基于多速率采样系统的数据驱动控制器综合

发布时间：2021-07-03 19:28

　　现代工业生产过程中,控制系统的数字化,促进了采样系统在工业界的广泛应用。因此,采样系统的控制方法研究在控制领域一直是一个热门研究内容。采样器及其采样周期是构成采样控制系统的基本元素。对于一般采样系统,工程师普遍认定所有采样器与零阶或一阶保持器都采用同一周期。但在多传感器融合的情况下,不同传感器确实存在着采样周期不一致的情况。即采样系统的采样器与保持器之间,采样器与采样器之间,保持器与保持器之间都可能存在着周期不一致的情况。存在此现象的采样系统被称为多速率采样系统。本论文主要针对此类多速率采样系统进行数据驱动控制方法的研究。从20世纪50年代至今,多速率采样系统一直吸引着科研工作者的目光,相关控制器设计方法从传统控制方法到先进控制理论都有覆盖。但工业生产过程存在很多难以解决的动态特性,例如强耦合性、强时变性、非线性等。这些特性使科研工作者很难用精确的数学模型去线性化描述。通过公式推导获得控制器参数的方法也很难解决上述工程难题。对于这种难题,一个解决方式是直接利用含多速率采样特性的输入输出数据设计控制算法,即数据驱动控制器。本论文针对多速率采样系统的实际工程难题,逐渐递进地提出多种数据驱动... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：181 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景及意义
    1.2 多速率采样系统的研究现状
    1.3 数据驱动控制方法的研究现状
        1.3.1 数据驱动控制方法的研究现状
        1.3.2 强化学习算法的研究现状
        1.3.3 基于强化学习的控制算法的研究现状
    1.4 现有控制方法的局限性
        1.4.1 控制方法种类局限性
        1.4.2 控制方法原理局限性
    1.5 本文主要研究内容
第2章 多速率采样系统特性分析及其有限频域控制器设计
    2.1 引言
    2.2 多速率采样系统建模与特性分析
    2.3 多速率采样系统有限频域控制器设计
        2.3.1 相关引理说明
        2.3.2 有限频域控制器设计
    2.4 仿真说明
        2.4.1 数值仿真
        2.4.2 主动悬架系统半实物仿真
    2.5 本章小结
第3章 基于模型拟合和系统辨识的多速率采样系统数据驱动模型预测控制器设计
    3.1 引言
    3.2 基于偏分最小二乘的多速率采样系统数据驱动模型预测控制器设计
    3.3 基于子空间辨识的多速率采样系统数据驱动模型预测控制器设计
    3.4 仿真说明
        3.4.1 连续搅拌槽式反应器建模
        3.4.2 基于偏分最小二乘的数据驱动模型预测控制的仿真验证
        3.4.3 基于子空间辨识的数据驱动模型预测控制的仿真验证
    3.5 本章小结
第4章 基于贝尔曼方程的多速率采样系统数据驱动控制器参数优化方法
    4.1 引言
    4.2 多速率采样系统的新模型及其LQR控制器设计
    4.3 多速率采样系统的数据驱动学习型参数优化算法
    4.4 仿真验证说明
        4.4.1 数值仿真
        4.4.2 三自由度直升机数据驱动最优控制器设计
    4.5 本章小结
第5章 基于策略梯度下降的多速率采样系统数据驱动控制器设计
    5.1 引言
    5.2 强化学习算法简单介绍
        5.2.1 策略梯度下降算法
        5.2.2 信赖域策略优化算法
        5.2.3 深度Q学习算法
    5.3 基于策略梯度下降的多速率采样系统数据驱动控制器设计
        5.3.1 新扩维方法下的一般性多速率采样系统
        5.3.2 回报函数模块设计
        5.3.3 控制器优化算法
        5.3.4 控制器实现综合
    5.4 基于确定性策略梯度下降的多速率采样系统数据驱动控制器设计
    5.5 基于策略梯度下降的多速率采样系统数据驱动鲁棒控制器探究
    5.6 仿真说明
        5.6.1 基于策略梯度下降的数据驱动控制器仿真验证
        5.6.2 基于策略梯度下降的数据驱动鲁棒控制器仿真验证
    5.7 本章小结
第6章 基于集合概率模型的多速率采样系统数据驱动控制器设计
    6.1 引言
    6.2 基于集合概率模型的多速率系统的数据驱动模型预测控制器设计
    6.3 基于集合概率模型的多速率系统的数据驱动神经网络控制器设计
    6.4 仿真说明
        6.4.1 基于集合概率模型的数据驱动模型预测控制仿真验证
        6.4.2 非线性多速率采样系统仿真验证
    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


【参考文献】：
期刊论文
[1]基于强化学习的网络时延自动化控制数学建模研究[J]. 荆荣丽,葛书荣,王鹏,宁玉文.  自动化与仪器仪表. 2020(03)
[2]基于深度强化学习的无人机着陆轨迹跟踪控制[J]. 宋欣屿,王英勋,蔡志浩,赵江,陈小龙,宋栋梁.  航空科学技术. 2020(01)
[3]一种基于数据驱动的无模型滑模预测控制[J]. 江浩,佃松宜,赵涛,张双.  电光与控制. 2020(05)
[4]基于强化学习的数据驱动最优镇定控制及仿真[J]. 陆超伦,李永强,冯远静.  模式识别与人工智能. 2019(04)
[5]一种新的多速率采样系统快速率故障检测设计方法[J]. 邱爱兵,文成林,姜斌.  电子学报. 2010(10)
[6]基于多速率采样系统的网络预测控制算法[J]. 罗杰,刘晓华.  鲁东大学学报(自然科学版). 2008(02)
[7]分散多速率采样系统H∞控制的扩展顺序设计[J]. 赵霞,张伟,陈启军.  电机与控制学报. 2007(06)
[8]多速率采样系统的研究和仿真[J]. 董卿霞,王萍.  天津工业大学学报. 2006(01)
[9]多速率单值广义预测控制系统及稳定性分析[J]. 邹媛媛,刘晓华.  青岛大学学报(工程技术版). 2005(04)
[10]机器人多传感器多速率采样控制系统研究[J]. 郭呈贺.  上海交通大学学报. 1997(09)



本文编号：3263205