自适应模糊滑模控制在火箭炮电液伺服系统中的应用

针对某火箭炮电液位置伺服系统,提出了一种自适应模糊滑模控制方法。为了使等效控制器的设计不依赖于对象的精确数学模型,利用切换函数及其变化率设计了自适应模糊系统来代替等效控制,并且为了解决抖振问题,利用抖振参数和切换函数的绝对值设计了模糊系统动态调节边界层厚度。仿真结果表明,该方法不仅能保证系统的响应速度和控制精度,有效抑制抖振,并且对结构参数不确定性具有很强的鲁棒性。     

基于模糊神经网络的BTT导弹自适应控制

针对不确定非线性BTT导弹控制系统,提出了一种基于模糊高斯基函数神经网络的自适应控制设计方法。在设计过程中将不确定部分合为一项,应用模糊神经网络的万能逼近性质来逼近系统不确定项,然后利用滑模控制和自适应模糊神经网络理论设计了控制器,应用Lyapunov稳定性理论保证闭环系统的稳定性,并推导出自适应律,最后通过仿真结果验证该方法的有效性。     

基于模糊神经理论的BTT导弹滑模控制

在导弹系统存在不确定性情况下,基于自适应反演控制技术和模糊神经网络理论,提出了一种导弹滑模控制系统设计方法.设计过程中将不确定性对系统的影响合成为一项,然后应用模糊神经逼近器来逼近系统的不确定项;考虑了已知信息,利用自适应模糊神经控制理论和滑模控制设计了控制器,应用Lypunov稳定性理论保证了闭环系统的稳定性,并推导出模糊神经逼近器各参数的自适应调节律.最后给出了BTT导弹6自由度数字仿真结果验证了该设计方法的有效性.     

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     

基于自适应模糊滑模的大型液压起竖系统控制策略研究

大型液压起竖系统由于受到诸多外界干扰等因素的影响,存在很强的非线性特性和不确定性,难以实现起竖过程的精确跟踪控制。为实现起竖过程中的精确跟踪控制设计了一种自适应模糊滑模控制器,利用模糊系统的逼近特性逼近滑模的等效控制项,并用李雅普诺夫分析方法给出了自适应律,针对自适应参数难以确定的问题,用遗传算法对参数进行了优化。仿真结果表明,该控制方法有较强的抗干扰能力和良好的跟踪性能,提高了起竖过程的稳定性。     

模糊滑模控制在某型发射装置伺服系统中的应用

针对复杂作战环境下某型发射装置伺服系统控制问题,设计模糊滑模变结构控制器。通过模糊控制对系统的不确定性进行在线估计,实现滑模控制中切换增益的自适应调整,在保证控制鲁棒性的同时增强控制的连续性。仿真结果表明:设计的模糊滑模变结构控制器对伺服系统参数不确定性和外界干扰等具有较强的鲁棒性,提高了系统的运行品质,同时滑模变结构控制的抖振也得到了明显抑制。     

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。     

基于自适应模糊神经网络的反舰导弹非线性控制算法

提出了一种综合运用动态逆、模糊神经网络和滑模控制的非线性控制方法.首先运用动态逆理论对非线性系统进行近似线性化,利用具有在线学习能力的模糊神经网络来抵消系统的误差,建立了基于自适应模糊神经网络的控制结构,根据李雅普洛夫稳定理论导出了网络权值的自适应调整规则,用滑模控制和鲁棒控制分量保证了系统的鲁棒性.并将该非线性控制算法用于某型侧滑转弯导弹的控制系统设计.仿真结果表明,这种方法能有效消除扰动的影响,提高导弹过载控制系统响应的精度.     

基于自适应滑模的制导炮弹控制系统设计

为增强制导炮弹大空域作战能力,将参数估计与滑模控制相结合,提出了一种适用于制导炮弹的鲁棒自适应控制器.考虑到弹体气动对称和交叉耦合特性,利用反馈线性化方法得到参数化的滑模控制律;基于李雅普诺夫稳定性理论设计了控制器参数的自适应规律,使得设计的控制系统具有较强的鲁棒性.仿真结果表明,自适应滑模控制器能有效解决含有较大程度气动不确定性时的制导炮弹跟踪控制问题,并且消除了常规滑模控制的抖振现象.     

大型发射装置液压起竖系统的滑模控制研究

针对大型发射装置液压起竖系统这类高阶非线性系统的控制问题,提出了一种自适应多面滑模控制方法。基于液压起竖系统的非线性模型,采用逐步递推的方法给出系统的多面滑模控制器。根据Lyapunov稳定性理论,将自适应律引入多面滑模控制器,实现对系统不确定参数和起竖过程中环境干扰的在线估计,提高系统的鲁棒性。试验结果表明,与普通的滑模控制比较,该控制方法有效地克服了系统自身参数的不确定性和外界干扰的影响,提高了起竖角度的跟踪控制精度。     

炮控系统电动负载模拟器神经网络滑模控制

为解决炮控系统电动负载模拟器存在多余力矩的问题,对其神经网络自适应滑模控制进行研究。结合滑 模控制器的特点,构建电动负载模拟器系统模型,通过滑模控制器对复杂非线性系统建立控制器,采用 RBF 神经网 络与滑模相结合的控制方法,利用 RBF 神经网络对系统摄动参数和未建模动态进行自适应逼近,可降低切换增益及 有效地抑制抖振,并对其进行仿真分析与验证。仿真结果表明：该控制策略具有较高的控制精度,且鲁棒性好,满 足系统的控制要求。     

火炮模块药输送伺服系统自适应模糊滑模控制

针对火炮模块药输送伺服系统传动过程中存在参数时变和抖振等问题,设计了一种带有积分滑模函数的自适应模糊滑模控制器。采用自适应方法对系统时变参数进行估计,减小不确定部分对控制系统的影响。引入新型饱和函数代替传统切换函数,保证整个切换过程连续、平滑过渡;采用模糊自适应算法对切换系数在线调整,提高系统的鲁棒性能,进一步抑制切换过程中的抖振。实验结果表明,火炮模块药输送伺服系统在空载、半载和满载3种情况下均具有良好的位置跟踪性能,满足性能指标要求,提出的自适应模糊滑模控制算法能够克服负载变化对系统控制精度的影响。     

基于Stribeck摩擦模型的系统模糊滑模控制

为降低摩擦对燃料元件制造中某设备系统控制精度的影响,提出了模糊滑模控制方法。应用Stribeck模型对摩擦力矩进行了建模,在此基础上为系统设计了滑模控制器;采用模糊方法对滑模控制的增益进行调节,以减小滑模控制中的抖振;试验结果表明模糊滑模控制器不仅一定幅度削弱了抖振现象,而且具有更高的跟踪精度。     

考虑自动驾驶仪特性的自适应模糊动态面滑模制导律设计

针对导弹拦截高机动性目标的问题,基于自适应模糊逼近策略和动态面滑模控制思想,提出了一种新型的拦截制导律。建立了考虑自动驾驶仪动态延迟特性的弹目相对运动方程,以零化视线角速率为出发点,设计了基于自适应趋近率的动态面滑模制导律,同时设计了综合视线角速率以及弹目距离的自适应模糊方法,对变结构项进行逼近。仿真结果表明,针对高机动性目标,该制导方法能够有效地去除抖振,并且具有良好的制导精度。针对导弹拦截高机动性目标的问题,基于自适应模糊逼近策略和动态面滑模控制思想,提出了一种新型的拦截制导律。建立了考虑自动驾驶仪动态延迟特性的弹目相对运动方程,以零化视线角速率为出发点,设计了基于自适应趋近率的动态面滑模制导律,同时设计了综合视线角速率以及弹目距离的自适应模糊方法,对变结构项进行逼近。仿真结果表明,针对高机动性目标,该制导方法能够有效地去除抖振,并且具有良好的制导精度。     

一种自适应模糊小波神经网络及其在交流伺服控制中的应用

针对某武器大功率交流伺服系统所存在的大变负载、慢时变、强耦合的非线性特性和不确定扰动等问题,提出了模糊小波神经网络（FWNN）间接自适应控制器,该控制器的特点为Takagi-Sugeno-Kang (TSK)模糊模型的后件部分由自回归小波神经网络（SRWNN）构成。给出了SRWNN参数的迭代算法,利用SRWNN辨识器为控制器提供实时梯度信息,有效地克服了参数变化和负载扰动等不确定因素的影响,且具有良好的动态特性。采用Lyapunov稳定性理论方法证明了闭环系统的稳定性。仿真研究和样机试验结果证明了所提方案的有效性和正确性。     

基于自适应模糊滑模的复合控制导弹制导控制一体化反演设计

针对姿控式直接力/气动力复合控制导弹,提出一种基于滑模反演控制的制导控制一体化控制律。通过引入指令滤波器,避免了传统反演设计存在的计算膨胀问题;设计自适应模糊逼近器对系统不确定函数进行逼近,并构造误差滑模面来补偿模糊逼近误差及有界干扰对系统的影响,通过在线自适应调整控制律参数实现系统的鲁棒性。具体的数值算例仿真计算表明：在目标机动的情况下,所设计的一体化制导控制系统具有较强的抗干扰能力,在保证系统稳定的同时可达到满意的制导控制效果。     

基于RBFSMC 的舰载武器随动系统控制策略

为解决舰载武器在海上射击时精度不高的问题,提出一种基于RBF 神经网络滑模控制策略。根据舰载武 器随动系统的工作原理,建立舰载武器随动系统数学模型,利用滑模在非线性控制中的优越性,采用RBF 神经网络 对系统的摄动参数进行自适应逼近,解决滑模在切换时产生的抖振问题,得出舰载武器随动系统位置控制器的控制 律。仿真结果表明：该控制策略能提高舰载武器随动系统的快速响应能力和动态精度,满足系统要求。