基于模型差分析的旋翼飞行机器人航向与垂向预测控制方法

本文针对旋翼飞行机器人全包线机动飞行中的驱动器滞后以及动力学模型时变的问题,提出了应对不确定性动力学模型的基于模型差分析的增量平稳预测控制方法。该方法首先通过建立增量平稳预测过程模型来应对驱动器输出滞后与稳态模型以及系统工作点的不确定性,并提升控制系统鲁棒性。然后通过自适应集员滤波器在线估计系统瞬态动力学与名义模型的偏差来补偿全包线飞行中时变模型对于名义控制器跟踪性能的影响。最后,通过实际的飞行试验验证了此方法能够有效的解决全包线飞行中航向与垂向的驱动器滞后与动力学时变问题,并且可以实用于旋翼机器人航向与垂向的全包线自主飞行控制。

广义预测控制方法在网络遥操作机器人系统中的应用

Internet网络的时变时延及网络数据丢包严重影响了遥操作机器人系统的操作性能,甚至造成系统不稳定。为了解决这一问题,提出一种新的基于Internet的遥操作机器人系统控制结构。通过在主端对给定信息加入时间标签获得过去的系统回路时延,采用多元线性回归算法,预测下一时刻系统回路时延,然后在从端设计一个广义预测控制器控制远端机器人,从而改善时变时延对系统性能的影响。应用广义预测控制器产生的冗余控制信息,降低了网络数据丢包对系统的影响。最后根据预测控制稳定性定理,推导出系统的稳定性条件。仿真试验结果表明,该方法能有效解决时变时延以及网络数据丢包引起的性能下降问题。

星球探测系统的多机器人组内协作研究

建立了子机器人的控制模型,提出了分散式控制与集中式控制相结合的复合控制体系。采用动态分配ID号和由ID号确定机器人组中领导者的机制,建立了有领导者的机器人组的协作方法。其中,领导者与监控平台之间采用无线通讯,机器人组内采用CAN(control area network)总线传递控制信号。同时采用组内基于状态表匹配的控制方式。两个机器人组合利用以上机制,通过相互协调完成差速转弯的实验验证了该控制方法的可行性。

基于改进网络模型的大时滞网络拥塞控制算法

　随着对网络拥塞控制的深入研究,出现了许多有关网络流量的控制理论及网络模型.Misra等人于2000年基于流体流(fluidflow)理论提出的模型被研究人员广为采用.但模型在推导过程中的一些近似却使得模型对网络行为描述不精确.本文对此从理论和实验结果两方面进行了详细分析,并对原模型进行了改进.基于改进的模型,把一种PID(ProportionalIntegralDifferential)及类PID设计方法用于AQM(ActiveQueueManagement)控制器的设计.对比仿真结果表明,该算法具有更好的性能.

利用SEDD模型模拟岷江上游小流域的年产沙量

以GIS为平台,建立了泥沙输移分布模型SEDD(sediment delivery distributed model),包括模拟流域年侵蚀量的修正通用水土流失方程RUSLE(revised universal soil loss equation)和模拟泥沙输移比SDR(sediment delivery ratio)的方程.利用该模型模拟了岷江上游黑水、镇江关流域的年侵蚀、产沙量及其空间分布特征.模拟结果表明:两个流域侵蚀强度以轻度和中度侵蚀为主,并伴有强度侵蚀;流域产沙量低,不到侵蚀总量的5%;泥沙输移比与流域产沙量的空间分布相似,均呈现在河流附近较高、其他区域接近零的格局;灌木林地和林地是主要的产沙源,两种类型的产沙量之和约占流域总产沙量的70%.

一种高效的分布式测控系统的数据压缩管理方法

提出了一种无损压缩的数据存储方法,对测控系统中的历史数据进行高效的管理,在监控的过程量很多的情况下,一般能达到1∶30的压缩比,而且将大大提高数据的检索效率。给出了其具体实现,该方法在类似系统中有着广泛的适用性。

基于web的遥操作系统时延分析

采用预测控制算法给出了一种带有时延补偿器的新的控制结构,分别在前向通道和反馈通道设计补偿器对网络时延进行补偿.实验结果表明:带有预测器及补偿器的新的控制结构可以改善系统的动态性能,并且能够保证系统在具有时延和数据丢失的环境下的稳定性.

空间柔性双臂机器人系统建模、控制与仿真研究

空间柔性多臂机器人系统是高度非线性,强耦合的动力学系统,其动力学的研究是比较复杂和困难的问题.本文针对极为复杂的空间柔性双臂机器人系统,建立了其系统动力学模型,利用逆动力学控制算法对该动力学模型实现了轨迹跟踪控制,仿真结果表明该方法具有较好的控制效果,分析了在仿真过程中出现的有关数值算法的问题.

面向自主移动机器人的主动建模及控制方法研究

自主能力是传统的工业机器人向今天更具智能的先进机器人发展的最重要的使能技术之一。而实时建模与自主适应控制则是实现机器人自主能力的最为关键的两种技术。本文以中科院沈阳自动化所自行研制的正交全方位轮式移动机器人为实验平台，深入系统的研究了自主机器人基于UKF的在线建模技术及控制方法。首先，深入地研究了UKF算法，并证明了其稳定性。阐述了U变换的基本原理，对U变换的精度进行了分析，阐述了随机过程有界的概念。介绍了标准UKF算法和平方根UKF算法。在此基础上，提出了UKF基本算法的稳定性条件，并给出了相应的证明过程，为UKF算法的应用奠定了理论基础。其次，研究了基于UKF的非线性系统实时状态和参数联合估计方法，提出了基于UKF主动建模的控制方法。在联合估计中，将系统中的时变参数与其真实状态联合，组成增广状态向量，再利用UKF对该增广状态进行估计，从而得到状态和参数的估计值。基于UKF主动建模的控制方法，是将上述状态/参数联合估计方法与逆动力学控制相结合，实现针对机器人自身参数不确定性的自适应控制。仿真结果表明，UKF算法对系统状态和参数的变化具有良好的估计性能，所提出的控制方法能够有效的克服时变参数对系统控制性能的影响。第三，研究了基于UKF的故障在线辨识与容错控制方法。提出了一种针对驱动器故障的参数化模型表达方法，利用UKF联合估计方法对故障参数进行在线估计。将实时故障参数估计与逆动力学控制相结合，构造出实时容错控制方法。在分析了全方位正交轮式移动机器人结构的基础上，离线地建立起该机器人的运动学和动力学参考模型，并以该离线参考模型为基础，进行了容错控制实验研究。实验结果表明在系统驱动器发生故障时，基于UKF主动建模的容错控制方法能够有效的提高系统的性能。最后，提出了两种具有噪声统计特性自适应能力的UKF算法，即基于MIT规则和基于KF估计的自适应UKF算法。基于MIT规则的自适应UKF算法，以新息方差的实际值与估计值的差为指标函数，采用MIT规则作为自适应机制，在线地估计系统噪声统计特性，以此提高UKF方法对噪声统计特性的自适应能力。基于KF估计的自适应UKF算法由两个并行的主、辅滤波器构成。辅助滤波器利用KF估计系统噪声方差，主滤波器利用该噪声方差的估计值，进一步预测估计系统的状态和参数。仿真表明在系统的噪声统计特性发生变化时，所提出的两种自适应UKF算法能够自动的调整自身参数，以弥补由于先验知识不足而产生的估计误差。之后，比较了两种自适应UKF算法在估计的准确程度、估计所用的CPU时间、调节的难易程度三个方面的性能，并给出了比较结果。

网络遥操作机器人采样系统模型与控制研究

网络遥操作机器人系统是网络技术与机器人技术相结合的产物。它延伸了操作者的感知和操作能力，使操作者可以置身于安全的环境中而完成危险环境中的作业任务；提高了机器人对工作环境的适应能力，辅之以操作者的决策，机器人可以工作于非结构化的工作环境中。网络遥操作机器人技术作为机器人学的一个重要分支，近十几年来受到许多研究机构和研究人员的关注和重视。 本文针对网络遥操作机器人采样控制结构，通过控制策略解决非结构环境下网络遥操作机器人的实时控制问题。为此，首先研究了网络遥操作机器人采样系统建模问题。目前，关于网络遥操作机器人采样系统模型大多是针对单采样周期的，主从端不同采样周期的统一模型目前还没有相关报道。由于操作者是网络遥操作机器人采样系统的组成部分，因此若建立网络遥操作机器人采样系统模型首先要建立操作者模型。然而由于操作者建模问题比较复杂，目前在遥操作系统建模时，一般都避开了操作者建模问题。本文在分析了现有的遥操作控制方式和遥操作系统模型的基础上，主要针对网络遥操作机器人采样系统模型和控制问题进行研究。 操作者模型研究方面，主要以操作者用小臂操作具有力反馈功能的操纵杆为例，研究操作者操作操纵杆过程的动态模型建模方法。首先对人体骨骼肌肌肉力学模型中不可测量，即肌肉激活度，通过实验进行研究，得出在操作者保持紧张程度不变情况下“肌肉激活度”与肌肉收缩长度的关系。在此基础上，考虑手臂的动力学特性、操纵杆的动力学特性，建立了肌肉力驱动的手臂—操纵杆系统动力学模型。在操作者模型的基础上，设计动态补偿器，补偿操作者操作操纵杆的动态过程，解决由于肌肉动态特性被污染所造成的操作者所想与所做不一致的问题，克服操作者操作时延，提高网络遥操作机器人系统的性能。 遥操作机器人采样系统模型研究方面，首先针对主从端不同采样周期的网络遥操作机器人采样控制结构，通过引入双端口RAM的方法，实现网络遥操作机器人系统主从端的采样同步；在网络遥操作机器人采样同步控制结构模型的基础上，建立从端离散状态空间表达式，利用提升技术对从端离散状态空间表达式按遥操作周期提升，利用采样系统理论得到主从端统一的网络遥操作机器人采样系统模型；最后对从端系统提升前后的稳定性、可控性、可观测性进行分析，得出从端系统提升前后稳定性、可控性、可观测性不变的结论。 遥操作控制策略研究方面，提出基于时延预测的采样切换控制方法。首先对互联网节点间的网络时延进行测试分析，得出任意两个网络节点间时延分布规律，即任意时间段内网络时延的概率密度都可以用平移Gamma分布曲线描述。采用拟合样本概率密度曲线的方法，对平移Gamma参数进行预估，得出平移Gamma分布的种类，进而根据平移Gamma分布的种类，确定出网络时延的均值，最后确定出期望的采样周期；为了实现任意采样周期下切换系统的稳定控制，对采样切换系统的稳定性进行了研究，得到如下结论，即如果从端系统一致渐进稳定，则对从端实行任意采样切换控制时网络遥操作机器人采样系统是稳定的。 为了对所研究内容进行实验验证，以移动机器人为被控对象，搭建了一个具有力反馈控制和局部自主功能的网络遥操作机器人采样系统实验平台。用人工势场法建立了虚拟力模型并给出了虚拟力在力反馈操纵杆上的实现方法；以移动机器人自主避障为例，给出了从端自主的模糊控制设计方法和实验系统遥操作软件设计方法。 实验结果证明了所提出的模型和控制方法是有效的、可行的，对于建立性能良好的网络遥操作机器人系统具有现实意义。本文所研究的许多结论，对于一般网络遥操作机器人系统的理论研究和实际应用也具有一定的参考价值。

非线性机电系统的鲁棒及预测控制

近年来，机器人、数控机床等机电系统在国民生产及生活中得到了越来越广泛的应用，与之相对应的，机电系统的控制无形中也逐渐成为机电一体化和自动控制的研究热点。另一方面，非线性特性是任何实际系统普遍存在的现象，在机电系统中尤其如此。本文从控制器设计的角度研究非线性机电系统的两个典型问题：系统闭环优化性能的改善；控制器鲁棒性的增强。这也是当前自动控制研究领域的两个重点及热点问题。 最优性是闭环系统性能最实用的评价指标之一。最优控制及预测控制是试图实现控制性能优化的两种典型方法。但前者因本身不构成闭环而严重缺乏鲁棒性，在实践中很少能得到应用；后者作为前者理念的推广，在实践中已经得到了较为广泛地应用，并取得了不错的效果，但在实现某种程度的鲁棒性时依然面临困难。除最优性外，闭环控制的鲁棒性也是非线性系统控制中亟待解决的问题之一，这是由于实际的系统几乎不可能避免模型不确定性。 现有的非线性预测控制及鲁棒控制方法无论在方法的广泛适用性还是在可行性方面都还远非完备。据此，本论文沿鲁棒性和最优性两条主线，以典型的机电系统（无人直升机模型）为研究对象，分别进行了深入的理论和实验研究，并最终形成一种同时兼顾最优性和鲁棒性的控制器设计框架，以期在一定程度上解决现有方法中存在的问题，并为以后更深入的研究工作奠定基础。 鉴于此，本论文分别针对鲁棒控制和预测控制展开讨论，其中前者主要解决基于加速度反馈实现鲁棒控制的方法，内容为第二章和第三章；后者则旨在解决基于控制Lyapunov函数方法实现实时稳定预测控制，主要内容为第四章和第五章。本论文的具体内容安排如下： 论文的第一章综述了控制理论在鲁棒性与最优性两个方向的发展概况（主要针对非线性系统），包括其发展历史，现存方法的局限性等。从而引出本论文的研究内容及研究意义。 第二章，研究了基于加速度反馈的控制器鲁棒增强方法。在深入分析常规加速度反馈控制方法的基础上，指出其存在的三方面主要问题：代数环问题；高增益实现问题和不能用于欠驱动非线性系统等。并针对两种典型的非线性系统（以无人直升机模型为代表）将新的加速度反馈控制方法与H∞控制相结合，得到了一种能够保证输入输出稳定的扰动抑制方法。大量的仿真结果验证了方法的可行性及有效性。 随后，在第三章研究了加速度的估计问题。基于加速度反馈的鲁棒控制器增强技术得以实现的前提是加速度信号的获取，本章在分析了现有加速度估计方法存在严重的滞后问题的同时，提出了将Kalman滤波方法同牛顿预测方法相结合以改善相位滞后问题的方法。实验及仿真结果验证了方法的有效性。 第四章提出了基于控制Lyapunov函数的稳定闭环控制器设计框架。本章利用集值分析理论研究了控制Lyapunov函数具有的一些性质及其在控制器设计中的应用。随后，介绍了两种典型的根据控制Lyapunov函数设计控制器的方法。接着，将引导函数的概念引入到Freeman的逐点最小范数控制方法中，形成了一种新的利用控制Lyapunov函数设计非线性控制器的方法—广义逐点最小范数控制器。最后指出，在这种框架下，鲁棒控制器设计也可以实现，并针对三种不同的不确定性系统给出了鲁棒广义逐点最小范数控制器设计方法。 最后，在第五章，将前面提出的广义逐点最小范数控制引入到非线性预测控制中去，以期利用控制Lyapunov函数保证闭环稳定性，同时利用控制器中的参数化变量作为优化对象以减轻预测控制算法的计算负担，从而达到实时稳定预测控制的目的。另外，在这一章我们还在第二章和第四章的基础上，结合加速度反馈思想和鲁棒控制Lyapunov函数的概念，提出了一种用于扰动抑制的鲁棒实时预测控制算法。同样，仿真实验验证了方法的有效性和可行性。

基于神经网络的一类非线性系统模型参考控制

针对一类非线性系统,提出了一种神经网络模型参考控制方案。在训练实现对象模型的网络和实现控制器的网络时,由状态方程产生训练样本。通过对倒立摆系统的仿真实验验证了控制方案和样本生成策略的有效性,在仿真实验中用不同初始状态验证了训练后的神经网络的泛化能力。

AUV系统辨识与广义预测控制研究

本论文的研究内容分为两方面：AUV的建模和控制。 建模方面，主要对当前用于AUV的建模方法进行了分类及对比，给出了水动力机理建模、水动力辨识、面向目标的系统辨识三类方法的优缺点。 根据可辨识性理论，对AUV闭环系统进行分析，给出了AUV闭环系统可辨识的充分条件。为了提高辨识算法的实时性，解决辨识过程中的“数据饱和”问题，给出了改进的变步长增广卡尔曼滤波辨识算法。利用小型AUV湖上试验数据辨识出航向回路、深度回路的系统模型，通过不同的试验数据与模型预测值的相关性验证模型，试验结果表明了该算法应用于AUV闭环系统建模的可行性。 控制方面，在传统PID控制、S面控制方法基础上，借鉴单神经元PID控制思想，将积分环节加入S面控制中来简化S面PID控制算法，并通过仿真验证了算法的可行性。上述方法参数调节依赖工程经验，而广义预测控制具有对模型要求低、算法鲁棒性强、参数调节简单等优点。因此，本文对输入输出约束的广义预测控制快速算法应用于AUV系统进行仿真，通过小型AUV水池试验验证了算法的有效性。