SCARA机械手的RBF神经网络自适应轨迹跟踪控制

为了解决机械手系统模型存在参数变化、强耦合、高度非线性等不确定性因素,提出基于RBF神经网络机械手自适应控制方法。该方法利用RBF神经网络的自适应、容错、并行处理及非线性映射能力,从而实现了无需机械手精确模型信息的控制。通过Matlab/Simulink环境下的仿真实验表明,该方法可实现对SCARA机械手的位置跟踪控制,通过控制算法适时地修正网络参数,实现对非线性系统任意轨迹的轨迹跟踪控制,具有良好的控制品质。     

液压伺服系统的直接自适应神经网络控制

针对液压伺服系统中的非线性和不确定特性,研究了一种基于神经网络的直接自适应控制方法。引入的神经网络模型可以通过学习从而跟踪对象的动力学特性,控制器的设计较少的依赖于对象的先验知识,控制器参数的调整是基于被控系统的测量信号,利用在线辨识的神经网络参数来实现的。仿真结果证明该系统有较好的控制效果。     

弹丸协调器电液系统的参数自适应反演控制

针对存在参数不确定性和非线性的弹丸协调器电液伺服系统模型,结合反演控制设计方法和自适应控制方法,提出一种参数自适应反演控制算法。采用反演控制设计方法推导非线性系统的控制律,结合Lyapunov定理保证闭环系统全局稳定。针对模型的不确定参数,通过构建不连续映射自适应律进行精确估计,解决系统模型不确定性问题,简化控制算法的设计。引入鲁棒项,提高系统稳定性。仿真结果表明:所设计算法是有效的,与PID算法相比有更好的控制效果。     

大型钢坯修磨机恒力加载系统神经网络自适应控制的研究

首次将神经网络非线性自适应控制方法应用于钢坯修磨机恒力加载系统，显著改善了系统的跟随特性。试验结果表明：该方法不仅能够提高系统输入阶跃的响应时间，而且对系统未知的外加干扰、系统参数时变特性和非线性有较强的自适应能力。     

电液速度伺服RBF模糊自适应控制

由于电液速度伺服系统的非线性和参数的不确定性,难以建立精确的数学模型,本文引入RBF(径向基函数)模糊自适应控制,利用RBF神经网络进行自学习、修改和完善模糊规则,改善其动态性能。仿真结果表明该方法具有较强的自适应和自学习能力,即使对复杂的非线性系统也能取得良好的控制效果。     

基于多层前馈BP网络的非线性逆系统自学习控制

提出的基于神经网络的非线性逆系统自学习控制方案运用逆动力学的基本思想，在系统模型未知的情况下，构造了神经网络一致的控制器和辨识器。运用自适应变步长冲量BP学习算法实现了网络辨识器对系统逆动力学模型的动态辨识，并通过网络辨识器向网络控制器在线动态传递更新权值的方法使神经网络控制器产生期望控制量。使得整个神经网络控制系统具有了自学习、自适应的控制能力。     

基于BP神经网络PID自适应整定的电阻焊智能控制

电阻焊焊接是一个参数时变的非线性系统,根据焊接工艺要求,设计了电阻曲线法控制策略。但传统的PID控制由于其参数固定不变,难以根据实际的干扰因素对系统进行自适应调整,无法取得理想的焊接效果。针对以上情况,提出了一种基于BP神经网络的PID参数自适应整定的智能控制方法,建立3层网络模型,对PID中的3个参数进行在线整定。通过在试焊样片施加干扰因素进行对比试验和波形分析,证明了其控制效果优于常规PID控制的。     

基于反向步进的直流电机系统的鲁棒速度控制器设计

本文针对直流电机非线性系统提出了一种基于反向步进的非线性自适应速度控制策略。首先通过状态重构将直流电机系统模型转化为级联结构,其次考虑参数不确定及转矩干扰设计具有鲁棒性的自适应反向步进控制器。仿真结果表明本文提出的这种控制方法适用于参数不确定情况下的直流电机系统的速度调节且具有较好的速度跟踪性能。     

交流伺服系统的模糊自适应PID控制

针对交流永磁伺服系统存在参数不确定和非线性数学模型不确定的特征,提出一种交流永磁伺服系统的模糊自适应PID控制方法。模糊自适应控制是通过总结控制经验、编写控制法则来设计控制器的控制方法,不依赖系统的精确模型。首先在建立合适的模糊规则表后,计算出各模糊子集的隶属函数,再由隶属函数求出各个参数在不同时刻的隶属度,然后运用模糊合成推理PID参数的模糊矩阵求得PID控制系统的控制参数。所得系统控制规则简便易懂,适用性和鲁棒性强,对于非线性时变复杂系统模型能以较简单的方式进行适时参数调整和控制,能获得良好的控制效果。最后进行了仿真研究,结果验证了控制方法的可行性。     

SMA驱动器的反步自适应NN控制

针对形状记忆合金(shape memory alloy, SMA)迟滞非线性特性下的轨迹跟踪问题，提出了一种反步自适应神经网络的控制方法。首先，根据所建立的Lyapunov函数，通过反步法设计出针对SMA驱动器的非线性控制器；然后，针对系统的非线性和参数的不确定性，采用自适应神经网络进行逼近，并且基于构造的Lyapunov函数，证明了闭环系统的稳定性。实验结果来看，所提出的控制方法成功地应用于SMA驱动器，并且几乎补偿了迟滞现象，并将实验控制结果与传统的PID控制器进行了比较。     

基于ESO的电液位置伺服系统自适应反步滑模控制

针对阀控电液位置伺服系统具有的不确定参数、外部干扰、系统状态不可测问题,在反步控制的基础上,同时引入滑模控制理论,提出一种带有ESO(扩展状态观测器)的自适应反步滑模控制策略。建立系统的非线性状态空间方程,基于系统模型设计出一种ESO,对速度值以及外干扰进行有效估计,同时引入自适应算法对系统不确定参数进行在线估计,设计出不确定参数的自适应律,通过Lyapunov稳定性定理证明所设计的控制器的稳定性。最后,仿真研究表明所设计的控制器能够对速度以及外干扰进行有效估计,并且具有较高品质的位置跟踪能力。     

基于改进模糊自适应的机械手阻抗控制研究

为解决因机械手非线性不确定系统、负载变化及力传感器测量不准确等引起的轨迹位置和接触力的控制问题,研究了一种反演自适应模糊控制方法。在目标阻抗控制模型上引入改进的力补偿以及自适应控制律,并采用Lyapunov函数证明了控制系统的稳定性,同时利用模糊理论设计了模糊控制系统完成目标阻抗参数的自整定,实现了无需依赖信息模型的力/位控制。以简化的二自由度机械手模型完成仿真实验。结果表明:该控制方法具有较好的力/位控制性能,系统鲁棒性较好。     

电动负载模拟器的自适应终端滑模控制

为了更好地测试舵机性能,提高加载系统的鲁棒性和稳定性,实现电动负载模拟器对信号精确跟踪,同时抑制多余力矩,提出高阶非线性自适应终端滑模控制策略,避免了参数变化和扰动对系统的影响。将舵机看作一个扰动输入,确立负载模拟器系统为双输入单输出非线性系统,建立负载模拟器非线性数学模型,并基于此模型提出自适应终端滑模控制策略。利用Lyapunov函数证明闭环系统的渐进稳定性及有限时间收敛特性。并通过Simulink仿真验证了此控制策略的有效性。结果表明:与普通滑模控制相比,自适应终端滑模控制方法跟踪精度更高,对多余力矩也起到了很好的抑制效果。     

基于死区时间补偿的永磁同步电机改进型模糊自适应PI控制策略

由于模糊自适应PI控制不需要精确的被控对象数学模型,且对于线性系统和非线性系统都具有良好的适用能力,而逐渐应用到电机控制系统中来。但传统模糊自适应PI控制在应用过程中,存在控制性能较差的问题。在模糊自适应PI控制理论基础上,提出一种基于死区时间补偿的永磁同步电机改进型模糊自适应PI控制策略,采用该策略能够实现无论在加速阶段还是减速阶段,均能准确、稳定地调节永磁同步电机转速。     

四旋翼飞行器全局鲁棒轨迹跟踪控制算法研究

针对四旋翼飞行器轨迹跟踪控制性能易受模型参数不确定性和未知外部干扰影响的问题,提出一种基于自适应反步法的全局鲁棒控制策略。该方法利用单一虚拟变量表达的线性化参数模型描述系统内部不确定性和外部干扰组成的集总干扰,并通过反步法设计的自适应算法在线估计虚拟变量,从而降低计算量,提高控制器的实时性。基于Lyapunov理论证明了该方法对集总干扰的鲁棒性及系统全部变量的全局一致最终有界性。最后,通过仿真算例验证了该控制策略的有效性和可行性,结果表明：该控制策略能有效克服集总干扰影响,实现四旋翼飞行器的精确轨迹跟踪。     

一种自适应扰动观测器的机械手滑模控制研究

针对在未知载荷下的机械手控制不确定性问题,基于非线性扰动观测器与滑模控制方法,提出一种非线性观测器增益的通用设计方法。通过设计一种自适应算法的非线性扰动观测器,逼近机械手的未知载荷引起的不确定性,来估计由未知恒定载荷所引起的外力,扩大了观测器扰动的适用范围。在一定条件下,利用Lyapunov方法证明了观测器的稳定性。通过算例仿真验证了所提出的自适应非线性观测器的滑模控制方法,在受载荷变化的非线性机械手控制系统等方面,能够有效缓解机械手控制的抖振问题。     

多关节套索驱动机械臂的自适应滑模鲁棒控制

套索驱动的机械臂在运动过程中,末端执行器的姿态变化会导致关节伺服系统的负载转动惯量发生改变.负载转动惯量的摄动会造成系统的建模失配,产生建模不确定性,系统鲁棒性下降.首先,根据D-H坐标法建立了基于套索传动机械臂的动力学模型;其次,提出自适应滑模鲁棒控制的基本策略,对机械臂进行控制;再次,引入HJI理论,通过对Lyap...     

基于单神经元PID的真空炉自适应温度控制

根据真空热处理系统的特点,将单神经元PID控制算法应用到真空热处理系统的温度控制上。根据神经网络的非线性逼近能力和自学习自适应的特点,将单神经元网络与PID控制结合实现对真空炉温度的控制,以达到提高真空炉温度控制品质的目的。并通过计算机仿真软件进行仿真试验,仿真结果表明单神经元PID控制系统可以对控制参数自整定,其对温度控制更加稳健,具有更强的抗干扰能力和鲁棒性。经过搭建真空炉温度控制系统试验平台验证后发现,应用单神经元PID控制的真空炉系统的温升过程表现出了良好的稳定性,但是温度控制的响应速度和保温的精度略有下降。要想进一步提高温控品质,需要就单神经元PID控制方法在响应速度和控制精度上做进一步改进。     

基于数据驱动的数控机床自适应迭代学习控制

数控机床位置伺服系统受加工环境、零件形状和机床机电特性等变化因素的影响,其零件加工是一个典型的非线性、时变和不确定动力学变化过程,因此,建立其精确机制模型很困难。针对相同零件批量加工过程呈现的重复运行特点,基于被控对象的等价数据模型,提出一种基于数据驱动的自适应迭代学习控制方法。所提控制方法采用沿迭代轴的动态线性化方法,通过最小化控制目标函数,仅利用数控机床位置伺服系统的输入输出数据,实现学习控制增益的自适应更新,克服传统P型迭代学习控制方法固定增益的问题,并经过严格理论分析保证了该方法的收敛特性。仿真结果表明:提出的数据驱动自适应迭代学习控制方法,相比传统P型迭代学习控制方法,平均绝对误差和最大绝对误差分别减小了46%和56%。     

电液位置伺服系统鲁棒反馈线性化控制

针对电液位置伺服系统存在强非线性和外界干扰不确定性的问题,提出将反馈线性化与滑模控制相结合的鲁棒反馈线性化控制策略。建立了电液位置伺服系统非线性模型,利用反馈线性化技术将其精确线性化,利用滑模控制来补偿其外界干扰不确定性,同时采用最优控制理论设计了切换函数,并引入模糊控制设计了自适应指数趋近律。以时变负载力扰动为例对系统性能进行了研究,仿真结果表明:该方法有效提高系统鲁棒性、加快响应速度和削弱了抖振。