3。2 线性反馈无模型控制器定义 9

3。3 时延估计控制的稳定性分析 10

3。4 本章小结 11

4 基于时延估计的无模型自适应控制器设计 12

4。1 传统 PID 控制器 12

4。2 智能 PID 控制器 13

4。2。1 智能比例积分微分控制器 iPIDs 14

4。2。2 智能比例控制器 iPs 14

4。3 基于时延估计的智能 PID 控制器 15

4。3。1 TDE-iPIDs 控制器设计 15

4。3。2 TDE-iPIDs 控制器稳定性分析 17

4。4 本章小结 17

5 基于时延估计的无模型自适应控制器仿真 19

5。1 含摩擦的小车模型 19

5。2 基于 matlab/simulink 的无模型自适应控制器仿真验证 20

5。2。1 理想情况下 TDE-iPIDs 与 PID 的对比仿真 20

5。2。2 不确定性情况下 TDE-iPIDs 与 PID 的对比仿真 25

5。2。3 理想情况下不同期望值的 TDE-iPIDs 与 PID 的对比仿真 29

5。2。4 不确定性情况下不同期望值的 TDE-iPIDs 与 PID 的对比仿真 33

5。3 本章小结 37

6 总结与展望 38

第 II  页 本科毕业设计说明书

6。1 主要工作总结 38

6。2 研究展望 38

致 谢 40

参 考 文 献 41

1 绪论

1。1 研究背景及意义

在现代工业生产的的控制过程中，传统的 PID 控制器依然占主要地位，它依 靠控制理想目标与实际系统之间的误差，从而寻求消除该类误差的控制策略。但 随着经济水平的提高，科技不断进步，工业生产过程不断向着大型化、复杂化趋 势发展[13]。许多的被控对象都存在非线性、纯滞后、强耦合的生产环节，一般的 PID 等反馈控制器存在局限性，无法得到期望的闭环响应效果。

现代控制理论将受控系统的数学模型作为基础，然而在非线性系统的建模过 程中，成本和难度都比较大，模型也会被相应作出简化，这样在实际应用中会受 到未建模动态和鲁棒性的影响[11]。为了解决此类问题，我们以寻求摆脱受控系统 数学模型的控制器为目标，发展出了无模型控制理论和方法。无模型自适应控制论文网

（Model Free Adaptive Control）是侯忠生在其博士论文中提出的。无模型控制理 论与方法[22]是指:“控制器的设计仅利用受控系统的 I/O 数据，控制器中不包含 受控过程数学模型的任何信息的控制理论与方法”。

基于时延估计的无模型自适应控制器[20]是由麻省理工大学的 Youcef-Toumi 教授提出发展而来，本课题基于前期研究的基于间断连续运行混杂系统发展的循 环迭代无模型自适应轨迹跟踪控制器（RMFC）研究成果[19]的基础上，融合模型 降阶、法国 Michel Fliess 教授发展的基于代数方法的智能 PID 控制等理论，针对 一类具有非线性仿射控制系统，仅利用系统的状态或输出，构建一类特殊的基于 时间延时估计的无模型自适应控制器（TDEMFC）。