压电智能结构的模型难以精确建立,且存在外界环境激励干扰和内部参数不确定等问题,从而影响闭环结构的振动控制性能。基于此,将结构的内部干扰和外界激励的影响归结为系统的集总干扰,并利用扩张状态观测器（Extended state observer,ESO）设计不依赖于模型的自抗扰振动控制器。然而当外界扰动激励变化时,扩张状态观测器对扰动和各阶状态的估计不可避免存在偏差,难以保证振动控制的效果。为克服二阶自抗扰策略在振动主动控制中的不足,提出一种基于压电智能板结构的状态估计误差补偿自抗扰振动控制方案。利用状态观测误差信息,对二阶自抗扰控制器进行补偿,从而减小ESO对扰动和各阶状态估计的压力,提高振动控制效果。利用dSPACE实时仿真系统,搭建四面固支压电智能板结构的振动主动试验平台。四种干扰激励的试验结果验证该方法的有效性、实...

针对加筋壁板结构中存在的模型难以精确确定和多模态外界干扰等问题,基于加速度传感器,提出了一种不依赖结构精确数学模型的多模态线性自抗扰振动主动控制（Linear Active Disturbance Rejection Control）策略。由于加速度传感器和压电驱动器的异位配置不可避免地使得整个控制系统存在时延。为解决该问题,利用Smith预估器的原理,引入输出预估器来补偿时延,这样设计的自抗扰振动主动控制器能够很好地解决时延对结构振动性能的影响。基于dSPACE实时仿真平台、利用加速度传感器、压电片驱动器,设计并建立四面固支压电加筋壁板结构实验系统,对提出的控制方法进行试验比较研究。最后的试验结果表明,采用提出的具有输出预估功能的自抗扰振动控制器,能够快速有效地抑制结构的多模态振动。

四面固支加筋壁板结构中存在的模型难以确定等多种不确定因素，影响了闭环结构的振动控制性能。针对这一问题设计了一种不依赖结构数学模型的加速度传感信号反馈和二阶线性自抗扰复合振动主动控制策略，并在理论上分析其稳定性和优越性。首先，采用二阶线性自抗扰控制器实时估计对象模型变化及其外扰组成的广义干扰，并将估计值作为补偿信号前馈到控制信号中消除广义干扰对系统的影响；然后，设计加速度传感信号和线性状态误差反馈的自抗扰复合振动控制器；最后，基于dSPACE实时仿真系统，建立了四面固支加筋壁板结构的主动振动试验平台。利用加速度传感器和压电片驱动器抑制加筋壁板结构振动，并对提出的控制方法进行对比试验。几种外界干扰激励的试验结果表明，该方法不仅能有效抑制由于正弦激励和外界冲击引起的振荡...

为解决风力发电系统因工况复杂、干扰源众多造成的常规控制方法效果难以满足高性能要求的难题,提出了一种以最大功率跟踪为目标,综合惯量辨识和模型预测控制的复合预测控制策略。首先通过惯量辨识得到对象的部分未知模型,再通过模型预测对得到的模型滚动优化,并进行反馈校正。最后的仿真结果表明,该复合预测控制策略具有有效的功率输出、较好的系统稳定性和抗干扰能力。

由于永磁同步电机系统具有非线性、强耦合、多变量的特点,且易受内部参数变化、负载扰动的影响,为保证系统调速过程的快速性和准确性,设计了一种基于惯量辨识的自适应反推控制调速方法。首先,采用自适应算法对定子电阻、黏性摩擦和负载转矩进行实时估计;其次,利用基于惯量辨识的自适应反推控制方法,减小工业控制中转动惯量对电机调速系统的影响;最后,进行了仿真验证。结果表明,与传统的PI和传统的自适应反推法相比,基于惯量辨识的自适应反推控制方法具有最优的转速跟踪性能和抗干扰能力。