基于模糊干扰观测器的抗饱和自适应反步控制

针对一类输入受限的非匹配不确定非线性系统,提出了一种抗饱和自适应反步控制方法.利用模糊干扰观测器在线逼近系统的未知非匹配不确定及干扰,采用反步控制方法设计自适应控制器.控制系统设计中引入限幅滤波器,有效降低了控制输入饱和对系统稳定性的影响,并且控制器设计无需对虚拟控制律进行重复求导.利用李亚普诺夫稳定性定理,证明了闭环系统渐近稳定.仿真结果表明了该方法的有效性.     

具有H_∞性能的轮式移动机器人非线性控制器设计

针对移动机器人动力学模型中的参数不确定性和扰动不确定性问题,提出了具有H_∞跟踪性能的自适应反步控制方法。首先,以线速度和角速度为虚拟的控制输入,设计了具有渐进稳定性的运动学轨迹跟踪控制器。其次,针对动力学系统中存在的不确定参数,采用自适应方法对其进行在线估计,该方法通过引入不连续映射保证了参数估计值的有界性。然后,采用反步法设计了动力学控制器,同时,在Lyapunov框架下证明了该控制器对扰动具有H_∞性能。最后通过仿真试验证明,即使在参数未知的情况下,该控制器也能够控制移动机器人跟踪上参考轨迹,且当系统存在外部扰动时,系统输出偏差能够收敛到有界范围内。由此验证了本文方法能够有效抑制系统参数变化及扰动对控制性能的影响。     

反步法在非线性控制中的应用

针对一类严参数反馈系统或经过变换可化为该种类型的非线性系统,基于反步(backstepping)递推设计方法,进行了自适应控制的设计。在此过程中,获得了对参数进行修正的规则。应用Lyapunov稳定性理论证明,该自适应控制器可保证整个非线性系统的鲁棒稳定性。和有关文献中提出的设计自适应控制器所应用的方法相比,反步法引进了虚拟控制的概念,通过适当的引入虚拟控制,使得系统误差具有期望的渐近形态,从而实现整个系统的渐近镇定。     

反步法在非线性控制中的应用

针对一类严参数反馈系统或经过变换可化为该种类型的非线性系统，基于反步（backstepping）递推设计方法，进行了自适应控制的设计。在此过程中，获得了对参数进行修正的规则。应用Lyapunov稳定性理论证明，该自适应控制器可保证整个非线性系统的鲁棒稳定性。和有关文献中提出的设计自适应控制器所应用的方法相比，反步法引进了虚拟控制的概念，通过适当的引入虚拟控制，使得系统误差具有期望的渐近形态，从而实现整个系统的渐近镇定。     

基于动态面技术的异步电动机模糊自适应速度控制

针对异步电动机的参数不确定性以及外部负载扰动,本文结合动态面技术和反步控制,研究了异步电动机驱动系统的速度调节控制。根据模糊逼近原理来逼近系统中未知的非线性函数,通过引入动态面技术,解决了传统反步控制中由于对虚拟控制函数进行连续求导引起的计算爆炸问题,同时采用反步设计方法构造模糊自适应速度控制器,并利用Matlab进行仿真验证。仿真结果表明,在提出的模糊自适应速度控制器的作用下,异步电动机驱动系统能够克服参数不确定性及负载扰动的影响,确保系统可以快速跟踪给定的期望信号,实现了对异步电动机的有效控制。该研究具有一定的实际应用价值。     

基于观测器摩擦补偿的机电系统高精度控制

针对机电作动系统在低速阶段摩擦非线性明显且同时存在其他干扰,易导致系统跟踪精度、稳定性下降这一问题,设计基于非线性观测器摩擦补偿的自适应鲁棒控制器. 针对摩擦非线性,利用LuGre摩擦模型描述系统的摩擦现象,提出非线性观测器对模型的内部摩擦状态进行观测. 针对系统摩擦系数、转动惯量及其他不确定性参数,设计参数自适应律进行估计. 利用前馈补偿的方法,对摩擦非线性和参数不确定性进行补偿,设计鲁棒项克服系统的其他扰动. 利用Lyapunov稳定性定理证明了提出的控制器在存在扰动的情况下可以实现系统的有界稳定性. 实验结果表明,提出的控制器具有较高的控制精度与较强的鲁棒性,跟踪精度较传统的PID控制器提高了一个数量级.     

柔性关节机器人的模糊反步自适应位置控制

为实现柔性关节机器人的高精度位置跟踪控制,本文提出了基于模糊逼近的反步自适应控制方法。该方法将隐极式永磁同步电机(permanent magnet synchronous motor,PMSM)作为驱动系统,建立二自由度柔性关节机器人的系统模型,设计反步自适应位置控制器,并利用模糊逻辑系统,逼近虚拟控制器导数项,解决高阶系统反步控制器结构复杂的问题。考虑到无力矩传感器的情况,引入电机负载转矩观测器,结合电机矢量控制策略,设计了反步电流控制器,保证驱动电机有较快的动态响应。同时,利用Lyapunov稳定性定理,对柔性关节机器人控制系统进行稳定性分析,证明整个系统为渐近稳定。仿真结果表明,本文采用的模糊反步自适应位置控制器,能够实现柔性关节机器人高精度位置跟踪控制,响应速度快,驱动电机的转矩波动小,控制器结构简单。该研究在机器人驱动系统中具有广泛的应用前景。     

海流干扰下的欠驱动AUV三维路径跟踪控制

为解决存在海流干扰和模型不确定性情况下欠驱动自主水下航行器(AUV)的三维路径跟踪控制问题,首先在Serret-Frenet坐标系下,基于虚拟向导建立了跟踪误差模型.然后,在运动学控制器中基于李雅普诺夫(Lyapunov)理论和反步法设计具有自适应律的虚拟向导和一种改进的积分视线法(ILOS)导引律,克服了海流的干扰并减少了超调.应用反步自适应滑模控制(BASMC)理论设计动力学控制器,保证了系统的稳定性和鲁棒性.最后,应用非线性级联理论证明了整个控制系统的闭环稳定性.仿真结果表明:基于AUV与流体的相对速度来实现的控制律,便于工程应用.该控制器能够有效克服海流和模型不确定的影响,实现对三维路径的跟踪.     

小型航天器浸入与不变自适应反步姿态跟踪

针对具有惯性张量不确定性、外干扰及饱和限制的小型航天器非线性姿态跟踪问题,将反步法和系统浸入与流形不变理论相结合,提出了分块自适应约束控制结构．航天器姿态模型由修正罗德里格参数进行全局非奇异描述．在设计反步控制器时,引入指令滤波器和修正跟踪误差信号以施加系统状态和执行器的饱和限制,同时较容易地获得虚拟控制导数．为提高反步控制器的鲁棒性和性能,利用基于不变流形的非线性观测器对时变的系统“总干扰”进行在线估计补偿．由于不变流形方法使得估计误差具有指定的一致稳定动态,因而该分块自适应控制器比传统的自适应反步控制器更容易调节,且性能不受未知的估计律动态的影响．李亚普诺夫直接方法证明了估计误差有界性和闭环系统输入状态稳定．数值仿真表明,与传统方法相比,所提出的控制器结构具有更高的姿态跟踪性能和干扰估计精度．     

电动汽车用异步电动机的模糊自适应跟踪控制

针对传统的矢量控制因忽略铁损影响而无法对异步电动机实现准确控制的问题,研究了考虑铁损的电动汽车用异步电动机的模糊自适应位置跟踪控制。建立了考虑铁损的异步电动机动态数学模型,利用模糊逻辑系统来逼近异步电动机驱动系统中未知的非线性函数,通过反步设计方法构造了模糊自适应控制器,同时采用李雅普诺夫方法分析了系统的稳定性,并在Matlab环境下进行仿真实验,仿真结果表明,在系统参数未知的情况下,电机位置信号可以快速跟踪期望信号,控制器的性能良好。当t=5s时,负载力矩发生变化,电机仍能跟踪期望信号,说明该控制器能够很好的克服电机参数的不确定性及负载力矩扰动的影响,有较强的鲁棒性,实现了对异步电动机的位置跟踪控制。该控制器结构简单,只有一个自适应参数,减少了系统的在线计算负担,易于工程实现,在电动汽车领域应用前景广阔。     

水下运载器多变量鲁棒输出反馈控制方法

针对存在较大参数不确定性和仅具有位置、姿态测量的水下运载器的六自由度位姿控制难题,提出一种基于自适应平滑增益滑模观测器和多变量积分Backstepping控制器的非线性控制方法.解决水下运载器的鲁棒输出反馈控制问题,使用基于Lyapunov稳定性理论的设计方法保证观测器 控制器系统的稳定性.设计的自适应平滑增益滑模观测器,克服常规滑模观测器中所存在的高频颤振现象,从而获得较平滑的速度估计值.当存在模型不确定性和有界未知干扰时,可以保证速度估计误差以指数速率收敛至较小的球域内.设计的多变量积分Backstepping控制器,可以保证系统的跟踪误差同样收敛至较小的球域内.以浙江大学正在研制的海王号ROV六自由度控制为研究对象,使用所提出的控制方法与传统PID控制器进行对比仿真研究.仿真结果表明,当存在较大参数不确定性、较强未知外干扰和测量噪声时,所提出的控制方法具有较强的鲁棒性能,可以很好地跟踪参考轨迹,获得较好的动态性能和稳态控制精度.性能明显优于常规PID控制器,并且解决了PID控制器所存在的转艏角设定值不能大于90°的问题.     

基于模型不确定补偿的轮式移动机器人反演复合控制

针对轮式移动机器人存在模型不确定性、非线性以及未建模的动态特性等因素,严重影响系统轨迹跟踪的稳定性和精确性,提出一种基于系统模型不确定性补偿的反演复合控制策略。基于非完整轮式移动机器人的运动学模型,采用反演控制思想以及李雅普诺夫稳定性判据设计轨迹跟踪的虚拟速度控制量,作为系统的持续激励输入。考虑轮式移动机器人具有模型不确定性和外部有界力矩干扰,根据轮式移动机器人的动力学模型推导得到系统不确定项,并采用具有高度非线性拟合特性的神经网络对其估计,得到模型的力矩控制量,且由李雅普诺夫稳定性分析得到不确定项的自适应律,实现自调整和实时轨迹跟踪。对比仿真表明,该复合控制策略能自适应的跟踪期望轨迹,与单一的反演控制、模型不确定性补偿控制策略、传统PID控制相比,均具有更好的鲁棒性和高的跟踪精度。     

一类不确定非线性系统基于Backstepping的自适应跟踪控制

研究了一类非匹配不确定性非线性系统自适应跟踪问题,在假设系统模型不确定参数未知时,结合Backstepping的递推方法和鲁棒控制技术,经过多步递推设计了输出反馈控制器和参数自适应控制律.通过控制参数调节,对存在非匹配不确定性和未知干扰的非线性系统实现了输出跟踪.基于Lyapunov稳定性理论所设计的控制器不仅使系统的输出跟踪给定的期望输出,而且使得系统对于所允许的不确定系统状态全局一致有界.与经典反演设计相比,本方案允许非参数化不确定性,增强了控制系统的鲁棒性.最后的仿真算例验证所设计控制方法的有效性.     

导弹尾翼电动负载模拟器快速终端滑模控制

针对永磁同步电机驱动的导弹尾翼电动负载模拟器存在的高阶非线性及参数时变问题,提出一种基于反演设计的快速终端滑模控制方法.建立电动负载模拟器系统的状态空间模型,将建模误差及参数摄动视为未知扰动项,基于反演控制的设计思想,将系统模型划分为3个子系统,采用快速终端滑模方法设计控制律,使跟踪误差在有限时间内收敛到零.然后应用Lyapunov方法证明了闭环系统的渐进稳定性及有限时间收敛特性,最后通过试验验证了该控制策略的有效性.与PI+前馈补偿控制策略相比,该方法能够更好地抑制系统中的多余力矩,提高了电动加载系统的力矩加载精度,同时有效提高了加载系统的鲁棒性.     

基于backstepping方法的单元机组协调系统非线性控制

基于非线性backstepping方法,针对典型单元机组的机、炉协调系统非线性模型,引入虚拟控制变量,逐步构造出偏差信号的李雅普诺夫函数,设计出了综合非线性控制器。该控制器不仅保证了系统稳定性,而且能够实现跟踪误差收敛于零。仿真试验验证了这种非线性方法在协调系统控制器设计中是可行的。     

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。     

含未建模动态的非线性参数系统的鲁棒自适应控制

许多实际系统如生化过程、带有摩擦的机器等都是具有不确定性的非线性参数系统。如何有效地控制这类系统是-富有挑战性问题。针对一类重要的非线性参数系统提出了一种鲁棒自适应控制器，可用于存在参数和非线性不确定性、未知扰动和未建模动态的情况。该鲁棒自适应控制器的设计是基于控制李亚普诺夫函数法，通过引入一动态信号和自适应非线性阻尼来抑止未建模动态、非线性不确定性和未知有界扰动的影响，同时采用反推设计方法来克服控制器设计的复杂性。所提方法不必对系统的未知参数进行估计，且无论系统的阶次多高、未知参数多少，只需要一个自适应参数。理论证明，所提出的鲁棒自适应控制器可保证整个具有不确定性的非线性参数系统的稳定性，且通过适当选择设计参数，可使状态以任意精度趋于平衡点。仿真结果例证了所提方法的有效性。     

不确定非线性网络控制系统的鲁棒保性能控制

针对一类非线性网络控制系统中存在数据丢包、时滞和量化误差等问题,通过引入扇形不确定性的方法来描述对数量化器的量化误差,并基于T-S模糊控制理论,建立起整个闭环系统带有范数有界参数不确定性的新的数学模型.在此模型基础上,通过Lyapunov稳定性定理,给出了使系统具有一定性能的鲁棒保性能控制器的设计方法,该控制器可以通过求解一组线性矩阵不等式得到.最后,通过数值仿真验证了所提方法的有效性.     

电液比例系统鲁棒自适应动态表面控制

对基于语义网络的产品建模及配置方案的搜索方法进行集成研究,以提高产品配置设计的效率.在相关本体的基础上,建立了基于语义网络的产品模型结构,并据此解析用户所输入的查询语句.基于语义网络的产品模型提供一种定量与定性相结合的一致化的设计实例与需求的表达方式.进一步通过产品的语义网络模型可以获取设计需求的隐含条件,使得需求在设计方案的搜索匹配过程中被更充分地考虑.配置设计方案的搜索则首先利用基于语义网络的推理技术与本体语言RDFS构造待求配置设计问题的语义网络片断,然后通过语义搜索与匹配度计算排序从设计实例库中获取符合当前需求配置设计方案.同时,通过注塑机螺杆为实例的应用证明了基于语义网络的产品模型在支持配置选型设计方案搜索方面的有效性与实用性.相对于传统的产品模型而言,基于语义网络的产品模型更关注属性之间的内部联系,经实例验证基于语义网络的产品模型使得配置设计过程更符合用户的实际需求.