神经网络联合逆控制理论及其应用研究

逆系统方法是一种重要的非线性系统反馈线性化控制方法，其实现依赖于原非线性系统的状态反馈。然而由于测量设备的限制，使得系统的某些状态难以采用传感器直接进行测量，因此需要采用估计技术来对状态进行估计，进而实现逆系统的构建。为此在前期研究工作的基础上，本项目提出联合逆控制器设计理论及方法。首先研究联合逆控制器的存在条件、可逆性证明及构建方法；同时严格证明联合逆控制器设计满足分离性原理；然后研究神经网络联合逆控制器设计方法；最后完成电力系统典型设备（励磁控制、励磁汽门综合控制等）在故障下的稳定控制动模试验。本项目研究将提供一种理论严格、应用方便的神经网络联合逆控制理论，具有较广阔的应用前景。

首先，本课题重点研究了建立左逆软测量模型的改进算法，充分降低了构造左逆软测量模型和联合逆控制器所需的导数的阶数，建立了系统的联合逆控制理论以及联合逆控制器设计方法。另外，还采用神经网络来逼近理论上存在的逆软测量模型得到了神经网络逆软仪表，从而解决了解析逆软仪表难以实现的工程应用瓶颈。最后将神经网络逆软仪表应用于生物浸出过程，实现了其不直接可测状态的在线软测量。仿真结果表明神经网络逆软仪表的软测量值与真实值非常接近，从而验证了该方法的有效性。.其次，本课题深入研究了基于逆系统方法的非线性非最小相位系统的镇定问题。逆系统方法在对非线性系统进行线性化的过程中，通过微分同胚变换将原非线性系统变换为两部分：线性子系统描述的外部动态和非线性子系统描述的内部动态（即零动态）。对于非最小相位系统（即零动态不稳定的系统），通常按传统方法所设计的控制器仅能保证系统的外部动态满足某种性能要求却难以保证内部零动态的稳定。为此，在反馈线性化理论的基础上，本课题基于极点配置和李雅普诺夫稳定理论给出了一种具有非最小相位特性的非线性系统的控制器设计方法，依据该方法所设计的控制器在确保系统外部动态满足性能要求的同时也能保证零动态的稳定。进一步，基于二次型最优控制理论给出了一种非线性非最小相位系统的优化调节控制方法。.最后，将上述控制器设计方法应用于具有非最小相位特性的连续搅动水箱式反应堆生产环戊烯这一实际化工过程中，仿真结果表明了该方法的有效性，取得了较好的控制效果。同时，也将该方法应用于水轮发电机组中（典型的非线性非最小相位系统），取得了很好的控制效果，仿真结果显示该控制器的控制性能优于传统的PID控制器。同时，还研究了基于噪声分析的电机故障诊断方法，以及风力发电机液压变桨距分数阶比例积分控制方法。