陀螺稳定平台神经网络滑模变结构控制

主要针对陀螺稳定平台的单轴控制系统的快速性和鲁棒性进行研究。采用滑模变结构与神经网络结合的方法对陀螺稳定平台进行控制。由于传统滑模变结构方法的模型估计不准确,会导致抖振问题。提出了采用RBF神经网络逼近模型未知部分的神经网络滑模变结构控制方法。实验证明,采用该方法可以有效提高系统的快速性和鲁棒性。针对陀螺稳定平台单轴控制系统,该方法对角位置跟踪的时间为0.3 s,角速度跟踪时间为0.6 s。其中,角位置跟踪的最大误差为0.007 3,且在1 s时,误差收敛到零的一个邻域内。     

基于RBF神经网络的半主动悬架滑模控制

针对悬架参数的不确定性,提出一种基于径向基函数(RBF)神经网络的滑模控制方法。根据滑模变结构控制理论设计了两自由度半主动悬架系统的滑模控制器,采用极点配置法确定滑模切换面参数,应用比例切换的控制方法和等速趋近率确定控制律,采用RBF神经网络优化算法优化了滑模控制器。运用MATLAB/simulink进行仿真,结果显示,与被动悬架相比,基于RBF神经网络的滑模半主动控制具有良好的控制效果,显著地改善了车辆的行驶平顺性。     

基于间接型迭代学习控制的四旋翼轨迹跟踪

针对反推控制方法在四旋翼飞行器轨迹跟踪中存在动态误差的问题,提出改善轨迹跟踪性能的间接迭代学习控制算法。首先将飞行器分为姿态和高度全驱动控制通道和水平轨迹欠驱动控制通道;然后基于反推控制方法分别设计了全驱动和欠驱动通道的稳定控制器,进而采用PID型迭代学习算法对反推控制器参考输入信号进行更新优化;最后,采用压缩映射原理和λ范数理论证明了算法的收敛性。仿真实验结果表明,PID型迭代学习律能够有效改善反推控制器的控制效果,实现对期望轨迹的完全跟踪。     

基于神经网络的导弹变结构制导律

导弹的打击精度容易受干扰的影响.针对这些未知干扰的存在,利用RBF神经网络具有自学习的能力,并结合变结构控制方法的鲁棒性,提出了一种基于RBF神经网络的滑模变结构控制的导弹制导律.利用RBF神经网络对干扰进行在线估计,克服了未知干扰对制导精度的不利影响,并且分析了闭环系统的稳定性.仿真结果表明,RBF神经网络能够很好地估计出干扰,所设计的制导律能够不受干扰的影响,从而快速精确地打击到目标,验证了该制导律的有效性和鲁棒性.     

网络遥操作机器人系统模糊变结构控制研究

针对网络遥操作机器人系统在实际应用中存在时延可能导致系统不稳定且难以控制的问题,通过对系统动力学建模和时延下系统理想性能分析,设计了一种新型的模糊滑模控制方案,在该方案中主机械手采用阻抗控制而从机械手采用模糊变结构控制。仿真结果表明,该控制方案能有效地抑制变结构控制中的抖振,系统能较好地实现位置比例跟踪和力比例跟踪。     

参数不确定移动机器人全局轨迹跟踪的自适应滑模控制

通过对一类质心和几何中心不重合情况下移动机器人轨迹跟踪问题的研究,得到了两独立驱动轮角速度为控制输入的机器人运动学模型.对于车轮半径和两驱动轮之间距离参数已知的情况,基于反演控制的思想设计了变结构控制的切换函数,构造了具有全局渐近稳定的滑模轨迹跟踪控制律,并针对这两个参数未知时,通过自适应方法对其进行参数估计,给出了自适应滑模轨迹跟踪控制律的设计方法.该方法设计过程简单且具有直观的稳定性分析,适用于移动机器人的全局轨迹跟踪控制.仿真算例验证了所提控制律的有效性和正确性.     

红外相机扫描镜轨迹跟踪的迭代学习控制方法

为提高星载广域红外相机的观测效率与凝视成像质量,扫描镜需要在几十毫秒的时间内完成角度切换,实现角秒级的轨迹跟踪控制。在闭环带宽有限的情况下,性能指标难以通过基于经典控制理论的算法实现。针对枢轴支撑的扫描镜机构,提出了一种基于迭代学习的高阶系统轨迹跟踪控制方法,推导了迭代学习律,并通过预测型算法对学习律进行了优化,避免了误差高阶导数的计算。然后通过频域分析说明了算法收敛性,选取了关键参数。通过仿真与原理样机实测验证了其应用效果。测试结果表明,算法在闭环带宽低于2 Hz的情况下,无需辨识被控对象的高阶特性,即可实现扫描镜对角加加速度超过106 （°）/s3轨迹的高精度跟踪控制,跟踪误差优于±1.5",满足相机应用要求。     

移动机器人全局轨迹跟踪的自适应滑模控制

讨论了两驱动后轮角速度为控制输入的移动机器人轨迹跟踪问题，针对含有未知参数的非完整移动机器人运动学模型．基于反演（backstepping）控制算法的思想设计了变结构控制的切换函数，并由此构造了具有全局渐近稳定的白适应滑模轨迹跟踪控制器。该方法设计过程简单并具有直观的稳定性分析，适用于移动机器人的全局轨迹跟踪控制。仿真结果表明了该方法的有效性和正确性。     

初态学习下的多智能体一致性迭代学习控制

考虑重复运行的带虚拟领导者的多智能体系统在有限时间区间上的一致性问题。针对存在初始定位误差的线性时不变多智能体系统,提出一种新的初态学习律,使得多智能体系统在迭代学习过程中,无需初态定位于某一精确的具体位置上,放宽了迭代学习方法的初始定位条件。文中分别给出了初态学习律和输入学习律收敛的充分条件,与已有方法相比,初态的收敛条件与系统的输入矩阵无关,降低了系统建模要求。最后,仿真实例结果表明各智能体的输出可以完全跟踪上期望轨迹,验证了该方法的可行性。     

移动机器人轨迹跟踪的模糊PID-P型迭代学习控制

本文针对移动机器人轨迹跟踪控制问题的研究,提出了一种基于移动机器人运动模型的模糊开闭环PID-P型非线性离散迭代学习控制方法,给出了PID-P型迭代学习的收敛条件及其证明过程,并采用模糊控制的原理整定PID三个学习增益矩阵的参数.该控制方法提高了移动机器人对特定轨迹的重复跟踪能力,具有算法实现简单的特点.实验仿真结果表明,采用模糊开闭环PID-P型迭代学习控制算法对轨迹跟踪是可行有效的.     

AUV控制系统的设计与实现

针对自主式水下航行器(AUV)的自动控制问题。设计神经网络改进的趋近率滑模变结构控制,在相同条件下分析比较PID控制,S面控制和滑模变结构控制方法的特点。仿真结果表明改进的滑模变结构控制稳定性好,并且能够有效的减小抖振。     

基于滑模自适应迭代学习的四旋翼无人机轨迹跟踪

针对四旋翼无人机轨迹跟踪问题,在考虑外部扰动的情况下,提出一种滑模自适应迭代学习的控制算法。所设计的控制器由两部分组成：第一部分是滑模子控制器,作为四旋翼无人机系统的反馈控制器;第二部分是迭代学习子控制器,作为无人机系统的前馈控制器。在迭代学习过程中,迭代学习子控制器的增益可以根据轨迹跟踪误差自适应改变,能够提高四旋翼无人机的轨迹跟踪效果。最后通过软件仿真对所提出的四旋翼无人机轨迹跟踪算法的有效性进行验证。     

质心不重合的移动机器人自适应滑模轨迹跟踪控制

针对一类质心和几何中心不重合的移动机器人的轨迹追踪问题,结合反演滑模自适应控制算法设计移动机器人轨迹跟踪控制器.首先,设计一种新的变参数滑模趋近律,并基于该趋近律对移动机器人控制器进行设计,使得系统在给定初始误差时移动机器人仍能跟踪目标轨迹.其次,针对一类质心距离已知的情况,基于移动机器人运动学模型,采用反演滑模控制算法对移动机器人的闭环系统控制器进行设计.并在给定系统初始值的情况下,通过选用合适的参数来优化移动机器人控制系统的整体性能,使得控制系统跟踪误差渐近收敛,移动机器人跟踪给定目标轨迹.然后,针对移动机器人质心距离未知的情况,采用反演滑模控制,引入自适应控制算法对未知参数进行估计,设计轨迹跟踪控制器,并通过Lyapunov函数对移动机器人控制系统进行全局稳定性证明.最后,将设计的新型趋近律结合Backstepping控制与自适应控制通过MATLAB仿真进行对比验证,验证了所设计的控制方法的有效性.     

车式移动机器人轨迹跟踪控制方法

针对车式移动机器人轨迹跟踪这一典型控制任务,本文提出一种滑模轨迹跟踪控制方法.该方法采用PI型滑模面设计等效控制律,利用变速函数代替符号函数获得切换控制率,并运用Lyapunov理论证明系统的稳定性.仿真结果表明该方法不但能使机器人有效跟踪任意参考轨迹,而且能减小在控制中的抖振现象,即使在外界干扰影响的情况下,也具有良好的控制品质.     

带落角约束的均值聚类神经网络滑模制导律研究

为提高电视末制导炮弹对地面目标的命中精度,减小炮弹的落角误差,同时实现以期望落角命中目标,在分析带落角约束滑模制导律特点的基础上,针对RBF(Radial Basis Function)神经网络滑模制导律难以以期望落角命中目标的不足,提出了一种结合均值聚类与RBF神经网络的滑模制导律,使得神经网络在学习过程中能根据炮弹的实时飞行状态不断调整聚类中心,使中心值始终是目前飞行状态下的最优解,实现制导律的优化.对静目标与动目标算例的数值仿真表明:相比带落角约束的滑模控制,RBF神经网络滑模控制、均值聚类RBF神经网络滑模控制由于均值聚类的加入,求得的切换项增益能使炮弹以期望落角命中目标,且具有较强的鲁棒性.     

基于滑模变结构的高速同步电机直接转矩控制

针对高速同步电机,文章研究了基于滑模变结构的无传感器直接转矩控制。该控制方式将滑模变结构和直接转矩控制相结合,用以改善电机定子磁链和电磁转矩的脉动。本文对基于滑模变结构的无传感器高速同步电机直接转矩控制和传统直接转矩控制系统性能中的定子电流、电磁转矩和定子磁链轨迹分别进行了仿真对比分析。仿真结果表明,采用基于滑模变结构的无传感器直接转矩控制方式可以减小定子电流和电磁转矩的脉动,定子磁链频带宽度变化较小,适合对高速同步电机控制。     

RBF神经网络在光通信粗跟踪系统中的应用北大核心

针对无线光通信系统中的非线性与时变不确定性而导致的通信不稳定,提出一种基于径向基函数(RBF)神经网络的PID智能控制策略作为粗跟踪的控制方法。介绍了光电跟瞄系统原理,在建立系统模型框图后引入了RBF神经网络监督控制结构,并通过实验平台验证了该算法的有效性。     

轮式机器人滑模轨迹跟踪控制器设计

轮式机器人是一个典型的非完整性系统。由于非线性和非完整特性,很难为移动机器人系统的轨迹跟踪建立一个合适的模型。介绍了一种轮式机器人滑模轨迹跟踪控制方法。滑模控制是一个鲁棒的控制方法,能渐近的按一条所期望的轨迹稳定移动机器人。以之为基础,描述了轮式机器人的动力学模型并在二维坐标下建立了运动学方程,根据运动学方程设计滑模控制器,该控制器使得机器人的位置误差收敛到零。     

攻击机动目标的导弹三维变结构导引律

针对导弹采用变结构导引律攻击机动目标时,容易引起视线角速率抖动的问题,在变结构控制理论的基础上,利用RBF神经网络具有自主学习的能力,提出了一种基于RBF神经网络的变结构趋近律参数项在线自适应调节的三维导引律,克服了导引过程中变结构趋近律参数项不易确定的缺点,从而降低变结构控制的抖振,提高了导弹的命中精度。仿真结果表明,该导引律有很强的自适应能力和鲁棒性,满足导引要求。     

基于神经网络仿射非线性系统滑模自适应控制

研究了一类单输入单输出仿射非线性系统的自适应控制问题.采用反馈线性化方法设计控制器,用神经网络逼近系统中的未知非线性函数,并在神经网络权值的自适应律中引入权值误差的概念,以改善系统的动态性能.同时采用滑模控制方法设计补偿器,提高了系统的鲁棒性.理论分析及仿真结果表明,所设计的控制器,不仅能解决该系统的轨迹跟踪控制问题,...