具有非参数型不确定性的非线性系统的预设性能反馈控制

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61703237
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    25.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0301.控制理论与技术
  • 结题年份:
    2020
  • 批准年份:
    2017
  • 项目状态:
    已结题
  • 起止时间:
    2018-01-01 至2020-12-31

项目摘要

Uncertainties and nonlinearities widely exist in actual plants, which are the main factors affecting the existence and constructive design of feedback controllers. Non-parametric uncertainties are among the severest uncertainties. When such uncertainties exist, the severity of (part) system nonlinearities cannot be determined and their structure information available for feedback is poor, which makes remarkably difficult feedback compensation and control design. For actual plants, it may be not enough to merely guarantee such basic steady performance as convergence and boundedness, and should be necessary to jointly consider certain prescribed performance required in real applications (e.g., convergence rate, arrival time and maximum overshoot) to ensure the efficiency and reliability of the systems. However, such prescribed performance is more severely limited by system uncertainties and nonlinearities. This project is, for several typical classes of nonlinear systems allowing serious non-parametric uncertainties, to investigate the existence of prescribed-performance feedback controllers and the related analysis and constructive design methods. Particularly, powerful non-parametric uncertainties compensation mechanisms, prescribed performance realization mechanisms and closed-loop performance analysis tools/methods are developed, which would provide illuminating ideas and routes for the achievement of feedback control with higher accuracy and reliability.
不确定性和非线性广泛存在于现实系统中,是影响反馈控制器的存在性及构造性设计的主要因素。非参数型不确定性是最严重的系统不确定性之一。当此类不确定性存在时,系统的(部分)非线性无法界定,可用于反馈的结构信息匮乏,导致反馈补偿与控制设计极为困难。对于现实系统,仅仅确保其收敛性、有界性等基本稳态性能是不够的,往往还需要同时考虑其他实际需求的特定预设性能(如收敛速度、到达时间、最大超调),以保证系统的效率和可靠性。然而,兼顾这些预设性能受系统不确定性和非线性的限制更严重。本项目旨在围绕几类典型的具有非参数型不确定性的非线性系统,研究预设性能反馈控制器的存在性及相关分析与构造性设计方法,发展强有效的非参数型不确定性反馈补偿机制、预设性能实现机制及闭环性能分析工具/方法,从而为实现更高精度和更高可靠性的反馈控制提供新思路和新途径。

结项摘要

本项目主要致力于研究更强有效的不确定性反馈补偿策略与相关预设性能控制方法。具体地,所研究的系统具有如下特征:容许非参数型不确定性,是目前最严重的不确定性之一,只能由结构未知的函数界定,而不能像参数型不确定性那样可被未知常数界定,因而可用于反馈的结构信息匮乏;容许非参数型不确定性与本质非线性及未知控制方向、不可测状态等其他类型不确定性/未知性耦合共存,致使反馈补偿与控制设计的难度进一步增加。尽管如此,寻求的控制目标更为精细:不仅确保收敛性、有界性等基本稳态性能,还同时兼顾收敛速度、最大超调、到达时间等其他实际需求的特定预设性能。对此,项目组利用基于自适应思想的Funnel时变方法,提出了有效补偿非参数型不确定性的时变反馈策略及相关分析模式;进而,针对几类典型的具有非参数型不确定性的非线性系统,实现了预设收敛速度镇定和/或预设暂态性能实际跟踪。深刻揭示了时变反馈方法在抵御非线性、补偿不确定性、提升控制性能等方面的超常能力,为不确定非线性系统高精度高可靠反馈控制提供了新途径和新方法。此外,还拓展研究方向,在事件触发控制、分布式控制、智能优化等方面取得了重要成果。在IEEE Trans Automat Control、SIAM J Control Optim、Automatica、SCI CHINA Inf Sci等权威期刊共发表论文18篇,其中IEEE汇刊论文10篇,包括2篇TAC长文。

项目成果

期刊论文数量(16)
专著数量(0)
科研奖励数量(1)
会议论文数量(0)
专利数量(0)
Distributed LQR Optimal Protocol for Leader-Following Consensus
用于领导者跟随共识的分布式 LQR 最优协议
  • DOI:
    10.1109/tcyb.2018.2850760
  • 发表时间:
    2019-09
  • 期刊:
    IEEE Transactions on Cybernetics
  • 影响因子:
    11.8
  • 作者:
    Hui Sun;Yungang Liu;Fengzhong Li
  • 通讯作者:
    Fengzhong Li
Fully Distributed Adaptive Finite-Time Consensus for Uncertain Nonlinear Multiagent Systems
不确定非线性多智能体系统的全分布式自适应有限时间一致性
  • DOI:
    10.1109/tcyb.2020.3035752
  • 发表时间:
    2022-07-01
  • 期刊:
    IEEE TRANSACTIONS ON CYBERNETICS
  • 影响因子:
    11.8
  • 作者:
    Zhao, Le;Liu, Yungang;Man, Yongchao
  • 通讯作者:
    Man, Yongchao
Adaptive output-feedback stabilisation for wave equations with dynamic boundary condition and corrupted boundary measurement
具有动态边界条件和损坏边界测量的波动方程的自适应输出反馈稳定
  • DOI:
    10.1080/00207179.2020.1730007
  • 发表时间:
    --
  • 期刊:
    International Journal of Control
  • 影响因子:
    2.1
  • 作者:
    Zaihua Xu;Yungang Liu;Jian Li;Fengzhong Li
  • 通讯作者:
    Fengzhong Li
Consensus via time-varying feedback for uncertain stochastic nonlinear multi-agent systems
基于推理的后验参数分布优化
  • DOI:
    10.1109/tcyb
  • 发表时间:
    2019
  • 期刊:
    IEEE Transactions on Cybernetics
  • 影响因子:
    11.8
  • 作者:
    Xinglong Niu;Yungang Liu;Fengzhong Li
  • 通讯作者:
    Fengzhong Li
A multiobjective hybrid bat algorithm for combined economic/emission dispatch
用于组合经济/排放调度的多目标混合蝙蝠算法
  • DOI:
    10.1016/j.ijepes.2018.03.019
  • 发表时间:
    2018-10
  • 期刊:
    International Journal of Electrical Power and Energy Systems
  • 影响因子:
    5.2
  • 作者:
    Huijun Liang;Yungang Liu;Fengzhong Li;Yanjun Shen
  • 通讯作者:
    Yanjun Shen

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

关于具无穷延滞的脉冲泛函微分系统稳定性的比较结果
  • DOI:
    --
  • 发表时间:
    2011
  • 期刊:
    科学技术与工程
  • 影响因子:
    --
  • 作者:
    李峰忠;傅希林
  • 通讯作者:
    傅希林

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

李峰忠的其他基金

基于事件触发的高效能自适应反馈控制及相关分析与设计
  • 批准号:
  • 批准年份:
    2020
  • 资助金额:
    58 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码