机器人操作手的神经跟踪控制

针对机器人轨迹跟踪问题，提出了一种自适应神经控制器，该控制方案利用RBF神经网络自适应学习机器人系统的未知非线性动态，然后，通过一个基于滑模控制技术的补偿器消除网络逼近误差和外部干扰的影响，网络权重的自适应修正规则基于Lyapunov函数方法得到，这种新的控制器能够保证闭环系统的稳定性和跟踪误差的渐近收敛性。     

不确定机械手的自适应神经滑模控制

针对不确定机械手的跟踪控制 ,提出了一种基于神经网络的自适应鲁棒控制器。该控制方案利用一个 Radial basis function神经网络逼近系统非线性不确定性 ,然后 ,通过一个滑模控制项消除网络逼近误差和外部干扰的影响 ,从而能保证闭环系统的稳定性和系统跟踪误差的渐近收敛     

地空通信测控系统伺服环路数字控制器

作为地空通信测控系统伺服分系统的核心部件,数字控制器需要满足不同角度范围的跟踪需求。针对小角度范围,采用自适应二阶无静差PID控制器实现;针对大角度范围,采用开关控制实现;并从方位支路和俯仰支路2个方面讨论了系统跟踪误差。分析结果表明:该控制器实现了对速度输入量的误差跟踪和快速最优控制,并保证天线的稳态性能和动态性能,足以满足系统跟踪的精度需求。     

基于RBF神经网络的火箭速度自适应控制

针对一类非线性不确定连续系统,提出了一种基于径向基(RBF)神经网络的模型参考自适应控制方案.控制器的非线性部分由RBF神经网络实现,根据系统输出与参考模型输出之间的误差调整神经网络的权值,以补偿系统中的非线性因素.引入权值学习误差的概念,以此为基础利用李雅普诺夫原理分析推导了网络权值的调整规律,并证明了系统的稳定性.在单级火箭速度控制中应用该方案进行了设计,仿真结果表明,火箭速度3s后即能完全跟踪参考模型的输出; RBF神经网络在2s后即能逼近非线性项,网络权值收敛.     

一种基于自适应模糊系统的导弹自动驾驶仪设计方法

针对导弹非线性不确定系统,提出了基于动态逆方法及模糊自适应理论的导弹自动驾驶仪设计方法.基于导弹的非线性模型设计了快、较慢回路的动态逆控制器以实现其非线性解耦,将系统不确定性和外界干扰引入到较慢回路中.根据系统跟踪误差在线调整模糊系统权值,使其一致逼近导弹较慢回路的非线性函数.设计了在模糊系统的最小逼近误差上界未知情况...     

基于滑模变结构的无人直升机着舰控制研究

针对无人直升机着舰的特殊性,克服系统摄动、未建模动态及大气紊流的影响,提高舰载无人直升机着 舰的安全性和精度,基于滑模控制的方法分别设计了着舰控制系统的轨迹跟踪控制律和姿态控制律。采用基于输出 有界的twisting 控制器,通过轨迹跟踪算法保证生成有界的期望姿态角和总距;姿态部分采用小扰动线性化后的姿 态回路控制方程,设计了模型参考自适应滑模控制器,通过自适应项抵消外界干扰造成的误差,利用Lyapunov 稳定 性理论证明了系统的稳定性和跟踪误差收敛;通过仿真进行了实验验证。验证结果表明：所设计的控制器能够满足 无人直升机抗扰动和模型参数摄动的要求,并且设计方法简单,鲁棒性强,易于工程实现。     

临近空间高超声速飞行器自适应反演滑模控制

针对飞行器非线性动力学系统中存在的高度非线性、多变量耦合及参数不确定等特点,基于反演思想和滑模变结构控制方法,提出了一种飞行器自适应反演滑模控制器设计方法。该方法在反演设计的每一步都采用自适应滑模控制对各种不确定项及外界干扰进行补偿,避免了累积误差,实现对制导指令的鲁棒输出跟踪,并证明了跟踪误差收敛于原点附近任意小邻域。仿真结果验证了该方法满足跟踪性能要求。     

具有输入齿隙的一类非线性系统自适应控制

针对具有输入齿隙的一类非线性系统,设计了两种自适应控制器.将具有动态、非平滑特性的齿隙非线性模型线性化,等价为具有有界建模误差的全局线性化模型.针对具有未知输入齿隙、参数不确定以及未建模动态和扰动的情况,分别设计了一种自适应控制器和自适应鲁棒控制器.前者能实现闭环控制系统渐近跟踪稳定,但存在剧烈抖振而无法进行实际应用;...     

基于RBF网络的微分先行PID控制器

将微分先行PID控制算法和径向基函数(RBF)神经网络结合,提出基于RBF神经网络的微分先行PID控制器.其微分先行PID控制器直接对被控对象进行闭环控制,实现参数在线自调整.RBF结构神经网络则根据系统的运行状态,利用神经网络的自学习自适应能力调节PID控制器参数的在线自整定,达到误差性能指标最优化.Matlab仿真表明,该控制方案不仅跟踪性能良好,而且抗干扰性较强,鲁棒性较好.     

基于模型参考方法的车辆非线性主动悬架反推控制

针对车辆悬架系统存在的参数不确定性,提出一种基于模型参考控制的车辆非线性主动悬架反推控制器设计方法。建立悬架系统非线性模型,引入高低通滤波器,根据悬架动行程改变高低通滤波器的通频带宽,设计一种理想的模型参考系统。在此基础上,构造被控悬架系统与模型参考系统之间的车身位移和速度跟踪误差,基于反推控制方法和Lypaunov理论设计了误差跟踪反推控制器。通过仿真实验验证了所提出的误差跟踪反推控制器的有效性和跟踪精度。     

移动机器人路径跟踪的自适应控制

提出一种结构简单的自适应控制器，控制器是由模糊神经网络和PD控制器并行控制移动机器人路径跟踪。在初始阶段，PD控制器控制路径跟踪并提供控制经验给模糊神经网络学习。在学习信号触发器的管理下，可以在线学习自适应调整模糊神经网络的参数。模糊神经网络控制器既推理产生控制规律，也辩识移动机器人动力学模型，通过BP学习算法实时在线调整自身参数达到路径跟踪自适应控制目的。     

无人艇非线性航迹鲁棒自适应跟踪控制

针对欠驱动水面无人艇（USV）的非线性航迹跟踪控制问题,提出一种基于单调3次埃尔米特样条插值（CHSI）和神经网络的鲁棒自适应控制方法。采用CHSI方法对航路点进行拟合,得到光滑的非线性期望航迹,解决了传统线性航迹容易使USV出现的摇摆、曲折问题;引入Serret-Frenet坐标系,并构建了自适应视线制导律,提高了收敛速度且减少了振荡;考虑USV模型的不确定性和环境干扰力影响,设计了简捷的鲁棒自适应神经网络控制器。稳定性分析结果证明了控制系统的收敛性;仿真实例验证了所提出的控制方法能够有效地改善USV航迹跟踪控制的精度和品质,并具有学习参数少、运算负载小的特点。     

无人炮塔火力线跟踪神经滑模控制

针对无人炮塔火力线跟踪动力系统中存在的火力瞄准机构运动使系统动力参数摄动和火炮射击时冲击使系统输入存在外部干扰问题,提出了一种神经滑模控制策略。采用非奇异终端滑模面保证系统状态能够在有限时间内到达滑模面和平衡点;采用径向基函数神经网络自适应地补偿系统摄动和冲击干扰,保证滑模控制在滑模面的运动。应用李亚普诺夫稳定性判据证明了控制器稳定性和火力线跟踪误差收敛性。仿真结果表明,通过神经网络的在线学习实现了火力线位置精确和鲁棒跟踪,并充分抑制了滑模控制中的抖振现象。该方法是有效的。针对无人炮塔火力线跟踪动力系统中存在的火力瞄准机构运动使系统动力参数摄动和火炮射击时冲击使系统输入存在外部干扰问题,提出了一种神经滑模控制策略。采用非奇异终端滑模面保证系统状态能够在有限时间内到达滑模面和平衡点;采用径向基函数神经网络自适应地补偿系统摄动和冲击干扰,保证滑模控制在滑模面的运动。应用李亚普诺夫稳定性判据证明了控制器稳定性和火力线跟踪误差收敛性。仿真结果表明,通过神经网络的在线学习实现了火力线位置精确和鲁棒跟踪,并充分抑制了滑模控制中的抖振现象。该方法是有效的。     

基于射频无源定位的智能跟踪机器人系统

为解决对机器人控制方法进行优化过程中遇到的环境因素问题,提出一种基于射频无源定位的智能跟踪机器人系统设计方案。介绍了该智能跟踪机器人系统的特点,采用iRobot运动平台加STM32嵌入式微控制器相结合的机器人系统设计,并对机器人的控制方法和控制流程进行详细的讨论。测试结果表明,该方案能提高系统的精确度和实用性,但还需对软、硬件进行完善。     

基于免疫遗传模糊神经滑模的地面作战机器人轨迹跟踪控制

提出了一种基于运动学与动力学模型的免疫遗传模糊神经滑模混合控制器用于地面作战机器人的控制。算法中利用径向基神经网络逼近滑模控制的等效部分,并通过免疫遗传算法对径向基神经网络参数进行了优化,滑模控制的增益通过模糊控制策略进行了调节。利用该算法对圆形轨迹进行了跟踪控制仿真及试验分析,与传统的滑模控制相比,该算法能够有效克服系统的不确定性因素的影响,有效抑制了滑模控制中抖振现象,系统的动态轨迹跟踪性能得到了优化。     

一种机器人轨迹跟踪的迭代学习控制方法

针对机器人轨迹跟踪问题,提出了一种带遗忘因子的迭代学习控制算法.给出了学习算法收敛的充分条件,该算法在不改变学习控制器结构的前提下,对要求跟踪的新的期望轨迹,利用系统的历史控制经验,合适地选择了初始控制输入,使系统的输出能尽快地收敛于新的期望轨迹,从而达到了改善系统跟踪性能的目的.仿真结果表明了该方案的有效性.     

Design of Neural Network Variable Structure Reentry Control System for Reusable Launch Vehicle

A flight control system is designed for a reusable launch vehicle with aerodynamic control surfaces and reaction control system based on a variable-structure control and neural network theory.The control problems of coupling among the channels and the uncertainty of model parameters are solved by using the method.High precise and robust tracking of required attitude angles can be achieved in complicated air space.A mathematical model of reusable launch vehicle is presented first,and then a controller of flight system is presented.Base on the mathematical model,the controller is divided into two parts：variable-structure controller and neural network module which is used to modify the parameters of controller.This control system decouples the lateraldirectional tunnels well with a neural network sliding mode controller and provides a robust and de-coupled tracking for mission angle profiles.After this a control allocation algorithm is employed to allocate the torque moments to aerodynamic control surfaces and thrusters.The final simulation shows that the control system has a good accurate,robust and de-coupled tracking performance.The stable state error is less than 1°,and the overshoot is less than 5%.     

基于 RBF 神经网络的滚仰式导引头控制系统设计

为保证滚仰式捷联导引头的稳定控制,提出了一种基于 RBF 神经网络整定的 PID 控制策略,用于导引头稳定回路校正环节。根据滚仰式捷联导引头的运动学与动力学关系,结合导引头稳定回路校正环节采用的 RBF 神经网络 PID 控制算法,建立了滚仰式捷联导引头稳定与跟踪一体化仿真模型;仿真结果表明：滚仰式捷联导引头稳定回路采用 RBF 神经网络整定的 PID 控制器后,其动态性能优于传统 PID 控制器,建立的仿真模型能够对机动目标实现快速稳定跟踪,在工程应用中可提供有益参考。     

机器人战术靶示教路径采样和跟踪控制

针对机器人战术靶在实际战术演练中需实现任意路径的跟踪控制,提出一种示教路径采样和跟踪控制策 略。基于2 种示教分别制定路径点采样策略,其中：在线示教人工远程操作机器人战术靶行走,构建基于行驶距离 和转弯半径的路径点采样策略;离线示教通过上位机在地图文件上编辑定义一系列离散的路径点来完成示教路径的 绘制。路径再现阶段读取之前存储的示教路径,采用节点跟踪切换控制策略、速度分段控制策略、基于航向和偏距 组合误差的方向控制策略来控制机器人对路径的跟踪。在物理样机上对算法进行验证,结果表明：机器人战术靶可 很好地对任意复杂示教路径进行跟踪,其中路径跟踪偏差小于0.3 m,各路径点到点跟踪速度偏差小于5%。