MIMO控制系统的耦合补偿器和自适应控制器研究

摘要

MIMO（多输入多输出）控制系统中各控制通道之间的耦合，给系统设计造成很大的困难。目前的主流设计法是解耦控制方法，通过解耦补偿器使系统转化成有多个相互独立控制通道的系统，再逐个设计控制器。但是设计解耦补偿器的前提是必须知道耦合函数。所以必须辨识耦合函数。然而辨识耦合函数的难度远远高于辨识单个对象的难度，目前尚无成熟方法辨识复杂耦合函数。本文创新了一种 MIMO系统的不解耦控制方法，其整个设计过程不需要知道耦合函数，因此不必辨识它。　　本文论述了不解耦控制方法的原理。先推导出并联式耦合补偿方法，它不需要知道耦合函数，但补偿器需要较大的能量。然后用框图变换法得到实用的不解耦控制方法，补偿器只要较小能量就可使系统正常工作。耦合补偿器采用神经网络算法，各通道的主控制器可有多样选择。因此，这种系统是可行的，可实现的。本文方法避免了辨识耦合函数，因此在不知道耦合函数的条件下也可以完成 MIMO控制系统设计，为设计存在耦合的MIMO控制系统提供了新思路。　　本文叙述了研究新型的不解耦控制系统时，试用RBF神经网络的耦合补偿器，以及CMAC网络的耦合补偿器的效果；试用改进的PID主控制器的效果。还叙述了使用遗传算法对RBF耦合补偿器的初值进行寻优，提高补偿精度的算法。　　本文研究了非线性MIMO系统的控制算法。在不解耦控制方法中，主控制通道采用自适应控制算法，耦合补偿器采用CMAC网络。　　本文对有线性耦合函数的系统和有非线性、慢时变耦合的系统做了研究。分别试用了常规控制器和自适应控制器作为主控制器。　　本文还对MIMO增量型广义预测控制算法加以改进，使之更适合于时滞系统，增强了鲁棒性，便于选取最优的增量系数。　　本项目使用MATLAB仿真工具对多个算例做了仿真研究，以验证上述控制算法。仿真结果表明了这些控制算法是可行的，可以有效提高MIMO控制系统的性能。　　本文成果可以应用于各种具有耦合的过程控制系统和其它控制系统。如果加以推广，可以产生可观的效益。本项目在MIMO系统的控制方法方面有所创新，对控制理论的发展有所贡献。

目录

声明

1 绪论

1.1 选题的背景

1.2 MIMO系统的耦合问题

1.3 研究现状及存在的问题

1.4 研究内容和结构安排

2 MIMO系统耦合补偿控制基本原理

2.1 本章引言

2.2 控制算法的基本原理

2.3 神经网络耦合补偿器

2.4 本章小结

3 基于改进PID的MIMO系统不解耦控制

3.1 本章引言

3.2 基于RBF神经网络的耦合补偿器

3.3 基于单神经元PID的不解耦控制结构

3.4 基于RBF神经网络的PID不解耦控制结构

3.5 基于遗传算法优化的RBF耦合补偿器

3.6 本章小结

4 一类MIMO不确定性系统的不解耦控制

4.1 本章引言

4.2 基于CMAC网络的耦合补偿器

4.3 基于改进的可调增益MIT-MRAC算法的不解耦控制

4.4 基于RBF神经网络的自校正控制系统

4.5 本章小结

5 一类MIMO时滞系统的广义预测控制

5.1 本章引言

5.2 预测控制的基本机理

5.3 基于CARMA模型的广义预测控制

5.4 基于粒子群优化的MIMO增量型广义预测控制

5.5 本章小结

6 总结和展望

6.1 全文总结

6.2 工作展望

致谢

参考文献

附录A攻读硕士学位期间从事的科研项目和发表的论文