数据信息驱动的非高斯随机分布系统抗干扰控制

This project studies the data-driven control and the analysis and design problem of anti-disturbance algorithm for complex non-Gaussian stochastic distribution systems. The complex stochastic processes with measurable random noises, exogenous disturbances, nonlinear terms and uncertain dynamics exist in many practical applications, such as industrial applications, aeronautics and astronautics, etc. Among these stochastic processes, the non-Gaussian stochastic distribution system has become a theoretical difficulty and bottleneck in the field of automatic control because of more complex external environment and lacking of necessary model information. This project proposes the stochastic distribution control theory and estimation method based on output distribution functional or statistical information sets that is easy to implement in engineering, and constructs a new data-information-driven-based feedback control research framework. Under the theory framework, this project develops the multi-objective stochastic distribution composite anti-disturbance control method with convex optimization theory, proposes the model-free iterative learning anti-disturbance tracking control algorithm based on disturbance observer design and studies the anti-disturbance control and filter method with disturbance attenuation and rejection performance. It is noted that this project not only can successfully solve the modeling problem with incomplete model information and the control problem with high precision for multiple disturbances, but also provide a new research idea for the data-based control and decision problem. Moreover, these proposed methods are applied into paper quality control systems and flame processes in order to test the efficiency and practicality of these theoretical algorithms.

项目研究了复杂非高斯随机分布系统数据驱动控制以及相关抗干扰算法的分析和设计问题。包含随机量测噪声、外部干扰、非线性和不确定动态的随机过程广泛存在于工业控制、航空航天等实际系统中，其中含有非高斯变量的随机分布系统往往因为系统工作环境复杂以及缺乏完备的模型信息，已经成为控制界的理论难点和瓶颈。项目提出工程上实用的输出分布泛函和统计信息集合驱动的随机分布控制理论和估计方法，建立新的基于数据信息驱动的反馈控制研究框架。在此基础上设计基于凸优化理论的多目标随机分布复合抗干扰控制方法、基于干扰观测器的模型自由迭代学习抗干扰跟踪控制方法以及同时具有干扰抑制和抵消性能的抗干扰控制和滤波方法。项目解决了模型信息不完备情况下的系统建模问题和多源干扰环境下的高精度控制难题，也为基于数据的控制和决策问题提供新的研究思路。同时将所提理论方法应用到纸张质量控制系统以及火焰燃烧过程中，完成理论算法的有效性和实用性验证。

本课题重点研究了随机分布系统两步智能建模及抗干扰控制问题、动态干扰智能建模控制框架、容错抗干扰控制算法、非线性随机系统输出反馈控制以及算法的实例检验。主要内容包括：(1)针对复杂随机分布系统，基于模糊逻辑模型和T-S模糊模型，设计两步建模方法，解决理论建模问题。引入非线性扰动观测器，估计外部扰动并设计复合控制算法，实现多目标抗干扰控制要求。针对复杂多分布耦合的随机分布控制问题，构建大范围互联权动态模型，设计分散控制器以保证系统良好的动态性能。(2)考虑两步建模框架下的随机分布模型，基于T-S权动态模型和输出概率分布，设计非高斯滤波器，自适应故障诊断滤波器以及容错控制器，解决系统的故障检测、诊断以及容错控制问题。进一步研究同时包含多源干扰及未知故障的复杂系统容错抗干扰控制算法。(3)引入模糊模型/神经网络模型对外部扰动进行建模，使得不规则、非线性干扰能够应用其中，扩展扰动估计的研究类型。基于智能扰动观测器、参数自适应调节算法以及优化指标，设计复合分层控制器，保证系统稳定且具有良好的动态性能。(4)针对具有未建模动态、状态不可量测的随机非线性系统，结合模糊系统/神经网络的逼近能力、动态面控制方法，提出随机输出反馈自适应控制策略。利用伊藤微分公式和切贝晓夫不等式，证明闭环系统所有信号依概率有界。(5)针对电机调速模型中负载与输入不在同一通道的问题，构建级联控制模型，研究基于扰动观测器的永磁同步电机速度跟踪及抗干扰控制问题。针对高超声速飞行器和小型无人直升机模型，基于模糊扰动建模以及扰动观测器设计，研究飞行器系统的抗干扰控制算法。针对带有故障和多源干扰的惯导误差模型及微纳卫星模型，研究容错抗干扰控制算法的在导航制导中的实现问题。.研究结果已在国内外学术期刊及会议上发表论文41篇，分别有23篇、18篇论文被SCI、EI收录，已培养9名研究生。本项目的研究具有重要的理论意义和实用价值。