基于粒子群算法的混联机构神经网络自适应反演控制

针对含有不匹配干扰的混联机构轨迹跟踪控制问题，提出了一种极限学习机与自适应反演控制相结合的控制策略。在对干扰进行分析的基础上，分别采用两个极限学习机网络对系统中的匹配和不匹配干扰进行逼近和补偿。基于Lyapunov函数稳定性设计了混联机构的控制律与自适应律，实现混联机构的轨迹跟踪控制。由于控制器可调参数较多，采用粒子群算法进行控制器参数的寻优整定。仿真结果表明，所提出的控制方法具有良好的轨迹跟踪精度和鲁棒性。     

基于鲁棒反馈线性化的联合收获机割台高度控制策略

谷物联合收获机割台高度控制非常重要，有效的割台高度控制有助于提高喂入量的稳定性、降低整机各环节的负荷波动。本文提出一种基于鲁棒反馈线性化的割台高度控制策略，该方法可以使割台跟随地面起伏进行俯仰控制调节。首先，基于割台结构和动力学分析建立系统数学模型，选取正弦角度的近似约简条件，将多变量的复杂非线性系统线性转换为典型的非线性系统；通过分析传统的反馈线性化控制研究可控仿射的模型构建方法，在集成鲁棒优化设计控制器基础上，提出鲁棒反馈线性化（Robust feedback linearization，RFL），通过构建灵敏度方程、选取增益来稳定系统；选取液压控制机构，根据控制液压输出的电流参数设计为基于鲁棒反馈线性化控制系统的控制器。将传统的PID控制和本文提出的鲁棒反馈线性化控制进行对比实验，结果表明，在不同行驶速度、地形正弦振幅和地形周期条件下，鲁棒反馈线性化控制下的高度误差均小于传统的PID控制；以3种不同行驶速度在同一起伏地面上行进，鲁棒反馈线性化控制下的高度误差受行驶速度增加的影响小于传统的PID控制。