无人炮塔火力线跟踪神经滑模控制

针对无人炮塔火力线跟踪动力系统中存在的火力瞄准机构运动使系统动力参数摄动和火炮射击时冲击使系统输入存在外部干扰问题,提出了一种神经滑模控制策略。采用非奇异终端滑模面保证系统状态能够在有限时间内到达滑模面和平衡点;采用径向基函数神经网络自适应地补偿系统摄动和冲击干扰,保证滑模控制在滑模面的运动。应用李亚普诺夫稳定性判据证明了控制器稳定性和火力线跟踪误差收敛性。仿真结果表明,通过神经网络的在线学习实现了火力线位置精确和鲁棒跟踪,并充分抑制了滑模控制中的抖振现象。该方法是有效的。针对无人炮塔火力线跟踪动力系统中存在的火力瞄准机构运动使系统动力参数摄动和火炮射击时冲击使系统输入存在外部干扰问题,提出了一种神经滑模控制策略。采用非奇异终端滑模面保证系统状态能够在有限时间内到达滑模面和平衡点;采用径向基函数神经网络自适应地补偿系统摄动和冲击干扰,保证滑模控制在滑模面的运动。应用李亚普诺夫稳定性判据证明了控制器稳定性和火力线跟踪误差收敛性。仿真结果表明,通过神经网络的在线学习实现了火力线位置精确和鲁棒跟踪,并充分抑制了滑模控制中的抖振现象。该方法是有效的。     

基于BP-GSA优化的某随动平台滑模控制

为实现某随动平台负载模拟器响应的快速性和系统的鲁棒性,提出一种基于遗传模拟退火算法(genetic simulated annealing,GSA)优化的BP神经网络(BP-GSA)滑模控制方法。根据负载模拟器各环节硬件组成,建立系统等效数学模型;采取非奇异终端滑模实现对系统的控制,并采用BP神经网络对状态方程中未定项进行逼近,利用GSA算法调整网络节点权值。实验仿真结果表明：相比于传统滑模控制和PID控制,该方法在具有扰动输入的情况下,具有最小的稳态误差和最快的跟踪速度,能够有效提升系统的响应速度和力矩跟踪精度。     

含输入饱和的自动驾驶汽车预设性能自适应控制

为了改善含有输入饱和与未知扰动的自动驾驶车辆系统在执行轨迹跟踪任务时的瞬态和稳态性能,考虑到自动驾驶汽车横向和纵向动态的耦合,设计基于滑模控制和预设性能控制的协调控制器。针对可能出现的输入饱和,基于饱和信号设计辅助系统,并在饱和发生时利用辅助系统调整规定的性能边界,使跟踪误差始终遵守性能约束,避免穿越边界引起系统不稳定。利用神经网络对系统中存在的模型误差以及外部扰动进行拟合和补偿,并设计一种基于复合学习的在线更新算法来训练神经网络。通过Lyapunov方法严格证明了闭环系统的稳定性,并通过仿真验证了新提出的辨识和控制方案的有效性。所设计的协调控制器可以在存在强耦合特性、模型不确定性和外部干扰的情况下保证预定的轨迹跟踪性能。     

自适应全程滑模变结构在轨迹跟踪上的应用

针对高超声速飞行器(hypersonic reentry vehicle,HRV)轨迹跟踪问题,提出一种自适应全程滑模变结构轨迹跟踪方法。首先,基于最优化理论设计全程滑模面,使系统的轨线一开始便落在切换面上;其次,采用滑模变结构控制与自适应控制相结合的方法,根据辨识结果自动调整控制律,在保证稳定性的同时削弱抖振;最后,采用Lyapunov定理证明系统的稳定性,并在一定的干扰作用下,将所设计的跟踪算法进行数值仿真,通过与二次型调节器(linear quadratic regulator,LQR)跟踪算法进行比较,验证了控制器的有效性。     

机器人操作手的神经跟踪控制

针对机器人轨迹跟踪问题,提出了一种自适应神经控制器,该控制方案利用RBF神经网络自适应学习机器人系统的未知非线性动态,然后,通过一个基于滑模控制技术的补偿器消除网络逼近误差和外部干扰的影响,网络权重的自适应修正规则基于Lyapunov函数方法得到,这种新的控制器能够保证闭环系统的稳定性和跟踪误差的渐近收敛性。     

机器人操作手的神经跟踪控制

针对机器人轨迹跟踪问题,提出了一种自适应神经控制器.该控制方案利用RBF神经网络自适应学习机器人系统的未知非线性动态,然后,通过一个基于滑模控制技术的补偿器消除网络逼近误差和外部干扰的影响.网络权重的自适应修正规则基于Lyapunov函数方法得到.这种新的控制器能够保证闭环系统的稳定性和跟踪误差的渐近收敛性.     

不确定机械手的自适应神经滑模控制

针对不确定机械手的跟踪控制 ,提出了一种基于神经网络的自适应鲁棒控制器。该控制方案利用一个 Radial basis function神经网络逼近系统非线性不确定性 ,然后 ,通过一个滑模控制项消除网络逼近误差和外部干扰的影响 ,从而能保证闭环系统的稳定性和系统跟踪误差的渐近收敛     

基于自适应神经网络的飞控系统辨识技术研究

建立复杂的非线性飞行器辨识模型对提高系统的状态监控和控制性能具有重要意义。文中提出一种变结构的在线径向基神经网络学习算法,使用梯度下降法对网络参数进行优化。利用径向基神经网络对某型飞机非线性动力学系统进行辨识,仿真结果表明设计的算法满足在线辨识的要求。     

执行器受限下水下航行器滑模控制

为解决执行器受限导致的滑模控制器在水下航行器轨迹跟踪中存在的失去滑动模态的问题,在采用二阶滑模控制器以解决执行器动力学特性限制的基础上,采用了边界层厚度动态控制的方法解决存在速率和幅值限制的有限带宽的执行器的滑动模态控制问题,通过动态调节滑模边界层厚度,滑模控制器的轨迹跟踪能力有所减弱,但是系统状态仍然保持在边界层内,保证了系统的稳定性,并且不会超越执行器限制.最后,分别采用常规二阶滑模控制和动态边界层法进行水下航行器的姿态角跟踪仿真,结果显示在二阶滑模控制已经发散的情况下,采用动态边界层法仍然能够有效进行轨迹跟踪.     

舰载特种起重机吊重防摆神经网络PID柔顺控制

针对舰载特种起重机系统的吊重防摆控制问题,利用柔顺性的概念,提出了一种新的多变量神经网络PID控制算法,设计了舰载特种起重机神经网络PID力和位置混合控制器.控制起重机机械臂各关节平稳的跟踪给定轨迹,实现了起重机吊重在三维空间防摆的目的.控制系统仿真结果表明该算法是有效的.     

Design of Neural Network Variable Structure Reentry Control System for Reusable Launch Vehicle

A flight control system is designed for a reusable launch vehicle with aerodynamic control surfaces and reaction control system based on a variable-structure control and neural network theory.The control problems of coupling among the channels and the uncertainty of model parameters are solved by using the method.High precise and robust tracking of required attitude angles can be achieved in complicated air space.A mathematical model of reusable launch vehicle is presented first,and then a controller of flight system is presented.Base on the mathematical model,the controller is divided into two parts：variable-structure controller and neural network module which is used to modify the parameters of controller.This control system decouples the lateraldirectional tunnels well with a neural network sliding mode controller and provides a robust and de-coupled tracking for mission angle profiles.After this a control allocation algorithm is employed to allocate the torque moments to aerodynamic control surfaces and thrusters.The final simulation shows that the control system has a good accurate,robust and de-coupled tracking performance.The stable state error is less than 1°,and the overshoot is less than 5%.     

移动机器人路径跟踪的自适应控制

提出一种结构简单的自适应控制器,控制器是由模糊神经网络和PD控制器并行控制移动机器人路径跟踪。在初始阶段,PD控制器控制路径跟踪并提供控制经验给模糊神经网络学习。在学习信号触发器的管理下,可以在线学习自适应调整模糊神经网络的参数。模糊神经网络控制器既推理产生控制规律,也辩识移动机器人动力学模型,通过BP学习算法实时在线调整自身参数达到路径跟踪自适应控制目的。     

基于自适应模糊滑模的大型液压起竖系统控制策略研究

大型液压起竖系统由于受到诸多外界干扰等因素的影响,存在很强的非线性特性和不确定性,难以实现起竖过程的精确跟踪控制。为实现起竖过程中的精确跟踪控制设计了一种自适应模糊滑模控制器,利用模糊系统的逼近特性逼近滑模的等效控制项,并用李雅普诺夫分析方法给出了自适应律,针对自适应参数难以确定的问题,用遗传算法对参数进行了优化。仿真结果表明,该控制方法有较强的抗干扰能力和良好的跟踪性能,提高了起竖过程的稳定性。     

舰炮随动系统的模糊滑模控制

为提升末端反导舰炮的射击精度,提出一种舰炮随动系统的模糊滑模控制方法。采用LuGre 模型对末端 反导舰炮随动系统中的非线性摩擦进行建模,应用滑模控制算法对摩擦力矩进行补偿,通过模糊规则对滑模控制增 益进行调节以降低抖振。仿真结果表明：该模糊滑模控制器减小了控制输入的抖振,提高了随动系统跟踪稳定性和 跟踪精度。     

炮控系统电动负载模拟器神经网络滑模控制

为解决炮控系统电动负载模拟器存在多余力矩的问题,对其神经网络自适应滑模控制进行研究。结合滑 模控制器的特点,构建电动负载模拟器系统模型,通过滑模控制器对复杂非线性系统建立控制器,采用 RBF 神经网 络与滑模相结合的控制方法,利用 RBF 神经网络对系统摄动参数和未建模动态进行自适应逼近,可降低切换增益及 有效地抑制抖振,并对其进行仿真分析与验证。仿真结果表明：该控制策略具有较高的控制精度,且鲁棒性好,满 足系统的控制要求。     

基于神经网络的 PMSM 分数阶积分滑模控制

为了提高永磁同步电机调速控制性能,在分数阶积分滑模控制策略的基础上,设计一种基于神经网络的 变阶次分数阶积分滑模控制策略。利用分数阶积分随时间缓慢衰减的特性来增强系统的鲁棒性,通过指数趋近律削 弱滑模面的抖振现象,分析了分数阶阶次对系统动态性能的影响,引入 RBF 神经网络对滑模面函数中的分数阶积分 阶次进行动态调节,提高了系统的综合性能。仿真结果表明：与固定阶次的分数阶积分滑模控制相比,该控制方法 有利于取得更好的动态跟踪性能和稳定精度。     

自适应模糊小波滑模控制在交流伺服系统中的应用

针对某武器大功率交流伺服系统的位置跟踪问题,提出了一种基于自适应模糊小波神经网络快速终端滑模控制(AFWN-FTSMC)方法。为使控制器的设计不依赖于被控对象的精确数学模型,采用自适应模糊小波神经网络控制器(AFWNC)逼近滑模控制中的等效控制部分,解决了由于系统的不确定性及干扰的存在而不能准确确定等效控制的问题;同时利用自适应PI控制来降低系统的抖动,并采用Lyapunov方法证明了闭环系统的稳定性。仿真结果表明,该方法可以有效抑制抖振,提高系统的瞬态响应性能和控制精度,并且对结构参数不确定性具有很强的鲁棒性。     

基于Stribeck摩擦模型的系统模糊滑模控制

为降低摩擦对燃料元件制造中某设备系统控制精度的影响,提出了模糊滑模控制方法。应用Stribeck模型对摩擦力矩进行了建模,在此基础上为系统设计了滑模控制器;采用模糊方法对滑模控制的增益进行调节,以减小滑模控制中的抖振;试验结果表明模糊滑模控制器不仅一定幅度削弱了抖振现象,而且具有更高的跟踪精度。