并保证了控制系统输出的开关频率满足逆变器的要求。本文建立了传统直接转矩控制和基于多采样率的直接转矩控制的Simulink仿真模型,从理论上验证了两种算法的可行性,继而以2.2kW交流异步电机作为被控对象,在所搭建的交流调速系统上分别进行了这两种算法的电机拖动实验。文中详细地介绍了软件设计并对实验结果进行了细致的分析。实验结果表明,系统硬件设计合理,直接转矩控制算法调速精度高,运行稳定,具有较好的动静态性能,基于多采样率的新算法取得了一定的控制效果,具有一定的可行性和实用价值。
彭述清[9](2010)在《基于模型估计的多采样率控制系统鲁棒稳定性》文中研究说明多采样率控制是近年来提出的一种新的控制策略。由于多采样率控制方案具有提高系统性能、适应多种复杂的实际情况等诸多优势,使得多采样率控制系统在现代工业控制得到广泛应用。本文对基于模型估计多采样率状态反馈控制系统的鲁棒稳定性进行了分析。为了在保证系统稳定的前提下,系统可以尽可能得容忍更长的采样周期,提出了基于模型估计的思想,该模型和实际的被控对象具有相同的结构。在系统采样时,用系统的实际状态来更新模型的状态;在采样间隔的时候,用被控对象模型的状态来估计被控对象状态。系统的状态反馈控制率基于模型的状态来产生。利用各采样周期的概率统计知识与概率渐进稳定性理论,推导出新的稳定性标准。该标准表明多采样率系统的稳定性不仅与系统各采样周期的长度有关,还与各采样周期对应的发生概率有关。该标准对长采样周期给出了一个容忍界。由于考虑了各采样周期的发生频率,该稳定性标准具有一般性和更小的保守性。利用MATLAB分别对均匀采样系统、确定的多采样率系统、受系统本身不确定因素和外界影响的多采样率系统,进行仿真分析与比较,结果表明了本文提出的模型估计方法有效,并且本文推导的稳定性标准与国内外现有理论相比,具有更小的保守性。最后,通过仿真分析了模型估计误差对系统稳定性的影响。
张文博[10](2009)在《导引头伺服机构工作特性与先进测控方法研究》文中研究说明导引头是精确制导武器的核心部件,用来完成对目标的自动搜索、识别和跟踪。导引头伺服机构是实现视轴稳定和目标跟踪的执行装置,其性能直接影响导引头的制导精度。作为复杂的光、机电一体化装置,导引头伺服机构的研制涉及光学工程、惯性技术、机械工程及控制工程等多个学科领域,其控制性能受到陀螺随机误差、模型不确定性、干扰力矩、跟踪器滞后及多采样率等多方面误差因素的影响。现有的伺服机构研制大都将其作为一个独立的机电装置,很少从整个制导系统的角度去进行研究,所采用的测控方法多为经典的信号处理与控制方法。随着精确制导武器装备的发展,对导引头伺服机构的性能要求越来越高,稳定跟踪精度指标由毫弧度级提高到微弧度级,采用传统的设计方法尤其是经典测控方法已很难实现这一目标,应用现代先进测控理论与技术来提高机构的控制性能显得尤为迫切。针对这一现状,论文从伺服机构的工作过程建模和仿真研究入手,从整个制导系统的角度分析了机构的控制性能要求以及提高机构控制精度需要解决的关键测控问题。在此基础上,对伺服机构的主要误差因素进行了深入的理论分析和建模。针对不同误差因素的影响机理及机构控制回路的特性,论文分别从微机械陀螺的随机误差补偿、稳定回路的鲁棒优化设计、跟踪器的优化匹配控制及系统的扰动抑制这几个方面开展了深入的研究。论文的研究工作主要包括以下几个部分:1.为了从整个制导系统的角度来反映伺服机构的主要性能指标及误差因素对导引头及导弹制导精度的影响,对伺服机构的工作过程进行了建模和仿真研究。分析了伺服机构的工作机理,推导了两轴稳定机构的空间运动学方程和牛顿力学方程,建立了机构各组成部分的数学模型。通过对伺服机构的工作过程建模和仿真分析为其性能指标确定及后续测控方法的研究提供了参考和依据。2.针对导引头伺服机构的精密化发展需要,研究了微机械陀螺在机构中的应用。分析了陀螺随机误差在伺服机构控制回路中的传递特性,从理论上说明了伺服机构控制回路中的陀螺应用与惯导系统以及其它应用场合的主要差异。利用Allan方差分析法对机构中现有的动调陀螺和性能相近的微机械陀螺的随机误差进行了建模和辨识,给出了两种陀螺的主要性能差异。结合之前的理论分析,说明了微机械陀螺在伺服机构中应用的可行性。研究了几种先进滤波方法在陀螺随机误差补偿中的应用,对滤波算法的性能进行了实验验证和对比分析,为提高微机械陀螺在伺服机构控制回路中的应用精度提供了有效手段。3.针对惯量耦合、电气波动造成的模型不确定性以及弹体耦合力矩等外部干扰力矩对导引头伺服机构控制精度的影响,对稳定回路提出一种具有较强扰动抑制能力和较高指令跟踪精度的二维鲁棒内模控制结构。将控制器的参数设计转换为标准的H∞鲁棒优化问题,使得所设计的内模控制器对模型失配具有较强的鲁棒性。应用Jump变换和Lifting操作等多采样率控制系统的理论和方法来设计鲁棒H∞内模控制器,综合考虑了稳定回路的多采样率特性,并有效兼顾了系统采样点间的动态响应。相比于经典的控制方法,所提出的多速率鲁棒H∞内模控制器能够减小模型不确定性、干扰力矩及多采样率等误差因素对伺服机构稳定回路控制性能的影响,有效提高了伺服机构的稳定精度及控制回路的鲁棒性。4.针对图像跟踪器的噪声、滞后和低采样率帧频特性对伺服机构跟踪性能的影响,研究了跟踪器与控制系统的优化匹配问题,对跟踪回路提出一种基于灰色模型的输入多采样率满意PID控制器。研究了基于灰色系统云模型SCGM(1,1)的跟踪器建模方法,通过灰色模型的滤波预测能够减小噪声和滞后对机构跟踪性能的影响。针对跟踪器低采样率帧频特性的影响,对跟踪回路采用了一种输入多采样率PID控制结构,应用输入多采样率控制原理,能够增加控制系统单位时间内有效控制输入的个数,提高了控制系统的稳定裕度。将输入多采样率PID控制器的参数求解转换为满足极点约束和方差约束的多目标满意优化问题的求解,从而使伺服机构的跟踪性能满足指定的快速性和精度指标要求。所提出的基于灰色模型的输入多采样率满意PID控制器能够减小跟踪器的误差因素对机构控制性能的影响,有效提高机构跟踪目标的稳定性、动态性和跟踪精度。5.扰动是影响导引头伺服机构控制精度的主要因素,为了进一步提高机构的精度,研究了基于输出多采样率反馈控制原理的扰动抑制方法。基于时滞估计理论,提出一种输出多采样率扰动观测器,所提出的扰动观测器对外部干扰和模型扰动具有较高的补偿精度,能够有效提高控制系统的扰动抑制性能。在此基础上,根据输出多采样率反馈与状态反馈的等效性,提出一种基于扰动观测器的输出多采样率变结构控制律。相比于经典的变结构控制律,所提出的控制律不需要状态测量传感器,也不需要建立状态观测器,且由于扰动观测器的引入,能够有效减小控制律的切换振颤,具有实现简单、抗干扰能力强等优点,在导引头伺服机构这类对体积和质量有严格限制的高精度伺服装置中具有较好的应用前景。6.对本文研究的控制方法进行了实验研究。在实验系统中模拟了图像跟踪器的指令特性以及弹体耦合力矩等外部干扰力矩,构造了一个导引头伺服机构的虚拟工作环境。利用dSPACE半实物仿真系统对所研究的控制方法进行了快速设计和实现,并对控制方法的性能进行了实验验证。
二、多采样率控制系统的分散控制(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、多采样率控制系统的分散控制(论文提纲范文)
(1)数据驱动的多采样率系统的故障检测(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 故障检测方法概述 |
1.2.1 图论方法 |
1.2.2 专家系统 |
1.2.3 定性仿真 |
1.2.4 基于解析模型的方法 |
1.2.5 基于数据驱动的方法 |
1.3 本文主要工作及内容安排 |
第二章 多采样率系统与TE仿真模型 |
2.1 多采样率系统概述 |
2.1.1 多采样率系统的基本知识 |
2.1.2 多采样率过程监控的发展现状 |
2.2 多采样率数据的处理方法 |
2.2.1 一般处理方法 |
2.2.2 基于数字信号处理的方法 |
2.3 TE过程描述 |
2.3.1 TE过程工艺介绍 |
2.3.2 过程变量 |
2.3.3 过程故障 |
2.4 本章小结 |
第三章 基于核主元分析的多采样率系统的故障检测 |
3.1 主元分析方法 |
3.1.1 主元分析的基本原理 |
3.1.2 主元分析建模方法 |
3.1.3 基于主元分析的故障检测算法 |
3.2 核主元分析方法 |
3.2.1 核主元分析的基本原理 |
3.2.2 基于核主元分析的故障检测方法 |
3.3 多采样率核主元分析故障检测算法 |
3.4 仿真结果对比分析 |
3.4.1 数值仿真 |
3.4.2 TE过程仿真 |
3.5 本章小结 |
第四章 基于核偏最小二乘的多采样率系统的故障检测 |
4.1 偏最小二乘法 |
4.1.1 偏最小二乘理论 |
4.1.2 基于PLS的故障检测方法 |
4.2 核偏最小二乘法 |
4.2.1 核偏最小二乘建模方法 |
4.2.2 基于KPLS的故障检测方法 |
4.3 多采样率核偏最小二乘故障检测算法 |
4.4 仿真结果对比分析 |
4.5 本章小结 |
第五章 结论与展望 |
5.1 主要结论 |
5.2 研究展望 |
参考文献 |
在学期间的研究成果 |
致谢 |
(2)磷酸铁锂电池建模及其荷电状态估计算法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 课题研究来源 |
1.3 国内外发展现状 |
1.3.1 蓄电池的分类 |
1.3.2 磷酸铁锂电池发展及现状 |
1.3.3 磷酸铁锂电池荷电状态估计研究现状 |
1.4 论文的主要研究和工作内容 |
第2章 实验用磷酸铁锂电池概述 |
2.1 SOC定义 |
2.2 磷酸铁锂电池工作原理 |
2.3 磷酸铁锂电池电压性 |
2.4 磷酸铁锂电池内阻特性 |
2.5 磷酸铁锂电池容量特性 |
2.6 本章小结 |
第3章 基于MATLAB/SIMSCAPE的LIFEPO_4建模方法及电池参数估计 |
3.1 基于Labview的磷酸铁锂电池性能测试平台 |
3.2 磷酸铁锂电池SOC与Uoc的关系曲线 |
3.3 基于MATLAB/SIMSCAPE的磷酸铁锂电池模型 |
3.3.1 LiFePO_4戴维南等效电路 |
3.3.2 LiFePO_4的MATLAB/SIMSCAPE模型及参数估计 |
3.4 本章小结 |
第4章 卡尔曼滤波算法研究及其在磷酸铁锂电池SOC估计中的应用 |
4.1 离散线性卡尔曼滤波器 |
4.2 扩展卡尔曼滤波器EKF |
4.3 强跟踪滤波算法 |
4.4 基于特征值分解的改进强跟踪滤波算法 |
4.4.1 STEKF问题分析 |
4.4.2 基于特征值分解的改进STEKF(MSTEKF) |
4.4.3 MSTEKF算法估计结果分析 |
4.5 本章小结 |
第5章 多采样率控制系统算法研究及其在磷酸铁锂电池SOC估计中的应用 |
5.1 引言 |
5.2 多采样率控制理论概述 |
5.2.1 输入多采样率数字控制系统 |
5.2.2 输出多采样率数字控制系统 |
5.2.3 广义多采样率数字控制系统 |
5.3 基于输入多采样率的卡尔曼滤波器 |
5.3.1 基于输入多采样率的EKF算法 |
5.3.2 基于输入多采样率的STEKF算法 |
5.4 基于输出多采样率的卡尔曼滤波器 |
5.4.1 基于输出多采样率的EKF算法 |
5.4.2 基于输出多采样率的STEKF算法 |
5.5 基于多采样率卡尔曼滤波器状态估计结果分析 |
5.5.1 情况一:算法的SOC初值精确 |
5.5.2 情况二:算法的SOC初值存在误差 |
总结和展望 |
致谢 |
参考文献 |
攻读硕士学位期间发表的论文 |
(3)输入多采样率控制系统的静态输出反馈控制器设计(论文提纲范文)
1 引言 (Introduction) |
2 输入多采样率控制系统模型 (Model of input multirate control systems) |
3 静态输出反馈控制器设计 (Design of the static output feedback controller) |
4 数值仿真 (Numerical simulation) |
5 结论 (Conclusion) |
(4)电力牵引控制系统多采样率参数辨识与状态估计方法研究(论文提纲范文)
摘要 |
Abstract |
目录 |
第1章 绪论 |
1.1 研究背景及选题意义 |
1.2 感应电机状态估计方法研究现状 |
1.3 感应电机参数辨识方法研究现状 |
1.4 多采样率数字控制理论研究现状 |
1.4.1 输入多采样率控制系统 |
1.4.2 输出多采样率控制系统 |
1.4.3 广义多采样率控制系统 |
1.5 机车粘着控制方法研究现状 |
1.6 本论文的主要研究内容 |
第2章 感应电机参数辨识方法与硬件在环系统 |
2.1 感应电机数学模型 |
2.1.1 感应电机三相数学模型 |
2.1.2 感应电机两相数学模型 |
2.1.3 坐标变换及实现 |
2.2 感应电机矢量控制及磁场定向 |
2.3 感应电机状态空间模型 |
2.4 感应电机状态估计 |
2.4.1 基于滑模观测器的磁链估计 |
2.4.2 基于MRAS的转速估计 |
2.5 感应电机转子时间常数辨识 |
2.5.1 基于MRAS的转子时间常数辨识 |
2.5.2 基于多采样率MRAS算法的感应电机参数辨识 |
2.6 硬件在环试验仿真系统及试验结果 |
2.6.1 硬件在环试验仿真系统的建立 |
2.6.2 转子磁链及电机转速的状态估计结果 |
2.6.3 转子时间常数的参数辨识结果 |
2.7 本章小结 |
第3章 感应电机多采样率状态估计方法 |
3.1 基于多采样率EKF算法的感应电机状态估计 |
3.1.1 感应电机全阶数学模型 |
3.1.2 卡尔曼滤波及扩展卡尔曼滤波 |
3.1.3 多采样率EKF方法 |
3.1.4 感应电机状态估计实验结果 |
3.2 基于多采样率STF算法的感应电机状态估计 |
3.2.1 强跟踪滤波算法 |
3.2.2 多采样率STF算法 |
3.3 本章小结 |
第4章 电力机车粘着控制研究 |
4.1 粘着的基本理论 |
4.1.1 轮轨间的粘着 |
4.1.2 粘着系数以及影响粘着的因素 |
4.1.3 粘着特性曲线 |
4.1.4 粘着控制系统 |
4.2 牵引系统模型分析 |
4.2.1 机车运行模型 |
4.2.2 电力牵引交流传动模型 |
4.2.3 电机—单轴轮对模型 |
4.2.4 扩展的多轴轮对模型 |
4.2.5 对机车运行及空转现象的仿真实验 |
4.3 防空转/滑行实验 |
4.3.1 防空转实验 |
4.3.2 防滑行实验 |
4.4 电力机车空转识别方法 |
4.4.1 基于转速的空转识别 |
4.4.2 基于负载转矩的空转识别 |
4.4.3 机车空转识别实验结果 |
4.5 本章小结 |
第5章 结论与展望 |
5.1 主要结论 |
5.2 后续工作的展望 |
致谢 |
参考文献 |
攻读博士期间的论文及科研情况 |
1. 论文情况 |
2. 科研项目 |
(5)基于非线性估计理论的线控转向汽车状态估计研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究的背景和意义 |
1.2 汽车线控转向系统的概述 |
1.2.1 线控转向系统的工作原理与结构分类 |
1.2.2 线控转向系统的控制策略 |
1.2.3 线控转向系统的性能特点 |
1.3 课题研究现状 |
1.3.1 汽车线控转向系统发展现状 |
1.3.2 汽车状态估计方法研究现状 |
1.3.3 多采样率数字控制理论研究现状 |
1.4 论文的主要内容 |
第2章 基于线控转向系统的车辆建模理论研究 |
2.1 引言 |
2.2 基于线控转向系统的整车动力学模型结构 |
2.2.1 车辆模型的简化与坐标系定义 |
2.2.2 整车模型的结构方案 |
2.3 SBW系统数学模型 |
2.3.1 转向操纵模块数学模型 |
2.3.2 转向执行模块数学模型 |
2.3.3 电子控制模块与故障容错模块 |
2.4 驾驶员与轮胎数学模型 |
2.4.1 驾驶员模型 |
2.4.2 轮胎模型 |
2.5 车体数学模型 |
2.6 整车模型验证 |
2.6.1 Carsim仿真软件介绍 |
2.6.2 Carsim虚拟试验 |
2.7 本章小结 |
第3章 基于改进强跟踪滤波器的汽车状态估计方法研究 |
3.1 引言 |
3.2 三自由非线性汽车状态空间描述 |
3.3 基于强跟踪滤波算法的汽车状态估计 |
3.3.1 扩展卡尔曼滤波算法 |
3.3.2 强跟踪滤波算法 |
3.3.3 虚拟试验仿真结果 |
3.4 基于Cholesky分解的改进强跟踪滤波估计算法 |
3.4.1 问题分析 |
3.4.2 Cholesky三角化分解理论 |
3.4.3 基于Cholesky分解的改进强跟踪滤波算法 |
3.4.4 虚拟试验仿真结果 |
3.5 本章小结 |
第4章 基于改进卡尔曼滤波器的汽车状态估计方法研究 |
4.1 引言 |
4.2 基于带渐消因子的非线性自适应滤波算法的汽车状态估计 |
4.2.1 基于虚拟噪声补偿的非线性自适应扩展卡尔曼滤波算法 |
4.2.2 带渐消因子的非线性Sage-Husa自适应卡尔曼滤波算法 |
4.2.3 虚拟试验仿真结果 |
4.3 基于无迹卡尔曼滤波算法的汽车状态估计 |
4.3.1 UT变换算法 |
4.3.2 无迹卡尔曼滤波算法 |
4.3.3 虚拟试验仿真结果 |
4.4 本章小结 |
第5章 基于多采样率控制系统的汽车状态估计方法研究 |
5.1 引言 |
5.2 基于多采样率的汽车状态空间描述 |
5.2.1 多采样率控制系统理论介绍 |
5.2.2 基于输入多采样率的汽车状态空间模型 |
5.2.3 基于输出多采样率的汽车状态空间模型 |
5.3 基于多采样率卡尔曼滤波算法的汽车状态估计 |
5.3.1 多采样率扩展卡尔曼滤波算法 |
5.3.2 多采样率无迹卡尔曼滤波算法 |
5.4 计算机仿真实验 |
5.5 本章小结 |
第6章 结论与展望 |
6.1 主要结论 |
6.2 工作展望 |
致谢 |
参考文献 |
攻读博士期间的论文及科研情况 |
1. 论文情况 |
2. 科研项目 |
(6)基于多采样理论的无线传感器执行器网络分析与控制(论文提纲范文)
摘要 |
Abstract |
目录 |
第一章 绪论 |
1.1 无线传感器执行器网络概述 |
1.1.1 WSANs的定义、结构与工作原理 |
1.1.2 WSANs的两种常见工作结构及特点 |
1.1.3 WSANs的研究热点、应用领域及制约因素 |
1.2 多采样率控制理论概述 |
1.2.1 计算机控制系统简介 |
1.2.2 多采样率控制的研究背景 |
1.2.3 多采样率控制的应用研究 |
1.2.4 多采样率控制系统分类 |
1.3 本文的主要工作 |
1.4 本章小结 |
第二章 输出多采样控制系统的多速率输出反馈控制器设计 |
2.1 输出多采样率控制系统框图及控制器设计 |
2.1.1 多速率输出反馈控制器设计 |
2.1.2 数值仿真 |
2.2 本章小结 |
第三章 输入多采样控制系统静态输出反馈控制器设计 |
3.1 输入多采样率控制系统模型 |
3.2 静态输出反馈控制器设计 |
3.3 数值仿真 |
3.4 本章小结 |
第四章 WSANs中簇单元的多采样率控制器设计 |
4.1 WSANs建模假设 |
4.2 簇单元的动态多采样率输出反馈控制器设计 |
4.3 簇单元的静态输出反馈控制器设计 |
4.4 数值仿真 |
4.4.1 动态多采样率输出反馈控制器仿真 |
4.4.2 静态多采样率输出反馈控制器仿真 |
4.5 本章小结 |
第五章 结论 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
附录A 攻读硕士学位期间发表的论文目录 |
附录B 部分程序 |
(7)基于多采样率和模糊控制的交流调速系统的研究与实现(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 交流调速控制技术的发展与现状 |
1.1.1 矢量控制技术的提出 |
1.1.2 矢量控制的发展趋向 |
1.2 多采样率控制理论的研究现状 |
1.3 模糊控制理论的研究现状 |
1.4 本论文的研究目的与意义 |
1.5 本论文的主要研究内容 |
第2章 异步电动机的矢量控制原理 |
2.1 矢量控制的基本原理 |
2.2 三相异步电动机的数学建模 |
2.3 空间电压矢量的基本原理及其实现方法 |
2.3.1 基本空间电压矢量 |
2.3.2 SVPWM的实现方法 |
第3章 多采样率和模糊控制在交流调速系统中的应用 |
3.1 多采样率控制理论在交流调速系统中的应用 |
3.1.1 多采样率控制理论简介 |
3.1.2 转子磁链的常规观测方法 |
3.1.3 基于多采样率的转子磁链观测模型 |
3.1.4 多采样率转子磁链观测模型在Simulink中的仿真实现 |
3.2 模糊控制理论在交流调速系统中的应用 |
3.2.1 模糊控制系统简介 |
3.2.2 模糊PI控制器的设计与实现 |
3.2.3 模糊PI控制在Simulink中的仿真实现 |
3.3 多采样率控制和模糊PI控制在Simulink中的联合仿真 |
第4章 交流调速软件监控系统的设计与实现 |
4.1 LabVIEW简介 |
4.2 人机界面的设计 |
4.3 串口通信模块的设计 |
4.3.1 初始化串口操作 |
4.3.2 写串口操作 |
4.3.3 读串口操作 |
4.3.4 关闭串口操作 |
4.4 波形显示及测量功能设计 |
第5章 矢量控制系统的DSP软件设计与实现 |
5.1 交流调速实验平台简介 |
5.2 实验数据处理 |
5.3 传统矢量控制系统的DSP程序设计与实现 |
5.3.1 串口通信功能设计 |
5.3.2 主中断服务程序设计 |
5.3.3 实验结果及分析 |
5.4 基于多采样率转子磁链观测算法的DSP程序设计与实现 |
5.4.1 死区时间补偿 |
5.4.2 主中断服务程序设计 |
5.4.3 实验结果及分析 |
5.5 基于模糊PI控制的DSP程序设计与实现 |
5.5.1 主中断服务程序设计 |
5.5.2 实验结果及分析 |
结论与展望 |
致谢 |
参考文献 |
攻读硕士学位期间发表的论文 |
(8)基于TMS320F2812的多采样率交流调速系统(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 交流调速控制技术的发展与现状 |
1.1.1 电力电子技术及微处理器的发展 |
1.1.2 直接转矩控制技术的产生与发展 |
1.2 多采样率理论的提出及研究现状 |
1.3 本论文的研究目的与意义 |
1.4 本论文的主要研究内容 |
第2章 直接转矩控制仿真研究 |
2.1 直接转矩控制的理论依据 |
2.1.1 异步电机的数学模型 |
2.1.2 电压空间矢量及PWM逆变器模型 |
2.1.3 电压空间矢量对定子磁链及转矩的影响 |
2.2 直接转矩控制系统结构 |
2.2.1 定子磁链及转矩的估算方法 |
2.2.2 磁链及转矩的滞环调节 |
2.2.3 电压空间矢量的正确选择 |
2.2.4 限流启动 |
2.3 直接转矩控制系统的Simulink仿真 |
2.3.1 模型的建立 |
2.3.2 仿真结果及分析 |
第3章 基于多采样率的直接转矩控制系统 |
3.1 多采样率理论简介 |
3.1.1 输出多采样率理论 |
3.1.2 输入多采样率及广义多采样率理论 |
3.2 输出多采样率理论在交流调速系统中的应用 |
3.3 基于多采样率的直接转矩控制系统的Simulink仿真 |
3.3.1 模型的建立 |
3.3.2 仿真结果及分析 |
第4章 交流调速系统的硬件设计 |
4.1 系统的总体结构 |
4.2 主电路的硬件设计 |
4.2.1 整流电路 |
4.2.2 逆变电路 |
4.2.3 功率驱动 |
4.2.4 开关电源 |
4.3 控制电路的硬件设计 |
4.3.1 以TMS320F2812为核心的最小系统 |
4.3.2 母线电压检测 |
4.3.3 电流检测及过流保护 |
4.3.4 转速信号检测 |
4.3.5 其他接口电路 |
4.4 硬件电路的抗干扰设计 |
第5章 系统软件设计及实验结果分析 |
5.1 实验数据预处理 |
5.2 传统直接转矩控制系统的软件设计及结果分析 |
5.2.1 传统直接转矩控制系统程序流程 |
5.2.2 实验结果及分析 |
5.3 基于多采样率的直接转矩控制软件设计及结果分析 |
5.3.1 基于多采样率的软件设计流程 |
5.3.2 实验结果及分析 |
结论 |
致谢 |
参考文献 |
攻读硕士学位期间发表的论文 |
(9)基于模型估计的多采样率控制系统鲁棒稳定性(论文提纲范文)
摘要 |
Abstract |
第一章 概述 |
1.1 研究的目的和意义 |
1.2 国内外研究现状 |
1.3 论文的主要工作 |
1.4 论文的主要结构及创新点 |
第二章 理论基础及数学工具 |
2.1 多采样率控制系统概述 |
2.2 控制系统稳定性判据 |
2.2.1 李雅普诺夫稳定性 |
2.2.2 李雅普诺夫第一法 |
2.2.3 李雅普诺夫第二法 |
2.3 采样定理 |
2.4 范数运算 |
2.4.1 范数的定义 |
2.4.2 常用范数 |
2.5 被控对象模型介绍 |
第三章 基于模型估计的多采样率控制系统模型及系统响应 |
3.1 系统数学描述 |
3.2 系统响应分析 |
第四章 稳定性分析 |
4.1 对采样周期h(k ) 统计分析 |
4.2 系统稳定性分析 |
第五章 仿真与分析 |
5.1 均匀采样系统 |
5.2 多采样率系统 |
5.2.1 确定的多采样率系统 |
5.2.2 受系统本身不确定性因素和外界影响的多采样率系统 |
5.3 模型误差对系统稳定性的影响 |
第六章 结语 |
6.1 全文总结 |
6.2 今后的进一步工作 |
参考文献 |
附录A |
附录B 研究生期间已以第一作者身份发表的学术论文 |
致谢 |
(10)导引头伺服机构工作特性与先进测控方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 论文研究的背景和意义 |
1.2 陀螺稳定装置的发展现状 |
1.2.1 稳定方式及结构的发展现状 |
1.2.2 稳定装置中的陀螺应用现状 |
1.2.3 稳定装置在武器装备中的应用 |
1.3 稳定装置测控方法的研究现状 |
1.3.1 陀螺的随机误差处理 |
1.3.2 稳定回路设计 |
1.3.3 跟踪回路设计 |
1.4 多采样率控制系统的研究现状 |
1.4.1 多采样率控制系统的分类 |
1.4.2 理论研究 |
1.4.3 工程应用 |
1.5 论文的主要研究内容 |
1.5.1 稳定装置设计存在的问题 |
1.5.2 论文的研究内容及章节安排 |
第二章 伺服机构的工作机理分析和仿真研究 |
2.1 引言 |
2.2 伺服机构的组成与工作原理 |
2.2.1 伺服机构组成 |
2.2.2 伺服机构的工作原理 |
2.3 伺服机构的运动学和动力学分析 |
2.3.1 坐标系定义 |
2.3.2 机构的运动学分析 |
2.3.3 机构的动力学分析 |
2.4 伺服机构的控制系统建模与分析 |
2.4.1 机构各组成部分的数学建模 |
2.4.2 伺服机构的控制原理分析 |
2.5 伺服机构的工作过程仿真研究 |
2.5.1 仿真需求分析 |
2.5.2 仿真模型分析 |
2.5.3 仿真步骤 |
2.5.4 仿真实例 |
2.6 本章小结 |
第三章 控制回路中的陀螺随机误差分析与处理 |
3.1 引言 |
3.2 陀螺的随机误差分析与建模研究 |
3.2.1 陀螺的主要性能指标 |
3.2.2 陀螺的误差分析与建模研究 |
3.2.3 基于Allan方差的陀螺随机误差分析 |
3.3 陀螺随机误差在控制回路中的传递特性分析 |
3.3.1 随机系统的均方误差 |
3.3.2 陀螺随机误差在控制回路中的传递特性分析 |
3.3.3 陀螺随机误差对控制精度影响的仿真分析 |
3.4 陀螺的随机误差滤波研究 |
3.4.1 基于AR模型的Kalman滤波 |
3.4.2 自适应前向预测滤波 |
3.4.3 基于信息熵的最优小波包基阈值滤波 |
3.4.4 陀螺滤波算法的实验研究 |
3.5 本章小结 |
第四章 稳定回路的广义多采样率H_∞内模控制研究 |
4.1 引言 |
4.2 稳定回路的特性分析 |
4.2.1 多采样率特性分析 |
4.2.2 模型的不确定性分析 |
4.2.3 扰动力矩分析 |
4.3 稳定回路的性能指标分析 |
4.3.1 伺服刚度指标分析 |
4.3.2 隔离度指标分析 |
4.4 稳定回路的H_∞内模控制研究 |
4.4.1 内模控制器的性能分析 |
4.4.2 鲁棒H_∞优化理论 |
4.4.3 基于H_∞理论的内模控制器设计 |
4.4.4 性能加权函数的选择 |
4.5 多采样率控制系统的H_∞优化设计 |
4.5.1 连续系统的Jump变换 |
4.5.2 Jump系统的提升操作 |
4.5.3 提升系统的等效离散化 |
4.5.4 周期时变离散系统的H_∞鲁棒综合 |
4.6 仿真验证及结果分析 |
4.6.1 鲁棒内模控制器的性能仿真分析 |
4.6.2 多速率鲁棒内模控制器的性能仿真分析 |
4.7 本章小结 |
第五章 跟踪回路的输入多采样率满意控制研究 |
5.1 引言 |
5.2 跟踪器误差特性对机构跟踪性能的影响分析 |
5.2.1 跟踪器的噪声特性分析 |
5.2.2 滞后对跟踪性能的影响分析 |
5.2.3 帧频对跟踪性能的影响分析 |
5.3 跟踪回路的性能指标分析 |
5.3.1 跟踪精度指标 |
5.3.2 动态性能指标 |
5.4 跟踪回路的设计思路 |
5.5 基于灰色理论的跟踪器建模研究 |
5.5.1 灰色系统描述 |
5.5.2 灰色SCGM模型 |
5.5.3 等维新息滚动优化 |
5.6 输入多采样率满意PID控制器设计 |
5.6.1 输入多采样率PID的状态空间模型 |
5.6.2 系统的满意度指标设计 |
5.6.3 基于迭代LMI的控制参数求解 |
5.7 仿真验证及结果分析 |
5.7.1 跟踪器滤波预测的仿真验证 |
5.7.2 输入多采样率满意PID的性能验证 |
5.8 本章小结 |
第六章 基于输出多采样率反馈原理的扰动抑制研究 |
6.1 引言 |
6.2 基于输出多采样率反馈原理的角速度估计 |
6.2.1 速度反馈的扰动抑制性能分析 |
6.2.2 基于输出多采样率反馈的速度估计 |
6.3 输出多采样率扰动观测器 |
6.3.1 时滞估计原理 |
6.3.2 输出多采样率扰动观测器 |
6.3.3 观测器的稳定性分析 |
6.3.4 组合形式的输出多采样率扰动观测器 |
6.4 基于扰动观测器的输出多采样率变结构控制律 |
6.4.1 输出多采样率反馈与状态反馈的等效性 |
6.4.2 输出多采样率变结构控制律设计 |
6.4.3 控制律的稳定性分析 |
6.5 仿真验证及结果分析 |
6.5.1 速度估计仿真验证 |
6.5.2 扰动估计仿真验证 |
6.5.3 输出多采样率变结构控制律的仿真验证 |
6.6 本章小结 |
第七章 实验研究 |
7.1 实验系统组成及工作原理 |
7.1.1 系统组成结构 |
7.1.2 系统工作原理 |
7.1.3 基于dSPACE的控制算法快速设计 |
7.2 实验验证 |
7.2.1 多速率鲁棒内模控制器的性能验证 |
7.2.2 灰色输入多采样率满意PID的性能验证 |
7.2.3 输出多采样率控制系统的性能验证 |
7.3 本章小结 |
第八章 结论与展望 |
8.1 全文总结 |
8.2 研究展望 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
1.学术论文 |
2.参与科研情况 |
四、多采样率控制系统的分散控制(论文参考文献)
- [1]数据驱动的多采样率系统的故障检测[D]. 梁乐乐. 北方工业大学, 2017(08)
- [2]磷酸铁锂电池建模及其荷电状态估计算法研究[D]. 林鹏峰. 西南交通大学, 2015(02)
- [3]输入多采样率控制系统的静态输出反馈控制器设计[J]. 刘纯兵,杨春曦,宋鹏云,伍昕宇. 信息与控制, 2013(02)
- [4]电力牵引控制系统多采样率参数辨识与状态估计方法研究[D]. 王嵩. 西南交通大学, 2013(10)
- [5]基于非线性估计理论的线控转向汽车状态估计研究[D]. 周聪. 西南交通大学, 2012(03)
- [6]基于多采样理论的无线传感器执行器网络分析与控制[D]. 刘纯兵. 昆明理工大学, 2012(03)
- [7]基于多采样率和模糊控制的交流调速系统的研究与实现[D]. 刘勇. 西南交通大学, 2011(04)
- [8]基于TMS320F2812的多采样率交流调速系统[D]. 孙丛君. 西南交通大学, 2010(10)
- [9]基于模型估计的多采样率控制系统鲁棒稳定性[D]. 彭述清. 云南大学, 2010(05)
- [10]导引头伺服机构工作特性与先进测控方法研究[D]. 张文博. 国防科学技术大学, 2009(05)