学术信息网 西电导航 关于 使用说明 搜索 系统首页 登录 控制面板 收藏 平续斌的留言板
输出反馈鲁棒模型预测控制原理图

基于经典闭环反馈的最优控制往往需要知道系统精确模型参数和系统状态信息,然而实际控制系统通常存在系统建模困难和状态难以量测的问题。输出反馈鲁棒模型预测控制针对实际控制系统中建模不精确以及系统状态未知情况,利用系统不精确模型和当前状态估计对被控系统未来动态预测,并且在考虑系统物理约束下,滚动时域优化优化目标函数而获得最优控制输入,并且满足系统鲁棒稳定性、控制器的可行性,以及优化性能指标最优性要求。
鲁棒估计与控制研究要点

针对不确定系统的输出反馈鲁棒模型预测控制的研究本质上为约束系统的“鲁棒估计与控制”问题,其研究内容是在传统经典控制要求“稳+准+快”的基础上进一步考虑实际系统控制中通常遇到的系统模型不确定、执行器和控制器物理约束、系统内部状态未知、性能指标的最优控制要求。因此相应“鲁棒估计与控制”研究要点包括:在系统不确定时鲁棒稳定性要求、存在物理约束时优化递归可行性要求、状态未知时估计与控制要求、以及最优控制时实时控制要求。针对上述研究要点的综合研究涉及到不确定性系统建模、物理约束处理、观测器/控制器综合设计、控制性能优化、设计鲁棒稳定条件、优化递归可行性、非凸优化求解、降低算法计算量八个方面内容。

基于强化学习的机械臂技能操作
传统双机械臂控制系统中存在运动耦合复杂、计算量大等问题,且易受产品形状和位置等因素限制,因此传统控制方法难以满足复杂环境下机械臂智能化需求。基于深度强化学习的机械臂技能操作方法针对机械臂执行复杂任务时,采用多智能体深度强化学习理论与技术训练模型,减少从工作空间获取多维、高精度信息,避免信息之间误差。通过集中训练、分散执行的方法改善多智能体强化学习中联合策略导致的高维度问题。通过不断的经验试错来探索最优控制策略,提高任务的智能性、适应性,保证在动态变化环境中任务双机械臂的操作技能。
基于模型预测控制的机械臂视觉伺服控制
基于模型预测控制的机械臂视觉伺服系统通常需要将机械臂控制系统,目标特征检测系统和视觉伺服模型预测控制器系统联合起来,最终通过使用模型预测控制器来改善机械臂的视觉伺服性能。在机械臂视觉伺服控制系统中,由于模型参数的不确定性与外部扰动等因素的存在,通常在保证系统稳定伺服控制和控制性能方面存在困难。通过模型预测控制对系统未来状态进行预测,并将当前和未来的控制输入和状态约束考虑在优化控制问题中。然后以滚动时域优化形式求解目标函数,获得机械臂视觉伺服最优控制输入。