一、非线性、变参数系统的求解、分析与综合方法（论文文献综述）
于淼[1]（2020）在《基于非对称拉普拉斯分布的线性变参数模型鲁棒辨识方法研究》文中指出随着现代工业的飞速发展,越来越多的工业设备的内部机理愈发复杂,且呈现出较强的时变性以及非线性。因此基于经典牛顿运动学定律,能量、动量守恒定律,以及系统动力学分析的机理建模方法受到了极大的限制。然而工业领域对于模型的迫切需求促进了系统辨识理论的飞速发展,因为其不需要完整、深入地分析待建模过程的内部机理,只需少量先验知识,设计实验采集系统的输入输出数据,利用系统辨识算法就可以获得准确的数学模型,且该类数学模型相比于机理模型,更加适合控制器的设计以及状态监控及故障诊断。但是,系统辨识方法强烈依赖于数据质量,但是在实际工业中,受限于设备的设计,复杂恶劣的工况和复杂的工作环境,很难保证传感器可以完整、准确地采集无噪声污染或近包含白噪声的实验数据。为解决这类问题,在系统辨识辨识算法中解决数据中包含的噪声、异常值点等问题,是相比于重新设计数据采集过程更为有效、低成本的方法。本研究在国内外现有研究的基础上,研究了线性变参数模型的鲁棒参数辨识问题,具体内容总结如下:（1）研究对于异常值点以及非对称分布的噪声具备鲁棒性的,线性变参数模型参数估计算法。首先介绍了两种典型的线性变参数模型,并整理为适用于参数辨识的回归向量与参数向量的乘积形式;同时引入了非对称拉普拉斯分布,并分析了其概率密度函数以及该概率分布的一种生成方式,与高斯分布以及对称拉普拉斯分布进行了对比。（2）在期望最大化算法的框架下,处理基于非对称拉普拉斯分布的噪声建模问题。将非对称拉普拉斯分布分解为正态分布以及指数分布,并求解对数似然函数关于该服从指数分布随机变量的均值,将问题降为基于正态分布的参数辨识问题,完成算法推导。（3）通过多个数值仿真例以及连续搅拌反应釜反应器的工程实例,验证了所研究算法对于异常值点以及非对称分布噪声的鲁棒性。并且与现有的,基于高斯分布以及拉普拉斯分布的参数辨识算法进行对比,验证了所提出的算法具备更强的鲁棒性。（4）在结论中,总结了本研究的主要贡献以及还存在的问题,并对未来的研究方向提出了展望与设想。
景苗苗[2]（2020）在《一类变参数系统的稳定性分析及最优控制求解》文中进行了进一步梳理本文讨论了一类线性变参数系统（LPV）的最优控制问题。该系统源于航空发动机的控制问题,具有较强的现实意义。首先,我们给出所研究的变参数系统模型,然后运用微分方程理论中的解的存在唯一性定理和解对参数的连续依赖性定理对此类LPV系统进行了定性分析,证明了局部解的存在性,利用常微分方程的延展定理对局部解进行粘贴延拓,从而得到解的整体存在性。将初值看做参数,讨论解对初值和参数的连续依赖性。其次,我们给出线性变参数系统最优控制问题的描述,利用控制参数化方法（CP）,利用逐段常函数来近似每个控制函数,从而将原最优控制问题转化为易于求解的具有有限个决策变量的最优参数选择问题,然后推导变分法和协态法两种方法对应的目标函数关于控制参数的梯度公式。最后,基于控制参数化方法的框架,分别利用基于协态法和变分法得到的梯度信息,结合传统的非线性优化算法,设计具体的求解算法。通过对几个数值算例进行求解,验证算法的有效性,并对计算结果进行了比较和说明。
周光锐[3]（2020）在《民用飞机误操纵辅助驾驶飞行控制与飞行品质评估》文中指出大型民用飞机专项作为我国中长期发展规划重大研究专项课题之一,为促进我国科技发展有着重要作用。本文在国家工信部“十三五”大型民机科研专项资金资助下,围绕大型民用飞机辅助驾驶飞行控制中的关键问题,开展了大型民机辅助驾驶控制方法研究、辅助驾驶飞行控制律设计和辅助驾驶控制系统飞行品质评估三方面研究工作,具体工作如下:1.建立了大型民机辅助驾驶控制模型,主要包括三部分:大型民用飞机动力学模型、辅助驾驶控制器和主动侧杆伺服控制系统模型。本文基于B747-100/200大型民用飞机的模型,运用刚体动力学中的相关知识建立了通用的大型民机非线性动力学模型,并运用雅克比线性化方法和小扰动原理,将所得到的非线性模型转化并解耦为纵向和横侧向运动线性模型,最后运用参数辨识的方法构建了民机线性参数时变（LPV）模型;运用线性参数时变系统鲁棒控制原理,在大迎角失速和低能量两种情况下,设计了民机辅助驾驶伺服控制律,并根据控制律建立了民机辅助驾驶控制系统;运用鲁棒控制原理,建立了主动侧杆伺服控制系统模型,主要包括主动侧杆动力学模型和鲁棒控制系统两部分。2.提出了飞机辅助驾驶切换控制策略。针对由于驾驶员误操纵造成的飞机参数大范围变化的情况,为了保证民用飞机的鲁棒稳定性能和伺服跟踪性能,论文开展了如下工作:a)提出一种基于LPV控制方法的飞机辅助驾驶控制系统设计方法,以保证该系统的鲁棒稳定性能;b)考虑到大迎角失速等特殊的飞行场景,设计了一种基于LPV控制方法的安全增强切换控制系统。仿真结果说明该切换控制系统在飞行员误操纵而引起飞机参数大范围变化的情况下能够具有较好的鲁棒稳定性和鲁棒性能,保证飞机从异常状态中自动改出,增强飞机的安全性能。3.针对民机辅助驾驶系统,运用参数调度的鲁棒控制方法,开展了大型民机辅助驾驶系统的仿真,并对比了H∞鲁棒控制方法及LPV控制方法这两种控制方法在时域内的跟踪性能。4.运用带宽准则、CAP准则以及横侧向频率阻尼比准则,分析了LPV控制方法在不同工作点处的飞行品质,并与H∞鲁棒控制方法进行了纵向和横侧向运动飞行品质的对比分析。通过上述研究工作,本论文获得了大型民机辅助驾驶控制系统模型;运用增益调度的鲁棒控制方法解决了在大迎角失速、低能量两种状态下的异常态势辅助/自动改出问题;并运用带宽准则、CAP准则以及横侧向频率阻尼比准则对比分析了辅助驾驶控制系统的飞行品质。
吕铖坤[4]（2019）在《基于平衡流形模型的涡扇发动机多变量控制研究》文中提出随着现代先进战机性能需求的不断提升,特别是在飞行器复杂的大范围变工况下,如何利用较小的控制能量,在满足高机动作战性能需求的同时,确保发动机各项安全裕度指标不超过限制,已经成为控制系统设计者们面临的重要问题。控制系统设计离不开大量的建模工作,航空发动机自身结构的独特形式,为其控制用模型的建立带来了不同于一般非线性系统的特殊性。平衡流形模型的提出旨在减轻传统线性变参数模型建立过程涉及的巨大工作量,并通过考虑系统内部变量,使模型能够进行控制系统设计的同时保留足够的系统非线性特性。本文以解决大范围变工况运行的航发对象多变量控制问题为目的,针对平衡流形模型向多入多出系统的扩展和基于该模型的多变量控制方法展开以下研究:首先,研究了平衡流形模型的辨识过程。通过归纳整理前人针对平衡流形模型的主要研究,给出了不同于一般线性化方法的平衡流形模型整体结构,介绍了平衡流形模型的主要性质,保证了通过该方法构造线性模型的可行性。针对具有复杂非线性的涡扇发动机对象,给出了多入多出平衡流形模型的主要结构,研究了动静两步法在多入多出平衡流形模型辨识中的应用,充分展现了调度变量组合方式对模型精度的影响,并得到了具有较高稳态、动态精度的平衡流形模型。平衡流形模型的研究工作为后续进行控制系统设计提供了模型基础。其次,针对高性能需求带来的航空发动机控制变量多样化,开展了基于平衡流形模型的多变量H∞控制研究。给出了平衡流形建模方法在获取线性状态空间模型上的实际应用,通过平衡流形的主要性质补全状态空间模型系数矩阵缺失的参数,获得可用于多变量控制器设计的线性结构形式。进行了开环特性仿真,利用稳定性分析和相对增益阵列分析的手段,得到了平衡流形模型用于控制系统设计的最终调度变量组合方案。仿真结果表明,在设计点处多变量控制器拥有较好的控制性能,然而,该控制器无法保证大范围变工况运行下系统良好的控制效果。研究给出了平衡流形模型的线性化应用,验证了基于此模型的鲁棒多变量控制在一定范围内的有效性,但也暴露出该控制方法的某些局限性,从而引出接下来的研究工作。再次,以平衡流形模型为工具,考虑线性变参数控制方法进行涡扇发动机多变量控制研究。探究了平衡流形模型这一考虑系统内部参数时变特性的非线性结构在线性变参数方法中的应用,基于平衡流形模型构建可用于鲁棒变增益控制器设计的线性变参数系统,通过状态扩展的方法获得基于平衡流形方法的涡扇发动机增广模型,令模型满足鲁棒线性变参数控制所需的假设。考虑了鲁棒变增益控制原理在多项式形式的线性变参数模型中应用面临的困难,在控制器设计过程中采用多胞技术,给出有限个多胞顶点以简化控制器求解过程。仿真结果表明,基于平衡流形模型得到的鲁棒变增益控制器,能够有效改善控制系统在内部参数变化时的系统输出性能,然而,飞行条件变化带来的系统非线性也应在研究中进行考虑。最后,针对上述研究结论,利用切换线性变参数控制方法,尝试在控制系统中加入飞行条件的变化特性,研究基于平衡流形模型的涡扇发动机多变量控制问题。给出了基于Lyapunov函数保证系统渐近稳定的充分条件,考虑共同Lyapunov函数的方法设计保证系统切换过程稳定的切换线性变参数控制器。研究为了降低控制器设计过程中的难度,提出了一种特殊的控制策略,将飞行条件高度和马赫数作为切换的指令信号,但不在结构上增加平衡流形模型的复杂性,即不改变单个平衡流形子系统的辨识过程,而是在整个切换系统考虑飞行条件带来的影响,通过大量仿真,找到高度和马赫数变化时系统的切换面。在两个平衡流形模型子系统之间考虑平滑过渡的切换过程,避免了切换过程出现抖振和明显突跳。控制结果表明,切换线性变参数控制器能够在任意方向上进行切换,并且在大范围运行包线内拥有良好的控制效果。
刘鑫[5]（2019）在《非理想数据条件下非线性系统辨识方法研究》文中指出对于现代工业而言,绝大多数生产过程都属于非线性过程并且通常都会呈现出复杂的内部机制和非线性特征。如此一来,利用传统的质量、动量、热量守恒等第一建模准则对实际的生产过程建模便会显得非常费时、费力。甚至有些时候,由于不能完全理解生产过程的复杂内部机制,使得利用第一建模准则得到的模型精度大大降低。由于过程数据中包含着丰富的过程动态信息,基于过程数据的系统辨识作为另一类建模方法,因其易于实现且不需要深入理解复杂过程的内部机制,正受到越来越多的关注和研究。但是对于实际的工业过程而言,在采集辨识数据过程中由于传感器的故障、过程数据获取方式不同、未知的外界干扰等因素的存在,常常会出现数据缺失、辨识数据双率采样、辨识数据中包含未知时滞以及异常值等问题。上述实际的辨识问题,会使采集到的辨识数据不那么理想并且数据集的数据质量急剧下降,这也对系统辨识算法提出更高的要求。本文在上述辨识问题存在的条件下,考虑了非线性系统的辨识问题,分别研究了特殊的线性变参数模型和一般的非线性状态空间模型的辨识算法。首先在非理想数据的条件下研究线性变参数模型的辨识算法,线性变参数模型有着线性的模型结构以及变化的模型参数,因其能够精确地描述非线性系统的动态特性而受到广泛的关注。然后将研究的辨识问题推广到非线性状态空间模型的辨识中去,得到更具一般性的辨识算法。本文的主要研究内容可概括如下:在输出数据慢率采样且输出数据包含异常值的条件下,研究了线性变参数时滞系统辨识问题。系统的输入数据采用快率采样而输出数据采用慢率采样,并且认为慢率采样的周期是快率采样周期的整数倍。系统未知的输出量测时滞是时变的,并且假设该时变时滞在已知的取值范围内服从均匀分布。将时滞当成隐含变量来处理,在输出数据慢率采样的基础上利用期望最大化算法和重尾的拉普拉斯分布建立鲁棒辨识框架。在给出模型参数估计公式的同时,通过最大化时滞的后验概率密度函数来估计未知的时滞。研究了线性变参数马尔科夫时滞系统的鲁棒辨识问题。利用全局辨识的思想,将模型参数写成调度变量的亚纯函数的线性组合形式。考虑了系统在各采样时刻,时变时滞的互相关性并且利用一阶马尔科夫过程对这种互相关性进行数学建模。一阶马尔科夫过程主要包含一个初始概率分布向量和一个转移概率矩阵,它们共同决定了时滞的变化机制。利用期望最大化算法,同时推导得到模型参数以及初始概率分布向量和转移概率矩阵中各元素的迭代估计公式。研究了非线性状态空间系统的鲁棒多模型辨识问题。利用局部辨识的思想,在预先选定的工作点处利用非线性状态空间模型表示非线性过程的局部子模型。在每个采样时刻,非线性过程的全局输出可以表示为各子模型输出的加权组合形式,并且采用平滑的指数函数来计算各子模型的权重。基于期望最大化算法和拉普拉斯分布推导得到鲁棒辨识算法,在得到各子模型参数估计的同时,通过优化一个非线性代价函数来得到各子模型的有效宽度。在输出变量和状态变量之间存在未知的定常时滞条件下,研究了非线性状态空间时滞系统的鲁棒辨识问题。将未知时滞当成隐含变量来处理,假定其取值范围已知并且在该范围内服从均匀分布。基于期望最大化算法将辨识问题公式化,为了顺利地计算Q-函数,在辨识过程中引入含有未知时滞的状态空间辅助模型,采用粒子滤波算法来数值计算状态变量的后验概率密度函数。在辨识过程中,同时给出了模型参数以及未知时滞的迭代估计公式。在输出数据部分随机丢失的情况下,研究了非线性状态空间模型的鲁棒辨识问题。采用期望最大化算法和重尾的学生氏t分布建立鲁棒的统计辨识框架,不仅考虑了缺失输出数据的估计值,同时考虑了缺失数据的取该估计值的概率。详细地阐述了基于缺失输出数据的粒子滤波算法,并用此算法迭代估计状态变量的后验概率函数,降低了Q-函数的计算复杂度。在得到模型参数估计的同时,通过求解一个非线性方程以得到学生氏t分布的自由度参数估计值。
李家宸[6]（2019）在《轮腿式仿生机器人运动控制研究》文中研究指明轮腿式机器人将腿式机器人和轮式机器人结合,同时兼备轮式机器人的优势和腿式机器人灵活的仿人或仿生特性,在服务、交通和军事等方面有巨大的潜在应用价值,越来越成为机器人系统与技术研究的热门领域,本文以一类电液混合驱动的两轮自平衡式轮腿机器人的运动控制为核心,分别在以下几个方面展开研究工作。轮腿机器人的系统建模。建立各个关节角度与关节位置坐标之间的运动学模型,根据机器人运动学模型和样机的关节机构,建立液压缸位移和关节角度变化之间的关系。为建立机器人整体的运动控制方案,从平衡控制的基本原理出发,采用解耦与等效的思想对轮腿机器人进行等效系统建模,得到等效的质心模型和模型映射关系。基于惯性测量单元（IMU）和关节位移传感器建立机器人髋关节与等效质心的卡尔曼滤波状态估计模型,为运动控制所需要的模型奠定基础。轮腿机器人驱动轮线性变参数动力学系统（LPV）模型建立与控制算法设计。根据等效质心的思想,在驱动轮自平衡控制中可以将机器人的动力学简化成非线性耦合时变参数的系统,采用LPV系统理论和技术进行建模,并通过张量高阶奇异值分解（HOSVD）进行多胞变换,以顶点系统形式来描述系统。并在此基础上从具体的控制目标出发,设计鲁棒混合D-稳定增益调度控制算法,利用矩阵不等式（LMI）求得控制器,保证驱动轮控制系统的响应和跟踪鲁棒性。基于质心控制的轮腿机器人运动控制策略。对于等效之后的机器人系统,采用控制质心的方式来实现对轮腿机器人的运动控制,在动态性能与静态稳定平衡上分别设计相应的质心控制策略和控制率,对于动态加减速的实现,采用预观控制来规划质心的轨迹,而静态平衡采用一种搜索关节角度的算法来优化调整时间,从而实现对质心调控的最优控制。轮腿机器人运动控制仿真与实验。对上述内容进行了Matlab数值仿真以及Vrep与Matlab联合的物理引擎仿真,验证各个算法并整定参数,搭建完成实际物理样机和控制系统,进行驱动轮电机摩擦辨识与补偿实验,保证力矩控制的精度;结合以上理论与仿真结果,分别进行了蹲起、加减速,轨迹跟踪与定位实验,验证方案与算法的合理性。
李寒霜[7]（2019）在《基于变分贝叶斯算法的线性变参数系统辨识》文中研究说明工业领域技术的进步离不开控制与优化策略的发展,在对系统实施控制与优化的过程中,多以系统模型为基础。然而工业过程日益庞大的规模和复杂性使得建立相应的机理模型极其困难,甚至是无法实现的。由于过程数据能够包含系统运行的主要动态特性,因此基于数据驱动的建模方法为复杂工业过程的建模提供了新的解决方案。其中,线性变参数（Liner Parameter Varying,LPV）模型具有类似线性模型的简单结构,通过时变的参数便可精确描述复杂的非线性系统,获得了广泛关注。考虑到实际工业过程生产环节及生产环境的复杂多变,会导致被建模系统呈现不确定性,传统的LPV系统辨识方法忽略了这一问题,难以保证系统的辨识精度。基于此,论文主要在变分贝叶斯（Variational Bayesian,VB）算法的框架下讨论LPV系统的辨识问题,具体研究内容如下:（1）研究了VB算法框架下的LPV系统的辨识问题。针对含有不确定性的工业过程,论文提出了基于VB算法的LPV系统的辨识方法。该方法将系统的不确定性通过参数的不确定性进行刻画,即将未知参数视为随机变量,并给定参数相应的先验分布,通过迭代地最大化目标函数的下界,从而求得参数的概率分布。不仅可获得参数的点估计,同时量化了估计值的不确定程度,最终通过仿真证明了所提辨识方法的优越性。（2）进一步,研究了含未知时延的LPV系统的辨识问题。论文针对含有定常时延和分段时变时延的非线性系统,分别提出了基于VB算法的系统辨识方法。为处理系统的时延特性,该方法将未知时延当作隐变量,同时以概率分布的形式描述模型参数的不确定性,通过解析近似的推理方法,可估计得到时延及各参数的后验分布,并基于极大后验概率准则获得时延的点估计值,仿真结果表明了该方法的有效性。（3）研究了量测数据缺失下的LPV系统的辨识问题。考虑到系统的输出数据随机缺失的问题,基于VB算法推导得到LPV系统的递推辨识算法。在算法中,将缺失数据和采样数据的模型归属视为隐变量,通过引入隐变量和未知参数的联合概率分布构造出边缘似然函数的下界,反复最大化该下界函数,可估计得到缺失数据和未知参数的后验分布。该方法以概率分布迭代代替了传统辨识算法中的单点迭代,最终通过仿真验证了所提方法可以获得较高的参数估计精度。
鲁麟宏[8]（2019）在《非线性变参数系统吸引域分析及综合》文中研究指明非线性系统吸引域分析和综合是控制科学中十分重要的研究问题。对于非线性时变系统（nonlinear time-varying,NTV）,目前还缺乏成熟的吸引域分析和综合设计方法。本文在全新的非线性变参数（nonlinear parameter-varying,NPV）框架下,研究了一类非线性多项式系统的吸引域估计和NPV系统的局部镇定控制问题。主要研究内容概括如下:1)二分SOS凸规划算法。针对非线性多项式时不变系统的吸引域估计问题,给出了一种相对简单的二分SOS凸规划算法。首先,针对给定的李雅普诺夫泛函,利用二分SOS凸规划算法估计其最大吸引域。其次,考虑具有复杂动态和高维数的系统,给出了一种利用简单形集合优化搜索李雅普诺夫泛函的二分SOS凸规划算法。这类算法可直接用SOSTOOLS工具箱进行求解。仿真表明,基于二分SOS凸规划算法,所估计的吸引域是紧的,且算法计算复杂度相对较低。2)NPV系统的吸引域估计和优化。基于NPV框架,本文将鲁棒吸引域（robust domain of attraction,RDA）的概念推广到了 NPV系统;进一步,针对时变参数,提出了参数依赖吸引域（parameter-dependent domain of attraction,PDA）的概念。基于SOS凸规划理论和广义S-procedure,给出了估计RDA和PDA的SOS可解性条件。与现有吸引域估计方法不同的是,本文的理论结果可被用于一类广泛的非线性多项式系统的吸引域估计（包括非线性时不变,非线性不确定,及非线性变参数系统）。并且,本文方法克服了传统方法所存在的双线性问题,进而避免了复杂的迭代搜索过程。3)具有RDA约束的NPV系统局部镇定问题。对一类非线性时变系统,本文基于SOS凸规划理论和NPV建模思想,给出了状态反馈控制器的SOS可解性条件。与传统方法不同的是,本文方法可把RDA作为性能指标进行控制器设计,使得闭环系统在期望的RDA内渐近稳定。NPV系统具有丰富的内涵和外延,受益于此优点,本文提出的吸引域估计方法具有一般适用性;基于NPV建模思想,所给出的NPV系统局部镇定控制条件,可用于一类NTV系统的局部镇定控制。两组仿真实例验证了本文所提方法的有效性。
吴伟林[9]（2019）在《基于控制器参数化的切换系统设计》文中研究表明现代工业过程面向大规模、集成化方向发展,对系统的控制精度要求也越来越高,需要不断的对系统进行优化,保证系统稳定性或某些性能指标达到更高的要求,采用传统的控制方法设计单一的控制器难以满足实际工业系统的多性能指标需求。为了克服单个控制器的不足,设计一系列子控制器按照预先设定好的规则进行切换,使得系统能够应对外部环境多种复杂因素的干扰。虽然切换控制器能够满足复杂系统的多种性能需求,但是现有的基于Lyapunov函数的切换控制器设计方法更多强调闭环系统全局性能,而切换控制器在系统局部性能优化上,仍需进一步深入研究。为同时保证控制系统的全局和局部最优性能,进一步优化系统性能,将Youla参数化方法引入到切换控制器的设计上,在保证系统稳定性的同时,将优化问题集中到自由参数的优化上,从而实现既定的控制目标,改善系统局部最优性能。此外,基于Youla参数化设计切换控制器不仅可以保证在切换的情况下整个闭环系统稳定或满足某些性能,而且可以保证局部子系统满足相应的最优性能指标。本论文将结合Youla参数化方法,对线性时不变（Linear time invariant,LTI）系统和线性参数变化（Linear parameter-varying,LPV）系统的切换控制器设计问题展开深入研究,本文主要内容分为以下几个方面:1.针对一个LTI被控对象,基于Youla参数化方法设计切换控制器,给出了切换控制器的Youla自由参数在任意切换时保证子系统的H2控制性能的充分条件。另外,根据该自由参数和闭环系统之间H2性能的对应关系,给出了一种切换控制器自由参数的状态空间实现,不仅可以保证在任意切换的情况下整个闭环系统满足某一H2性能,而且可以保证局部子系统满足相应的H2性能。2.研究了基于Youla参数化的LPV系统任意切换H∞性能控制器设计问题。为解决单一的LPV控制器在时变参数大范围变化时,无法保证闭环系统在所有参数区域内都具有相同的控制性能。将时变参数的变化区域划分为若干个子区域,利用Riccati不等式求解中心控制器保证系统全局的H∞性能。通过线性分式变换得到中心控制器Youla参数的状态空间实现Q（θ）,将切换控制器转换为自由参数之间的切换,以保证在任意切换下的每个子系统和整个闭环系统都满足相应的H∞性能。3.针对LPV控制系统的噪声抑制问题,结合Youla参数化方法,研究了H2控制性能的平滑切换LPV控制器的设计。首先,采用Lyapunov不等式求取中心控制器,保证系统的稳定性,然后根据时变参数的变化区域划分为若干个子区间,再将中心控制器进行参数化分解,通过线性矩阵不等式求取具有H2控制性能的自由参数Q（θ）,设计平滑切换控制器自由参数,不仅能够实现平滑过渡的切换,并且使得系统具有较好的噪声抑制能力。4.针对切换LPV控制器在切换时可能产生较大的扰动问题,基于Youla参数化方法设计平滑切换控制器并实现系统满足H∞控制性能。将参数变化范围划分为若干个子区域,利用Riccati不等式求解中心控制器保证全局的H∞性能,采用互质因式分解技术,构造凸组合形式,对于调度参数重叠区域的LPV控制器的Youla参数的设计,重叠区域的Youla参数将由相邻的子区间的控制器的Youla参数线性插值得到,从而实现自由参数平滑过渡的切换。所提出的方法不仅能够保证系统全局的H∞性能,也可以保证局部子系统的H∞性能,并且实现在切换时产生较小的扰动。
张洪杨[10]（2018）在《模糊变参数系统的稳定性分析与镇定》文中认为T-S模糊控制理论日趋完善,但应用到实际工程中往往会受到限制。其主要原因是当系统中的时变参数过多时,前件变量和子系统的数目便会增加,控制器增益矩阵所需满足线性矩阵不等式的个数也会呈指数增加。因此,本文针对此问题提出并研究了模糊变参数系统理论。模糊变参数系统是一种集T-S模糊系统和线性变参数系统诸多优点为一体的新型非线性时变模型,它继承了T-S模糊模型有效处理非线性系统的优点,又保持了线性变参数模型处理时变系统的优势,不仅克服了传统T-S模糊模型在处理时变系统时模糊规则剧增的弱点,而且扩展了线性变参数系统理论的适用范围。根据传统T-S模糊模型理论中基于二次Lyapunov函数设计并行补偿控制器的设计思想,本文给出了模糊变参数系统的并行补偿控制器设计方法,应用凸优化理论中的顶点定理得到了包含有限个线性矩阵不等式的控制器设计条件。受到自适应控制理论和增益调度控制思想的启发,本文还给出基于二次Lyapunov函数的参数依赖全状态反馈及便于应用到实际系统中的动态输出反馈控制器设计方法。此外,本文给出的参数依赖控制器设计方法较经典T-S模糊系统理论中基于二次Lyapunov函数的控制器设计方法,能使闭环系统具有更优秀的诱导L2范数指标。为了进一步降低控制器设计方法的保守性,本文引入模糊Lyapunov函数来替代二次Lyapunov函数研究模糊变参数系统。应用全分块S-procedure引理分离隶属度函数和时变参数的耦合项,将一个非凸的矩阵不等式问题转化为一个线性矩阵不等式的凸问题。本文还应用放缩矩阵的技巧克服了因利用隶属度函数信息所引入隶属度函数导数项的上下界而增加保守性的问题。基于稳定性分析的结果,给出基于模糊Lyapunov函数的参数依赖增益调度状态反馈和动态输出反馈控制器设计方法。本文还利用时变参数在线可测特性降低基于二次Lyapunov函数所得结果的保守性。基于参数依赖的Lyapunov函数,结合时变参数满足的不同条件,给出若干个不同的模糊变参数系统稳定性判定条件。借鉴线性变参数系统控制理论和增益调度控制的思想,充分利用时变参数信息,多次应用全分块S-procedure引理和凸优化技术,给出基于参数依赖Lyapunov函数的增益调度控制器设计方法。最后,为了验证所提控制方法的有效性,将以上提出的控制方法应用在火星探测器进入火星大气的轨迹跟踪控制中。将火星大气密度作为时变参数,建立相应的模糊变参数模型。然后依次应用本文所给出的基于二次Lyapunov函数、模糊Lyapunov函数、参数依赖Lyapunov函数控制器设计方法设计了参数依赖的H∞控制器。数值仿真结果表明三种控制方法均可以使火星探测器按预先设计的轨迹进入火星大气。
二、非线性、变参数系统的求解、分析与综合方法（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、非线性、变参数系统的求解、分析与综合方法（论文提纲范文）
（1）基于非对称拉普拉斯分布的线性变参数模型鲁棒辨识方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.2 系统辨识技术概述 |
| 1.3 线性变参数系统辨识国内外研究现状 |
| 1.4 本文主要研究内容 |
| 第2章 期望最大化算法与非对称偏拉普拉斯分布 |
| 2.1 引言 |
| 2.2 线性变参数模型 |
| 2.2.1 多模型结构线性变参数模型 |
| 2.2.2 全局模型结构线性变参数模型 |
| 2.3 非对称拉普拉斯分布 |
| 2.3.1 高斯分布与拉普拉斯分布 |
| 2.3.2 广义逆高斯分布 |
| 2.3.3 非对称拉普拉斯分布 |
| 2.4 本章小结 |
| 第3章 鲁棒线性自回归模型参数辨识 |
| 3.1 引言 |
| 3.2 问题阐述 |
| 3.3 鲁棒线性自回归模型参数辨识算法 |
| 3.3.1 鲁棒线性自回归模型参数辨识算法推导 |
| 3.3.2 参数辨识算法执行流程 |
| 3.4 仿真验证 |
| 3.5 本章小结 |
| 第4章 鲁棒线性变参数模型多模型结构参数辨识 |
| 4.1 引言 |
| 4.2 问题阐述 |
| 4.3 鲁棒多模型线性变参数模型参数辨识算法 |
| 4.3.1 鲁棒多模型线性变参数模型参数辨识算法推导 |
| 4.3.2 参数辨识算法执行流程 |
| 4.4 仿真验证 |
| 4.4.1 数值仿真例 |
| 4.4.2 连续搅拌釜反应器 |
| 4.5 本章小结 |
| 第5章 鲁棒全局模型结构线性变参数模型参数辨识 |
| 5.1 引言 |
| 5.2 问题阐述 |
| 5.3 鲁棒全局模型线性变参数模型参数辨识算法 |
| 5.3.1 鲁棒全局模型线性变参数模型参数辨识算法推导 |
| 5.3.2 参数辨识算法执行流程 |
| 5.4 仿真验证 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其他成果 |
| 致谢 |
（2）一类变参数系统的稳定性分析及最优控制求解（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究状况 |
| 1.2.1 线性变参数系统 |
| 1.2.2 切换系统 |
| 1.2.3 最优控制数值解法 |
| 1.3 本文主要工作 |
| 2 预备知识 |
| 2.1 LPV系统定义 |
| 2.2 常微分方程的定性理论 |
| 2.3 最优控制问题的一般理论 |
| 2.4 CP方法 |
| 3 LPV系统稳定性分析 |
| 3.1 模型描述 |
| 3.2 解的存在唯一性 |
| 3.3 解对参数和初值的连续依赖性 |
| 4 LPV系统最优控制 |
| 4.1 LPV系统最优控制问题 |
| 4.2 近似问题 |
| 4.3 梯度计算 |
| 4.3.1 协态法 |
| 4.3.2 变分法 |
| 4.4 数值实验 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（3）民用飞机误操纵辅助驾驶飞行控制与飞行品质评估（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 飞机安全增强的研究 |
| 1.2.2 线性参数时变鲁棒控制的研究 |
| 1.2.3 飞行品质评估方法的研究 |
| 1.3 论文内容与结构 |
| 1.3.1 论文内容 |
| 1.3.2 论文创新点 |
| 1.3.3 论文结构安排 |
| 第二章 大型民用飞机动力学建模 |
| 2.1 引言 |
| 2.2 飞机构型参数介绍 |
| 2.3 非线性动力学建模 |
| 2.3.1 参考坐标系及其转换关系 |
| 2.3.2 气动力和力矩 |
| 2.3.3 推力和推力力矩 |
| 2.3.4 民机非线性动力学方程 |
| 2.3.5 飞机舵面作动器模型 |
| 2.4 线性化模型 |
| 2.4.1 飞机的运动配平 |
| 2.4.2 飞机的小扰动线性化模型 |
| 2.5 飞机的线性参数时变模型 |
| 2.6 飞机开环特性分析 |
| 2.7 本章小结 |
| 第三章 基于鲁棒综合控制的误操纵辅助驾驶飞行控制 |
| 3.1 引言 |
| 3.2 H_∞鲁棒控制方法 |
| 3.3 基于H_∞鲁棒控制的辅助驾驶飞行控制 |
| 3.3.1 纵向姿态角的跟踪辅助驾驶 |
| 3.3.2 飞机速度和高度的跟踪辅助驾驶 |
| 3.3.3 横侧向姿态角的跟踪辅助驾驶 |
| 3.4 大迎角失速场景辅助驾驶 |
| 3.5 本章小结 |
| 第四章 基于LPV控制的误操纵辅助驾驶飞行控制 |
| 4.1 引言 |
| 4.2 LPV控制方法 |
| 4.3 基于LPV控制的辅助驾驶飞行控制 |
| 4.3.1 纵向姿态角的跟踪辅助驾驶 |
| 4.3.2 飞机速度和高度的跟踪辅助驾驶 |
| 4.3.3 横侧向姿态角的跟踪辅助驾驶 |
| 4.4 低能量场景辅助驾驶 |
| 4.4.1 速度低能量场景 |
| 4.4.2 高度低能量场景 |
| 4.5 本章小结 |
| 第五章 辅助驾驶飞行品质评估 |
| 5.1 引言 |
| 5.2 低阶系统等效拟配方法 |
| 5.3 飞机飞行品质评估准则 |
| 5.4 仿真分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间已发表或录用的论文 |
| 攻读硕士学位期间参与的科研项目 |
（4）基于平衡流形模型的涡扇发动机多变量控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的问题来源 |
| 1.2 课题研究的背景及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 航空发动机建模的发展 |
| 1.3.2 航空发动机鲁棒多变量控制的发展 |
| 1.3.3 航空发动机线性变参数控制的发展 |
| 1.4 本文的研究内容及章节安排 |
| 第2章 涡扇发动机平衡流形模型 |
| 2.1 引言 |
| 2.2 涡扇发动机线性化模型 |
| 2.2.1 发动机状态变量线性模型 |
| 2.2.2 发动机线性变参数模型 |
| 2.3 平衡流形模型 |
| 2.3.1 平衡流形动态结构 |
| 2.3.2 平衡流形模型的主要性质 |
| 2.4 多入多出涡扇发动机平衡流形模型的辨识 |
| 2.4.1 模型向多入多出系统的拓展 |
| 2.4.2 涡扇发动机动态仿真特性 |
| 2.4.3 涡扇发动机稳态平衡流形辨识 |
| 2.4.4 涡扇发动机平衡流形动态结构辨识 |
| 2.4.5 调度变量的影响 |
| 2.5 平衡流形模型的线性化应用 |
| 2.6 本章小结 |
| 第3章 基于平衡流形模型的涡扇发动机多变量H∞控制 |
| 3.1 引言 |
| 3.2 H∞控制基本问题 |
| 3.2.1 H∞标准问题 |
| 3.2.2 相对增益阵列 |
| 3.2.3 混合灵敏度H∞综合 |
| 3.3 状态变量模型的平衡流形获取方法 |
| 3.3.1 系数矩阵缺失参数补全结果 |
| 3.3.2 发动机线性模型稳定性与可控性分析 |
| 3.4 发动机混合灵敏度H∞综合 |
| 3.4.1 发动机H∞控制系统设计 |
| 3.4.2 仿真结果及分析 |
| 3.5 本章小结 |
| 第4章 基于平衡流形模型的涡扇发动机线性变参数控制 |
| 4.1 引言 |
| 4.2 线性变参数控制基本问题 |
| 4.2.1 LMI相关理论 |
| 4.2.2 多胞鲁棒变增益控制原理 |
| 4.3 线性变参数模型的平衡流形获取方法 |
| 4.4 发动机鲁棒变增益控制方法 |
| 4.4.1 基于平衡流形方法的涡扇发动机增广模型 |
| 4.4.2 多胞凸分解系数的求取 |
| 4.4.3 多胞变增益控制器设计 |
| 4.4.4 仿真结果及分析 |
| 4.5 本章小结 |
| 第5章 基于平衡流形模型的涡扇发动机切换线性变参数控制 |
| 5.1 引言 |
| 5.2 切换线性变参数控制原理 |
| 5.2.1 切换系统的Lyapunov稳定性分析 |
| 5.2.2 平滑过渡的切换策略 |
| 5.2.3 基于共同Lyapunov函数的切换线性变参数控制 |
| 5.3 发动机切换线性变参数控制方法 |
| 5.3.1 平滑过渡的切换多胞线性变参数模型 |
| 5.3.2 切换线性变参数控制器设计 |
| 5.3.3 仿真结果及分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及其它成果 |
| 致谢 |
（5）非理想数据条件下非线性系统辨识方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 系统辨识简介 |
| 1.3 非线性系统辨识方法研究现状 |
| 1.3.1 非线性输入输出系统辨识方法研究现状 |
| 1.3.2 非线性状态空间系统辨识方法研究现状 |
| 1.3.3 非线性系统辨识方法中尚待解决的问题 |
| 1.4 预备知识 |
| 1.4.1 期望最大化算法 |
| 1.4.2 粒子滤波与粒子平滑 |
| 1.5 本文的主要内容 |
| 第2章 基于慢采样输出的线性变参数时滞系统辨识方法 |
| 2.1 引言 |
| 2.2 问题阐述 |
| 2.3 慢采样输出条件下LPV FIR时滞系统辨识算法 |
| 2.3.1 慢采样输出条件下LPV FIR时滞系统辨识算法推导 |
| 2.3.2 算法流程 |
| 2.4 仿真验证 |
| 2.4.1 数值例子 |
| 2.4.2 二连杆机械臂系统验证 |
| 2.5 本章小结 |
| 第3章 具有马尔科夫时滞的线性变参数系统辨识方法 |
| 3.1 引言 |
| 3.2 问题阐述 |
| 3.3 具有马尔科夫时滞的LPV FIR系统鲁棒辨识算法 |
| 3.3.1 具有马尔科夫时滞的LPV FIR系统鲁棒辨识算法推导 |
| 3.3.2 算法流程 |
| 3.4 仿真验证 |
| 3.4.1 数值例子 |
| 3.4.2 连续搅拌釜式反应器验证 |
| 3.5 本章小结 |
| 第4章 非线性状态空间系统鲁棒多模型辨识方法 |
| 4.1 引言 |
| 4.2 问题阐述 |
| 4.3 非线性状态空间鲁棒多模型辨识算法 |
| 4.3.1 非线性状态空间鲁棒多模型辨识算法推导 |
| 4.3.2 算法流程 |
| 4.4 仿真验证 |
| 4.4.1 数值例子 |
| 4.4.2 二连杆机械臂系统验证 |
| 4.5 本章小结 |
| 第5章 非线性状态空间时滞系统鲁棒辨识方法 |
| 5.1 引言 |
| 5.2 问题阐述 |
| 5.3 非线性状态空间时滞系统鲁棒辨识方法 |
| 5.3.1 基于期望最大化的鲁棒辨识方法推导 |
| 5.3.2 含有未知时滞的粒子滤波算法 |
| 5.3.3 算法流程 |
| 5.4 仿真验证 |
| 5.5 本章小结 |
| 第6章 量测缺失下非线性状态空间系统鲁棒辨识方法 |
| 6.1 引言 |
| 6.2 问题阐述 |
| 6.3 在部分输出数据随机丢失的条件下非线性状态空间系统鲁棒辨识方法 |
| 6.3.1 基于缺失输出数据的粒子滤波算法 |
| 6.3.2 部分输出数据缺失条件下鲁棒辨识算法推导 |
| 6.3.3 算法流程 |
| 6.4 仿真验证 |
| 6.4.1 数值例子 |
| 6.4.2 连续搅拌釜式反应器验证 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（6）轮腿式仿生机器人运动控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题来源 |
| 1.2 课题背景及研究意义 |
| 1.3 国内外的研究现状及分析 |
| 1.3.1 两轮自平衡机器人研究现状 |
| 1.3.2 轮腿机器人研究现状 |
| 1.3.3 国内外文献综述 |
| 1.4 主要研究内容 |
| 第2章 轮腿机器人系统建模与分析 |
| 2.1 引言 |
| 2.2 轮腿机器人结构简介 |
| 2.3 机器人运动学建模 |
| 2.3.1 机器人腿部运动学解算 |
| 2.3.2 液压缸行程拟合 |
| 2.4 基于质心的机器人等效模型映射 |
| 2.5 基于卡尔曼滤波的机器人质心状态估计模型 |
| 2.5.1 卡尔曼滤波理论 |
| 2.5.2 轮腿机器人质心位置状态估计 |
| 2.6 本章小结 |
| 第3章 轮腿机器人自平衡控制算法研究 |
| 3.1 引言 |
| 3.2 基于LPV系统的机器人动力学建模 |
| 3.3 基于HOSVD的LPV多胞形建模 |
| 3.3.1 HOSVD法基本原理简介 |
| 3.3.2 机器人LPV多胞形建模 |
| 3.4 基于LPV系统的机器人自平衡鲁棒变增益控制算法 |
| 3.4.1 LPV系统控制问题描述 |
| 3.4.2 静态输出反馈鲁棒变增益控制器 |
| 3.4.3 区域极点配置问题 |
| 3.4.4 机器人鲁棒变增益控制算法 |
| 3.5 本章小结 |
| 第4章 基于质心控制的轮腿机器人运动控制策略 |
| 4.1 引言 |
| 4.2 质心逆运动学 |
| 4.3 动态稳定质心控制策略 |
| 4.3.1 动态稳定质心控制系统建立 |
| 4.3.2 基于预观控制的质心控制率设计 |
| 4.4 静态平衡质心控制策略 |
| 4.5 机器人整体运动控制方案 |
| 4.6 本章小结 |
| 第5章 轮腿机器人仿真与实验研究 |
| 5.1 引言 |
| 5.2 机器人LPV控制系统数值仿真 |
| 5.3 V-rep与Matlab联合仿真 |
| 5.4 轮腿机器人实验研究 |
| 5.4.1 控制平台的搭建 |
| 5.4.2 驱动轮电机摩擦力补偿实验 |
| 5.4.3 轮腿机器人蹲起实验 |
| 5.4.4 轮腿机器人加减速实验 |
| 5.4.5 轮腿机器人轨迹跟踪实验 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（7）基于变分贝叶斯算法的线性变参数系统辨识（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 线性变参数系统辨识研究现状 |
| 1.2.2 变分贝叶斯算法研究现状 |
| 1.3 本文主要研究内容 |
| 第二章 预备知识 |
| 2.1 线性变参数系统 |
| 2.1.1 线性变参数系统建模原理 |
| 2.1.2 线性变参数系统建模方法 |
| 2.2 期望最大化算法与变分贝叶斯算法 |
| 2.2.1 期望最大化算法 |
| 2.2.2 变分贝叶斯算法 |
| 2.3 本章小结 |
| 第三章 变分贝叶斯算法框架下的线性变参数系统辨识 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 基于变分贝叶斯算法的参数估计 |
| 3.3.1 辨识算法推导 |
| 3.3.2 辨识算法总结 |
| 3.4 仿真验证 |
| 3.4.1 数值仿真 |
| 3.4.2 连续搅拌反应器仿真 |
| 3.5 本章小结 |
| 第四章 含未知时延的线性变参数系统辨识 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 含定常时延的线性变参数系统辨识 |
| 4.3.1 辨识算法推导 |
| 4.3.2 辨识算法总结 |
| 4.3.3 数值仿真 |
| 4.4 含时变时延的线性变参数系统辨识 |
| 4.4.1 辨识算法推导 |
| 4.4.2 辨识算法总结 |
| 4.4.3 连续搅拌反应器仿真 |
| 4.5 本章小结 |
| 第五章 量测数据缺失下的线性变参数系统辨识 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 基于变分贝叶斯算法的参数估计 |
| 5.3.1 辨识算法推导 |
| 5.3.2 辨识算法总结 |
| 5.4 仿真验证 |
| 5.4.1 数值仿真 |
| 5.4.2 连续发酵反应器仿真 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间发表的论文 |
（8）非线性变参数系统吸引域分析及综合（论文提纲范文）
| 摘要 |
| Abstract |
| 符号与缩写 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 非线性系统控制理论的研究现状 |
| 1.2.2 非线性系统吸引域的研究现状 |
| 1.2.3 SOS凸规划理论的发展与应用 |
| 1.3 本文主要工作及结构安排 |
| 第二章 基础知识 |
| 2.1 SOS凸规划理论的基本内容 |
| 2.2 NPV系统的定义与内涵 |
| 2.2.1 NPV系统的基本定义 |
| 2.2.2 NPV系统的内涵与外延 |
| 2.3 NPV系统吸引域的相关概念 |
| 2.5 本章小结 |
| 第三章 非线性时不变多项式系统吸引域估计 |
| 3.1 引言 |
| 3.2 LF水平集的不变性与收缩性 |
| 3.3 基于LF的最大吸引域估计 |
| 3.3.1 LEDA:基于给定的LF |
| 3.3.2 LEDA:基于优化搜索的LF |
| 3.4 数值仿真 |
| 3.5 本章小结 |
| 第四章 NPV系统吸引域估计与局部镇定 |
| 4.1 引言 |
| 4.2 鲁棒吸引域RDA估计 |
| 4.3 参数依赖吸引域PDA估计 |
| 4.4 具有RDA约束的NPV系统局部镇定 |
| 4.5 仿真与分析 |
| 4.5.1 RDA与PDA的估计 |
| 4.5.2 指定RDA的非线性时变系统局部镇定 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
（9）基于控制器参数化的切换系统设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 控制器参数化概述 |
| 1.2.1 控制器参数化研究现状 |
| 1.2.2 基于Youla参数化的增益调度控制 |
| 1.3 切换系统概述 |
| 1.3.1 切换规则 |
| 1.3.2 多控制器的切换 |
| 1.4 切换线性变参数系统 |
| 1.4.1 LPV系统研究概述 |
| 1.4.2 LPV系统模型 |
| 1.4.3 LPV系统的Lyapunov稳定性 |
| 1.4.4 切换LPV控制器研究现状 |
| 1.5 本文结构与主要研究内容 |
| 1.6 课题来源 |
| 第二章 预备知识 |
| 2.1 向量和矩阵的范数 |
| 2.1.1 向量的范数 |
| 2.1.2 矩阵范数 |
| 2.1.3 函数范数 |
| 2.2 线性矩阵不等式(LMI) |
| 2.2.1 Schur补引理 |
| 2.2.2 有界实引理 |
| 2.3 线性分式变换 |
| 2.4 控制器参数化基础理论 |
| 2.4.1 镇定控制器的存在性 |
| 2.4.2 镇定控制器参数化 |
| 2.5 控制性能指标 |
| 2.5.1 H_2 性能分析 |
| 2.5.2 H_∞性能分析 |
| 2.6 本章小结 |
| 第三章 Youla参数化的任意切换LTI控制器H_2性能设计 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 主要结果 |
| 3.4 数值算例 |
| 3.5 本章小结 |
| 第四章 Youla参数化的任意切换LPV控制器H_∞性能设计 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 LPV中心控制器参数化 |
| 4.4 切换LPV控制器设计 |
| 4.5 数值算例 |
| 4.6 本章小结 |
| 第五章 基于Youla参数化的平滑切换LPV控制器H_2性能设计 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 主要结果 |
| 5.3.1 中心解 |
| 5.3.2 控制器Youla参数的平滑切换设计 |
| 5.4 数值算例 |
| 5.5 本章小结 |
| 第六章 基于Youla参数化的平滑切换LPV控制器H_∞性能设计 |
| 6.1 引言 |
| 6.2 问题描述 |
| 6.3 主要结果 |
| 6.3.1 Youla参数插值准则 |
| 6.3.2 基于互质因式分解的Youla参数化 |
| 6.3.3 H_∞中心控制器设计 |
| 6.3.4 Youla参数的平滑切换设计 |
| 6.4 数值算例 |
| 6.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（10）模糊变参数系统的稳定性分析与镇定（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 常用符号表 |
| 第1章 绪论 |
| 1.1 课题背景及来源 |
| 1.1.1 课题背景 |
| 1.1.2 课题来源 |
| 1.2 线性变参数系统理论及建模概况 |
| 1.2.1 线性变参数系统稳定性分析与镇定的研究现状 |
| 1.2.2 线性变参数模型建模方法 |
| 1.3 T-S模糊控制 |
| 1.3.1 T-S模糊系统稳定性分析与镇定的研究方法 |
| 1.3.2 T-S模糊模型的发展 |
| 1.4 模糊变参数系统 |
| 1.4.1 研究模糊变参数系统理论的必要性 |
| 1.4.2 模糊变参数系统的提出 |
| 1.4.3 模糊变参数系统与T-S模糊系统、线性变参数系统的关系 |
| 1.5 研究内容与论文结构 |
| 第2章 基于二次Lyapunov函数模糊变参数系统的稳定性分析与控制器设计 |
| 2.1 预备知识 |
| 2.2 基于二次Lyapunov函数的稳定性分析 |
| 2.2.1 稳定性分析 |
| 2.2.2 数值仿真 |
| 2.3 PDC控制器设计方法 |
| 2.3.1 控制器设计 |
| 2.3.2 数值仿真 |
| 2.4 参数依赖控制器设计 |
| 2.4.1 状态反馈增益调度控制器设计 |
| 2.4.2 动态输出反馈增益调度控制器设计 |
| 2.4.3 数值仿真 |
| 2.5 本章小结 |
| 第3章 基于模糊Lyapunov函数模糊变参数系统的稳定性分析与控制器设计 |
| 3.1 引言 |
| 3.2 基于模糊Lyapunov函数的稳定性分析 |
| 3.3 基于模糊Lyapunov函数的控制器设计 |
| 3.3.1 全状态反馈增益调度控制器设计 |
| 3.3.2 动态输出反馈增益调度控制器设计 |
| 3.3.3 数值仿真 |
| 3.4 本章小结 |
| 第4章 基于参数依赖Lyapunov函数模糊变参数系统的稳定性分析与控制器设计 |
| 4.1 引言 |
| 4.2 基于参数依赖Lyapunov函数的稳定性分析 |
| 4.3 基于参数依赖Lyapunov函数的控制器设计 |
| 4.3.1 状态反馈增益调度控制器设计 |
| 4.3.2 输出反馈增益调度控制器设计 |
| 4.3.3 数值仿真 |
| 4.4 本章小结 |
| 第5章 模糊变参数系统理论在火星探测器控制中的应用 |
| 5.1 引言 |
| 5.2 火星探测器进入段研究现状 |
| 5.3 火星探测器进入火星大气的纵向动力学模型 |
| 5.4 数值仿真 |
| 5.4.1 跟踪能力 |
| 5.4.2 抗干扰能力 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录A 部分数值仿真中的控制器构成矩阵 |
| A.1 构成第二章算例1 的输出反馈控制器所需矩阵 |
| A.2 构成第二章算例2 的输出反馈控制器所需矩阵 |
| A.3 构成第三章算例1 的输出反馈控制器所需矩阵 |
| A.4 构成第三章算例2 的输出反馈控制器所需矩阵 |
| A.5 构成第四章算例1 的输出反馈控制器所需矩阵 |
| A.6 构成第四章算例2 的输出反馈控制器所需矩阵 |
| A.7 第五章状态反馈控制器增益矩阵 |
| 攻读博士学位期间发表的论文 |
| 致谢 |
| 个人简历 |
四、非线性、变参数系统的求解、分析与综合方法（论文参考文献）
- [1]基于非对称拉普拉斯分布的线性变参数模型鲁棒辨识方法研究[D]. 于淼. 哈尔滨工业大学, 2020(01)
- [2]一类变参数系统的稳定性分析及最优控制求解[D]. 景苗苗. 大连理工大学, 2020(02)
- [3]民用飞机误操纵辅助驾驶飞行控制与飞行品质评估[D]. 周光锐. 上海交通大学, 2020(01)
- [4]基于平衡流形模型的涡扇发动机多变量控制研究[D]. 吕铖坤. 哈尔滨工业大学, 2019(02)
- [5]非理想数据条件下非线性系统辨识方法研究[D]. 刘鑫. 哈尔滨工业大学, 2019(01)
- [6]轮腿式仿生机器人运动控制研究[D]. 李家宸. 哈尔滨工业大学, 2019(02)
- [7]基于变分贝叶斯算法的线性变参数系统辨识[D]. 李寒霜. 江南大学, 2019(12)
- [8]非线性变参数系统吸引域分析及综合[D]. 鲁麟宏. 厦门大学, 2019(09)
- [9]基于控制器参数化的切换系统设计[D]. 吴伟林. 华南理工大学, 2019
- [10]模糊变参数系统的稳定性分析与镇定[D]. 张洪杨. 哈尔滨工业大学, 2018(01)