机械伺服系统的自适应反演模糊滑模控制

针对参数不确定性机械伺服系统位置跟踪控制问题,提出了一种自适应反演模糊滑模控制策略。为了补偿参数不确定性影响,提出了基于反演法的滑模控制策略。为简化控制器设计,提出了自适应算法对不确定性进行有效估计,采用模糊逻辑,消除了切换控制项,有效地消弱了抖振现象。根据李雅普诺夫稳定性理论,获得了自适应率,保证了系统的稳定性。仿真结果表明,提出的控制策略不仅具有较高的跟踪精度,而且能有效地减小抖振。     

基于滑模模糊神经网络感应电动机矢量控制的研究

感应电机矢量控制采用滑模模糊神经网络控制,使系统具有自学习、自调整的能力和强鲁棒性.通过改进模糊神经网络的学习方法,精简了网络的结构,减少了训练的时间,为模糊神经网络用于实时性控制系统提供了可能的条件.     

基于自适应模糊的旋转弹反演滑模控制律设计

针对旋转弹药模型具有非线性、强耦合和参数不确定性等特点,建立了考虑不确定因素的非线性控制模型,提出一种基于自适应反演和滑模控制理论的旋转弹体姿态控制律。基于Lyapunov稳定性理论,利用反演控制和滑模变结构理论取虚拟控制量作为滑动模态,设计了姿态控制器;基于模糊控制方法较强的逼近能力,引入自适应模糊控制实现对不确定参数的估计,同时通过对切换增益的模糊逼近解决了滑模面的抖振问题。仿真结果表明,所设计的控制律具有较好的稳定性和鲁棒性,该控制模型和控制器的设计合理可行。     

基于小波神经网络模糊滑模控制的轮式移动机器人避障研究

轮式移动机器人避障响应速度慢,在急转弯过程中容易发生侧翻现象,对此,本文设计了小波神经网络模糊滑模控制器,对移动机器人避障效果进行仿真验证。创建了轮式移动机器人平面简图,推导出机器人运动轨迹跟踪方程式。引用滑模控制器,根据小波神经网络理论和模糊规则,设计了小波神经网络模糊滑模控制器,采用李雅普诺夫函数对小波神经网络模糊滑模控制器运动稳定性进行证明。在不同移动速度下,采用Matlab软件对移动机器人避障效果进行仿真,并与滑模控制器避障效果进行对比。结果显示:在低速移动过程中,采用滑模控制器和小波神经网络模糊滑模控制器,轮式移动机器人避障响应速度相差不大;在中速和高速移动过程中,采用滑模控制器,轮式移动机器人反应速度慢,而采用小波神经网络模糊滑模控制器,轮式移动机器人反应速度快。采用小波神经网络模糊滑模控制器,可以提前预测障碍物,迅速做出调整路径规划,从而避免轮式移动机器人急转弯而发生侧翻现象。     

基于模糊滑模控制的再生制动系统稳定性分析

针对电动汽车再生制动系统稳定性问题,将模糊滑模控制技术应用于再生制动过程的稳定性研究。分析了再生制动过程中3种制动模式之间的相互关联以及动态演化,并综合考虑车辆制动稳定性及制动能量回收率,提出了电机再生制动力和前后轮液压制动力协调控制的最大化制动力分配策略;以滑移率为控制目标,将模糊控制与变结构控制相结合,建立了基于电机再生制动的稳定性模糊滑模控制策略;依据实车参数,对控制策略模型进行了仿真分析。研究结果表明,模糊滑模控制实现了电动汽车制动模式的合理切换,并验证了控制策略的有效性。     

基于神经网络的非线性系统约束预测控制

利用非线性激励函数的局部线性表示,提出一种可用于非线性过程的基于神经网络模型的约束广义预测控制算法。该算法将非线性搜索转化为只对当前控制增量的约束,避免了非线性优化求解,并不需要很多的计算量。文中给出了仿真结果。     

多关节机械臂反演滑模神经网络干扰观测器控制

多关节机械臂在建模过程中存在不确定干扰和建模误差,对机械臂的控制系统带来了许多不良的影响.为此,文中研究了一种反演滑模神经网络干扰观测器控制策略.文中采用非线性干扰观测器对多关节机械臂的外部不确定干扰进行观测补偿,且无需外界不确定干扰的上界先验知识.对于建模过程中存在的不确定性,采用反演滑模神经网络自适应控制,运用神经...     

基于RBF神经网络的PMSM滑模控制

针对永磁同步电机(PMSM)系统中经典滑模控制器产生的抖振现象对机械结构带来的损耗问题,设计了基于径向基(RBF)神经网络的滑模控制算法。采用RBF神经网络实时调节滑模控制中指数趋近律的切换增益,通过梯度下降法优化RBF神经网络的权值,增强电机的动态特性与抗干扰能力。与滑模控制进行对比仿真实验,仿真实验结果表明,该控制算法的跟踪性能更好,且能够有效降低滑模控制器的抖振。     

基于干扰观测器的时滞非线性切换系统滑模控制方法

为实现更加精准的时滞非线性切换系统滑模控制,应用干扰观测器设计一种新的系统滑模控制方法。构建时滞非线性切换系统模型,针对系统在发生结构变化时会产生复合干扰变化的情况,设计了一种非线性切换干扰观测器,实施系统不连续干扰的估计。通过 Backstepping 方法结合干扰观测器,设计一种切换滑模控制器,依据标量非线性特性打造一个滑模面,通过滑模控制器算法使时滞非线性切换系统能够满足滑模面的实际可达性条件,完成切换滑模控制器设计,实现系统的滑模控制。对设计的滑模控制方法进行测试,实验中选择的时滞非线性切换系统为一种变后掠翼 NSV 。实验结果表明,该设计方法能够实现较为准确地切入信号跟踪,表现出了很好的切换复合干扰估计性能。     

基于神经网络PID控制的系统非线性校正的研究

在对BP神经网络PID控制器系统研究的基础上，提出了单神经元的自适应PSD算法。该算法兼有单神经元和自适应PSD算法的特点，简单、实时性好、自适应能力强，可用于控制过程时变、有大滞后的较复杂的对象，是一种实用价值较高的自适应控制算法。文中采用BP神经网络PID控制与单神经元PSD自适应控制两种方法对压电式微位移系统进行非线性控制，并取得了良好的效果。     

基于反演的机器人滑模变结构控制研究

基于滑模变结构控制理论,针对地面机器人这类非线性强耦合系统,提出了一种反演滑模变结构控制方法.该方法将复杂的非线性系统分解成不超过系统阶数的子系统,然后为每一个子系统设计李雅普洛夫函数和中间虚拟控制量,一直回推到整个系统,直到完成整个控制律的设计.最后利用所提出的方法设计了平面二自由度机器人的控制系统并进行了仿真,仿真结果表明该控制方法的有效性.     

基于递归神经网络的大滞后非线性系统预测控制

针对带有大滞后的非线性系统，提出了在迭代多步预测的基础上，将系统多步预测输出值进行线性化，在多步预测目标函数下实现系统控制的方法。采用适合于动态系统实时控制的扩展Elman网络，利用训练速度快的阻尼最小二乘法学习网络权值。仿真实验表明了该方法的有效性。     

基于粗糙-神经网络的非线性系统逆模型控制

粗糙控制是近年来兴起的一种新的智能控制方法,作为对粗糙控制理论的探索,提出了粗糙规则逆模型的概念,并分析了粗糙规则逆模型的一致性和完备性问题,引入了基于径向基函数网络的粗糙决策规则推理方法,构造了粗糙-神经网络逆模型.对粗糙-神经网络逆系统模型的辨识以及基于粗糙-神经网络逆模型的控制理论和方法进行了分析和讨论,并通过实例仿真计算与实验分析,验证了粗糙-神经网络逆模型控制方法的可行性.     

基于模糊滑模控制的数控机床位置伺服系统

针对数控机床位置伺服系统这样一个多变量、强耦合且参数不确定的非线性系统,为了提高位置伺服系统的响应特性,在研究普通滑模控制的基础上给出自适应模糊滑模切换控制策略,给出了自适应模糊滑模切换控制算法,设计了基于自适应律的模糊滑模控制器,采用Lyapunov分析证明了基于该控制器的位置伺服系统的稳定性。搭建了基于AD5435的半实物仿真实验平台,分别将PID控制、普通滑模控制以及切换模糊化自适应滑模控制进行半实物仿真验证。实验结果表明该控制算法不但可以提高位置伺服系统的动态和静态特性,而且具有较强的抗干扰性。     

基于模糊滑模控制策略的永磁同步电机控制

文章设计了一种基于模糊控制(fuzzy control)的永磁同步电机(permanent magnet synchronous motor,PMSM)滑模控制策略。传统的积分滑模控制(sliding mold control,SMC)具有较强的抗干扰能力,当电机有大幅度的负载扰动时,控制系统会出现较大抖振现象,使得电机转速跟踪效果变差。本文将模糊控制策略引入到滑模控制中,通过设计模糊控制规则实时调整滑模参数,当电机负载和转速出现大幅变化时,可实现转矩和转速的快速响应;当系统状态误差减小,状态变量接近滑模面时,系统可平滑的进入到稳定状态,有效削弱系统抖振。模糊滑模控制既可以保证控制系统的快速响应能力和抗干扰能力,又能提高系统稳定性和转速控制精度。     

燃气锅炉燃烧系统的模糊神经网络控制

文章采用双模糊神经网络调节的PID算法,对锅炉的燃烧系统进行了离线模拟计算和在线实时控制。首先对燃烧系统进行离线计算,把运算的最优结果作为在线实时控制的输入,接着运用实时在线控制算法调节锅炉燃烧系统的输出参数,达到理想的输出结果。此算法与常规的PID算法及其模糊PID算法相比较,能提高燃烧效率,节约能源,具备良好的稳定性、鲁棒性和抗干扰性。     

电子机械制动系统等效模糊滑模控制研究

建立了基于电子机械制动(EMB)系统的车辆单轴模型。针对制动过程非线性和路面状况复杂多样的特点,提出以滑移率为控制目标,设计了基于等效控制的模糊滑模控制器。利用模糊规则对滑模控制的抖振进行了有效的控制和消除。对该控制器进行了一定初速度下引入模糊逻辑前后的仿真对比和一定初速度下不同路面制动的仿真。结果表明,该控制器具有较好的可行性和有效性。     

转台伺服摩擦系统模糊滑模控制仿真

滑模控制是一种非线性控制策略,能够根据当前状态实现自适应的变结构运动,能够实现伺服系统的快速响应,并克服低速状态下摩擦力矩的影响。鉴于常规滑模控制有严重的抖振现象,系统通过引入柔性的模糊控制,通过模糊控制算法改变其切换增益,实现不确定项的消除。以直流电动伺服系统为被控对象,建立了其数学模型和摩擦模型,实现了基于切换增益的模糊滑模控制器的设计,软件仿真结果表明论文所设计的滑模控制器能达到较好的控制品质,有效的克服系统抖振,实现系统低速摩擦补偿。     

基于模糊神经网络系统的三相感应电机矢量控制

为实现三相感应电机稳定控制,提出了一种基于自适应模糊神经网络推理系统（ANFIS）的感应电机矢量控制方法。ANFIS结合了模糊逻辑的调节能力与神经网络的自适应能力,被广泛的应用到电机的参数估计、转速、转矩和磁链控制中。在分析感应电机工作原理的基础上,推导出其数学模型,在Matlab/Simulink上采用基于ANFIS的矢量控制对三相感应电机进行系统仿真,仿真结果表明,该控制策略转矩波动小,转速响应快,具有良好的动态和静态性能。     

四旋翼偏航系统的优化神经网络滑模控制

针对四旋翼偏航控制系统,提出了一种运用遗传算法优化的神经网络滑模等效控制方法。此方法采用遗传算法对神经网络的权值和阈值进行优化,提高了四旋翼偏航系统的动态控制品质;利用BP神经网络输出代替传统离散滑模控制趋近律中的到达速度常数和趋近速度指数,有效地克服了传统离散滑模控制的趋近律中参数选取不合适会导致系统状态发散或产生剧烈抖振问题。Matlab仿真分析表明,这种控制方法拥有较好的控制跟踪性能,不但使控制系统对外部扰动具有很强的鲁棒性,而且保证了良好的动态品质并消除了系统的高频抖振。