首页期刊导航|广东工业大学学报
期刊信息/Journal information
广东工业大学学报
广东工业大学
广东工业大学学报

广东工业大学

陈新

季刊

1007-7162

xbzrb@gdut.edu.cn

020-37626139

510090

广东省广州市东风东路729号

广东工业大学学报/Journal Journal of Guangdong University of TechnologyCSTPCD
查看更多>>本刊是由广东大学主办的自然科学学术期刊,前身为《广东工学院学报》,创刊于1984年,现为季刊,国内外公开发行,是美国《化学文摘》、俄罗斯《文摘杂志》及国内多家文摘期刊的源期刊,是中国科技论文统计源期刊,加入《中国期刊网》等数据库。本刊主要刊登机械、材料、电气、电子、自动化信息、计算机、化工、环境资源、建筑、基础学科及有关交叉学科等方面的学术论文、研究报告,并选登具有新见解的学术争鸣文章。
正式出版
收录年代

    双永磁同步电机滑模协调控制及实验研究

    周林娜金南南王海杨春雨...
    83-92页
    查看更多>>摘要:针对现有的双永磁同步电机协调控制方法无法兼顾扰动抑制和协调控制精度的问题,研究具有不确定性和非匹配扰动的双永磁同步电机系统协调控制.首先,基于系统不确定性和非匹配扰动,建立双电机系统的数学模型;其次,将交叉耦合控制与传统PI控制相结合,得到协调控制模型;再次,提出一种基于干扰观测器的积分滑模方法设计协调控制器,以有效抑制系统的非匹配扰动;最后,在基于dSPACE的多电机实验平台进行半实物仿真实验.实验结果表明,该方法能有效提高系统在启动和负载突变时的转速同步和转矩同步性能.

    协调控制双永磁同步电机干扰观测器积分滑模实验平台

    模型预测控制下多移动机器人的跟踪与避障

    彭积广肖涵臻
    93-101页
    查看更多>>摘要:提出了一种基于距离和速度的机器人之间的避障方法,通过与机器人避开障碍物的人工势场法相结合,建立一致性控制编队控制协议.首先,建立机器人之间的通信拓扑关系,以便机器人之间的信息交流.在编队控制层面上,设计具有避碰的编队控制律.然后,在编队跟踪层面上,运用模型预测控制方法,将编队误差运动问题按代价函数转化为最小优化问题.为了在线高效地求解该优化问题,运用了一种广义投影神经网络优化的方法,以便最优解作为控制输入.最后,对多移动机器人编队进行了仿真,验证了所提出策略的有效性.

    人工势场法模型预测控制多机器人编队控制广义投影神经网络

    事件触发机制下的多速率多智能体系统非脆弱一致性控制

    刘建华李佳慧刘小斌穆树娟...
    102-111页
    查看更多>>摘要:针对一类多速率多智能体系统,研究在事件触发机制下的非脆弱H∞一致性控制问题.为了更符合实际需要,采用多速率采样策略,并通过提升技术将多速率采样转化为单速率采样.考虑到智能体间的通信负担,引入事件触发机制来减少智能体间的通信次数.此外,考虑到控制器在执行过程中可能出现的不精确性,本文设计一种可以容忍执行过程中变化/波动的控制器.综上,本文的目的是设计一种基于观测器的事件触发非脆弱控制器来实现多智能体系统的H∞一致性控制.利用线性矩阵不等式技术,得到使系统满足H∞一致性控制的充分条件,然后设计控制器参数.最后,为了说明事件触发控制方法的有效性,给出一个数值仿真实例.

    多智能体系统多速率采样事件触发机制非脆弱控制器

    基于扩张状态观测器的永磁同步电机转速环连续螺旋控制

    吴宜梅珂琪丁世宏葛群辉...
    112-119页
    查看更多>>摘要:针对传统矢量控制策略在保持系统动态性能的基础上无法消除系统扰动的问题,为进一步提高系统的控制精度及抗扰能力,提出了一种基于扩张状态观测器(Extended State Observer, ESO)的连续螺旋滑模控制(Continuous Twisting Sliding Mode Control, CTSMC)方法.首先,该方法以双闭环矢量控制结构为基础,在转速环部分采用连续螺旋控制方法,与传统控制方法相比,可以将误差收敛到一定的区域,不仅提高了负载扰动的鲁棒性,还有效减少了系统的抖振.其次,在此控制器的基础上加入扩张状态观测器,估计系统的总扰动,并将此信号用于前馈补偿,以进一步提高系统的动态性能.最后,利用Lyapunov稳定性理论进行了闭环稳定性分析.通过仿真和实验,验证了基于扩张状态观测器的连续螺旋滑模控制方法的正确性及可行性.

    永磁同步电机连续螺旋算法扩张状态观测器有限时间稳定

    基于深度神经网络的注塑过程预测控制

    黎耀东任志刚吴宗泽
    120-126,136页
    查看更多>>摘要:注塑机作为现代工业中重要的塑料件生产与制造设备,其智能化发展一直备受业界关注.伴随着航空航天、电力电子、汽车制造等行业的发展,如何实现对注塑件的高精度、高效率、绿色节能化生产,是目前注塑机的重要研制方向.本文针对注塑成型过程中采用传统模型预测控制(Model Predictive Control, MPC)难以保证跟踪控制实时性的问题,提出一种结合深度神经网络(Deep Neural Network, DNN)学习的注塑过程预测控制方法.在注塑机注射过程动力学模型基础上,创建带约束条件的模型预测控制器,对控制器运行数据进行采集并用以训练深度神经网络,实现了基于深度神经网络控制的注射速度的跟踪预测控制.仿真实验结果表明,采用本文所提出的学习预测控制策略能够有效避免注塑过程中因模型预测控制所产生的复杂计算,并满足工业实时性要求,具有应用前景.

    深度神经网络模型预测控制注塑成型最优控制

    具有时变全状态约束的非线性随机切换系统的自适应神经网络控制

    李争刘磊刘艳军
    127-136页
    查看更多>>摘要:基于任意切换规则,以一类非线性不确定随机切换系统为研究对象,提出了一种具有时变全状态约束的自适应神经网络控制方案.在控制研究的过程中,采用神经网络对系统中的不确定项进行逼近处理.为了解决系统的约束问题,采用坐标变换技术,保证系统的所有状态均在约束界内,给出了闭环系统稳定性和收敛性的充分判据.最后的仿真实验表明所提出的控制策略能够达到较好的控制效果.本文所设计的控制策略大大提高了系统工作时的安全性.

    随机切换坐标变换约束控制非线性系统

    基于事件触发的大规模互联非线性系统的自适应分散漏斗控制

    杨文静夏建伟
    137-144页
    查看更多>>摘要:研究了一类不确定大规模非线性系统的分散自适应事件触发漏斗控制问题.首先,利用一个新的带有障碍李雅普诺夫函数的漏斗控制方法,构造了一种自适应分散漏斗控制器,以实现给定瞬态行为的输出跟踪.其次,为了解决控制器设计中的互联项问题,引入了一个辅助非线性函数.同时,将命令滤波技术应用到反步设计中,避免了反步过程中的"复杂性爆炸"问题.此外,还设计了一种事件触发机制,以减少控制器和执行器之间不必要的传输,从而提高资源效率.结果表明,所提出的控制方案能保证闭环系统的所有信号都是有界的,并且跟踪误差总是在漏斗中演化.最后,通过一个数值系统验证了该控制方法的有效性.

    大规模非线性系统漏斗控制事件触发控制命令滤波技术