基于神经网络的鲁棒自适应滑模迭代学习控制

对一类不确定非线性系统，包括不确定性机器人，提出一种自适应鲁棒迭代学习控制方案，学习控制用于学习周期性的系统不确定性，自适应滑模控制用于抑制非周期性系统不确定性，并且利用RBF神经网络自适应学习系统不确定性的未知上界，对不确定性系统动态和有界输入拢动具有鲁棒性，通过Lyapunov直接方法，确保了对每次迭代闭环系统是一致有界的，并且沿着迭代次数的增加，跟踪误差渐近收敛于零，仿真结果表明了该方案的有效性。     

一类模糊增益调节迭代学习控制器设计

针对迭代学习控制收敛速度比较慢的问题,结合模糊控制技术,通过改变PD型迭代学习控制增益的方法设计了一个模糊增益调节迭代学习控制器,对单臂机械手模型进行计算机仿真,结果表明:这种设计方法与原PD型迭代学习控制算法在收敛速度上有比较优势.     

机器人模糊学习控制

针对机器人轨迹跟踪控制问题，提出一种模糊学习算法，并设计出结构合理的模糊学习控制器，该控制器通过自身从过去趋向的学习能力可自动调整其模糊控制规则。将这种方法用于一个两自由度机械手的控制，仿真结果显示控制效果良好，所提出的控制器比惯用的模糊控制器展示出更良好的应用前景。     

双迭代学习—交叉耦合控制算法设计

传统的迭代学习控制算法和交叉耦合迭代学习控制算法已经无法满足工业制造、军事和交通运输等许多应用领域对控制系统精度的要求,因此,从制造业的角度出发,研究一种面向多轴运动控制系统的轮廓误差控制算法,即在整体系统中使用迭代学习-交叉耦合控制算法,又在单轴上使用自适应迭代学习控制算法。实验结果表示,该算法在单轴上的跟踪误差是传统控制算法跟踪误差的75.36%,系统的轮廓误差是传统控制算法轮廓误差的65.15%。因此,这种双迭代学习-交叉耦合控制算法技能满足单轴上的跟踪精度要求,也能显著地减小系统的跟踪误差。     

一种新的模糊滑模控制方法

本文针对常规滑模控制存在的高频颤动现象，把滑模控制与模糊逻辑控制相结合，提出一种新的模糊滑模控制方法。仿真结果表明，这种模糊滑模控制方法不但避免了滑模控制所固有的颤动现象，而且对模型不确定性和外来扰动具有较强的鲁棒性和良好的跟踪性能。     

基于模糊逻辑的滑模控制及其应用

根据滑模控制原理,提出了一种基于模糊逻辑的滑模控制设计方法,此方法将滑模控制和模糊控制的长处综合在一起,不仅增强了系统的鲁棒性,同时削弱颤抖,仿真结果表明了这种算法的有效性和简洁性。     

一种非线性模型参考迭代学习控制算法

针对存在周期或非周期不确定干扰的非线性系统,提出一种模型参考迭代学习控制算法(MR-ILC),其目标是在被控系统满足假设条件并采用相应学习律的条件下,使被控系统的状态变量跟踪参考模型的状态变量,且两种模型不需要具有相同的结构和参数。运用λ范数证明了算法的收敛性,仿真结果验证了算法的有效性。     

模糊滑模变结构控制系统的研究

对于矢量控制的交流伺服系统,根据离散滑模控制理论和模糊控制理论,设计了一种离散模糊滑模控制器,即在离散滑模控制器后加一个积分环节再与模糊控制器相结合,有效地削弱了单纯滑模变结构控制系统的“抖振”。仿真实验结果表明由该离散模糊滑模控制器构成的交流位置伺服系统,具有良好的快速性和抗负载扰动、参数摄动的鲁棒性．     

基于几何分析的改进迭代学习控制算法

针对非线性系统提出了一种基于几何分析的改进迭代学习控制算法。该算法在控制律中引入了遗忘因子,对前一次控制输出和它的变化量进行弱化,增强迭代学习控制的鲁帮性。并对提出的算法做了一致收敛性分析。数值仿真结果验证了此算法的有效性。     

自适应模糊滑模控制裹包机的交流系统设计

针对接缝式裹包机的交流伺服系统控制精度差的问题,提出了采用自适应模糊滑模控制器,控制永磁铁同步伺服驱动系统。仿真和实验结果表明,系统对于参数变化和外面负载扰动的鲁棒性大大提高,而且控制力大为降低。     

Fuzzy Sliding Mode Control of Nonlinear Spacecraft

0mcoTheslidingmodecontiDlethibitSasbogrobustnessagainstsystemmede1unceItaintiesandextemaldistur-bancet0rqUessothatithasbeenaPpliedt0tLhespacecrafathtudecontrol.ButthechatteringPhenomenonWhichisinherenttoaslidingmedec0ntrolisinevitabletobringfa-talinLIluenceonthesystem.T0av0idthechattering,anewapproachisrecendypresentedinpaPers[l],[2],whichfusesthemeritS0ffuzZycontrolandslidingmedecontrOl.ButthiskindoffuZZyslidingmedec0ntrolalgOrithm['~2JistoocomPlicatedtobeaPpliedtothespacecrafcontIDl…     

多关节机器人的非奇异终端模糊滑模控制

针对多关节机械臂轨迹跟踪控制,提出了一种非奇异终端模糊滑模控制方法.采用模糊控制调节滑模控制的切换增益,改善了非奇异终端滑模控制的局限性,利用积分的方法自动对系统的建模误差和干扰的上界进行评估,实现了对建模误差和干扰的自动跟踪,削弱了抖振.文中利用李亚普诺夫定理证明了系统的稳定性,仿真结果证明了其有效性.     

一种可用于线性动态延迟系统控制的开环比例型一阶给定超前迭代学习控制算法

本文讨论了迭代学习控制的基本概念，并给出了一种可用于线性动态延迟系统的比例型一阶给定超前迭代学习控制算法。理论分析证明，这种控制算法对于跟踪重复运动的轨迹具有良好的效果。     

双连杆柔性臂自适应模糊滑模控制

为使控制系统在负载和杆长变化时仍能快速、准确地跟踪期望轨迹,基于奇异摄动模型将双连杆柔性臂系统分解为慢变、快变2个子系统,提出了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。其中自适应算法在线估计未知参数,模糊控制用来抑制由滑模控制引起的振动。仿真结果表明,该方法不仅能实现柔性臂轨迹的快速、准确跟踪,而且能有效地抑制弹性振动,并且对系统参数的变化具有较强的鲁棒性。该方法的特点是对系统中各个等效的摄动参数分别进行自适应估计和补偿,因而控制算法简单,易于工程实现。     

基于二次型优化的迭代学习控制算法

针对线性时不变系统提出了一种基于优化控制理论设计的迭代学习控制算法,该算法基于二次型优化性能指标,利用梯度下降搜索法来拟合迭代学习控制律,仿真结果表明,该算法具有较快的收敛速度,且系统实际输出能够在较小的迭代次数下快速跟踪给定轨迹。     

基于微粒群算法的模糊滑模控制

针对一类非线性控制系统,提出一种新的基于微粒群算法的模糊滑模控制方法。将模糊控制和滑模控制相结合,利用滑模控制使系统的跟踪误差进入给定的边界层内,启用模糊控制取代切换控制;同时为保证模糊滑模控制系统的全局稳定性,加入监督控制以柔化控制输入;最后基于微粒群算法对滑模面系数和不均匀隶属度函数因子寻优,不仅加快了系统到达滑模面的速度,减小了误差,而且有效地消除了高频抖振。仿真结果表明了该方法的有效性。     

基于自适应模糊滑模的柔性机械臂控制

针对柔性关节机器人控制系统中存在的扰动力、摩擦力、参数变化以及建模误差等导致的控制器精度降低、鲁棒性差的问题,提出了1种基于自适应模糊滑模的鲁棒控制器.控制器由2部分组成,控制器的计算力矩和前馈补偿部分用于控制系统的标称部分,即机器人自身结构相关量、确定性扰动以及摩擦力的线性部分;控制器的自适应模糊滑模部分用于克服系统存在的不确定部分,包括外界不确定性扰动、摩擦力的非线性部分、参数变化以及建模误差等.最后在HIT四自由度柔性机械臂上进行了控制器的相关实验.实验结果表明该控制器具有良好的位置跟踪性能和较强的抗干扰能力.     

模糊滑模控制在数控转台伺服系统中的应用

针对一类包含不确定性和非线性因素的数控转台伺服系统,提出了一种基于模糊逻辑的滑模变结构控制算法。采用积分滑模面方法设计了切换函数,并将其作为模糊系统的输入,设计了单输入的模糊控制器。利用模糊控制策略调节控制量,获得系统的控制输出。仿真结果表明,模糊滑模控制算法有效地削弱了常规滑模控制中出现的抖振现象,提高了系统的响应速度,并增强了系统的鲁棒性。