永磁直线同步电机的零相位H∞鲁棒控制研究

针对永磁直线同步伺服电机(PMLSM)直接驱动伺服系统，提出了一种将零相位误差跟踪控制(ZPETC)和 H_∞鲁棒控制相结合的二自由度鲁棒跟踪控制策略.以解决系统的快速而精确的跟踪控制性能和抗扰性能之间的矛盾.零相位误差跟踪控制器保证了快速性，使系统实现准确跟踪；而H_∞控制器克服了负载扰动等不确定性影响，保证了系统具有较强的鲁棒性能.仿真实验结果表明，该方案在保证伺服系统的快速精确跟踪性的同时，对系统参数变化和阻力扰动具有很强的鲁棒性.     

基于B样条网补偿的直线伺服系统跟踪控制

针对永磁直线同步电机(PMLSM)伺服系统，在分析影响直线伺服跟踪精度因素的基础上，采用学习前馈控制(LFFC)策略对该伺服系统进行有效的补偿控制.在系统和扰动定性知识的基础上，设计了基于B样条网络的学习前馈补偿控制，利用了B样条网具有收敛速度快和避免局部极值的优点.仿真结果表明，该控制策略明显降低了外部负载扰动、端部效应、摩擦力以及系统参数变化等对系统性能的影响，从而显著提高了直线伺服系统的跟踪精度.     

基于ZPETC和DOB的永磁直线同步电机的鲁棒跟踪控制

针对高精度永磁直线同步电机直接驱动伺服系统，提出了一种将零相位误差跟踪控制器(ZPETC)和干扰观测器(DOB)相结合的鲁棒跟踪控制策略，以提高系统的跟踪性能和鲁棒性能。ZPETC作为前馈跟踪控制器，保证了快速性，使系统实现准确跟踪；基于DOB的鲁棒反馈控制器补偿了外部扰动、未建模动态、系统参数变化和机械非线性等，保证了系统的强鲁棒性。仿真结果表明，所提出的控制方案在保证系统实现完好跟踪的同时，又具有较强的鲁棒性，从而改善了数控机床进给系统的定位精度，进而提高了轮廓加工精度。     

最优ZPETC在高精度直线伺服跟踪控制中的应用

高精度直线伺服跟踪控制系统中，为使输出响应能完整地跟踪输入指令，不仅要求输出与输入之间的相位差为零，而且要求幅值一致，通常采用零相位误差跟踪控制器(ZPETC)作为前馈控制器，补偿相位误差，但同时也产生一定的增益误差.为改善ZPETC的跟踪性能，提出一种基于L_2-范数优化的前馈控制器设计方案，通过选取适当的目标函数，设计出最优的数字前置滤波器(DPF).该方案在保持系统零相位误差的同时，改善了系统的增益性能，从而提高了跟踪精度，这一点已得到仿真结果的证明.     

为提高轮廓加工精度采用DOB和ZPETC的直线伺服鲁棒跟踪控制

为了提高轮廓加工精度,本文针对高精度直线伺服系统,提出了一种将零相位误差跟踪控制器(ZPETC)和干扰观测器(DOB)相结合的鲁棒跟踪控制策略.ZPETC作为前馈跟踪控制器,保证了快速性,使系统实现准确跟踪;基于DOB的鲁棒反馈控制器补偿了外部扰动、未建模动态、系统参数变化和机械非线性等,保证了系统的强鲁棒性能.仿真结果表明了所提出的控制方案是有效的,既能实现完好跟踪,又有较强的鲁棒性能.从而有效地减小了轮廓误差,提高了轮廓加工精度.     

基于H_∞/μ法的永磁直线同步电机鲁棒二自由度控制

针对永磁直线同步电机(PMLSM)直接驱动伺服系统易受负载扰动、测量噪声及参数变化影响的特点,基于H_∞/μ方法设计了一个鲁棒二自由度速度控制器,解决了传统单自由度控制器在满足系统跟踪性能和抗干扰性能要求方面存在的矛盾。由于在求解μ制器时应用了标准H_∞控制理论,大大提高了μ控制器的获得速度。该速度控制器克服了标准H_∞控制器保守性的缺点,并且对负载扰动、测量噪声和参数不确定性等干扰的抑制方面也比标准H_∞控制器更具鲁棒性。仿真结果及分析表明,所提基于H_∞/μ方法二自由度速度控制器,满足高精度永磁直线同步电机伺服系统对鲁棒性和快速性的要求。     

永磁直线同步电机伺服系统的分段变论域模糊迭代学习控制

针对执行重复任务的永磁直线同步电机(PMLSM)在迭代学习过程中易受负载扰动、参数变化等非重复性扰动的影响而难以实现高性能跟踪控制的问题,提出了一种迭代学习控制(ILC)与变论域模糊控制相结合的分段变论域模糊ILC方法。在误差较大的时间段,采用变论域模糊控制实时地改变ILC的学习增益,并智能地调整模糊控制的论域,抑制不确定性因素对系统的影响,提高控制精度;在误差较小的时间段,采用PD型ILC,使学习增益稳定,进一步减小位置误差。实验结果表明,该控制方法可以有效地加快收敛速度,提高位置跟踪精度,并增强系统的鲁棒性。     

基于一种改进的LBP算法和超限学习机的肝硬化识别

肝硬化的计算机辅助诊断对肝脏疾病的早期治疗和诊断具有重要意义。针对B超图像中肝硬化病变区域边缘模糊和回声不均匀、尺度因素影响等问题,提出了改进的LBP算法并提取了相应的SLBP特征。该特征较传统的纹理特征更准确地描述了B超图像中肝硬化病变的特征,结合二维Gabor变换,解决了上述难题。鉴于传统的机器学习方法的训练时间较长,采用基于超限学习机的训练方法,并首次将其应用于肝硬化识别。实验结果表明,所提方法对测试集的分类准确率达到95.4%,在时间效率上较传统方法有很大提高。ROC曲线表明,提出的分类方法在准确率和泛化能力上均优于传统方法,有助于肝硬化的临床诊断。     

基于Elman神经网络的永磁直线同步电机互补滑模控制

针对永磁直线同步电机(PMLSM)易受系统参数变化和外部扰动等非线性因素影响而降低伺服系统控制性能的问题,提出了一种Elman神经网络互补滑模控制方法。互补滑模控制是在常规滑模控制的基础上增加一个广义误差滑模面,不仅可以减少系统状态达到滑模面的时间,又能保证系统跟踪精度。但是,在实际应用中互补滑模控制的切换增益和边界层厚度的值很难选取。为了对系统中不确定性因素的值进行准确的估计,并削弱滑模控制的抖振现象,采用Elman神经网络估计器对其进行估计,替代滑模控制中的切换控制,降低不确定性因素对伺服控制系统的影响,进一步提高系统的鲁棒性。实验结果表明,基于Elman神经网络的互补滑模控制与互补滑模控制相比,不仅改善了系统的位置跟踪性能,还提高了系统的鲁棒性能。     

基于多阶段速度规划的PMLSM自适应反推滑模控制

针对高精度永磁直线同步电动机伺服系统容易受摩擦力、负载扰动和参数变化等不确定性因素的影响,提出了一种自适应反推滑模控制(ABSMC)和多阶段速度规划(MVP)相结合的控制方法。建立了含有不确定性的永磁同步直线电动机(PMLSM)数学模型,采用反推设计方法,并通过滑模控制和李雅普诺夫函数设计自适应律,从理论上证明了该控制器抑制了不确定性因素,保证系统的鲁棒性和快速跟踪性。为进一步减小瞬时超调量,对每个阶段的速度滑模函数进行设计,采用MVP,利用切换控制来改变系统的控制模式,达到高精度定位控制。最后系统实验结果表明,所提出的控制方案是可行有效的,提高了PMLSM的定位精度,减小了瞬时超调量。