基于神经网络的一类非线性关联大系统鲁棒滑模分散控制

针对一类具有未知界扰动和子系统部分已知的非线性大系统,结合神经网络逼近方法、滑模控制研究了一种新的分散鲁棒自适应控制方法。所设计的分散控制器分为两部分,一是等效控制器,二是滑模控制器。滑模控制器用来减小系统的跟踪误差,起鲁棒控制作用。文中用神经网络逼近非线性未知函数,将网络权值误差引入到网络权值的自适应律中用以改善系统的动态性能。仿真算例证明了所设计的鲁棒分散控制器是有效的。     

木材干燥模糊自适应滑模控制器设计

依据模糊理论解除木材干燥窑温度和平衡含水率间的强耦合关系,在建立木材干燥模型基础上,设计木材干燥模糊自适应滑模控制器;应用仿真和木材干燥试验,对比分析传统PID控制器、滑模控制器、模糊自适应滑模控制器的控制性能和干燥质量的差异.结果表明:模糊自适应滑模控制器具有较好的控制性能和干燥效果.与传统PID控制器、滑模控制器相比,木材干燥模糊自适应滑模控制器的最大超调量更小、响应时间更短,并且在相同的干燥基准时的干燥时间更短、能耗更低.木材干燥模糊自适应滑模控制器有效地提高了木材干燥系统的性能,降低了能源消耗.     

静止无功补偿器的智能自适应PID控制器设计

将神经网络和模糊控制与有着广泛应用ＰＩＤ控制相结合，设计了一种静止无功补偿器的智能自适应ＰＩＤ控制器。利用神经网络实现系统模型辨识，采用模糊逻辑和神经网络相结合对ＰＩＤ控制器参数动态寻优。使ＳＶＣ的控制既具有模糊控制的简单，有效的非线性控制作用，又具有神经网络的自学习，自适应能力。     

采摘机械臂的自适应神经网络滑模控制

针对采摘机械臂的位置终端的精确控制问题,提出了一种将自适应神经网络与滑模控制相结合的控制策略.首先通过神经网络来估计系统模型中的不确定性,提出了一种具有神经网络补偿作用的滑模控制器,基于李雅普诺夫稳定性理论证明了闭环系统的稳定性,并改善了系统的动态性能.仿真试验表明,该控制方法能够有效地削弱抖振现象,具有很好的鲁棒性和动态特性.     

一类非线性系统的模糊自适应控制器设计

针对一类非线性系统，构造了具有高斯隶属度函数的T-S函数逼近器．根据逼近误差和控制要求，运用Lyapunov稳定性理论设计了一种模糊自适应控制器．该控制器不仅可以调节模糊规则参数，同时也能调节隶属度函数的参数．将这种模糊自适应控制器应用到倒立摆系统的跟踪控制，仿真结果表明，它具有良好的控制性能，从而验证了该方法的有效性．     

基于反步法的农业采摘机器人移动路径跟踪控制研究

为实现农业采摘机器人路径跟踪控制,基于李雅普诺夫稳定性理论设计了一种反步法控制器。通过调节控制器参数抵消了机器人误差模型中的部分未知非线性项,简化了控制器的设计形式。利用神经网络对模型未知项和外界干扰进行估计,设计鲁棒自适应控制器在线补偿设计的神经网络的估计误差,提高了神经网络的学习精度。仿真试验结果表明,设计的控制器可实现采摘机器人在存在外界干扰作用下对期望路径的精确跟踪。     

基于轨迹跟踪的农用履带机器人自适应滑模控制

为了提高农用履带机器人轨迹跟踪控制的性能,在履带机器人运动学模型的基础上,设计了自适应滑模控制,构建了一种变倾斜参数的自适应积分滑模切换函数,基于这个函数提出了由等效控制和切换控制组成的自适应滑模跟踪控制,将机器人的位姿误差,以及在线辨识的时变不确定参数反馈至控制器中,计算出左右轮驱动电机的期望角速度,同时利用李亚普诺夫方法证明了所设计滑模跟踪控制的稳定性。田间试验结果表明,当机器人以1~4 m/s速度运行时,在运动方向距离误差、侧向距离误差和航向角的误差分别为-0.04~0.04 m,-0.09~0.07m和-0.03~0.05 rad。因此,机器人自适应滑模控制具有良好的控制精度,能够满足田间实际作业的要求。     

神经网络自适应模糊控制器设计与应用

把神经网与模糊系统相结合，提出一种基于神经网络的自适应模糊控制器，这种控制系统由模糊神经网络控制器和模糊网络组成，具有自适应学习能力，仿真结果以及应用于温度控制系统中，其鲁棒性明显优于一般Ｆｕｚｚｙ控制。     

低轨无拖曳卫星的自适应神经网络控制器设计

低轨无拖曳(Drag-free)卫星为相对论的验证、引力波探测以及地球重力场的测量提供了低干扰的试验环境。目前已有的工作主要对无拖曳卫星模型进行线性化,然后进行控制器设计,此种方法忽略了无拖曳卫星控制系统的非线性环节,因此降低了控制器的精度。本文将基于Lyapunov稳定性理论和自适应反步控制,直接针对无拖曳卫星控制系统的非线性模型进行分析,设计一种自适应神经网络控制器。针对系统建模过程中的线性化和未建模动态,利用RBF神经网络对非线性项进行拟合和补偿,建立自适应神经网络权值自适应律,保证闭环系统具有较好的鲁棒稳定性能和抗干扰性能,实现无拖曳卫星控制系统的设计要求。仿真结果表明控制器的有效性,满足了无拖曳卫星的控制精度要求。     

基于神经网络的自适应模糊控制器

提出了一种基于神经网络的自适应模糊控制器。控制器由一个模糊神经网络和一个人工神经网络组成,具有自适应和自学习能力,计算机仿真实验证明了这种控制器的有效性,控制性能优于常规的模糊控制。     

现代金融区域辐射力研究——基于长沙对湖南省内其他市州辐射力的实证检验

对于Buck变换器系统，考虑到实际应用中负载变动引起系统参数的不确定性，且不确定性上界无法测量的情况，本文拟采用RBF神经网络对不确定性上界进行自适应学习。针对Buck变换器输出电压的控制问题，为了避免普通滑模控制跟踪误差渐进收敛的问题，改善其动态响应速度和稳态性能，本文拟设计一种基于RBF神经网络的上界自适应的终端滑模控制器，并通过Simulink仿真验证这种方法的可行性。     

仿射非线性系统的在线自适应模糊神经网络辨识与控制

针对单输入单输出非线性系统的自适应控制问题,提出了一种在线自适应模糊神经网络辨识与鲁棒控制的方法.该方法首先利用广义模糊神经网络学习算法,实时建立对象模型未知系统的逆动态模型,实现网络结构和参数的同时在线自适应.考虑到网络建模误差和外部干扰的存在,还设计了基于控制理论的鲁棒补偿器.仿真结果表明,该方法能对模型未知仿射非线性系统实现鲁棒输出跟踪.     

非线性积分滑动面的农业车辆转向系统控制

自动转向控制是实现农业车辆自动导航控制的关键技术,为了提高转向性能和精度,提出了1种基于非线性积分滑动面的自适应滑模控制方法。先将农业车辆的转向系统假定为1个二阶的数学模型,并将系统中的不确定性因素和难以建模的外部干扰动力学系统假设为可满足边界条件的等效干扰;针对每个导航控制周期构建所需系统响应的瞬态过程,设计了1个非线性积分滑动面;同时根据闭环转向控制系统提出相应的滑模控制规则,确保系统能够获得迅速无超调量的闭环响应曲线,并利用模糊控制实现了滑模控制增益的自适应切换。仿真试验表明,设计的非线性积分滑动面的自适应滑模控制方法对提高农业车辆转向控制系统的平稳性、精度具有重要意义。     

一种新的电液伺服系统神经网络自适应控制

提出一种基于直接模型参考的神经网络与滑模变结构控制相结合的神经网络自适应控制方法并对电液伺服系统进行控制,仿真结果表明用该控制方法的控制系统能实现较高粗度的控制,且具有较强的鲁棒性和自适应能力,具应用价值。     

一类不确定系统的自适应非奇异Terminal滑模控制

提出针对一类不确定系统的自适应非奇异Terminal滑模控制。确定含非线性项的滑模面,通过构造李亚普洛夫函数的方式确定控制器结构,设计自适应增益控制律实时估计不确定参数,并考虑外扰动的影响,证明控制系统的稳定性和鲁棒性。仿真结果验证自适应非奇异Terminal滑模控制器能够使不确定系统状态变量快速收敛。     

基于改进型偏差耦合结构的多电机同步控制

针对现有的多电机同步控制方案难以满足高精度控制的要求和不能实现比例同步控制的局限性,提出一种带PI补偿控制的改进型偏差耦合控制结构,可适用于多电机完全同步和比例同步控制.针对永磁同步电动机非线性和强耦合特性,设计了自适应模糊滑模变结构控制器来实现永磁同步电动机的跟踪控制.建立了4台永磁同步电动机的同步控制仿真模型,仿真实验表明,所提出的多电机同步控制结构相对于带固定增益补偿的控制结构具有更高的同步控制精度.与PID和常规滑模控制算法相比,自适应模糊滑模控制策略具有更高的同步稳定性和更强的鲁棒性.     

模糊神经网络模型参考自适应控制及其应用

提出一种模糊神经网络的自适应控制方案，给出了一种模糊神经网络模型和快速的优化学习算法（ＦＬＡ），通过网络的在线自学习不断修正模糊神经网络控制器的隶属函数和权值，实现了模糊逻辑规则的自动更新，经仿真结果和倒立摆控制表明，这类自适应控制具有良好的控制性能。     

一类带死区输入的非线性不确定系统滑模自适应控制

研究一类参数不确定和带有未知死区的非线性系统滑模自适应控制问题.将死区分解为两部分,被控系统中有两类不确定性的系统参数,一类是常值的未知系统参数;另一类是时变的未知系统参数和部分未知的死区.采用滑模控制和自适应控制相结合的方式,第一类不确定性可以由自适应控制来处理,而第二类不确定性可以由滑模控制来处理,即滑模自适应控制器.为了消除滑模控制所带来的抖振,引入边界层[1-2].采用Lyapunov函数证明了系统的稳定性.仿真实验表明方法的可行性.     

一类非线性不确定中立延迟系统的鲁棒自适应滑模控制

针对一类非线性不确定中立型时变时滞系统的鲁棒镇定问题,利用Lyapunov稳定性理论,提出了一种能渐近稳定系统的自适应无记忆滑模控制器.基于滑模控制技术,确保了该控制器能驱赶系统状态达到事先指定的滑动超平面,从而获得预期的动态性能.一旦系统动态达到滑动运动阶段,系统对不确定是不敏感的.自适应技术的应用克服了不确定的未知上界,使可达条件能被满足.最后,仿真例子证明了该无记忆自适应滑模控制器的有效性,从而保证了闭环系统的全局渐近稳定性.     

5自由度机器人手臂模糊自适应控制

为了在一定的跟踪精度范围内且存在不确定性因素的情况下控制机器人跟踪设定的轨迹,给出了一种基于控制器输出误差法的自适应模糊控制法来控制机器人手臂.采用梯度下降法调节部分或全部参数以减小输出误差.该方法被应用于5自由度机器人控制系统中,仿真结果显示模糊逻辑控制器参数得到了实时调整,该方法有效.