含周期性扰动补偿的机电伺服系统自适应控制

针对执行周期性任务的机电伺服系统易受参数不确定性及外干扰的影响,为实现高精度跟踪性能和准确的参数估计,设计基于傅立叶级数近似的非线性自适应控制器。该非线性自适应控制器通过对呈现一定周期性的扰动进行傅立叶级数近似,采用自适应律自动更新与近似项相关的未知参数,实现对周期性扰动的精确补偿。对于其他任意非周期性的干扰,则采用含干扰上界估计的非线性鲁棒项抑制其不利影响。基于Lyapunov稳定性理论证明了闭环系统全局一致有界稳定,通过恰当选择设计参数及初始化误差变量,跟踪误差可收敛至零附近的任意小范围内。仿真结果表明,所提出的控制方法能有效的抑制参数不确定性及外部扰动,获得高精度的跟踪性能。     

基于反演法的电液位置伺服系统的自适应鲁棒控制

本文研究了高性能电液位置伺服系统的鲁棒控制设计。这类系统，除了液压伺服系统的非线性动力学特性外，还包含大范围变化的不确定参数，其中既有不确定常数，也存在不确定的非线性干扰。为解决这一类非线性系统的控制问题，提出了基于反演控制设计和非连续自适应修正算法的自适应鲁棒控制器(ARC)设计方法，给出了基于Lyapunov稳定性理论的系统稳定性证明。跟踪误差可以通过控制器的设计参数加以调整。数字仿真结果表明，控制系统对给定位置的跟踪具有良好的动态特性，对系统的不确定性，具有较强的鲁棒性。     

电液位置伺服系统鲁棒反馈线性化控制

针对电液位置伺服系统存在强非线性和外界干扰不确定性的问题,提出将反馈线性化与滑模控制相结合的鲁棒反馈线性化控制策略。建立了电液位置伺服系统非线性模型,利用反馈线性化技术将其精确线性化,利用滑模控制来补偿其外界干扰不确定性,同时采用最优控制理论设计了切换函数,并引入模糊控制设计了自适应指数趋近律。以时变负载力扰动为例对系统性能进行了研究,仿真结果表明:该方法有效提高系统鲁棒性、加快响应速度和削弱了抖振。     

不确定性电液位置伺服系统的自适应滑模控制

本文针对 确定性的电液位置伺服系统的跟踪控制问题，提出了一种自适应滑模控制设计方法，所提出的自适应滑模控制器对系统的不确定性具有较强理棒性，并且跟踪性能良好。     

弹丸协调器电液系统的参数自适应反演控制

针对存在参数不确定性和非线性的弹丸协调器电液伺服系统模型,结合反演控制设计方法和自适应控制方法,提出一种参数自适应反演控制算法。采用反演控制设计方法推导非线性系统的控制律,结合Lyapunov定理保证闭环系统全局稳定。针对模型的不确定参数,通过构建不连续映射自适应律进行精确估计,解决系统模型不确定性问题,简化控制算法的设计。引入鲁棒项,提高系统稳定性。仿真结果表明:所设计算法是有效的,与PID算法相比有更好的控制效果。     

数控机床直线伺服系统混合LQ-H∞控制器设计

文章基于永磁直线同步电机系统提出了一种将线性二次型最优控制同H∞鲁棒控制相结合的鲁棒跟踪控制策略,文中的控制器由两部分组成,H∞鲁棒反馈控制器和线性二次型最优控制器,前者作为抗扰调节器,后者作为跟随调节器。这种控制策略的优点在于,它既能利用H∞控制方法保证系统的鲁棒性能,克服系统中存在的模型不确定性与外部干扰对系统性能的影响,又能够利用线性二次型最优控制器的线性反馈控制策略保证系统的跟踪性能。仿真结果表明,该方案在保证对系统参数变化和阻力扰动具有很强的鲁棒性的同时,又改善了伺服系统跟踪的快速性、精确性。     

双连杆柔性机器人手臂的非线性自适应鲁棒控制器设计

针对双连杆柔性机器人臂,设计了非线性自适应鲁棒控制器,该控制器基于动态反馈,实现刚性模式鲁棒调节及弹性振动抑制。由于高度非线性双连杆柔性机器人臂受间隙、有效载荷变化及外部干扰等不确定因素影响,非线性自适应鲁棒控制器设计具有较大挑战性。该设计针对未知干扰,通过内部模型与鲁棒稳定器并行的方式进行自适应调整,稳定器采用进化算法进行优化,提高了自适应鲁棒性。     

液压伺服系统的变论域自适应模糊控制

针对液压伺服系统的参数不确定性和高度非线性等问题,提出一种变论域自适应模糊控制方法。设计一种自适应律,利用不同时刻反馈回来的误差信息在线调整控制系统参数,实现实时自适应调整,避免了传统模糊控制过度依赖模糊控制规则的问题;基于自适应模糊控制系统,将系统误差及误差变化率作为输入,伸缩因子参数作为输出,提出伸缩因子自调整函数,达到对液压伺服系统高精确高响应的控制。MATLAB/Simulink仿真结果表明：变论域自适应模糊控制方法有效提高了轨迹的跟踪速度和跟踪精度。     

一种基于模糊补偿的自适应控制在液压转台伺服系统中的应用

本文针对电液伺服系统的非线性特点，提出了一种基于模糊补偿的自适应控制方法。该方法把实际系统看成是由线性和非线性两部分所组成，对线性部分采用基于精确数学模型的控制方法，而对非线性部分主要采用以模糊自适应补偿为主的控制方式。为了提高模糊自适机构的补偿效果，采用了规则可调整的模糊控制器，仿真结果表明，该方法具有较高的控制精度和鲁棒性能。     

电液伺服系统的积分滑模自适应控制方法的研究

针对某型鱼雷尾舵电液位置伺服系统存在参数不确定性和干扰的问题,设计了一种新型的积分滑模自适应变结构控制器,实现了在变工况下对系统的良好跟踪控制。仿真结果表明,该方法控制精度高,鲁棒性强,有效提高了系统的控制性能。     

机械臂液压伺服系统的自适应模糊滑模控制

针对机械臂液压伺服位置系统存在非线性特性和参数不确定性,提出了一种自适应模糊滑模控制方法。利用参数自适应算法估计系统未知参数,有效地克服了系统不确定性的影响,提高了系统的鲁棒性;采用非连续投影算法保证了参数估计的有界性;引入模糊系统代替切换控制项,有效地消弱了抖振。仿真研究结果表明:所设计的自适应模糊滑模控制器能够快速准确地跟踪指令,并且对参数变化具有较强的鲁棒性,与PID控制器相比,系统跟踪误差小,响应速度快,跟踪性能好。     

移动机器人神经网络补偿计算力矩控制

针对存在动力学不确定建模项、建模误差及外界干扰的移动机器人,设计RBF神经网络补偿计算力矩控制算法。基于反步法设计运动学辅助速度控制率。根据动力学理想名义模型,基于计算力矩法设计一般的力矩控制器。在此基础上,建立具有不确定建模项、建模误差及外界干扰的移动机器人动力学模型,基于计算力矩法设计带有RBF神经网络补偿的力矩控制器,神经网络的权值由自适应律给出。最后,利用Lyapunov理论证明了系统的稳定性。仿真结果表明：神经网络对系统不确定项具有良好的逼近性能,相比于一般的计算力矩控制,所提出的神经网络补偿计算力矩控制算法具有更好的跟踪性能,控制系统具有更好的鲁棒性。     

数控机床直线伺服系统智能反推控制的研究

针对高速高精数控机床直线伺服系统,考虑参数变化、外部负载扰动和摩擦力等不确定因素对系统伺服性能的影响,设计基于递归模糊神经网络( RFNN)的反推控制器,利用了递归神经网络具有捕获系统动态信息的优点,可实时补偿不确定因素对跟踪性能的影响.仿真结果表明,该控制策略明显降低了不确定因素对系统性能的影响,从而显著提高了直线伺服系统的位置跟踪精度.     

基于ASGSO的数控机床进给伺服系统分数阶控制

为满足数控机床对加工精度的要求,针对交流永磁同步电机驱动的进给伺服系统在不同工况下存在的扰动、摩擦、变负载、惯性力矩等非线性问题,设计一种自适应步长的萤火虫算法(ASGSO)优化的分数阶PID控制器(ASGSO-FOPID)。FOPID控制器相比传统控制器动态性能突出,能够对非线性环节进行更好的控制。利用ASGSO算法全局搜索能力,获得最优数控机床进给伺服系统分数阶PID控制器参数。建立数控机床进给伺服系统模型,分别采用PSO-FOPID、状态转移STA-FOPID、ASGSO-FOPID控制进给伺服系统进行对比。仿真和实验结果表明：提出的ASGSO-FOPID控制器具有跟踪速度快、抗干扰能力强、精度高等优点,该方法能够有效地提高数控机床的定位精度和加工精度。     

基于反向步进的直流电机系统的鲁棒速度控制器设计

本文针对直流电机非线性系统提出了一种基于反向步进的非线性自适应速度控制策略。首先通过状态重构将直流电机系统模型转化为级联结构,其次考虑参数不确定及转矩干扰设计具有鲁棒性的自适应反向步进控制器。仿真结果表明本文提出的这种控制方法适用于参数不确定情况下的直流电机系统的速度调节且具有较好的速度跟踪性能。     

基于反馈型自适应鲁棒控制的伺服泵直接驱动电液系统精确运动控制研究

由于传统泵控液压系统存在位置跟踪精度低、频率响应慢的缺点,给精确运动控制造成很多困难。对此,针对伺服电机泵直接驱动电液系统模型的非线性动力学特性和参数不确定性,采用反馈型自适应鲁棒控制（ARC）,实现伺服泵直接驱动电液系统的精确运动控制。建立伺服电机泵直接驱动电液系统的动力学模型,通过非线性泵流量映射重新建立泵的动力学模型。采用反馈型ARC方法进行控制器设计,合成泵的控制输入,使气缸执行器位置跟踪一个期望的轨迹,并对系统模型的位移斜坡响应和伺服泵功率进行实验仿真。结果表明：相比于PID控制,反馈型ARC控制下的位移跟踪误差大幅度降低,伺服泵的平均功率分别降低了55%、26%、63%,峰值功率也有所降低。采用反馈型ARC控制,能够实现有效的模型补偿,使得系统运行稳定,提高系统模型的跟踪性能和鲁棒控制性能。     

基于多层神经网络的机电伺服系统积分鲁棒控制

针对含有模型不确定性的机电伺服系统,设计一种基于多层神经网络干扰补偿的控制策略。通过多层神经网络对与状态有关的干扰进行在线估计,以提高基于模型前馈控制输入的补偿精度,然后结合误差符号积分鲁棒(RISE)反馈控制方法,通过RISE的鲁棒增益处理神经网络逼近误差与未估计干扰,从而抑制干扰对伺服性能的不利影响。基于Lyapunov稳定性理论,证明了所提出控制器的闭环系统半全局渐近稳定,且系统所有信号有界。仿真结果表明：所提出的控制策略具有很好的干扰抑制能力,可显著提高机电伺服系统的跟踪精度     

基于MPSO的电液举升伺服系统自适应模糊PID控制

为提高电液举升伺服系统位置控制精度,提出一种基于改进的粒子群算法(MPSO)优化的自适应模糊PID控制策略。根据流体动力学原理,建立伺服阀控非对称缸系统数学模型,分析系统动态运动特性。综合考虑多种不确定扰动影响,设计自适应模糊PID(AF-PID)控制器,并通过MPSO算法对AF-PID控制器中的量化因子和比例因子进行迭代寻优。利用MATLAB/Simulink和AMESim仿真软件,搭建系统的联合仿真模型,并对所设计控制器的控制性能进行仿真验证。结果表明:相同工况下,相较于常规PID和AF-PID控制器,MPSO-AF-PID控制器作用下系统的轨迹跟踪性能最优,能更好地满足起下管柱作业需求。     

基于自适应反演的电液伺服系统设计

研究了电液位置伺服系统的自适应反演控制策略.针对电液位置系统的非线性数学模型,采用反演设计算法并设计GCMAC神经网络逼近系统不确定性,从前向后逐步递推得到了系统的控制Lyapunov函数.基于Lyapunov稳定性理论,给出了鲁棒自适应控制律和GCMAC神经网络权值调整算法,确保系统稳定且输出跟踪误差渐近收敛于零.仿真结果证明了该控制策略的有效性.     

基于单神经元自适应PID控制的位置扰动型电液伺服施力系统

针对位置扰动型电液伺服施力系统中多余力矩和参数变化问题，在用结构不变性原理进行补偿的基础上，采用单神经元自适应PID控制来确保系统有满意的跟踪性能。采用这种控制方法，可以较好地消除位置干扰的影响，同时克服系统的非线性及参数时变等因素的影响，提高了系统的鲁棒性和跟踪性能。仿真结果验证了上述结论。