基于摩擦补偿的永磁球形电机自适应模糊控制

针对摩擦可能引起永磁球形电机控制系统品质恶化的问题,提出樽糊逼近的摩擦补偿自适应控制方案.首先,通过卡尔丹角(Carden)旋转,建立考虑摩擦项的转子动力学模型,分别基于已知模型和名义模型设计控制方案.基于名义模型的控制方案采用改进的模糊补偿自适应控制器分别补偿摩擦项以及系统不确定性因素,以减少模糊规则的数目,控制律参数基于李亚普诺夫稳定性理论自适应调节,控制方案保证了闭环系统的稳定性.仿真试验结果表明,该控制方案能有效实现对摩擦项等不确定信号的补偿,从而提高球形电机的跟踪控制性能.     

摆动喷管电动伺服系统复合控制方法EI北大核心CSCD

针对飞行器摆动喷管电动伺服系统在低气压高温升条件下的控制问题,提出一种复合控制方法。基于LuGre模型对伺服系统的复杂负载力矩进行建模,利用状态观测器和两个dual观测器推导出负载力矩参数自适应律,以期实现对负载力矩随外界条件变化时的拟合。采用自适应反步终端滑模算法,负载力矩估计值进行虚拟力矩补偿,同时解决控制电压与力矩干扰之间不匹配、电机电压扰动及参数变化的问题,理论分析证明所提控制算法对于匹配及非匹配不确定性都具备鲁棒性,能够保证跟踪误差最终一致有界。最后通过仿真及实验,验证了所提方法的有效性。     

摆动喷管电动伺服系统复合控制方法

针对飞行器摆动喷管电动伺服系统在低气压高温升条件下的控制问题,提出一种复合控制方法。基于LuGre模型对伺服系统的复杂负载力矩进行建模,利用状态观测器和两个dual观测器推导出负载力矩参数自适应律,以期实现对负载力矩随外界条件变化时的拟合。采用自适应反步终端滑模算法,负载力矩估计值进行虚拟力矩补偿,同时解决控制电压与力矩干扰之间不匹配、电机电压扰动及参数变化的问题,理论分析证明所提控制算法对于匹配及非匹配不确定性都具备鲁棒性,能够保证跟踪误差最终一致有界。最后通过仿真及实验,验证了所提方法的有效性。     

一类非线性系统模糊自适应鲁棒控制

针对一类不确定性非线性系统的传统模糊自适应控制方案存在的缺陷,利用第一类模糊逻辑系统直接作为非线性系统控制器,提出了一种模糊自适应鲁棒控制策略.在传统方案的基础上加入鲁棒补偿项,取消监督控制项,进一步放宽稳定条件到最小近似误差有界,利用Lyapunov稳定性理论证明了系统的全局稳定性.通过对二阶混沌对象仿真结果表明,鲁棒控制有效地补偿了稳态误差,解决了单一模糊自适应控制寻优空间有限问题.     

考虑模型不确定性的基于分解控制直流电机系统的摩擦补偿方法

针对陀螺漂移测试转台直流力矩电机系统中存在的非线性动态摩擦和电机波动力矩，为提高转台摇摆状态位置跟踪精度，该文基于分解控制的设计方法提出了一种新的鲁棒自适应摩擦补偿方法。该设计具有积分形式的自适应补偿器来补偿常值的可参数化的摩擦模型不确定性，而设计鲁棒补偿器来补偿不可参数化的摩擦模型不确定性。最后综合两种补偿器形成完整的补偿控制律。Lyapunov方法证明了闭环系统全局稳定性和对期望位置信号的渐进跟踪性能，仿真结果证实了该补偿方法对高精度运动曲线跟踪的有效性。     

基于扰动观测和补偿的PMSM伺服系统位置跟踪控制

针对存在参数摄动和外部扰动力矩的PMSM伺服系统位置跟踪控制问题,提出一种基于扰动观测和补偿的滑模控制方法。采用扰动观测器估计系统参数摄动以及负载力矩,并在此基础上对等效扰动进行补偿,减小了模型不确定性对系统控制性能影响,系统的位置跟踪误差由0.85 rad减小到0.35 rad;在保证系统稳定性的前提下,去除了常规滑模控制中的不连续控制项,有效地减小了抖振。实验结果表明,与工程上常用的PID算法相比,基于扰动观测和补偿的滑模控制算法不仅能够显著提高PMSM伺服系统的位置跟踪精度,而且能有效地削弱抖振。     

模型不确定的下肢康复机器人轨迹跟踪自适应控制

为了实现康复训练过程中高精度的轨迹跟踪控制,针对下肢康复机器人的模型参数和外界干扰等不确定性因素对其轨迹跟踪造成严重影响,提出一种模型不确定的下肢康复机器人轨迹跟踪自适应控制方法。根据所提方案,设计了相应的轨迹跟踪自适应控制器;并进行了轨迹跟踪控制仿真实验对比分析,结果表明,计算力矩控制方法在系统模型不确定时,膝关节的最大角度跟踪误差高达11.3°,髋关节最大稳态误差4.6°;而轨迹跟踪自适应控制方法在模型不确定的情况下,髋关节和膝关节的角度跟踪稳态误差均收敛于零;轨迹跟踪自适应控制方法可以显著提高下肢康复机器人轨迹跟踪的精度。     

考虑摩擦伺服系统的补偿算法研究

针对摩擦非线性影响伺服系统动静态性能的问题,在典型伺服系统模型中引入LuGre摩擦模型,介绍了一种应用自适应神经网络补偿摩擦的控制算法。在负载转矩未知、模型包含不确定项、系统参数时变的情况下,利用神经网络对非线性项进行逼近,同时引入自适应的思想,利用反步法设计自适应控制器在线补偿神经逼近系统的估计误差。此外,通过Lyapunov稳定定理对控制系统进行分析,证明整体系统是渐进稳定的。仿真结果表明:该补偿方法能对伺服系统中摩擦进行有效抑制,保证系统的跟踪性能,并在负载扰动和系统参数时变情况下仍具有较强的鲁棒性。     

一种补偿动态摩擦的自适应模糊控制方法

机械系统的摩擦力精确数学模型很难建立，一直是人们所关注的问题。文中针对小型DC电机采用自适应模糊系统在线逼近摩擦模型并将辨识结果作为PD算法的补偿项。在控制方法上，文中采用了基于自适应模糊补偿的PD控制器．在系统证明上，从李雅普诺夫函数中导出了自适应参数并且分析了闭环系统跟踪误差的有界性。在算法实现上，利用Mauab对文中的方法及证明的有效性进行了验证。文中的方法也可应用到其它机械系统的摩擦补偿建模与控制上，如机器人系统。     

基于神经网络补偿的机器人力／位置控制

考虑摩擦及外界干扰的情况下,针对具有不确定性的机器人系统,提出了一种新的基于神经网络补偿的智能力／位置控制方案。该控制器通过神经网络补偿机器人模型的未建模动力学部分等非参数不确定性带来的影响,NN的输出信号加在参考输入上而不是在关节力矩或控制输入上,同时在力控制回路采用灰色预测模糊调节,以提高系统的动态性能和稳态精度。仿真研究表明所设计的控制器具有良好的动态性能和较强的鲁棒性。