共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
针对挠性航天器姿态机动过程中存在模型参数不确定性、外部干扰、执行机构故障、输入饱和及挠性附件振动且挠性模态不易直接测量的问题,从被动容错控制角度出发,提出了一种抗饱和容错控制与振动抑制策略。首先,构造挠性模态观测器对挠性模态变量及其变化率进行观测。然后,将系统不确定、外部扰动、执行器故障和控制器输出超出执行机构饱和部分作为复合干扰,采用二阶非线性干扰观测器对其进行估计并进行有效的补偿。该方案能够实现执行机构饱和约束和失效故障条件下的姿态容错控制,并能抑制挠性结构的振动。利用李雅普诺夫方法严格证明了闭环系统的稳定性,最后通过数值仿真验证了该控制方法的有效性。 相似文献
3.
为了解决永磁同步电机(PMSM)位置伺服系统中存在的内部参数摄动、负载扰动以及外界不确定性干扰等问题,设计了基于非线性干扰观测器(NDO)的自适应反演滑模控制器。通过NDO对系统存在的扰动进行观测,并将观测结果引入到自适应反演滑模控制器进行补偿。针对引入NDO后的系统,设计自适应反演滑模控制器,对滑模控制器中的切换增益利用自适应律进行调节,削弱系统抖振,提高系统的抗干扰能力和鲁棒性。仿真结果表明,与传统反演滑模控制相比,基于NDO的自适应反演滑模控制器对系统中存在的扰动具有更好的抗干扰能力,该控制器可削弱系统的抖振,从而提高了PMSM位置伺服系统的跟踪精度。 相似文献
4.
5.
针对挠性航天器姿态机动过程中存在模型参数不确定性、外界干扰、执行机构饱和受限及挠性附件振动及挠性模态不易直接测量的问题,提出了一种鲁棒自适应控制方法。首先构造挠性模态观测器对挠性模态变量及其变化率进行观测,然后,设计自适应控制律来处理系统中的不确定参数和外界干扰上界。最后,通过引入附加的输入误差系统来补偿执行器的饱和非线性,从而保证所设计的控制力矩不超过执行器的幅值上限。基于李雅普诺夫方法证明了所设计的控制器保证了姿态机动过程的稳定性和挠性模态振动的衰减,最后通过数值仿真验证表明所设计的控制器能够严格满足执行机构的饱和约束,在完成姿态机动控制的同时,有效抑制了挠性附件的振动。 相似文献
6.
非线性汽门控制器的自适应鲁棒逆推设计 总被引:6,自引:4,他引:6
针对带有内部及外部扰动的汽轮机调速系统,使用自适应逆推方法构造出调速系统的存贮函数,进而同时获得非线性L2增益干扰抑制控制器及参数替换律。该控制器在内部扰动中重点考虑了输电线路参数的不确定性,因此不仅能够抑制干扰对系统输出的影响,而且对系统参数变化也具有很强的鲁棒性。同时,基于该方法的设计过程系统、简明,易为工程人员所接受。仿真结果表明该自适应逆推方法设计的控制器拥有优越的性能。 相似文献
7.
针对挠性航天器姿态机动过程中存在模型参数不确定性、外界干扰、执行机构饱和受限及挠性附件振动及挠性模态不易直接测量的问题,提出了一种鲁棒自适应控制方法。首先构造挠性模态观测器对挠性模态变量及其变化率进行观测,然后,设计自适应控制律来处理系统中的不确定参数和外界干扰上界。最后,通过引入附加的输入误差系统来补偿执行器的饱和非线性,从而保证所设计的控制力矩不超过执行器的幅值上限。基于李雅普诺夫方法证明了所设计的控制器保证了姿态机动过程的稳定性和挠性模态振动的衰减,最后通过数值仿真验证表明所设计的控制器能够严格满足执行机构的饱和约束,在完成姿态机动控制的同时,有效抑制了挠性附件的振动。 相似文献
8.
针对永磁同步风力发电系统(PMWS)存在的非线性、参数摄动、不确定性、多干扰等问题,采用一种基于最佳叶尖速比的最大功率跟踪控制方法,将最大功率捕获问题转换为最佳速度跟踪问题,分别针对速度环和电流环进行自抗扰控制器的设计;考虑到大干扰环境中,系统受内、外扰动的影响,转速跟踪精度有所下降,为提高控制精度和鲁棒性,针对速度环设计了一种基于扰动观测的降阶自抗扰控制器。通过扰动观测器对系统的总干扰进行在线观测,然后利用自抗扰控制器进行干扰补偿,从而提高转速的跟踪能力。仿真结果验证了所设计的复合控制器能有效地抑制系统扰动对转速的影响,提高了系统的鲁棒性和抗干扰性能。 相似文献
9.
10.
为了降低风速的强随机性与风力发电机建模的不确定性给风力发电系统的功率跟踪控制带来的不利影响,设计了新型非线性采样控制器。首先根据系统工作原理建立系统的近似数学模型,然后通过设计连续状态反馈控制器估计压制增益,最后借助李雅谱诺夫函数法构造既能满足稳定性要求又能快速跟踪的采样控制器。阶跃输入与正弦输入的2个算例表明采样控制器的稳定性及快速跟踪特性。非线性跟踪采样控制器便于在计算机中实现,在发电系统中的应用将大大减少干扰及不确定性对系统的影响。 相似文献
11.
《电工技术学报》2020,(9)
为解决永磁直线同步电机(PMLSM)运行过程中对参数变化、外部扰动和摩擦力等不确定性因素敏感的问题,提出一种动态边界层全局互补滑模控制(GCSMC)方法。首先建立含有不确定性因素在内的PMLSM数学模型。然后利用广义滑模面和互补滑模面相结合的方式设计互补滑模控制器,来抑制不确定性因素对系统的影响,进而削弱抖振,但其边界层厚度值恒定不变,致使系统状态轨迹只能在边界层范围内收敛。为此,采用新型饱和函数来设计全局互补滑模控制器,以实现边界层的动态变化,使边界层厚度值随状态轨迹的变化而减小直至收敛到切换平面上,进一步提高了系统在边界层内的鲁棒性。实验结果表明该方法既改善了系统跟踪性能,又保证了系统的全局鲁棒性。 相似文献
12.
13.
14.
针对永磁直线同步电机直接驱动伺服系统的位置跟踪精度易受参数变化、外部扰动、端部效应等不确定性因素的影响,提出了一种将小波神经网络(wavelet neural network,WNN)和增量滑模控制器相结合的智能增量滑模控制方法。利用系统先前的状态信息和控制动作作为反馈量,同时选择饱和函数作为切换函数来设计增量滑模控制器,不仅削弱了抖振,而且提高了系统的跟踪性能;利用WNN实时观测和补偿参数变化和外部扰动等影响,并采用改进的粒子群优化算法在线调整WNN的学习率,对不确定因素进行实时估计。从理论上分析证明了此控制器可以保证系统收敛,提高了直线伺服系统的控制性能。通过系统实验,证明了所提出方案的有效性,与滑模控制(sliding mode control,SMC)相比,系统具有强鲁棒性和良好的位置跟踪精度,明显地削弱了抖振现象。 相似文献
15.
针对控制参数的不确定性以及存在未知外部扰动情况下移动机器人的轨迹跟踪问题,提出一种基于光滑非线性饱和函数的自适应模糊滑模轨迹跟踪控制算法。通过建立不确定非线性移动机器人运动控制模型,利用自适应模糊逻辑系统构建自适应模糊滑模控制器。为了增强轨迹跟踪控制算法对随机不确定外部扰动适应能力的同时削弱滑模控制算法中的输入抖振现象,利用有界输入有界输出(BIBO)稳定的方法,通过带有自适应调节算法的模糊系统对滑模控制律中非线性函数项进行自适应逼近,并设计了模糊系统中可调参数的自适应控制律,保证了控制系统的稳定与收敛。实验结果表明,所设计的控制器对系统参数不确定性和外界扰动均具有较强的轨迹跟踪性能和鲁棒性。与传统的滑模控制算法相比,该算法不仅能有效减小输入抖振而且轨迹跟踪控制精度提高了18.89%。 相似文献
16.
针对电液伺服驱动的连铸结晶器位移系统存在的状态不可测、参数不确定性及外部扰动问题,提出一种基于状态观测器的反步滑模控制方法。该方法采用比例积分状态观测器实现对系统各状态的有效估计,并给出观测器增益矩阵的计算方法;然后采用反步与非奇异终端滑模相结合的控制方法设计控制器,避免了传统终端滑模带来的奇异问题,同时引入一类类势能函数,提高了系统的收敛速度与稳态精确度,最后通过Lyapunov稳定性判定法证明了系统的稳定性。仿真结果表明,该方法所设计的控制器能够有效地实现连铸结晶器位移系统的准确跟踪控制,增强了系统的鲁棒性。 相似文献
17.
针对永磁线性同步电动机在位置控制中易受系统参数变化、外界负载干扰以及摩擦力等不确定因素的影响,提出并设计了以径向基神经网络为预估器的互补式滑模控制器,以实现精确的位置控制。设计中利用饱和函数作为切换函数,利用径向基神经网络预测器来预测系统中的不确定项。从而减少了系统的抖振,消除稳态误差,提高了系统的暂态响应速度。通过仿真结果,验证了该控制器具有优异的跟踪能力和鲁棒性。 相似文献
18.
针对某炮控系统存在较强的非线性和不确定性特征,提出了基于补偿滑模的自组织神经网络控制策略。引入了补偿滑模面设计方法,构成了自组织神经网络控制器和辅助补偿器。自组织神经网络控制器由Hermite多项式、变结构神经网络和神经元参数自学习算法构成,其减小了计算复杂度,提高了自适应能力;梯度下降法对神经网络的参数进行自学习,提高了系统的收敛速度;辅助补偿器的引入进一步减小了系统稳态误差,满足了该炮控系统的基本指标要求,保证了系统在Lyapunov意义下的稳定性和鲁棒性。半实物仿真试验表明:该控制策略有效地提高了系统的控制精确度和鲁棒性,减小了外界干扰对系统性能的影响。 相似文献
19.
针对包含摩擦力矩、建模误差等不确定性的转台系统,提出一种带干扰补偿的模糊积分滑模控制策略。首先设计非线性干扰观测器对系统中的复合干扰进行估计,并利用非线性干扰观测器的估计值对系统进行补偿;其次设计具有积分项的滑模切换函数,积分项的引入提高了系统的静态性能,并将切换函数作为输入设计了单输入模糊控制器,有效减少了模糊规则的数量。仿真结果表明,此控制策略提高了系统的控制性能和抗干扰性,同时有效削弱了滑模控制引起的系统"抖振"。 相似文献
20.
为提高永磁直线同步电动机(PMLSM)伺服系统的控制性能,解决参数变化、外部扰动和摩擦力等不确定性因素对系统影响的问题,提出一种基于函数链径向基神经网络(FLRBFNN)的自适应反推控制(ABC)方法。首先建立含有不确定性因素的PMLSM动态模型;其次,利用ABC中的自适应律对系统总不确定性进行估计,但在设计ABC时存在大量求导运算,以至于产生"微分爆炸"现象。因此,为解决这一问题并进一步提高系统性能,采用FLRBFNN在线学习并调整控制器参数,FLRBFNN将径向基神经网络(RBFNN)和函数链神经网络(FLNN)相结合,利用FLNN增大神经网络搜索空间,提高网络收敛速度和收敛精度,从而提高RBFNN估计系统不确定性的能力,有效降低不确定性因素对系统的影响。实验结果表明,该方法切实可行,与ABC相比,能够使系统具有较强的鲁棒性能和跟踪性能。 相似文献