基于神经网络的离散变结构控制系统

系统研究了基于神经网络的离散变结构控制系统设计方法，提出了几种具体设计方案．神经网络的引入可以使滑模（变结构）控制具备学习与自适应能力，使控制信号得以柔化，从而能够减轻或避免困扰常规滑模控制器的抖振现象，改善控制效果．     

气动位置伺服系统滑模变结构控制

针对气动位置伺服系统的控制特点和性能要求,将滑模变结构控制方法应用到气动位置伺服系统中。以某气动伺服系统为研究对象,设计了一种滑模变结构控制器,并进行了大量的仿真研究。结果表明这种方法不但具有较强的鲁棒性,跟踪效果良好,而且用饱和度函数代替符号函数以减小抖振。     

电液伺服系统的微分与积分滑模变结构控制

针对电液系统的非线性特性及其参数不确定性,在电液伺服系统的速度跟踪控制中,提出了一种非线性微分与积分滑模变结构控制(DI-SVSC)策略。在滑模控制中引入积分控制项,消除了传统滑模变结构控制需要被跟踪信号导数已知的假设,利用一非线性微分控制消除了系统的抖振现象。在积分滑模控制与非线性微分控制中,分别给出了切换函数、非线性微分系数及控制器的设计方法。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性能。     

智能滑模变结构控制在定长控制系统中的应用

提出了一种基于智能滑模变结构的定长自动控制系统设计方法，利用模糊神经网络在线调整滑模变结构参数，在定长控制系统中的应用表明了该方法的优越性和实用性。     

结构振动的离散变结构控制方法

采用离散系统建模技术和变结构控制系统设计的离散趋近律方法,对地震作用下建筑的振动控制问题进行了研究,给出了系统切换函数的确定方法,推导了系统控制律的表示式,算例分析结果表明,该控制方法能有效地减小结构的地震响应,对于结构抗震控制易于接受的特定采样时间间隔,控制效果优于相应基于连续时间系统的变结构控制方法。     

递归模糊神经网络同步机变结构控制(Ⅰ)

根据裹包机的驱动系统控制精度较差的问题,提出采用应用递归模糊神经网络变结构控制线性同步电动机伺服系统,经过仿真,结果表明,该控制系统克服了上述缺点.     

离散变结构控制理论研究现状与展望

对离散变结构控制理论的研究进展进行综述，总结了3种主要的DVSC方案，讨论了这一领域中存在的重要问题，并指出了该理论未来可能的研究方向．     

船舶航向非线性系统离散变结构控制

基于非线性模型研究船舶航向自动舵的离散变结构控制设计问题。通过状态反馈精确线性化方法设计了二次型最优滑模面，采用离散趋近律方法求得变结构控制律。研究结果表明，所设计的离散变结构控制器能够快速准确地跟踪设定航向，并对参数摄动和外界风浪干扰具有很强的鲁棒性。     

导引头伺服系统的输出多采样率变结构控制

针对弹体耦合干扰力矩,摩擦力矩及参数扰动对导引头伺服系统跟踪性能的影响,基于输出多采样和区域极点配置技术,研究了导引头伺服系统的输出多采样率变结构控制,给出了确定控制器参数的方法.所设计的控制器能保证闭环系统是有界稳定的,且无需利用系统的状态作为反馈而仅利用输出采样来设计控制器,因而无须伺服机构中安装测速单元,有效节省了机构的体积和重量,有较强的实用性且易于实现.仿真结果表明,所设计的控制器对弹体耦合干扰力矩及系统参数扰动有较强的鲁棒性,且具有较高的跟踪精度,因而在导引头伺服系统这类对体积和质量有严格限制的伺服系统中具有较好的应用前景.     

模糊离散变结构控制系统研究

系统研究了模糊离散变结构控制的设计方法，提出了几种具体设计方案．对于变结构控制而言，模糊逻辑的引入可以使滑模(变结构)控制具备推理和学习能力，控制信号得以柔化，能够减轻或避免一般滑模控制的抖振现象；对于模糊控制而言，滑模控制思想的引入可以大大简化控制结构，保证控制系统的鲁棒稳定性，对模糊控制系统的设计和性能分析提供了一种工具．     

关于《变流量空调系统的水力平衡问题探讨》的一些疑问

针对《变流量空调系统的水力平衡问题探讨》提出的3类压差控制设定值和水力平衡措施等问题的分析方法,以及关于采用在支路上安装静态平衡阀解决静态水力失调、安装动态平衡阀解决动态水力失调的方法不会出现任何问题的结论提出质疑。     

轮带系统横向振动变结构控制方法

针对由主从动轮、作动器及皮带构成的典型轮带系统模型,皮带横向振动与主、从动轮及作动器振动相耦合,其横向位移受主、从动轮及作动器影响,给出皮带在谐波激励下横向振动位移精确表达式,利用变结构理论,采用指数趋近律设计出有效控制力以控制张紧臂方向,从而抑制皮带横向振动。在初始条件和与激励作用下,利用Matlab进行数值仿真。结果表明：在谐波激励下,皮带横向振动位移得到有效抑制,验证控制力的有效性。     

采用模糊控制的直流电机软启动及调速系统

介绍了以单片机为核心的直流电机软启动及调速系统,系统采用模糊控制策略,将转速偏差与偏差率模糊化并作为模糊控制器的输入量,根据所制定的模糊控制规则生成控制量。实验结果表明,该系统启动时间可以根据需要调整,具有良好的静态和动态性能。     

基于动态递归神经网络的半主动控制结构响应预测

提出了一种多输入多输出分支动态递归神经网络模型,利用梯度下降法推导了网络权值调整公式。该模型针对结构控制中结构状态变量、控制变量和外激励荷载对结构的响应有不同的影响,采用分支输入递归处理,不但结构响应预测精度好,而且大大提高了动态网络的学习和训练效率。应用该模型对线性结构和非线性结构在变阻尼控制和外荷载激励下结构的响应进行了数值仿真,表明所提的动态递归神经网络可以达到较高的预测精度。该模型为利用神     

具有类反斜线回滞系统的自适应控制

考虑一类具有类反斜线回滞的不确定非线性系统自适应控制问题.利用神经网络提出了变结构自适应控制方法和近似自适应控制方法,变结构自适应控制方法能保证跟踪误差趋于零,近似自适应控制方法的控制律是光滑的,能保证跟踪误差最终小于任意给定的正数.文中举例说明了结果的有效性.     

非线性振动系统神经网络自适应控制方法研究

将人工神经网络理论引入振动控制工程领域，并将现代控制理论中的状态反馈理论与人工神经网络理论相结合，提出了一种基于ＢＰ网络的自适应控制方法。给出了该方法的学习算法和网络参数选择原则，分析了它在建模和控制方面所具有的优点，并就典型的非线性振动ＶａｎＤｅｌＰｏｌ和Ｄｕｆｉｎｇ方程进行了辨识和控制，仿真结果表明该方法对于非线性振动系统具有较强的辨识和控制能力。     

基于小波神经网络辨识器的模糊神经自适应控制在VAV空调系统中的应用

针对空调温度控制的大惯性、大滞后、非线性等特点,提出采用基于小波神经网络辨识器的模糊神经自适应控制的中央空调房间温度控制器的设计方案。由于小波神经网络的非线性映射能力比一般神经网络要强,所以基于小波神经网络的辨识器可以获得很高的辨识精度。而且,模糊神经自适应控制器随着系统动态特性的改变可以在线改变其控制规则,从而进行客观准确的控制。与普通模糊控制方法相比较,仿真试验说明系统设计的有效性。