基于自适应模糊滑模控制的分数阶混沌系统的投影同步

基于模糊控制理论和滑模控制理论以及自适应控制理论,研究了一类含有外部扰动的不确定分数阶混沌系统的混合投影同步问题.提出了一种自适应模糊滑模控制的分数阶混沌系统投影同步方法.模糊逻辑系统用来逼近未知的非线性函数和外部扰动,并且对逼近误差采用了自适应控制,同时构造了一种具有较强鲁棒性的分数阶积分滑模面.应用分数阶Barbalat引理设计了自适应模糊滑模控制器和参数自适应律.最后数值仿真结果验证了所提控制方法的有效性.     

基于分数阶滑模控制技术的永磁同步电机控制

针对传统整数阶滑模控制系统中存在的抖震问题,本文提出了分数阶滑模控制策略并应用到永磁同步电机的速度控制.传统滑模控制器中的开关函数由作用在切换流型或其整数阶导数面推广到其分数阶导数面,利用分数阶系统的特性,缓慢地传递系统的能量,有效地削减抖震.本文采用模糊逻辑推理算法,实现软开关切换增益的自整定.仿真和实验证明,本文提出的分数阶滑模控制系统不但能有效地削减抖震,而且能保持滑模控制器对系统参数变化和外部扰动的鲁棒性.     

永磁同步电机伺服系统模糊分数阶滑模控制

针对传统整数阶滑模控制系统中的抖震问题,结合分数阶理论、模糊逻辑推理和滑模控制技术的优点,提出了模糊分数阶滑模控制策略.将传统滑模控制器中的整数阶切换面推广到分数阶并设计了全控制域滑模面,保证系统在整个控制域都具有较强的鲁棒性.采用模糊逻辑推理算法,实现了开关切换增益的自整定.仿真和实验验证了模糊分数阶滑模控制系统不但能有效地削减抖震,而且能保持滑模控制器对系统外部扰动的全局鲁棒性.     

不同维分数阶混沌预设时间有限时间投影同步

对于不同维分数阶混沌系统的投影同步问题,设计了一种自适应滑模控制器。这使得带有内部不确定量和外部扰动的驱动,响应系统能够在任意预设的时间完成同步,自适应律可以逼近未知量的上界。并针对自适应滑模控制器由于干扰产生抖振的问题,提出了两种解决方案。首先是设计二维滑模控制表,将模糊控制方法加入滑模控制器组成模糊自适应滑模控制器...     

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.     

分数阶微积分在滑模控制中的应用研究

针对滑模控制所存在的抖振问题以及趋近问题,将分数阶微积分理论与滑模控制策略的优点相互结合,提出一种有效的分数阶趋近律.在控制器的设计过程中,将分数阶微积分引入到滑模控制中提出分数阶趋近律,并运用Lyapunov理论进行证明,从而确保系统的稳定性.将提出的控制方法应用于二关节机械臂上,进行仿真验证.结果表明:所提出的分数...     

基于Backstepping的倒立摆鲁棒跟踪控制

针对内部参数不确定及存在外部干扰的非线性倒立摆系统,提出了基于Backstepping方法的滑模变结构控制律,并且采用RBF神经网络逼近系统不确定非线性函数,同时引入滑模误差对其神经网络权值进行在线自适应调整,使神经网络的逼近速度加快,改善了动态性能.该控制律能保证倒立撰轨迹跟踪误差的快速收敛性以及对外部扰动和内部参数不确定的不敏感性,最后给出的仿真实例证明了该理论分析结果的正确性,控制效果良好.     

一种新型滑模控制器设计及仿真

对于一类非线性不确定系统,常规滑模控制器存在"抖振"现象和抗外部扰动作用不理想等问题.本文运用自适应模糊系统逼近滑模控制器参数,并引入一个自适应模糊参数连续逼近常规滑模控制器的开关函数,最后给出一种新型自适应模糊滑模控制器,该方法克服函数和边界层法的不足.仿真实验结果表明该方法增强非线性系统的抗干扰能力和鲁棒性,并大大地削弱系统的"抖振"现象.     

基于变指数趋近律的起重机自适应滑模控制

以起重机升降系统位置控制为目标,针对传统滑模控制中要求系统不确定因素的界为已知的缺点,将自适应控制引入传统滑模变结构控制中,通过设计自适应律对起重机升降系统参数的变化及外部扰动进行辨识,同时采用变指数趋近律进一步克服传统滑模方法中存在的抖振问题。仿真结果表明,该控制算法不仅保持了传统滑模方法良好的鲁棒性,而且提高了系统的控制精度,减小了系统的抖振。     

基于观测器的水下机器人神经网络稳定自适应控制

给出了基于观测器的水下机器人神经网络自适应控制算法．控制算法由3部分组成：输出反馈控制、神经网络以及滑模项，其中输出反馈控制为了保证系统的初始稳定性；神经网络用于逼近系统的非线性动力学；滑模项用于补偿和抑制系统的外部扰动、神经网络逼近误差等．控制算法中所需要的速度量由状态观测器来提供．基于Lyapunov稳定理论给出了系统闭环稳定条件和稳定域．水池试验结果验证了算法的有效性．     

基于RBF神经网络的PMSM分数阶互补滑模控制

参数变化及外部不确定性干扰等因素对永磁同步电机(PMSM)驱动控制系统影响较大,针对这一问题,提出一种基于RBF神经网络的分数阶互补滑模控制方法。在建立PMSM数学模型的基础上,采用RBF神经网络对外部干扰进行逼近估计。设计基于饱和函数的分数阶互补滑模控制器,并将RBF神经网络估计的干扰引入控制器中,以抵消外部干扰对系统的影响。理论证明,该控制策略在对外部不确定性干扰进行有效抑制的同时保证系统跟踪误差收敛。通过仿真验证所提方法的有效性。     

基于RBF神经网络滑模控制的车辆横向控制研究

针对车辆横向控制系统中滑模控制器存在的抖振现象对转向机械结构带来的损耗问题,提出了一种基于RBF神经网络的滑模控制算法。利用RBF神经网络较强的自学习能力实时在线调节滑模控制器的切换项增益参数,增强系统的抗干扰能力与动态性能。将车辆实际参数代入仿真数学模型中,在Simulink仿真环境中进行对比仿真实验,仿真结果表明:该控制算法跟踪性能好,能够有效降低滑模控制器的抖振,满足车辆横向控制要求。     

Robust chattering-free sliding mode control of space robot in task space

This paper studies the tracking control problem of a free-floating space robot in a task space. Considering the model uncertainties and external disturbance, a robust sliding mode controller is proposed using the Lyapunov direct method and dissipative theory. To eliminate the chattering phenomenon, an radial basis function （RBF） neural network is applied to replace the discontinuous part of the control signal. A novel on-line learning method of the weights and parameters of the RBF neural network established using Lyapunov function assures the stability of the system. It is proved that the proposed controller can guarantee that the L2 gain from disturbance to tracking error is lower than the given index y. Simulation results show that the control method is valid.     

基于RBF神经网络的作业型AUV自适应终端滑模控制方法及实验研究

研究了作业型AUV （自主水下机器人）的轨迹跟踪控制问题.实际作业中,水下机械手展开作业过程将引起AUV动力学性能变化,进而影响AUV轨迹跟踪控制;并且水流环境干扰亦将影响AUV轨迹跟踪控制.针对上述AUV轨迹跟踪控制问题,提出一种基于RBF （径向基函数）神经网络的AUV自适应终端滑模运动控制方法.该方法在李亚普诺夫稳定性理论框架下,采用RBF网络对机械手展开引起的AUV动力学性能变化和水流环境干扰进行在线逼近,并结合自适应终端滑模控制器对神经网络权值和AUV控制参数进行自适应在线调节.通过李亚普诺夫稳定性理论,证明AUV系统轨迹跟踪误差一致稳定有界.针对滑模控制项引起的控制量抖振问题,提出一种变滑模增益的饱和连续函数滑模抖振降低方法,以降低滑模控制量抖振.通过AUV实验样机的艏向和垂向的轨迹跟踪实验,验证了本文AUV系统控制方法和滑模降抖振方法的有效性.     

基于模糊扰动观测器的PMSM积分滑模控制研究

为了克服传统永磁同步电机(Permanent magnet synchronous motor,PMSM)的滑模控制增益大容易产生抖振的问题,提出基于模糊观测器的PMSM积分滑模控制策略。采用新型趋近律设计积分滑模控制器取代传统的滑模控制器,提高系统的动态响应性能。结合模糊控制与自适应控制的特点,设计模糊扰动观测器,能够迅速有效地观测系统内部参数变化和外部扰动,并对积分滑模速度控制器进行前馈补偿,削弱系统抖振的同时提高了系统的鲁棒性。通过李雅普诺夫理论证明了该控制系统的稳定性。仿真及实验结果验证了该方法具有较强的鲁棒性,可以实现良好的跟踪效果并且无抖动。     

基于输入输出线性化的自适应模糊滑模航迹控制

针对船舶直线航迹控制的非线性特性,设计一种基于输入输出线性化的自适应模糊滑模控制器,并利用Lyapunov理论,证明该系统在所设计控制器作用下全局渐近稳定,Simulink仿真结果表明,所设计控制器能够有效抑制常规滑模所固有的稳态抖振现象,且在参数摄动及风浪干扰下具有强鲁棒性,较好的实现了对设定航迹的跟踪。     

FPGA‐based adaptive dynamic sliding‐mode neural control for a brushless DC motor

In the adaptive neural control design, since the number of hidden neurons is finite for real‐time applications, the approximation errors introduced by the neural network cannot be inevitable. To ensure the stability of the adaptive neural control system, a switching compensator is designed to dispel the approximation error. However, it will lead to substantial chattering in the control effort. In this paper, an adaptive dynamic sliding‐mode neural control (ADSNC) system composed of a neural controller and a fuzzy compensator is proposed to tackle this problem. The neural controller, using a radial basis function neural network, is the main controller and the fuzzy compensator is designed to eliminate the approximation error introduced by the neural controller. Moreover, a proportional‐integral‐type adaptation learning algorithm is developed based on the Lyapunov function; thus not only the system stability can be guaranteed but also the convergence of the tracking error and controller parameters can speed up. Finally, the proposed ADSNC system is implemented based on a field programmable gate array chip for low‐cost and high‐performance industrial applications and is applied to control a brushless DC (BLDC) motor to show its effectiveness. The experimental results demonstrate the proposed ADSNC scheme can achieve favorable control performance without encountering chattering phenomena. Copyright © 2010 John Wiley and Sons Asia Pte Ltd and Chinese Automatic Control Society     

可控励磁直线同步电动机的全局积分Terminal滑模控制

为提高可控励磁直线磁悬浮同步电动机进给系统的快速性与鲁棒性,提出全局积分Terminal滑模控制策略.构造新型的全局积分Terminal滑模面,对系统状态任意初值可在有限时间内收敛到零点,在趋近律中引入衰减因子,可减小系统抖振;在构造滑模面和趋近律的基础上设计全局积分Terminal滑模速度控制器;为进一步削弱滑模控制的抖振,减小切换增益,用径向基函数神经网络设计扰动观测器,并对扰动进行前馈补偿控制.仿真结果表明全局积分Terminal滑模控制策略能够明显改善系统的动态性能,缩短误差的收敛时间,提高系统抑制扰动的能力,削弱系统的抖振,增强系统的鲁棒性.     

基于神经网络的机器人二阶滑模控制

本文提出了一种基于神经网络与二阶滑模控制融合的控制策略用于非线性机器人控制,设计了一种新颖简易的二阶滑模控制方法,有效地避免了常规变结构控制的抖震问题,并采用神经网络辨识未知的机器人的非线性模型,通过Lyapunov直接法设计网络的权值更新率,确保了系统闭环全局渐近稳定性。最后,通过仿真验证了算法的有效性。