基于动态神经模糊算法的船舶航向自适应控制

针对船舶航向控制中模型参数变化引起的不确定性问题,提出一种基于动态神经模糊模型(DNFM)的自适应控制算法.DNFM在学习中同时调整结构和参数,充分逼近Norrbin非线性船舶NARX模型的逆动力学.训练好的DNFM与PD控制器并联构造自适应控制器用于航向控制,且以PD控制器的输出作为自适应律的自变量,进一步在线调整DNFM的权值.以5446 TEU集装箱船的航向控制仿真结果验证了算法的有效性.     

带有舵机特性的船舶航向自动舵DSC-MLP设计

为了研究船舶航向非线性系统的自适应自动舵跟踪控制问题,采用T-S模糊系统逼近模型不确定性,将动态面控制与最少学习参数算法结合,提出了一种自适应模糊跟踪控制算法.该算法学习参数少、计算量小,易于工程实现;并且能够避免可能存在的控制器奇异值问题.同时,该算法保证了闭环系统的稳定性,能够使得航向跟踪误差任意小.仿真结果验证了控制器的有效性.     

船舶航向保持的滑模变结构自适应模糊控制研究

针对船舶航向非线性控制系统中存在未知控制增益,参数不确定性和外界干扰的影响,通过引入Nussbaum函数,利用模糊逻辑系统的逼近能力,将多滑模控制与自适应模糊控制相结合,提出一种新的多滑模自适应模糊控制算法,实现了船舶航向的跟踪控制,并且在设计过程中,避免了控制器奇异值问题的发生。借助Lya-punov函数证明了所设计控制器使船舶运动非线性系统中所有信号有界,且跟踪误差收敛到零的某个邻域内。仿真结果表明,所设计的控制器能够快速准确地跟踪设定航向,对参数摄动和外界扰动具有较强的鲁棒性。     

基于ADRC的船舶航向控制器设计与仿真研究

摘要：船舶航向运动系统具有典型的非线性和不确定性,并受到自动舵执行能力的约束以及风、浪、流等的干扰,使得航向控制器的设计非常困难.针对以上问题给出了带有舵机约束的船舶运动非线性数学模型以及海浪扰动数学模型,对ADRC的原理进行了简要介绍,设计出了船舶航向ADRC控制器.仿真结果表明该控制器对于船舶航向运动的非线性、参数不确定性、环境不确定性以及控制对象的模型变化均有较强的鲁棒性,航向切换控制过程快速、平滑,操舵量小,可以实现高精度的航向保持控制.     

基于动态模糊神经网络的多余力矩抑制方法

针对负载模拟器难以准确建模,多余力矩严重影响力矩加载性能的特点,提出一种基于动态模糊神经网络抑制多余力矩的新方法．该动态模糊神经网络无须较强领域的专家知识,是系统自动建模及抽取模糊规则的网络,且模糊神经网络结构是动态变化的,其模糊规则是在学习过程中逐渐增长而形成的．设计了结合前馈反馈控制和直接逆控制的控制策略,在线更新算法,实时更新网络结构及参数以及时跟踪被控对象逆模型的变化,与其并行的PID控制器的作用在于保持系统的稳定并获得更快速的系统响应和更佳的跟踪精度．通过仿真可以看出基本消除了多余力矩,系统性能得到改善,仿真效果令人满意．     

欠驱动水面船舶的非线性滑模轨迹跟踪控制

针对模型参数存在不确定性和风、浪、流时变干扰的三自由度欠驱动水面船舶动态轨迹跟踪控制问题,根据滑模控制对系统的不确定性和外界干扰具有鲁棒性的特点,提出了一种新型的非线性滑模控制律设计方法.在设计时根据欠驱动水面船舶的固有特性,船舶在横向上没有驱动,如果要同时控制船舶水平面位置和艏摇角3个自由度的运动,就需要分别引入关于纵向跟踪误差的一阶滑动平面和关于横向跟踪误差的二阶滑动平面来间接设计控制律.仿真结果表明,所设计的控制器能够使船舶跟踪虚拟船产生的参考轨迹,对参数不确定和外界扰动具有强的鲁棒性.     

一种新的AUV路径跟踪控制方法

研究了自主水下航行器(AUV)的路径跟踪问题,将跟踪控制问题分为导引和控制2部分.导引部分基于视线导引(Line of Sight)原理输出AUV的参考航向,针对AUV的参数不确定性及海流干扰等特点,航向控制器采用变结构控制律计算舵角控制输入,在此基础上,将航向控制器与路径跟踪控制器并行结合,构造了文中提出的混合型路径跟踪控制器.文章从理论上证明了控制律的稳定性,仿真结果表明,所设计的控制律可以保证AUV沿期望路径航行,路径跟踪误差快速收敛.     

考虑暂态/稳态性能的船舶航向保持控制

为进一步解决模型存在不确定性和外界环境干扰的船舶航向保持指定性能控制问题,在Backstepping方法基础上,引入指定性能函数和系统变换,提出一种适用于一般非线性系统的鲁棒自适应控制策略。考虑到系统初始状态不确定问题,将指定性能函数设计与系统初始跟踪误差关联,充分利用船舶模型内部结构特征,避免了现有研究中针对不同初始跟踪误差和符号需要重新设计控制器的缺陷。该算法解决了船舶航向保持控制中暂态过程对超调量和收敛速率等控制性能的指定问题,理论分析和仿真实例验证了所提出控制策略的有效性。     

基于递归模糊神经网络的移动机器人滑模控制

针对非完整移动机器人轨迹跟踪控制问题,提出了一种Backstepping运动学控制器与自适应动态递归模糊神经滑模控制器相结合的控制结构。采用遗传算法对运动学控制器的参数进行了优化选取,有效地抑制了因初始位姿过大而引起的初始速度及输出力矩过大的问题;采用动态递归模糊神经网络(Adaptive dynamic recurrent fuzzy neural network,AD-RFNN)对动态非线性不确定部分进行在线估计,使不确定性估计误差大大减小;通过与自适应鲁棒控制器结合应用,不但解决了移动机器人的参数与非参数不确定性问题,同时也消除了在滑模控制中的输入抖振现象;基于Lyapunov方法的设计过程,保证了控制系统的稳定与收敛;仿真结果表明了该方法的有效性。     

复合材料成形液压机自适应鲁棒运动控制

针对复合材料液压机电液系统中广泛存在的参数不确定性、不确定非线性和外干扰,设计基于非连续映射的非线性自适应鲁棒运动控制器. 自适应控制器对系统参数进行在线估计,所估计的参数虽不能完全收敛到真实值,但可以限定在上确界和下确界范围内,满足鲁棒控制不确定量上、下界的要求;参数自适应律渐进消除了参数不确定性引起的模型补偿误差,保证输出跟踪可以拥有规定的瞬态和稳态响应性能. 鲁棒控制律可以抑制未建模动态、参数估计误差和外干扰的影响. 利用Lyapunov稳定性理论证明了系统的稳定性. 仿真和实验结果表明,设计的控制器对所规划的运动轨迹具有精确的跟踪控制和强鲁棒的控制性能.     

Grey Prediction Fuzzy Control of the Target Tracking System in a Robot Weapon

Grey modeling can be used to predict the behavioral development of a system and find out the lead control values of the system. By using fuzzy inference, PID parameters can be adjusted on line by the fuzzy controller with PID parameters self-tuning. Acco     

基于扩张状态观测器与动态面控制的可重构模块机器人反演分散控制

针对可重构模块机器人控制中各子系统间关联项难以处理的问题,提出了一种基于三阶扩张状态观测器(ESO)和动态面控制(DSC)的反演分散控制方法。利用三阶ESO对各关节耦合的关联项及建模不确定性进行实时的估计和补偿,并利用粒子群算法(PSO)自适应调整ESO中的参数。在设计反演分散控制器时,为了克服对虚拟控制量进行重复求导运算而导致的所谓"计算膨胀"问题,采用基于动态面控制的方法设计反演分散控制器,并对所设计的分散控制器的Lyapunov稳定性进行了分析。将该控制策略应用于一个四自由度可重构模块机器人的轨迹跟踪控制中,仿真结果验证了该控制器对处理关联项及反演控制中"计算膨胀"问题的有效性。     

迭代滑模增量反馈及在船舶航向控制中的应用

针对一类不确定非线性受扰动系统，提出一种基于非线性迭代滑模变结构的增量反馈控制算法．通过对系统输出迭代设计非线性滑动模态，并利用增量反馈控制，无需对不确定项的估计，在系统输入增益符号已知的条件下可自动寻找使系统稳定的控制量，避免了变结构控制的抖振以及输出反馈控制的稳态误差与超调问题，强化了变结构控制的不变性特点．对不同船型及舵机模型的船舶航向控制进行了仿真，结果表明，系统阶跃响应超调得到有效抑制，定常干扰下的静态误差得到消除，且控制器对模型摄动及干扰变化不敏感、设计参数易于调节．     

基于神经网络参考模型的船舶航向智能自适应控制系统

为使船舶能在不同状态和环境下按所希望的要求改变船舶的航向，提出了一种基于神经网络参考模型的船舶航向智能自适应控制算法，利用神经网络建立了参考模型和船舶航向运动的辨识模型。并将模糊控制与神经网络相结合，设计了模糊神经网络控制器。利用神经网络的学习功能对控制器的隶属度函数及推理规则进行修正，以提高其自适应能力。仿真结果表明该算法对船舶转向控制有良好的效果。     

一种轮式移动机器人滑模轨迹跟踪控制器设计及其参数优化方法

为实现轮式机器人轨迹跟踪控制,以双闭环控制方案为基础,在每个闭环子系统中设计滑模控制器,并将粒子群算法应用其中,优化控制器参数,达到更好的跟踪效果。通过仿真验证了所设计的控制器能够实现轨迹跟踪,并且相较于人工经验整定的参数,通过优化得到的参数使控制器的控制性能更加优越。