导读:本文包含了周期自适应控制论文开题报告文献综述及选题提纲参考文献，主要关键词:永磁直线同步电机,扰动观测器,自适应控制,精密控制
周期自适应控制论文文献综述
王朝语[1]（2015）在《基于周期自适应扰动观测器的永磁直线电机位置跟踪控制》一文中研究指出永磁直线同步电机具有诸多优势，比如速度和加速度大、工作精度高、结构简单、动态响应较大并且具有较小的振动和噪声，所以近些年来广泛被应用于现代化工业。直线电机的伺服系统和老式的“旋转电机+滚珠丝杆”相比，由于消除了中间传动装置环节，为系统的控制增添了更髙的难度。虽然传统PID控制较为容易实现、而且结构简易，但由于要考虑关于参数变化和外界扰动等具有不确定因素的影响，尤其是满足高速高精度的控制要求，需要研究更为有效的控制策略。首先，在阅读并参考国内外大量有关永磁直线同步电机文献的基础上，本文对直线型进给系统的发展进行了综合性的叙述，并简要介绍了近年来在直线电机控制领域，广泛采用的控制策略。分析了PMLSM的机械构造和工作原理，并建立数学模型，同时简要概括了矢量控制方法，分析了控制系统动态品质受外部扰动因素影响的情况。其次，介绍了永磁直线同步电机控制领域中，使用扰动观测器方法的优势。由于PMLSM所受干扰具有极强的不确定性，电机模型参数也随着电机运行而不断变化，从而难以确定模型参数。而扰动观测器在针对不确定性模型和非线性模型时，具有明显的优势，所以本文选择扰动观测器控制方法，设计了DOB控制器，并对其进行了仿真，结果证明，DOB控制方法能够使PMLSM具备良好的跟踪性能和系统稳定性，但控制精度还有待提高。在传统DOB的基础之上，利用干扰是随着动子位置的周期性变化而相应改变的这一特性，设计了周期自适应机制，将前馈补偿值与动子位置建立对应关系，使前馈补偿值可以随着扰动的变化而改变，在普通DOB与PADOB之间进行切换，完善了永磁直线同步电机的前馈补偿机制，形成了周期自适应扰动观测器（PADOB）的控制策略。最后，从仿真结果中可得，本文设计的PADOB比于传统DOB具有更精确的位置跟踪性能，且对外部扰动具有更强的鲁棒性，能够满足永磁直线同步电机控制性能的要求。(本文来源于《沈阳工业大学》期刊2015-02-28）
朱胜,王雪洁,刘玮[2]（2014）在《周期时变系统的鲁棒自适应重复控制》一文中研究指出针对周期时变系统,提出一种鲁棒自适应重复控制方法.该方法利用周期学习律估计周期时变参数,并结合鲁棒自适应方法处理非周期不确定性.与现有重复控制不同的是,在控制器设计中引入了新变量—周期数,利用周期系统的重复特性,使界的逼近误差随周期数的增加而逐渐减少,保证了系统的全局渐近稳定性.同时将该方法应用于一类非线性参数化系统,使系统在非参数化扰动的情形下,输出误差仍能收敛于0,倒立摆模型的仿真验证了此结果.该设计方法适用于消除神经网络逼近误差对重复控制系统的影响,理论证明了基于神经网络的鲁棒自适应重复控制系统中所有变量的有界性和输出误差的渐近收敛性,关于机械臂模型的仿真结果验证了受控系统具有良好的跟踪性能.(本文来源于《自动化学报》期刊2014年11期）
王大海,王茜[3]（2014）在《周期损失时间L进入负值的精细化最优自适应交通信号控制》一文中研究指出本文倡导严格执行交安法"灯头让行灯尾",提出交通信号控制(TC)系统最短绿灯间隔时间I_(mij)的安全算法,并提出一种可与信号机相位框架方案体系完全同构的链族方案体系。提出4种互补技术能系统地缩小周期损失时间L,从而使TC,对任何流量需求比例,皆可进入"L为负值"的新领域,进行优化、自适应设计。实施例表明,存在附加有效放行时间,且随周期C的变小而相对比值变大。不存在任何额外空间资源的占用,能成倍提高路口乃至城市地面路网通行能力,相当于成倍再建个地面路网。且使行人和非机动车等候时间最短。性价比最高,应优先应用推广。(本文来源于《2014第九届中国智能交通年会大会论文集》期刊2014-11-11）
李航标,张波,罗萍,甄少伟,廖鹏飞[4]（2014）在《开关DC-DC变换器的自适应占空比跨周期控制方法》一文中研究指出针对脉冲跨周期调制(PSM)开关DC-DC变换器输出电压纹波较大的问题,该文提出一种新型的自适应占空比跨周期(ADPS)控制方法。在ADPS控制的变换器中,轻载下,每个周期变换器控制脉冲的占空比与该周期开始时输出电压与参考电压误差的平方根近似成正比:负载越轻,变换器的输出电压纹波越小。研究表明,ADPS控制的DC-DC变换器不仅具有比PSM控制的变换器更低的输出电压纹波,同时具有优异的鲁棒性和瞬态响应能力。(本文来源于《电子与信息学报》期刊2014年09期）
陶洪峰,霰学会,杨慧中[5]（2014）在《输入饱和非线性系统的周期自适应补偿学习控制》一文中研究指出针对一类输入饱和不确定Brunovsky标准型非线性时滞系统,提出一种周期自适应跟踪补偿学习算法.利用信号置换思想重组系统,基于最小公倍周期函数变换,将时滞时变项和不确定项合并为辅助参数,进而设计周期自适应学习律估计该辅助量,并利用饱和补偿器逼近和补偿超出饱和限的部分,由此构成综合控制器,以保证系统状态对有界期望值的跟踪,解决了饱和输入周期系统的重复迭代学习控制问题.最后通过构造Lyapunov-Krasovskii复合能量函数的差分,计算证明了系统跟踪误差的收敛性和闭环信号值的有界性.常见耦合非线性机械臂系统的力矩控制仿真,进一步验证了该算法的有效性.(本文来源于《自动化学报》期刊2014年09期）
张柯[6]（2014）在《非平稳需求多周期自适应库存控制研究》一文中研究指出库存在生产系统乃至供应链中扮演者重要角色。高效的库存管理可以在降低成本的前提下保证生产销售的正常运行,为产品的流通提供可靠保障；反之,库存管理不当将会占用大量流动资金并且产生高额的库存管理费用。传统的EOQ模型及其扩展模型有效解决了需求确定或者需求分布信息已知时的库存管理问题。随着社会的发展,顾客消费水平的提高,产品生命周期不断缩短,更新换代速度加快,许多产品的需求呈现非平稳特征,而且需求分布信息难以获取,在这种背景下,如何科学有效地管理库存问题成为库存领域研究的焦点之一。自适应库存控制方法是解决这类问题的有效方法。制定有效的自适应库存控制策略具有重要意义。所谓自适应库存控制,就是将自适应控制理论与传统库存控制相结合。具体方法为：在面对多周期库存控制问题时且客户需求信息不确定的情况下,每到库存盘点时刻都会检测库存控制的效果,并根据库存效果与库存控制目标(比如：顾客服务水平、库存成本等)的差距自动调整参数,以确保库存控制能及时作出调整,进而使得需求出现变化时可以减小不确定性对库存的影响,进而达到预设的库存控制目标。未来顾客需求的预测在库存控制研究中往往起着至关重要的作用,学者通常运用指数平滑法作为对未来需求预测的模型。然而,指数平滑法中系数在选取时往往采取的利用人工经验或是反复测试来完成,并没有一种可靠而明确的方法,使得预测值与实际值偏差较大,造成指数平滑法的预测精度偏低,阻碍了指数平滑法的广泛应用。而将自适应控制思想与传统指数平滑法结合产生的自适应指数平滑算法能够在需求波动时较传统指数预测法更准确地预测顾客需求,从而提高了预测精度,提高了库存控制的效果。本文目标是探讨非平稳随机需求环境多周期随机库存自适应库存控制方法,主要内容包括：在探讨自适应库存控制方法的同时,结合自适应指数预测算法并以此建立一个满足预设服务水平的库存模型。前叁章主要介绍自适应库存控制基本内容以及库存控制的基本理论,同时介绍指数平滑法及其改进算法；四、五两章建立了自适应库存控制模型。第六章用计算机对顾客需求进行仿真,并通过动态地调整平滑因子和安全因子,使库存控制能够满足预设的客户服务水平。仿真结果表明,本文提出的库存控制模型在非平稳需求环境下能有效稳定在预设顾客服务水平。(本文来源于《青岛大学》期刊2014-06-04）
陈杰,王磊,杜会卿,刁利军,刘志刚[7]（2013）在《全周期自适应及针对参数不一致的并联下垂法控制策略》一文中研究指出辅助逆变器并联是今后列车辅助逆变器发展趋势之一。对于辅助逆变器而言,有功下垂幅值,无功下垂频率相比传统的下垂法更有优势。但是这种下垂法也存在动态响应慢、下垂系数受限等缺点。为了解决这些缺点,提出一种全周期自适应的改进下垂法,结合无需大延迟低通滤波器的新功率计算方法,能极大提升并联逆变器的动态响应。另外,还提出一种结合输出阻抗压降和锁相环两种补偿方法的综合补偿策略,能有效解决并联逆变器参数不一致时提高下垂系数后的电压跌落问题。最后通过仿真和实验充分验证上述理论的有效性。(本文来源于《中国电机工程学报》期刊2013年30期）
宋晓鹏[8]（2013）在《不确定需求多周期库存自适应控制研究》一文中研究指出库存对于商业组织来说非常重要,好的库存管理方法可以保证生产和销售的正常运行,可以为产品的流通提供可靠的保障；反之,不好的库存管理方法可能造成存货的积压和大量资金的占用。传统的库存管理方法主要是针对需求分布已知的情况,而自适应库存控制能够更好地应对用户需求的不确定性和需求信息不完全的情况。自适应库存控制将自适应控制和传统库存控制结合起来,在多周期库存控制中,考虑到不确定环境下需求信息不完全的特点,每周期都检测库存控制的效果(例如：顾客服务水平),根据库存控制实际效果和反馈的信息,调整库存模型中的参数或改进库存控制的方法,从而使库存控制能够及时地应对用户的不稳定需求,进而达到满意的库存控制效果。本文的目标是：探讨非平稳需求多周期自适应库存控制理论和方法。主要内容包括：前两章介绍了库存管理的基本理论和自适应库存控制的基本内容,并综述了自适应库存控制的最新研究现状；后两章针对不确定需求多周期库存问题,建立了两个自适应库存控制模型。在仿真算例中,针对一个供应商和一个零售商的两级供应链的多周期库存管理问题,当顾客需求为非平稳随机过程时,采用自适应调节安全因子的方法,自适应调节安全库存,从而达到比较满意的客户服务水平。仿真结果表明了论文提出的自适应库存控制模型的有效性。(本文来源于《青岛大学》期刊2013-06-06）
孙海义,李宁,张庆灵[9]（2013）在《时延复杂网络的自适应周期间歇同步控制》一文中研究指出研究同时具有耦合时延和节点时延复杂网络的自适应周期间歇同步控制问题.运用Lyapunov稳定性理论,自适应控制、牵制控制和间歇控制方法,给出保证该时延复杂网络全局指数同步、且保守性更小的判定准则,并给出相应的自适应和牵制自适应间歇同步控制器设计,该控制策略对节点间的耦合强度和网络的拓扑结构等具有较强的鲁棒性.最后以时延非线性动力系统为节点对复杂网络进行数值仿真,验证了结论的正确性和有效性.(本文来源于《控制与决策》期刊2013年05期）
霰学会,陶洪峰,杨慧中[10]（2013）在《非线性时滞系统的周期自适应学习跟踪控制》一文中研究指出针对一类参数未知的周期非线性时滞系统的输出跟踪控制问题,设计了一种周期自适应迭代学习跟踪控制算法,该方法利用信号置换的思想重组系统,并在假设未知时变参数和参考输出的周期具有已知最小公倍数的情况下,将时滞以及其他不确定的时变项合并为一个周期性的辅助时变参数新变量,进而用周期自适应算法来估计该辅助量。通过构造一个Lyapunov-Krasovskii型复合能量函数,分析了系统的收敛性,证明了经过多次重复迭代学习,所有闭环信号有界且输出跟踪误差收敛,最后通过构造数值实例进行了仿真验证。理论分析和仿真结果表明,该算法简单有效,对于非线性时滞系统的跟踪问题具有很好的控制效果。(本文来源于《控制工程》期刊2013年01期）
周期自适应控制论文开题报告
（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：
针对周期时变系统,提出一种鲁棒自适应重复控制方法.该方法利用周期学习律估计周期时变参数,并结合鲁棒自适应方法处理非周期不确定性.与现有重复控制不同的是,在控制器设计中引入了新变量—周期数,利用周期系统的重复特性,使界的逼近误差随周期数的增加而逐渐减少,保证了系统的全局渐近稳定性.同时将该方法应用于一类非线性参数化系统,使系统在非参数化扰动的情形下,输出误差仍能收敛于0,倒立摆模型的仿真验证了此结果.该设计方法适用于消除神经网络逼近误差对重复控制系统的影响,理论证明了基于神经网络的鲁棒自适应重复控制系统中所有变量的有界性和输出误差的渐近收敛性,关于机械臂模型的仿真结果验证了受控系统具有良好的跟踪性能.
（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。
周期自适应控制论文参考文献
[1].王朝语.基于周期自适应扰动观测器的永磁直线电机位置跟踪控制[D].沈阳工业大学.2015
[2].朱胜,王雪洁,刘玮.周期时变系统的鲁棒自适应重复控制[J].自动化学报.2014
[3].王大海,王茜.周期损失时间L进入负值的精细化最优自适应交通信号控制[C].2014第九届中国智能交通年会大会论文集.2014
[4].李航标,张波,罗萍,甄少伟,廖鹏飞.开关DC-DC变换器的自适应占空比跨周期控制方法[J].电子与信息学报.2014
[5].陶洪峰,霰学会,杨慧中.输入饱和非线性系统的周期自适应补偿学习控制[J].自动化学报.2014
[6].张柯.非平稳需求多周期自适应库存控制研究[D].青岛大学.2014
[7].陈杰,王磊,杜会卿,刁利军,刘志刚.全周期自适应及针对参数不一致的并联下垂法控制策略[J].中国电机工程学报.2013
[8].宋晓鹏.不确定需求多周期库存自适应控制研究[D].青岛大学.2013
[9].孙海义,李宁,张庆灵.时延复杂网络的自适应周期间歇同步控制[J].控制与决策.2013
[10].霰学会,陶洪峰,杨慧中.非线性时滞系统的周期自适应学习跟踪控制[J].控制工程.2013