基于自适应负载观测器的PMSM滑模控制

根据永磁同步电机的矢量控制模型,设计一个滑模转速控制器,并设计一个自适应观测器估计负载转矩扰动值,进而对扰动进行在线补偿。滑模控制器与传统PID控制相比具有超调量小、响应快的优点．负载观测器的补偿提高了系统的性能。MATLAB仿真结果证明该设计方法的有效性。     

基于改进型积分终端滑模控制方法的移动机器人轨迹跟踪设计与实验

为了使移动机器人获得高精度和快速收敛的跟踪性能,设计一种基于积分终端滑模和滑模观测器的轨迹跟踪控制方法.首先,考虑到移动机器人在实际运动过程中会受到地面湿滑、摩擦等原因引起的侧滑扰动的影响,建立其在该扰动影响下的运动学模型;然后,利用该动态模型设计滑模观测器来估计系统受到的扰动;接着,将估计的扰动值前馈至反馈控制器,用来抑制扰动对系统控制性能的影响,从而达到削弱抖振的目的;同时,基于跟踪误差设计积分终端滑模面,并结合滑模面和扰动估计设计新型积分终端滑模控制器;最后,基于Lyapunov稳定性理论对整个闭环系统进行稳定性分析.仿真实验结果表明,所设计的控制器具有更高的跟踪精度和更强的鲁棒性.     

基于神经网络的不确定机器人自适应滑模控制

提出一种机器人轨迹跟踪的自适应神经滑模控制。该控制方案将神经网络的非线性映射能力与变结构控制理论相结合,利用RBF网络自适应学习系统不确定性的未知上界,神经网络的输出用于自适应修正控制律的切换增益。这种新型控制器能保证机械手位置和速度跟踪误差渐近收敛于零。仿真结果表明了该方案的有效性。     

基于干扰观测器的高速列车RBF自适应滑模控制方法

针对高速列车动力学模型的不确定性和存在外部干扰难以实现高速列车对目标轨迹的高精度跟踪控制的问题,设计了一种基于非线性干扰观测器的RBF神经网络自适应滑模控制方法。首先,针对高速列车模型非线性系统的不确定性问题,设计自适应RBF神经网络鲁棒控制器进行跟踪控制,基于RBF神经网络的特性设计神经网络权值自适应律,对列车模型中的未知函数进行估计。其次,针对高速列车跟踪控制外部干扰问题,采用指数收敛干扰观测器进行干扰补偿,提高高速列车对目标轨迹追踪的抗干扰能力。最后,李雅普诺夫(Lyapunov)稳定性分析保证了闭环系统的渐近稳定性,以秦沈客运专线为仿真对象。结果表明,所设计的控制方法不仅解决了列车模型未知阻力部分的自适应逼近,而且在此基础上引入干扰观测器对外部非线性干扰进行补偿实现了对期望轨迹的高精度快速跟踪。     

基于非线性增益递归滑模的船舶轨迹跟踪动态面自适应控制

针对三自由度全驱动船舶存在模型不确定和未知外部环境扰动的情况,设计出一种基于非线性增益递归滑模的船舶轨迹跟踪动态面自适应神经网络控制方法.该方法综合考虑船舶位置和速度误差之间关系设计递归滑模面,引入神经网络对船舶模型不确定部分进行逼近,设计带σ-修正泄露项的自适应律对神经网络逼近误差与外界环境扰动总和的界进行估计,并应用一种非线性增益函数构造动态面控制律,选取李雅普诺夫函数证明了该控制律能够保证轨迹跟踪闭环系统内所有信号的一致最终有界性.最后,基于一艘供给船进行仿真验证,结果表明,船舶轨迹跟踪响应速度快、精度高,所设计控制器对系统模型参数摄动及外界扰动具有较强的鲁棒性.     

SCARA机器人模糊自适应滑模控制

为了提高SCARA机器人的轨迹跟踪控制性能,提出了一种基于非奇异终端滑模面和改进的快速趋近律的滑模控制策略。设计了一种非奇异的快速终端滑模面,可在任意初始状态下收敛到平衡点;改进滑模控制的趋近律,在保证快速趋近的同时可有效抑制抖振,并采用双曲正切函数代替传统的符号函数,有效地消除了高频抖振。采用模糊控制调节趋近律参数,改善初始状态误差过大时引起的力矩冲击问题;基于SCARA机器人模型仿真实验表明,实验结果跟踪性能良好,输出力矩平滑。     

电液伺服系统的多滑模鲁棒自适应控制

针对一类参数与外负载非匹配不确定的非线性高阶系统,提出了一种基于逐步递推方法的多滑模鲁棒自适应控制策略.应用逐步递推的多滑模控制方法简化了高阶系统的控制问题,同时在自适应控制中加入鲁棒控制的方法,以消除不确定性对控制性能的影响.首先利用逐步递推方法与状态反馈精确线性化理论,得出确定系统的多滑模控制器设计方法;然后基于Lyapunov稳定性分析方法,给出不确定系统的参数自适应律,及鲁棒自适应控制器的设计方法.本文把该控制策略应用到电液伺服系统的位置跟踪控制中,仿真结果显示,该控制方法具有较强的鲁棒性及良好的跟踪效果.     

牵引车–飞机系统的自适应滑模变结构控制

将自动转向技术应用于牵引车–飞机系统, 并以侧偏位移和相对横摆角作为反馈, 提出一种牵引车四轮主动转向控制策略. 重点考虑牵引车和飞机的侧向和横摆运动, 建立含铰接角在内的牵引车–飞机系统非线性动力学模型. 将牵引车和飞机的轮胎侧偏刚度视为有界的不确定性参数, 将侧向风等因素视为未知的外在扰动, 采用自适应滑模变结构控制方法设计牵引车转向角控制器. 仿真结果表明, 设计出的前、后轮转向控制器能使控制系统同时获得很好的轨迹跟踪性和操纵稳定性, 并且能够有效的克服参数摄动和外界干扰对系统操作性的影响.     

模糊CMAC及其在机器人轨迹跟踪控制中的应用

小脑模型关节控制器(CMAC)具有结构简单,学习快速的优点,但是它的空间划分方式不能在线进行调整,影响了其自适应能力的提高.本文将模糊理论引入CMAC,提出了一种能够反映人类小脑认知的模糊性和连续性的模糊小脑模型关节控制器(FCMAC).该控制器对CMAC的空间划分方式进行了模糊化处理,可通过BP学习算法对CMAC的空间划分方式进行在线调整,大大提高了CMAC的自适应能力.所提出的FCMAC被应用于机器人的轨迹跟踪控制系统以克服机器人系统中非线性和不确定性因素的影响.仿真实验结果表明,所提FCMAC与传统的CMAC相比性能上有了很大的改善.     

飞行仿真转台伺服系统的反演自适应滑模控制(英文)

采用滑模控制对非线性系统进行控制时,抖振是不可避免的现象,如何抑制抖振成为研究的重点。介绍了一种反演自适应滑模控制方案,它可以解决非线性系统中的不确定性问题,保证系统的鲁棒性。为此,首先介绍了反演设计的原理,通过在反演设计中引入滑模控制,并采用自适应算法对不确定性进行估计,有效的降低了抖振。最后给出了一个应用此方法进行控制的实际例子,结果表明了这种方法的有效性。     

Sliding Mode Control with Adaptive Fuzzy Dead-Zone Compensation of an Electro-hydraulic Servo-System

Electro-hydraulic servo-systems are widely employed in industrial applications such as robotic manipulators, active suspensions, precision machine tools and aerospace systems. They provide many advantages over electric motors, including high force to weight ratio, fast response time and compact size. However, precise control of electro-hydraulic systems, due to their inherent nonlinear characteristics, cannot be easily obtained with conventional linear controllers. Most flow control valves can also exhibit some hard nonlinearities such as dead-zone due to valve spool overlap. This work describes the development of an adaptive fuzzy sliding mode controller for an electro-hydraulic system with unknown dead-zone. The boundedness and convergence properties of the closed-loop signals are proven using Lyapunov stability theory and Barbalat’s lemma. Numerical results are presented in order to demonstrate the control system performance.     

四旋翼飞行器的自适应二阶滑模控制

针对四旋翼飞行器参数变化的姿态控制问题,将自适应光滑二阶滑模控制方法应用于四旋翼飞行器控制系统.对于参数变化引起的模型不确定性部分采用滑模干扰观测器进行补偿,对姿态系统设计自适应光滑二阶滑模控制器,有效地减弱传统滑模控制的抖振,控制器参数的在线调整提高了系统的控制精度.基于Lyapunov理论证明了系统的有限时间稳定.数字仿真和实验结果都验证了所提控制方法的有效性.     

卫星负载运动模拟器控制电路设计

分析了ADI公司推出的单片机ADμC842和ALTERA公司的FPGA芯片EP1C3T144C6的功能特点;根据卫星负载运动模拟器的工作特点和控制要求,设计了基于ADμC842和FPGA的卫星负载运动模拟器控制电路。该电路结合单片机的控制能力和FPGA的逻辑处理能力,很好地满足了卫星负载运动模拟器控制系统的控制要求。实际应用结果表明,该控制电路实现了卫星负载运动模拟器的实时控制,增强了系统的可靠性和可扩展性,取得了很好的控制效果。     

基于RBF神经网络的电动加载控制策略分析

针对电动加载系统特有的多余力矩问题,设计并分析了基于RBF神经网络的直接逆模型控制策略,仿真结果表明,该控制策略能够有效地抑制多余力矩,提高了系统的加载精度及动态特性.同时,本文提出一种改进的RAN算法,离线构建,在线调整,充分利用已有先验知识的同时,实现了网络局部在线优化,有效的控制了运算量及网络规模,为控制算法的硬件实现提供了保证.     

伺服系统的复合自适应滑模控制

对于采用自适应方法的鲁棒跟踪控制系统,初始参数估计误差、参数突变、非持续激励等因素均可引起瞬态过程.瞬态性能的好坏对跟踪误差峰值及恢复时间有较大影响,是实现高性能跟踪控制的关键,而目前典型设计多采用直接自适应方法,其较差的瞬态特性制约了跟踪性能的进一步提高.针对该问题,以交流伺服系统为研究对象,将直接自适应、间接自适应及滑模控制相融合,提出一种基于有界增益遗忘最小二乘法的复合自适应滑模控制( CASMC)策略,Lyapunov分析表明该策略可实现持续激励条件下跟踪误差和参数估计误差在较大范围内的指数收敛,瞬态特性较清晰.最后,以某型火炮的方位轴伺服系统为应用背景进行仿真实验,结果显示,该控制策略在瞬态过程的误差峰值和持续时间方面均有显著改善,提高了伺服系统的跟踪性能.     

SCARA机器人的模糊自适应滑模控制

为了提高SCARA机器人的轨迹跟踪控制性能,提出一种双模糊自适应滑模控制;采用一自适应模糊控制器,根据滑模到达条件对滑模切换增益进行估算,消除滑模控制中输出力矩的抖振现象,增强其对不确定性因素的适应能力;采用另一自适应模糊控制器对指数趋近律系数进行修正,改善由于大范围初始位姿产生的偏差而引起的大力矩和速度跳变问题;基于Lyapunov方法进行了稳定性证明,保证控制系统的稳定性与收敛性;仿真实验结果表明,该方法应用于SCARA机器人,跟踪效果良好并产生了平滑的力矩输出和速度输出.     

永磁同步电机的自适应反演滑模变结构控制

针对永磁同步电机提出一种基于反演的PMSM自适应滑模控制方案.设计基于反演的滑模变结构位置控制器,通过RBF神经网络实现系统参数变化和外部负载扰动等引起的不确定上界值的在线辨识,减小滑模控制器的控制量,并引入饱和函数来减弱系统的"抖动"现象.理论分析和仿真结果对比表明,基于RBF神经网络的自适应反演滑模控制对参数变化和外部负载扰动具有很好的鲁棒性,永磁同步电动机获得了很好的跟踪效果.     

四旋翼飞行器自适应滑模控制设计

针对四旋翼飞行器姿态模型建模误差以及外部扰动不确定性的特点,提出了一种基于自适应滑模的非线性控制器。采用参数自适应控制方法逼近系统中的建模误差项,滑模控制方法进一步抵消系统建模误差以及外部不确定扰动项。并采用李雅普诺夫稳定法证明了所设计的控制器能够实现全局渐近稳定。最后,通过四旋翼姿态飞行实验,验证了文中所提出控制方法的有效性,能够实现小型四旋翼姿态的稳定控制,其抗扰性能优于传统PID控制。     

双连杆柔性机械手负载自适应模糊滑模控制

讨论了柔性机械手末端负载变化时的控制问题.应用奇异摄动将双连杆柔性机械手系统分解为慢变、快变两个子系统.提出一种慢变子系统采用自适应模糊滑模控制、快变子系统采用最优控制的混合控制方法.仿真结果表明,该方法不仅能实现柔性机械手轨迹的快速、准确跟踪,有效的抑制弹性振动,并且对负载的变化具有强的鲁棒性.