四旋翼飞行器的RBF网络自适应滑模控制

针对带有不确定性的四旋翼飞行器系统,提出一种滑模控制和神经网络自适应相结合的混合控制方法。该方法在滑模控制的基础上,考虑到实际系统中通常存在建模不精确、参数未知等不确定性,构造RBF神经网络在线逼近系统模型的未知函数,采用Lyapunov方法设计自适应律在线估计神经网络权值和模型未知参数,并通过Lyapunov定理验证了系统的稳定性。仿真结果表明,该方法相对于RBF神经网络的自适应PID控制,具有更短的调节时间、更小的超调量和更好的抗干扰能力,同时在模型参数发生变化的情况下,该控制器的鲁棒性能更强。     

随动模拟加载系统的自适应神经滑模控制

针对炮控系统随动模拟加载系统存在的摩擦、间隙、耦合等复杂非线性和参数时变等不确定性特征,提出了一种自适应神经滑模控制策略。对于系统中存在参数时变等不确定性,利用RBF神经网络自适应逼近不确定部分;另外,利用RBF神经网络动态调节切换函数的切换增益,改善系统的动态品质。采用Lyapunov理论推导出自适应律,在线估计神经网络权值和未知函数,并证明了系统稳定性。仿真表明,该控制策略能够较好地抑制干扰力矩,响应快,保证了系统静、动态的加载控制精度和鲁棒性。     

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RBF神经网络的永磁同步伺服电机控制系统

针对永磁同步电机控制系统,建立其磁场定向控制数学模型。运用增量式数字PID的方法实现对PMSM的传统PID控制策略。在此基础上,借助RBF神经网络的学习能力,进行PID控制器参数的自适应整定,进一步改善PID控制器的性能。同时,为提高RBF网络性能,采用粒子群算法对网络进行优化。仿真表明,与传统PID控制比较,基于RBF的PID控制系统能提高PID控制器的性能,改善了PMSM控制系统的收敛速度和跟踪精度。     

近空间可变翼飞行器爬升/巡航段切换控制

近空间可变翼飞行器在不同飞行段进行模态切换过程中,由于飞行状态会发生突变,不同模态下控制器结构参数发生变化,难以设计一个通用控制器保证两个模态及模态切换过程的稳定性和平滑性。若直接进行两个模态控制器硬切换,会导致飞行器的控制律参数发生跳变,从而引起飞行状态发生突变,影响模态切换过程的稳定性和平滑性,致使系统不稳定,造成飞行事故。以爬升段末到巡航段初为例,设计一种基于惯性环节的快速双幂次滑模切换控制器。首先对切换前后的滑模面进行淡化处理,得到切换控制律的滑模面,然后针对新的滑模面设计滑模切换控制律,最后对比分析直接切换和快速双幂次滑模切换。仿真结果表明快速双幂次滑模切换控制方法具有良好的跟踪控制效果。     

机械手RBF神经网络滑模迭代学习控制

在机械手的轨迹控制的迭代学习控制中,迭代学习的学习律难以选择。本文结合RBF神经网络滑模变结构控制和迭代学习控制的基本思想,提出采用RBF神经网络滑模变结构控制确定学习律的方法。并运用Matlab软件Simulink对该方法应用于机械手轨迹跟踪控制的情况进行了仿真研究,结果表明该方法具有学习速度快、跟踪精度高、鲁棒性强等优点。     

航空发动机模糊滑模变结构控制研究

针对航空发动机是一个具有时变不确定性的非线性系统,结合模糊控制和滑模变结构控制的特点,提出了一种基于模糊滑模变结构控制的航空发动机控制方法.采用线性滑模面和指数趋近律设计变结构控制器,应用模糊逻辑系统自适应调节切换增益,避免了传统滑模变结构控制系统在到达阶段对不确定性的敏感性,消除了滑模控制中的抖振.通过数字仿真,结果表明所设计的模糊滑模变结构控制器对系统的参数摄动和外部干扰具有不变性,使被控系统在整个控制阶段都具有较强的鲁棒性.     

基于半主动悬架的车辆抗侧倾控制研究

悬架系统可提高乘坐舒适性,用于抑制车身的侧倾。基于车辆多工况行驶下的抗侧倾控制需求,建立带有半 主动悬架系统的车辆四自由度动力学模型,以空气悬架和电机式主动稳定杆作为执行器,分别选用模糊控制和滑模控制 来设计抗侧倾控制器,通过Matlab/Simulink 与Carsim 建立联合仿真模型来验证所设计控制策略的有效性。仿真结果表 明:在双移线和鱼钩工况下,使用带有主动横向稳定杆的半主动悬架系统可有效减小车辆的侧倾角,降低车辆侧翻风险。     

基于动态神经网络在线辨识的PID控制

针对工业控制领域中复杂非线性时变系统和传统RBF神经网络辨识PID控制的不足,提出了一种基于聚类结合算法的动态RBF神经网络在线辨识PID自适应控制方法.通过优化的动态RBF辨识神经网络更好地描述了控制对象的动态行为,获得PID参数在线调整信息,实现系统的智能控制.仿真结果表明,与常规RBF神经网络辨识的PID控制方法相比该方法具有较高的控制精度,较快的系统响应,较强的适应性和鲁棒性.     

指数趋近律单向辅助面滑模控制

结合指数趋近律,对一种新型单向辅助面滑模控制方法进行了讨论。首先根据给定的非线性系统方程设计切换面,并在状态约束条件下设计单向辅助面;之后依据单向辅助面滑模控制器设计方法,设计基于指数趋近律的单向辅助面滑模控制器,且指出系统状态在有限时间内收敛到切换面上,并给出收敛时间计算式;最后通过实例仿真验证,基于指数趋近律的单向辅助面滑模控制器不仅能有效抑制系统中的抖振,而且收敛速度快于普通单向辅助面滑模控制方法。     

基于MATLAB的汽车半主动悬架系统仿真分析

随着国民经济的飞速发展以及人民生活水平的提高,人们对汽车操纵的稳定性和安全性有了更高的要求。悬架是现代汽车的重要构成部分,决定了汽车行驶的稳定性和持久性等多种性能。传统的控制理论和方法不能完全发挥半主动悬架系统的性能,文章设计模糊PID控制器,并采用遗传算法对控制器进行优化,系统的稳定性和安全性得到充分提高。     

指数趋近律单向辅助面滑模控制

结合指数趋近律,对一种新型单向辅助面滑模控制方法进行了讨论。首先根据给定的非线性系统方程设计切换面,并在状态约束条件下设计单向辅助面;之后依据单向辅助面滑模控制器设计方法,设计基于指数趋近律的单向辅助面滑模控制器,且指出系统状态在有限时间内收敛到切换面上,并给出收敛时间计算式;最后通过实例仿真验证,基于指数趋近律的单向辅助面滑模控制器不仅能有效抑制系统中的抖振,而且收敛速度快于普通单向辅助面滑模控制方法。     

采用自抗扰控制的三电机同步协调系统

自抗扰控制器自问世以来被用于多种应用场合,但其有着参数多,难整定的弊端,文中依据RBF神经网络结构简单、逼近能力强的优势提出了基于RBF神经网络的复合自抗扰参数调节器,利用RBF神经网络获得自抗扰参数的在线调整信息,且将其应用于三电机同步系统,经过实验验证,该调节器能实时调节自抗扰参数且能改善控制性能,具有实用性。     

基于多种群遗传算法的LQR控制器设计

为了克服LQR最优控制方法中权重确定困难的问题,本文提出一种基于多种群遗传算法优化LQR控制器的加权系数。通过对主动悬架控制规律的设计结果表明,与被动悬架相比,基于多种群遗传算法的LQR控制方法可以有效提高主动悬架的性能。     

空空导弹的神经网络自适应终端滑模末制导律

主要研究空空导弹的末制导问题。简单研究了三维比例导引律,基于Terminal滑模控制方法提出一种新型的三维末制导律,并分析了它的不足,在此基础上进行改进,从而提出基于RBF神经网络的自适应快速终端滑模(AFTSM)制导律。该制导律在非线性系统的精确模型未知的情况下,通过RBF神经网络对非线性模型进行逼近,并根据Lyapunov方法设计了参数自适应律。最后对所研究的导引律在目标机动情况下进行仿真验证,仿真结果表明,该制导律与比例制导相比有较大的性能改善。     

一种改进的RBF整定PID及其仿真实现

文中在分析RBF神经网络整定PID算法优缺点的基础上,给出了一种采用遗传模拟退火算法来优化网络结构和权值参数的RBF神经网络,将改进的RBF神经网络用于整定PID控制,并给出了相应的仿真测试例子。仿真实验结果表明,与采用梯度法优化网络权值等参数的RBF神经网络相比,给出的优化算法能更好地辨识控制系统,具有通用性好、调节精度高、在抑制超调量能力强等优点。     

自适应模糊滑模控制器设计

针对传统滑模控制的抖振问题,利用线性化反馈技术,将模糊自适应和滑模控制相结合,设计一种新型的模糊滑模控制器。通过模糊推理和基于Lyapunov函数的稳定性分析,获得模糊控制规则的自适应律,构成自适应模糊滑模控制器,有效解决了传统滑模控制中,需要确定参数摄动和外部干扰上确界不确定性问题,倒立摆上的运行结果表明该方法的有效性。     

改进型BP神经网络的非线性多模型自适应控制

针对一类参数未知的非线性离散系统,提出一种基于改进型BP神经网络的多模型控制方法.首先将非线性系统表示为线性部分和非线性部分.当非线性部分对系统影响较小时,则直接采用基于固定模型和自适应模型而设计的鲁棒控制器对系统进行控制;而当非线性部分对系统影响较大时,则采用基于改进的BP神经网络的自适应控制.其次,利用切换准则对控制输入进行平滑切换并给出了稳定性证明.最后,仿真结果表明所提方法能提高系统控制品质、减少控制信号的振荡.     

BUCK变换器的模糊滑模积分控制

由于BUCK变换器的非线性,多用模糊滑模对其控制,但传统模糊滑模控制器输出存在稳态误差,且滑模控制结构切换过快造成开关管损耗增加。基于此,在模糊滑模控制的基础上引入积分环节。滑模控制器输出控制率,模糊控制器柔化滑模控制器输出,削弱系统抖振;积分环节对模糊控制器输出和滑模控制器切换项输出之差进行积分,减小模糊滑模控制器输出的稳态误差,并使开关频率固定化,降低开关管损耗。仿真及实验结果表明,引入积分环节的模糊滑模控制器稳态误差降低,开关管开关频率固定,系统损耗得到有效降低。     

Boost变换器的PID型滑模控制

以实现Boost变换器良好的动静态控制特性为目的,研究了变换器的PID型滑模控制策略。给出了PID型滑模电压控制状态表达式,并建立了该滑模控制变换器系统模型;设计了滑模切换面函数形式,推导出系统等效控制表达式;采用光滑函数方法降低滑模控制系统的抖振现象,得出了增加去抖振措施的控制表达式;给出了滑模切换面参数的选择方法。通过仿真与实验,验证了基于PID型滑模控制的Boost变换器系统理想的启动和扰动调节特性。