低频线振动台加速度失真非线性补偿控制方法

为了抑制低频线振动台中存在的模型不确定性及外部扰动,基于模糊基函数网络(FBFN)提出了一种自适应重复学习控制方法.利用FBFN逼近低频线振动台的模型不确定性及外部扰动,将对模型不确定性和扰动的辨识问题转化为对FBFN权系数的辨识问题.所提出的控制律由自适应控制和重复学习控制组成.自适应律用来估计FBFN权系数;为了有效地减弱抖振,使用自适应PI控制结构逼近非连续控制.由于非连续控制的界是未知的,利用自适应律估计这个未知的界.重复学习控制用来提高系统对周期性输入信号的跟踪性能.采用Lyapunov理论设计的自适应重复学习控制律保证了低频线振动台的渐近稳定性和位置跟踪性能.仿真结果表明,自适应重复学习控制律改善了系统的跟踪性能和加速度失真度.     

基于周期性扰动学习的永磁直线电机自适应滑模位置控制

针对永磁直线同步电机伺服系统易受周期性扰动、摩擦力及参数摄动等不确定性因素影响位置跟踪精确度的问题,提出了一种基于周期性扰动学习的自适应滑模控制方法.采用滑模控制确保永磁直线同步电机伺服系统对不确定性因素具有较强的鲁棒性,提高系统响应速度.利用周期性扰动学习算法学习系统中的周期性扰动并进行补偿,同时设计自适应律估计系统非周期性扰动和学习误差,削弱滑模抖振现象.基于李雅普诺夫稳定性理论,分析证明了此控制器的渐进稳定性,保证系统位置跟踪误差在有限时间内收敛.仿真与实验验证了所提出的周期性扰动学习的自适应滑模控制器能显著提高永磁直线同步电机伺服系统的动态响应性能和鲁棒性能,而且可以达到更高的位置跟踪精确度.     

永磁直线同步电机自适应互补滑模控制

针对永磁直线同步电机(PMLSM)易受非线性因素影响而降低伺服系统鲁棒性的问题,提出一种自适应互补滑模控制方法。永磁直线同步电机的非线性因素包括系统参数变化、电机端部效应及外部不确定性的扰动。互补滑模控制将积分滑模面与广义误差滑模面相结合,将系统状态轨迹限定在两个面的交线上,缩短了状态轨迹达到滑模面的时间,提高了位置跟踪精度。为了进一步改善系统鲁棒跟踪性能,利用自适应控制对不确定扰动因素的上界进行估计,减小不确定因素对系统的影响,改善滑模控制的抖振现象。实验结果表明所提出的控制方法是有效可行的,自适应互补滑模控制不仅提高了系统的跟踪性能,而且更有效地抑制了不确定因素对控制系统的影响。     

永磁直线同步电动机的滑模-H∞鲁棒跟踪控制

针对永磁直线同步电动机(PMLSM)提出一种将H∞鲁棒控制和滑模控制相结合的鲁棒跟踪控制策略,该控制策略解决了系统跟踪性能和鲁棒性能之间的矛盾.滑模跟踪控制器保证了快速跟踪性能;而H∞抗扰控制器抑制了闭环系统内的各种扰动(包括负载及直线电机的端部效应力等),并可以削弱滑模控制的抖振对系统稳态性能的影响.仿真结果表明该方案在保证伺服系统的快速性同时,对系统参数变化和阻力扰动具有很强的鲁棒性.     

永磁直线同步电机自适应非奇异快速终端滑模控制

针对永磁直线同步电机(PMLSM)伺服系统的位置跟踪精度易受参数变化、外部扰动等不确定性因素影响,该文提出了自适应非奇异快速终端滑模控制(ANFTSMC)方法。首先,建立含有不确定性的PMLSM动态模型。然后,采用非奇异快速终端滑模控制(NFTSMC)方法来抑制这些不确定因素的影响,避免了奇异性,进而保证了系统跟踪误差在有限时间内快速收敛,且削弱了抖振;同时,利用自适应控制估计系统中不确定性参数的上界,提高了系统的鲁棒性能。最后,通过实验验证了所提出控制方案的有效性,与SMC、NFTSMC相比,该方法在保证快速收敛性和跟踪精度的情况下,明显削弱了抖振现象,具有较强的鲁棒性能。     

永磁直线电机自适应反推滑模鲁棒跟踪控制

针对高速高精伺服系统,考虑永磁直线同步电机(PMLSM)参数变化、外部负载扰动和摩擦力等不确定因素对系统伺服性能的影响,设计自适应反推滑模控制器(ABSMC).由系统位置、速度误差建立滑模面,利用反推理论推导出反推滑模控制律.实际应用中不确定确界未知,通过设计自适应律修正不确定确界观测值.经分析验证,并与反推滑模控制相比,自适应反推滑模算法在保证系统全局一致渐进稳定情况下,能很好抑制不确定因素对系统性能的影响,对参考指令位置跟踪鲁棒性强,同时抖振得到明显削弱.     

永磁直线伺服系统的自适应改进Elman神经网络积分反推控制

针对永磁直线同步电动机(PMLSM)伺服系统存在的参数变化、外部扰动和摩擦力等不确定性因素,该文采用了积分反推控制和自适应改进Elman神经网络相结合的控制方案。首先,针对PMLSM伺服系统的非线性特性,利用积分反推控制方法,通过逐步修正算法来设计虚拟控制函数,实现系统的全局调节和位置跟踪;其次,设计自适应改进Elman神经网络来估计系统中存在的不确定性,且利用基于Lyapunov函数的自适应律推导出神经网络的在线参数学习律,使系统具有适应时变特性的能力,克服不确定性对系统的影响,从而提高系统的鲁棒性;最后,实验结果表明所提出的控制方案是有效的,明显提高了系统的跟踪性能和鲁棒性能。     

基于递归径向基神经网络的永磁直线同步电机智能二阶滑模控制

针对永磁直线同步电机(PMLSM)易受系统参数变化、外部扰动、摩擦力等不确定性因素影响的问题,采用二阶滑模控制(2OSMC)和递归径向基神经网络(RRBFNN)相结合的智能二阶滑模控制(I2OSMC)方法来提高系统控制性能.利用2OSMC削弱传统滑模控制中的抖振问题,提高了系统的位置跟踪精度.但由于难以估计系统中不确定性因素的边界,从而无法实现2OSMC的最佳性能,因此,引入RRBFNN对不确定性因素进行估计.由于RRBFNN具有较快的学习能力,可通过在线训练网络参数,进而提高系统的鲁棒性.实验结果表明,所提出的控制方法切实可行,能够有效地抑制不确定性因素对系统的影响,使系统具有较高的位置跟踪精度和较强的鲁棒性能.     

永磁直线同步电机自适应非线性滑模控制

针对永磁直线同步电机(PMLSM)伺服控制系统易受参数变化、外部扰动、非线性摩擦力等不确定性因素的影响,采用了一种自适应非线性滑模控制(ANLSMC)方案。首先,建立了含有不确定性因素的PMLSM动态方程,然后,通过速度作为状态变量的非线性函数和广义滑模面相结合,设计了非线性滑模面,这样不仅提高了系统的响应速度,而且增强了系统的鲁棒性。通过自适应控制在线调整趋近律中的控制增益来调节系统状态轨迹到达滑模面的趋近速度,削弱了抖振现象,同时减少了系统跟踪误差,进而提高系统的控制精度。最后,实验结果表明所采用的控制方案有效可行,与滑模控制(SMC)和非线性滑模控制(NLSMC)相比,ANLSMC不仅提高了系统的响应速度,而且改善了系统的跟踪精度和鲁棒性能。     

永磁直线同步电动机伺服系统的自适应加加速度控制

针对永磁直线同步电动机(PMLSM)伺服系统中易受不确定性因素影响的问题,该文提出一种自适应加加速度控制(AJC)方法。首先建立含有不确定性的PMLSM伺服系统动态方程。然后,通过模型前馈控制补偿系统的参数不确定性所产生的模型误差,提高系统的响应速度。最后,采用AJC抑制系统中外部扰动、非线性摩擦力等不确定性因素,自适应律使鲁棒增益收敛于有界范围内,提高系统的鲁棒性;AJC的输出信号积分后形成了反馈控制律,削弱了控制律中开关函数激励未建模动态引起的高频谐振,保证了控制信号的稳定性和连续性。系统实验结果表明,该控制方法能够产生平稳的控制信号,明显地提高系统的控制性能,减小跟踪误差,避免高频振荡,进而改善PMLSM伺服系统的控制精度。