非仿射系统的自学习滑模抗扰控制

针对一类单输入单输出(single-input single-output,SISO)非仿射非线性系统的控制问题,提出了一种自学习滑模抗扰控制方法.该方法用非线性光滑函数设计扩张状态观测器,实现SISO非仿射非线性系统内部不确定性和外部扰动的扩张状态估计,并将扩张状态观测器(extended state observer,ESO)与自学习滑模控制技术融为一体,实现SISO非仿射非线性系统的自学习滑模抗扰控制.该方法不依赖受控对象的数学模型,可以快速跟踪任意给定的参考信号.数值仿真试验表明了该方法响应速度快、控制精度高,具有很强的抗扰动能力,因而是一种鲁棒稳定性很强的控制方法,在SISO非仿射非线性系统控制领域具有重要作用.     

分数阶Chen混沌系统的径向基函数神经滑模控制

针对带有参数扰动和外部干扰的分数阶Chen混沌系统, 提出一种径向基函数(RBF)神经滑模控制方法. 设计滑模切换函数, 将其作为RBF神经网络的唯一输入, 网络的权值可依据滑模趋近条件在线调整. 基于Lyapunov稳定性理论, 分析了该方法的稳定性. 仿真结果表明该控制方法简化了常规神经网络控制结构的复杂性, 削弱了滑模控制的抖振程度, 对参数扰动和外部干扰具有较好的鲁棒性.     

基于滑模迭代学习的永磁同步电动机鲁棒控制

永磁同步电机(PMSM)是一个典型的非线性、多变量、强耦合系统,对外界扰动及内部参数变化较为敏感.针对常规PI控制器参数整定困难,且对永磁同步电机非线性补偿有限,采用一种结合迭代学习控制与滑模变结构技术的控制器,用于永磁同步电机系统的鲁棒速度跟踪.迭代学习控制通过重复执行同一任务来减少误差,使系统输出尽可能逼近理想值,结合滑模变结构控制响应快、对参数变化及扰动不敏感等优点很好的解决了鲁棒性问题.试验结果证明了该方法的有效性和正确性.     

陀螺仪系统同步控制的参数自适应滑模控制

针对带有内部不确定性及外部扰动的陀螺仪混沌系统的同步问题,提出了一种参数自适应滑模控制方法,并给出参数自适应律.该方法不依赖被控混沌系统的数学模型,可以快速跟踪主混沌系统.时域及复频域理论分析表明,由参数自适应滑模控制器组成的闭环控制系统是全局渐近稳定的,而且参数自适应滑模控制器具有良好的抗扰动鲁棒性.仿真结果表明该控制方法计算量小、响应速度快、控制精度高、抗扰动鲁棒性强,在非线性不确定系统控制领域具有广泛的应用价值.     

针对高阶对象的递阶模糊滑模控制器研究

针对工业现场普遍存在参数不确定并有外界扰动的高阶对象,将误差驱动增益自整定思想和模糊滑模控制策略相结合,提出一种带有误差驱动参数自整定结构的递阶模糊滑模控制方法。该方法有效解决了传统模糊控制器在控制高阶对象时要输入更多系统状态信息而引起的"规则爆炸"问题,同时也削弱了一般滑模控制固有的"抖颤"现象。通过对典型高阶对象的仿真结果表明,误差驱动参数自整定递阶结构模糊滑模控制器较之传统控制方法有更好的控制效果和指标,并且有很强的鲁棒性和抗干扰特性。     

基于模糊滑模控制器的伺服跟踪控制研究

为了有效地消除精密机床伺服进给系统的参数变化和外部扰动对其跟踪性能的影响,将滑模控制引入其伺服跟踪控制.文章将模糊逻辑与滑模控制相结合提出了一种简捷的模糊滑模控制器设计的方法以减小滑模控制器的颤抖.实验结果表明采用该方法设计的模糊滑模控制器与离散准滑模控制器相比具有较强的鲁棒性和跟踪性能.最后将该控制器用于超精密机床伺服跟踪控制取得了良好的控制效果.     

基于径向基函数神经网络的机器人滑模控制

尽管滑模控制响应快,对系统参数和外部扰动呈不变性,但在保证系统的渐进稳定性上却存在很强的抖动缺点.因此,在一般滑模控制的基础上,引入了径向基函数神经网络(RBFNN).利用滑模控制的特点设定目标函数,将切换函数作为RBFNN的输入,滑模控制量作为其输出.利用RBF神经网络的在线学习功能,消除了控制的抖动,同时使系统具有很强的鲁棒性.对两连杆机械手进行了仿真研究,其结果表明,在存在模型误差和外部扰动的情况下,该方案既能达到高精度快速跟踪的目的,又能消除滑模控制的抖动问题.     

自适应比例–积分H2滑模观测器设计

传统的龙伯格观测器的观测精度极易受到未知外部扰动的影响.为了解决这个问题,本文设计了一种基于径向基神经网络的自适应比例–积分H₂滑模观测器,实现了参数不确定性和外部扰动下非线性系统的鲁棒确切估计.首先,利用径向基神经网络自适应逼近系统模型的复杂非线性项;其次,设计基于误差的线性滑模面,将比例–积分滑模项注入观测器中,使得滑模动态在有限时间内收敛于滑模面,实现对外部扰动和系统模型非线性的完全补偿;最后,基于H₂次优控制和区域极点配置,提出观测器参数自整定方法.通过对单连杆机器人的仿真结果表明,该方法能够保证非线性系统具有较好的鲁棒性和自适应性.     

基于抗扰动补偿的转台伺服系统准滑模控制研究

针对飞行模拟转台伺服系统中存在的内部和外部扰动.在分析它们对转台伺服系统影响基础上,采用线性连续准滑模控制(LCPSM)和状态立方反馈准滑模控制(SCFPSM)两种方法对转台伺服系统进行了杭扰动补偿控制,通过与传统PID控制方法和常规滑模变结构控制方法的比较证明准滑模控制方法对于转台伺服系统中的参数摄动和外部摩擦等扰动因素具有良好的抑制和补偿作用,消除了常规滑模变结构控制中的抖振现象.     

基于神经网络观测器的船舶轨迹跟踪递归滑模 动态面输出反馈控制

针对三自由度全驱动船舶速度向量不可测问题,考虑船舶模型参数和外部环境扰动均未知的情况,提出一种基于神经网络观测器的船舶轨迹跟踪递归滑模动态面输出反馈控制方法.该方法设计神经网络自适应观测器估计船舶速度向量,且利用神经网络逼近模型参数不确定项,综合考虑船舶位置和速度误差之间关系构造递归滑模面,再采用动态面控制技术设计轨迹跟踪控制律和参数自适应律,并引入低频增益学习方法消除外界扰动导致的高频振荡控制信号.选取李雅普诺夫函数证明了该控制律能够保证轨迹跟踪闭环系统内所有信号的一致最终有界性.最后,基于一艘供给船进行仿真验证,结果表明,船舶轨迹跟踪响应速度快,所设计控制器对系统模型参数摄动及外界扰动具有较强的鲁棒性.     

模糊-滑模控制在着舰导引系统中的应用

舰尾气流扰动是影响舰载机着舰误差的主要因素之一,为提高着舰精度,消除舰尾气流扰动对着舰安全的影响,提出了运用模糊-滑模控制抑制舰尾气流的扰动。滑模控制系统在滑动模态时对系统的不确定性及外界干扰具有很强的鲁棒性,运用模糊控制理论建立了随系统状态变化的时变滑模面,所设计的模糊-滑模控制系统可以较早达到滑动模态,并最后进入预定滑模面,使其同时具有良好的动态特性和抗干扰能力。纵向自动着舰导引系统的仿真实例验证了其有效性。     

基于干扰观测器的终端滑模控制研究

针对一类非线性不确定系统,提出一种带干扰观测器的终端滑模控制TSMC方案.在不考虑外部干扰的影响下,设计了终端滑模控制,保证系统状态在有限时间内收敛到零;当存在干扰时,构造了非线性干扰观测器系统,以在线逼近未知外部干扰,消除其影响.考虑输人通道的不确定性,采用自适应方法在线逼近不确定的上界,并采用Lyapunov方法严格证明了自适应闭环系统的稳定性.对一级倒立摆系统进行仿真,仿真结果表明了所设计控制方案的有效性.     

四旋翼飞行器自适应滑模控制设计

针对四旋翼飞行器姿态模型建模误差以及外部扰动不确定性的特点,提出了一种基于自适应滑模的非线性控制器。采用参数自适应控制方法逼近系统中的建模误差项,滑模控制方法进一步抵消系统建模误差以及外部不确定扰动项。并采用李雅普诺夫稳定法证明了所设计的控制器能够实现全局渐近稳定。最后,通过四旋翼姿态飞行实验,验证了文中所提出控制方法的有效性,能够实现小型四旋翼姿态的稳定控制,其抗扰性能优于传统PID控制。     

有限时间收敛的Terminal滑模控制设计

讨论了一类SISO非线性系统的滑模变结构控制有限时间收敛问题,提出一种新的Terminal滑动模态及相应控制的设计方法,可用于带有外部扰动的二阶非线性系统。研究结果表明,系统状态在滑模面上能以较快的速度达到平衡点,在滑模面上到达平衡点的时间均是有限的,并且与普通的Terminal滑模相比,在滑模面上能以更短的时间到达平衡点。仿真结果表明了所提方法的有效性。     

气动人工肌肉的滑模变结构控制

针对气动人工肌肉的非线性、时变性和不确定性,采用变结构控制的方法,设计了气动人工肌肉的全局滑模变结构控制策略。在Matlab仿真中,分析了控制器对外界干扰和外部参数的鲁棒性,表明该滑模变结构控制策略有效可行。     

基于扩张状态观测器的永磁同步电机滑模控制

针对永磁同步电机对外部负载扰动和参数变化比较敏感的控制问题,研究了一种基于扩张状态观测器和趋近律的滑模控制方法.该方法首先对扩张状态观测器进行了设计,然后分别建立了基于扩张状态观测器和趋近律的滑模控制,并用双极S型函数代替符号函数用以削弱滑模抖振,最后对稳定性进行了证明.仿真结果表明:设计的控制方法不仅具有很强的鲁棒性和强抗干扰能力,而且响应速度快,控制精度高.     

基于模糊神经网络的机器人滑模自适应控制

滑模控制（SMC）响应快,对系统参数和外部扰动呈不变性,可保证系统的渐近稳定性,但其缺点是控制存在很强的抖动;而模糊神经网络（FNN）具有模糊系统和神经网络共同的特点。将滑模控制和模糊神经网络控制有机结合,利用简单得到的学习信号对模糊神经网络进行在线学习,通过平滑切换函数实现直接自适应控制策略。对两连杆机械手的仿真研究表明,在存在模型误差和外部扰动的情况下,该方案既能达到高精度快速跟踪的目的,又能有效减小滑模控制的抖动问题。     

基于Kalman滤波的滑模控制在磁盘驱动系统中的应用

针对磁盘驱动伺服系统中存在的诸多随机干扰和随机噪声等特点,常规的PID控制在该类系统中存在滞后或超调,以及传统的滑模控制要求系统不确定因素的边界为已知等缺点,本文提出了基于Kalman滤波算法的指数趋近律滑模变结构控制方法,以指数趋近律作为到达条件设计滑模变结构控制器。该方法能够较好地处理磁盘驱动伺服系统中的不确定性问题,而且对外界干扰不敏感。在MAT-LAB环境下对该算法进行了仿真试验研究,结果表明,该方法能够很好地削弱抖振和抑制伺服系统的随机干扰。将该方法应用于磁盘驱动伺服系统可以显著地改善系统的动态特性,并能使系统的稳定性和控制精度大大提高。     

基于扩张状态观测器的UCAV自适应滑模控制

针对固定翼UCAV（Unmanned Combat Aerial Vehicle）系统中存在的不确定性和外部扰动，设计了一种基于扩张状态观测器的自适应超扭曲滑模控制器用来抑制系统扰动，从而提高对于UCAV的控制性能。建立固定翼UCAV的六自由度非线性模型，针对姿态控制和速度控制分别设计扩张状态观测器对模型中难以精确测量的状态量和外部扰动进行估计，依据奇异摄动原理分别对姿态和速度设计自适应超扭曲滑模控制器，实现对UCAV的姿态和速度的跟踪控制。采用某型固定翼UCAV非线性模型对所设计的控制器进行仿真验证，并且与传统的自抗扰滑模控制方法进行了对比，仿真结果表明，基于扩张状态观测器的自适应超扭曲滑模控制器具有更小的超调量和稳态误差。     

基于扰动观测器的机械臂自适应反演滑模控制

机械臂的动力学模型通常包含一定的结构不确定性,并受到外界未知干扰的影响。针对现有模型的不确定性特点,提出了一种基于非线性扰动观测器的自适应反演滑模控制方法,解决机械臂的轨迹跟踪控制问题。对于外界干扰,利用非线性扰动观测器进行观测补偿,无需上界先验知识;对于结构不确定性,引入反演滑模控制,同时设计自适应律,保证闭环系统的稳定性并增强系统的动态适应性。仿真结果证明,所提出的方法可以有效克服系统不确定性,降低控制输入信号的抖振,最终实现期望轨迹的快速精确跟踪。