参数自学习PID 算法在电动负载模拟器中的应用

针对电动负载模拟器的舵机主动运动引起的多余力矩会严重影响系统的载荷谱跟踪精度的问题,利用前馈控制对多余力矩进行补偿和抑制,提出并使用一种基于BP神经网络的PID参数自学习控制算法来实现高精度跟踪载荷谱的方法。阐释了电动负载模拟器在被动式加载中多余力矩的产生和影响,基于结构不变性原理,使用前馈控制对舵机速度干扰进行补偿,以抑制多余力矩;在前馈控制抑制多余力矩的基础上,分析传统PID算法和静态BP神经网络在非线性和参数时变条件下存在的局限性,并在舵机干扰的情况下,分别对常值和正弦载荷谱进行仿真测试。仿真结果表明:控制算法使得电动负载模拟器可以准确、快速地跟踪载荷谱,提高了电动负载模拟器的自适应性和鲁棒性。     

炮控系统电动负载模拟器神经网络滑模控制

为解决炮控系统电动负载模拟器存在多余力矩的问题,对其神经网络自适应滑模控制进行研究。结合滑 模控制器的特点,构建电动负载模拟器系统模型,通过滑模控制器对复杂非线性系统建立控制器,采用 RBF 神经网 络与滑模相结合的控制方法,利用 RBF 神经网络对系统摄动参数和未建模动态进行自适应逼近,可降低切换增益及 有效地抑制抖振,并对其进行仿真分析与验证。仿真结果表明：该控制策略具有较高的控制精度,且鲁棒性好,满 足系统的控制要求。     

基于免疫遗传模糊神经滑模的地面作战机器人轨迹跟踪控制

提出了一种基于运动学与动力学模型的免疫遗传模糊神经滑模混合控制器用于地面作战机器人的控制。算法中利用径向基神经网络逼近滑模控制的等效部分,并通过免疫遗传算法对径向基神经网络参数进行了优化,滑模控制的增益通过模糊控制策略进行了调节。利用该算法对圆形轨迹进行了跟踪控制仿真及试验分析,与传统的滑模控制相比,该算法能够有效克服系统的不确定性因素的影响,有效抑制了滑模控制中抖振现象,系统的动态轨迹跟踪性能得到了优化。     

无人炮塔火力线跟踪神经滑模控制

针对无人炮塔火力线跟踪动力系统中存在的火力瞄准机构运动使系统动力参数摄动和火炮射击时冲击使系统输入存在外部干扰问题,提出了一种神经滑模控制策略。采用非奇异终端滑模面保证系统状态能够在有限时间内到达滑模面和平衡点;采用径向基函数神经网络自适应地补偿系统摄动和冲击干扰,保证滑模控制在滑模面的运动。应用李亚普诺夫稳定性判据证明了控制器稳定性和火力线跟踪误差收敛性。仿真结果表明,通过神经网络的在线学习实现了火力线位置精确和鲁棒跟踪,并充分抑制了滑模控制中的抖振现象。该方法是有效的。针对无人炮塔火力线跟踪动力系统中存在的火力瞄准机构运动使系统动力参数摄动和火炮射击时冲击使系统输入存在外部干扰问题,提出了一种神经滑模控制策略。采用非奇异终端滑模面保证系统状态能够在有限时间内到达滑模面和平衡点;采用径向基函数神经网络自适应地补偿系统摄动和冲击干扰,保证滑模控制在滑模面的运动。应用李亚普诺夫稳定性判据证明了控制器稳定性和火力线跟踪误差收敛性。仿真结果表明,通过神经网络的在线学习实现了火力线位置精确和鲁棒跟踪,并充分抑制了滑模控制中的抖振现象。该方法是有效的。     

某随动系统负载模拟器灰预测模糊PID控制

为了提高某随动系统负载模拟器加载系统的力矩跟踪精度,设计了一种灰预测模糊PID复合控制方法。通过分析随动负载模拟器的系统组成和工作原理,简化力矩电机模型,根据扭矩传感器模型和转动惯量盘模型,建立了随动负载模拟器等效模型,推导出力矩电机输出力矩的传递函数。在传统PID控制的基础上增加了模糊控制器,用于在线调节PID比例、积分和微分参数,使系统响应时间缩短,稳定误差减小,并具有抗干扰能力;同时,加入灰预测模型对加载系统输出力矩补偿。仿真结果表明,所设计的控制方法能够提高加载系统的力矩跟踪精度,且具有较强的抗干扰能力,优于传统PID控制。     

自适应模糊小波滑模控制在交流伺服系统中的应用

针对某武器大功率交流伺服系统的位置跟踪问题,提出了一种基于自适应模糊小波神经网络快速终端滑模控制(AFWN-FTSMC)方法。为使控制器的设计不依赖于被控对象的精确数学模型,采用自适应模糊小波神经网络控制器(AFWNC)逼近滑模控制中的等效控制部分,解决了由于系统的不确定性及干扰的存在而不能准确确定等效控制的问题;同时利用自适应PI控制来降低系统的抖动,并采用Lyapunov方法证明了闭环系统的稳定性。仿真结果表明,该方法可以有效抑制抖振,提高系统的瞬态响应性能和控制精度,并且对结构参数不确定性具有很强的鲁棒性。     

BP 神经网络在双伺服同步运动系统中的应用

针对传统的PID调节器不能解决双伺服同步运动系统中经常出现的超调和滞后问题,提出一种将传统PID和BP神经网络的PID调节器相结合的方式来控制两伺服电机轴的运动。其中,传统PID算法用于系统正常运行时的控制,而BP神经网络的PID算法用于调试过程中修改位置调整器和速度调节器的参数。该方案能实现轴B准确地跟踪轴A的速度和轨迹而运动。     

自适应全程滑模变结构在轨迹跟踪上的应用

针对高超声速飞行器(hypersonic reentry vehicle,HRV)轨迹跟踪问题,提出一种自适应全程滑模变结构轨迹跟踪方法。首先,基于最优化理论设计全程滑模面,使系统的轨线一开始便落在切换面上;其次,采用滑模变结构控制与自适应控制相结合的方法,根据辨识结果自动调整控制律,在保证稳定性的同时削弱抖振;最后,采用Lyapunov定理证明系统的稳定性,并在一定的干扰作用下,将所设计的跟踪算法进行数值仿真,通过与二次型调节器(linear quadratic regulator,LQR)跟踪算法进行比较,验证了控制器的有效性。     

基于动态ニ阶滑模控制算法的导弹自动驾驶仪设计

尾控型侧滑转弯( STT)导弹过载输出跟踪模型具有非最小相位的特性，系统的零动态或内部动态不稳定，所以不能直接应用反馈线性化和滑模控制等算法设计导弹过载输出控制器。为了设计方便，首先将导弹数学模型的线性部分进行规范形转化；然后将输出跟踪问题转化为状态跟踪问题，则可采用滑模控制设计自动驾驶仪。通过构造动态滑模输出，使得系统零动态稳定；采用全局二阶滑模控制来消除抖振。仿真结果表明，所提出的方法可使导弹的输出过载准确跟踪制导指令，而且切换抖动得到有效抑制。     

基于RBF+NTSMC的舰载火箭炮随动系统控制研究

针对舰载火箭炮控制系统存在火箭炮射速、跟踪精度的问题,提出了一种基于RBF神经网络的非奇异终端滑模控制(NTSMC)策略。基于非奇异终端滑模控制强鲁棒性的特点,用RBF神经网络对未建模动态进行自适应逼近,将RBF神经网络与非奇异终端滑模控制相结合,既保持系统良好的鲁棒性又提高了火箭炮发射精度。仿真结果表明:与传统的NTSMC相比,该控制策略有效地提高舰载火箭炮系统的响应速度、鲁棒性以及发射的命中精度。     

基于神经网络的 PMSM 分数阶积分滑模控制

为了提高永磁同步电机调速控制性能,在分数阶积分滑模控制策略的基础上,设计一种基于神经网络的 变阶次分数阶积分滑模控制策略。利用分数阶积分随时间缓慢衰减的特性来增强系统的鲁棒性,通过指数趋近律削 弱滑模面的抖振现象,分析了分数阶阶次对系统动态性能的影响,引入 RBF 神经网络对滑模面函数中的分数阶积分 阶次进行动态调节,提高了系统的综合性能。仿真结果表明：与固定阶次的分数阶积分滑模控制相比,该控制方法 有利于取得更好的动态跟踪性能和稳定精度。     

某舰载火箭炮交流伺服系统并行复合控制方法

针对舰载火箭炮在发射过程中会受到风浪以及自身扰动的影响而导致射击精度和稳定性降低的问题,提出一种RBF神经网络滑模-模糊PID控制方法。利用RBF神经网络来削弱滑模的抖振,在误差较小时提高响应速度和鲁棒性;利用模糊规则对PID参数进行调整,在误差较大时提高控制精度。仿真结果表明：该复合控制策略可使舰载火箭炮交流伺服系统具有更高的射击精度和反应速度,提高系统性能。     

机器人操作手的神经跟踪控制

针对机器人轨迹跟踪问题,提出了一种自适应神经控制器.该控制方案利用RBF神经网络自适应学习机器人系统的未知非线性动态,然后,通过一个基于滑模控制技术的补偿器消除网络逼近误差和外部干扰的影响.网络权重的自适应修正规则基于Lyapunov函数方法得到.这种新的控制器能够保证闭环系统的稳定性和跟踪误差的渐近收敛性.     

扫雷器发射架电液伺服系统改进自抗扰控制

针对某爆破扫雷器发射架电液位置伺服系统响应速度慢、跟踪精度低、抗扰能力差的问题,设计一种改进自抗扰控制器。利用BP神经网络强大的自学习和非线性逼近能力对自抗扰控制器中的关键参数在线整定,并结合遗传算法(genetic algorithm,GA)对网络的初始权值进行优化;利用AMEsim和Simulink软件对该改进自抗扰控制器进行联合仿真验证。结果表明：该控制方法可有效提高系统的抗干扰能力,同时保证扫雷器的调炮速度和精度。     

双电机耦合驱动履带车辆自适应滑模转向控制

针对双电机耦合驱动履带车辆转向动力学模型具有多输入多输出（MIMO）、非线性且参数不确定的特点,对系统进行解耦,分解为车速控制系统和转向角速度控制系统。在车速控制系统中为实现车速跟踪误差的收敛,根据期望车速与当前速度信息,提出了鲁棒滑模变结构控制算法;在转向角速度控制系统中,提出了针对转向角速度的模糊滑模自适应控制算法。通过“驾驶员—控制器”在环的双电机耦合驱动履带车辆实时仿真系统,对控制算法进行了仿真实验验证,证明了该控制算法的有效性。     

Design of Neural Network Variable Structure Reentry Control System for Reusable Launch Vehicle

A flight control system is designed for a reusable launch vehicle with aerodynamic control surfaces and reaction control system based on a variable-structure control and neural network theory.The control problems of coupling among the channels and the uncertainty of model parameters are solved by using the method.High precise and robust tracking of required attitude angles can be achieved in complicated air space.A mathematical model of reusable launch vehicle is presented first,and then a controller of flight system is presented.Base on the mathematical model,the controller is divided into two parts：variable-structure controller and neural network module which is used to modify the parameters of controller.This control system decouples the lateraldirectional tunnels well with a neural network sliding mode controller and provides a robust and de-coupled tracking for mission angle profiles.After this a control allocation algorithm is employed to allocate the torque moments to aerodynamic control surfaces and thrusters.The final simulation shows that the control system has a good accurate,robust and de-coupled tracking performance.The stable state error is less than 1°,and the overshoot is less than 5%.     

舰炮随动系统的模糊滑模控制

为提升末端反导舰炮的射击精度,提出一种舰炮随动系统的模糊滑模控制方法。采用LuGre 模型对末端 反导舰炮随动系统中的非线性摩擦进行建模,应用滑模控制算法对摩擦力矩进行补偿,通过模糊规则对滑模控制增 益进行调节以降低抖振。仿真结果表明：该模糊滑模控制器减小了控制输入的抖振,提高了随动系统跟踪稳定性和 跟踪精度。