执行器故障下系统的鲁棒自适应容错控制研究

发布时间：2018-02-24 06:28

本文关键词： 容错控制执行器故障鲁棒自适应非线性神经网络多智能体系统迭代学习　出处：《北京交通大学》2017年博士论文　论文类型：学位论文

【摘要】：在实际工程系统中,由于外界干扰和执行器故障引起的非线性通常是不可避免的。在大多数情况下,系统执行器故障发生的时间是未知的,并且它的进一步发展可能导致整个系统产生不同形式和规模的故障。因此,当一个给定的动态系统发生故障时,如何保证系统稳定性和保持可接受的执行性能成为控制系统设计中的重要问题。因为故障是难以预见和预防的,容错控制被视为突发故障下维持某些安全苛求系统安全运行的最有前途的控制技术之一。本论文对上述关键问题的研究主要从以下几个方面进行。针对一类存在执行器故障的受扰线性系统的镇定控制问题,建立执行器部分失效的故障模型,提出一种鲁棒自适应容错控制算法。这种控制算法不需要对时变执行器故障的界值进行分析与估算,不依赖于故障检测及诊断装置,因此结构更加简单,不需要大量的在线计算。研究表明,应用所设计的控制方法,不仅能够保证执行器故障下系统的稳定性,也能够有效抑制状态相关的外界干扰对系统的影响。基于Lyapunov稳定性理论的证明和仿真结果验证了所设计控制算法的有效性,即当系统存在外界干扰、参数不确定性以及执行器故障时,控制器能够保证系统的镇定。然后,将此方法进行推广和改进,解决执行器故障下模型不确定随机系统的容错控制问题。针对一类存在建模不确定性和执行器故障的非线性系统,研究其状态跟踪控制问题。在控制器的设计过程中较为关注易设计性和低成本两个方面,其设计理念是将模型参考自适应方法和基于径向基函数(Radial basis function,RBF)的神经网络(Neural network,NN)方法结合起来应用于被控对象,所提出的几种控制策略既不需要精确的系统模型信息,也不需要对时变故障信息进行分析与估计,因此结构简单,计算量小。然后,为解决一类同时存在执行器故障、状态时滞和输入受限的非线性参数化重复运行系统的状态跟踪问题,提出了一种数据驱动的自适应迭代学习容错控制方法。这种控制策略由一个非线性反馈项和一个鲁棒项构成,能够补偿执行器故障、输入饱和以及状态时滞给系统带来的非线性影响。通过构建一个时间权重的类Lyapunov-Krasovskii的组合能量函数证明闭环系统的稳定性。针对多智能体系统,单个智能体的执行器故障可通过智能体间的协同行为扩散到整个系统,从而导致性能下降甚至系统失稳,造成严重事故。为实现直流微电网中有源负载的协调控制,提出了两种控制策略。当故障信息已知时,为每一个有源负载定义一个博弈性能指标函数,然后设计一个分布式控制策略同时最小化所有的指标函数。在MATLAB/Simulink环境下对一个低压直流微电网的有源负载协调控制进行了模拟仿真,验证了所设计控制算法的有效性。当故障信息未知时,提出基于鲁棒自适应技术的分布式控制策略来解决系统的容错控制问题。
[Abstract]:This paper presents a robust adaptive error - tolerant control algorithm for a class of nonlinear parametric repetitive operation systems , which are difficult to foresee and prevent .

【学位授予单位】：北京交通大学
【学位级别】：博士
【学位授予年份】：2017
【分类号】：TP273

【参考文献】