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.     

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。     

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.     

基于模糊神经网络的履带式机器人自适应滑模控制

针对履带机器人这一结构不稳定性、参数不确定性的非线性系统,本文结合神经网络理论与滑模控制,提出了基于模糊神经网络的自适应滑模控制,对不确定非线性系统的控制问题设计了控制器。本文首先建立了履带式机器人的运动学模型,以自适应滑模控制理论为基础,构建了等效控制器,依据模糊神经网络理论基础构建切换控制器,在保证控制器全局稳定性和收敛性的同时,同时获得抑制系统抖振。仿真验证了利用神经网络对履带式机器人这一非线性系s统具有较强的自适应性和鲁棒性。并且具有快速响应和较强的跟踪性能的特点。     

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。     

基于名义模型的机械手PI鲁棒滑模控制研究简

针对多关节机械手关节轨迹跟踪控制问题,将机械手动力学模型分解为名义模型和建模误差两部分,并对两部分用跟踪位置误差和速度误差定义滑模函数,对这两部分设计控制律,提出了基于名义模型的机械手PI鲁棒滑模控制方法.通过定义基于积分型的Lyapunov函数,证明了控制系统是全局渐近稳定的.利用该控制器对三关节机械手进行关节力矩控制,使三关节能在3s内实现对理想轨迹的跟踪,三关节均具有良好的位置跟踪和速度跟踪性能.仿真实验验证了控制器设计的有效性,并且通过合理选择控制器参数,能够消除滑模控制器输出所存在的抖振现象.     

基于名义模型的机械手PI鲁棒滑模控制研究

针对多关节机械手关节轨迹跟踪控制问题,将机械手动力学模型分解为名义模型和建模误差两部分,并对两部分用跟踪位置误差和速度误差定义滑模函数,对这两部分设计控制律,提出了基于名义模型的机械手PI鲁棒滑模控制方法.通过定义基于积分型的Lyapunov函数,证明了控制系统是全局渐近稳定的.利用该控制器对三关节机械手进行关节力矩控制,使三关节能在3s内实现对理想轨迹的跟踪,三关节均具有良好的位置跟踪和速度跟踪性能.仿真实验验证了控制器设计的有效性,并且通过合理选择控制器参数,能够消除滑模控制器输出所存在的抖振现象.     

DC/DC变换器的神经网络鲁棒控制

针对有非最小相位特性的二阶DC/DC(直流/直流)变换器平均值模型的特性,以Buck-Boost变换器为典型例子,提出了一个非线性反馈做内环控制器,控制其电感电流;用RBF(径向基函数)神经网络作为自适应机构,提出了一个神经网络鲁棒控制器作为电压外环控制器,控制其输出电压.证明了系统跟踪误差和神经网络权值的有界性.仿真结果表明,提出的控制器对于系统参数的不确定性具有很强的鲁棒性,并具有很好的动态性能.     

一类时滞不确定系统的自适应鲁棒镇定

讨论了一类具有不匹配扰动的时滞不确定系统的鲁棒镇定问题．在扰动有界但上界值未知的情形下．给出了获得自适应鲁棒控制器使系统鲁棒稳定的充分条件．通过估计不确定性的上界．基于估计值设计了控制器．保证了闭环系统一致有界意义下的鲁棒稳定性．     

电子节气门鲁棒滑模控制仿真研究

针对电子节气门系统的非线性环节和外部干扰复杂多变的问题,结合电子节气门的结构特点,建立了电子节气门数学模型,提出了一种基于指数趋近律的非线性鲁棒滑模控制,并对其进行了控制仿真.实验结果表明,基于指数趋近律的滑模鲁棒控制不仅能满足快速到达期望节气门开度,实现高精度控制等要求,而且可以增强电子节气门系统对外界干扰的鲁棒性.     

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.     

一类严格交叉反馈超混沌系统混沌同步研究

对一类严格交叉反馈超混沌系统的混沌同步进行了讨论。基于有限时间稳定性理论设计了反馈控制器和参数更新定律,通过分步设计控制器实现了参数未知下的严格交叉超混沌系统的有限时间混沌同步。在同步的过程中,未知参数也被识别。数值仿真结果表明,驱动系统和响应系统在有限时间内是同步的,未知参数能在有限时间内被识别,且未知参数越大,系统收敛的速度越快。     

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。     

基于反步滑模算法的植保无人机姿态控制研究

针对植保无人机在作业时易受环境及模型参数影响,提出一种反步滑模姿态控制算法,分别在无故障干扰与有故障干扰情况下,对线性二次型调节器法(Linear quadratic regulator,LQR)控制、滑模法控制(Sliding mode control,SMC)、积分反步法控制(Integrator backstepping controller,IBC)开展仿真对比试验.结果表明,在无故障干扰下3种算法均能在较短时间内达到平稳状态,在有加性故障干扰时线性二次型调节器法控制无法快速达到平衡状态,滑模控制有抖动,积分反步法震荡较大.为解决此问题,基于反步法设计位置姿态控制律对植保无人机闭环控制回路作补偿,构造滑模观测器实时观测执行器故障情况;设计基于反步滑模控制(Backstepping sliding mode,BSM)容错控制器,并开展仿真与物理试验.可知,反步滑模控制物理实现简单、响应时间短、容错控制性强、鲁棒性好,植保作业更加精准高效.     

模糊-变结构控制在汽车发动机转速控制中的应用

变结构控制具有良好的鲁棒性，但是在实际应用中往往会引发抖振．本文采用模糊一滑模变结构的控制方法，解决滑模变结构控制在汽车发动机转速控制中出现的转速抖振现象．首先，在变结构控制变量的基础上引入模糊控制分量；其次对模糊控制分量进行了设计、计算；最后利用MATLAB软件进行了计算机仿真．仿真结果表明发动机转速抖振幅度只有原来的10％，控制变量的切换频率只有原来的15％左右．     

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。     

加工过程的神经网络自适应控制

研究了加工过程智能控制的神经网络方法,分析了加工过程模型、神经网络建模和神经网络自适应控制。提出了用双网结构的控制策略对加工过程进行控制,NNI网络实现加工过程的系统辨识,进行在线建模;NNC网络根据系统的当前状态实现切削参数的自适应调整来优化加工过程,提高加工效率。仿真试验结果表明这种控制策略的可行性和有效性。