神经网络自适应滑模控制的不确定机器人轨迹跟踪控制

提出一种针对机器人跟踪控制的神经网络自适应滑模控制策略。该控制方案将神经网络的非线性映射能力与滑模变结构和自适应控制相结合。对于机器人中不确定项,通过RBF网络分别进行自适应补偿,并通过滑模变结构控制器和自适应控制器消除逼近误差。同时基于Lyapunov理论保证机器手轨迹跟踪误差渐进收敛于零。仿真结果表明了该方法的优越性和有效性。     

不确定系统的神经网络积分变结构控制

针对一类不确定系统,在系统上界值未知的情况下,结合神经网络能任意的逼近不确定系统的优点,设计出一种神经网络积分变结构控制器,利用RBF(Radial Basis Function)神经网络来实时估计系统的不确定性界限,从而降低了一般变结构控制研究的条件.在变结构控制器中又引入饱和函数取代符号函数,进一步减弱“抖振”现象...     

磁悬浮球系统的神经网络辨识及变结构控制

磁悬浮球系统是一个典型的非线性的不稳定的系统,基于对其建模的复杂性和不准确性,文章利用神经网络能逼近任意非线性函数这一特性,对磁悬浮球系统进行辨识;再根据滑模变结构控制原理设计了磁悬浮球系统的变结构控制器,利用MATLAB对系统进行建模仿真,仿真结果表明,RBF网络能很好地逼近本磁悬浮球系统;滑模变结构控制对于此非线性系统有较好的控制效果,小球能很快地悬浮在平衡位置,该控制系统具有较好的稳态特性和抗干扰性.     

基于RBF神经网络的一类不确定非线性系统自适应H∞控制

基于RBF神经网络提出了一种H∞自适应控制方法.控制器由等效控制器和H∞控制器两部分组成.用RBF神经网络逼近非线性函数,并把逼近误差引入到网络权值的自适应律中用以改善系统的动态性能.H∞控制器用于减弱外部干扰及神经网络的逼近误差对跟踪的影响.所设计的控制器不仅保证了闭环系统的稳定性,而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标.最后给出的算例验证了该方法的有效性.     

基于神经网络的不确定机器人自适应滑模控制

提出一种机器人轨迹跟踪的自适应神经滑模控制。该控制方案将神经网络的非线性映射能力与变结构控制理论相结合,利用RBF网络自适应学习系统不确定性的未知上界,神经网络的输出用于自适应修正控制律的切换增益。这种新型控制器能保证机械手位置和速度跟踪误差渐近收敛于零。仿真结果表明了该方案的有效性。     

空间微重力环境地面模拟系统的控制器设计

针对小型和迷你型试验目标,提出一种新的空间微重力环境模拟系统.系统采用平面气浮和气缸垂直悬浮组合方案来模拟空间微重力环境,并采用恒张力控制思想来模拟垂直地面方向上的微重力状态.采用RBF神经网络控制和滑模变结构控制复合控制方案,其中RBF神经网络用于逼近和补偿系统的不确定信息,并作为前馈补偿使跟踪误差快速收敛;通过滑模变结构控制消除RBF神经网络的逼近误差和不定随机干扰的影响,保证系统的鲁棒性.实验研究结果表明,该控制方案是有效的,系统具有较好的动态响应能力、鲁棒性和自适应能力.     

具有模糊监督控制器的积分变结构间接自适应控制

针对一类不确定非线性系统, 基于变结构控制原理, 并利用具有非线性可调参数的模糊系统去逼近过程未知函数, 提出一种具有模糊监督控制器的积分变结构间接自适应控制方案. 该方案通过监督控制器保证闭环系统所有信号有界. 进一步, 通过引入最优逼近误差的自适应补偿项来消除建模误差的影响. 理论分析证明了跟踪误差收敛到零. 仿真结果表明了该方法的有效性.     

溶解氧浓度的直接自适应动态神经网络控制方法

针对污水处理过程溶解氧浓度的控制问题,提出一种直接自适应动态神经网络控制方法(direct adaptive dynamic neural network control,DADNNC).构建的控制系统主要包括神经网络控制器和补偿控制器.神经网络控制器由自组织模糊神经网络实现系统状态与控制量之间的映射;提出一种基于规则无用率的结构修剪算法,并给出结构调整后网络收敛的理论证明.同时,为保证系统稳定,设计补偿控制器减小网络逼近误差,参数调整由Layapunov理论给出.国际基准仿真平台上的实验表明,与固定结构神经网络控制器、PID和模型预测控制等已有控制方法相比,DADNNC方法具有更高的控制精度和更强的适应能力.     

基于Davidon最小二乘法的神经网络内模控制

为了将内模控制推广至非线性控制领域,本文将其与神经网络相结合,利用神经网络对任意非线性映射的逼近能力推导出一种能对非线性系统进行有效控制的神经网络内模控制器。在网络学习算法上采用收敛速度快的Ｄａｖｉｄｏｎ最小二乘法训练多层前馈神经网络,从而保证控制方案的实时性。仿真结果表明了该方法的有效性。     

基于滑模变结构的空间机器人神经网络跟踪控制

研究了在无需模型估计值的情况下不确定空间机器人轨迹跟踪问题,提出了滑模变结构的神经网络控制方案.首先基于Lyapunov理论设计了一种径向基函数（RBF）神经网络控制器来补偿系统中的未知非线性,该神经控制器能够保证闭环系统的稳定性,而通过利用饱和函数把神经网络和滑模控制结合起来的控制器来不仅可以进一步削弱滑模控制输入的抖振,且当神经网络控制器无效时仍能保证系统鲁棒性.仿真结果证明了该控制器能在初期及强干扰情况下均能达到较好的控制效果.     

一类严反馈非线性系统的神经网络控制

研究一类不确定严反馈非线性系统的跟踪控制问题.通过采用单一神经网络逼近系统的所有未知部分,提出一种新的鲁棒自适应控制设计方法.该方法能直接给出实际控制律和自适应律,有效地解决现有方法中存在的控制设计复杂和计算负担重等问题.稳定性分析表明,闭环系统所有信号是半全局一致最终有界的,并且通过调整控制参数可使跟踪误差任意小.仿真结果验证了所提出方法的有效性.     

无人机编队飞行神经网络自适应逆控制器设计

针对无人机编队飞行时存在的气动耦合和外部干扰等影响因素,提出基于“长-僚机”模式的神经网络自适应逆控制器设计方法.详细推导了气动耦合影响,建立了完整的编队飞行非线性数学模型,设计了非线性动态逆控制律,提出了改进的 BP 神经网络算法,自适应地逼近和在线补偿动态逆误差,改善了控制效果,并针对队形变换提出了简单有效的设计思想.仿真表明,该控制器能有效实现编队队形的保持或变换,控制系统结构具有良好的扩充性.     

基于改进积分型变结构控制器的近水面机器人减摇鳍系统

海洋机器人在近水面低速航行时,由于海浪的作用将产生横摇运动.依据减摇鳍减摇原理和变结构控制理论,针对海浪波浪力作用的特点,在水下机器人横摇解耦模型的基础上,提出一种带有自适应机制的改进积分滑模控制器的设计.仿真结果表明,改进后的积分型滑模控制器在消除稳态误差的基础上,进一步提高了减摇效率.     

基于动态模糊粒神经网络算法的负荷辨识

针对电力负荷的时变、变结构和非线性等特点,提出一种动态模糊粒神经网络算法.该算法采用粒计算商空间理论和模糊神经网络技术对电力负荷进行建模.将椭圆基函数和模糊ζ-完备性作为在线参数分配机制,避免了初始化选择的随机性.根据模糊规则和输入变量的重要性,对每条规则的输入变量宽度实施在线自适应调整,从而实现了负荷参数和结构同时辨识.实验结果表明了所提出方法的可行性和有效性.     

从机器人输出反馈自适应神经控制中学习

针对系统参数完全未知且仅输出可测的机器人,使用径向基函数(RBF)神经网络和高增益观测器设计了一种自适应神经控制算法.该算法不仅实现了闭环系统所有信号的最终一致有界,而且沿周期跟踪轨迹实现了对未知闭环系统动态的确定学习.学过的知识可用来改进系统的控制性能,也可应用于后续相同或相似的控制任务以节约时间和能量.仿真研究表明了所设计的控制算法的正确性和有效性.     

基于新型转子磁链辨识方法的多电机系统同步控制

磁链观测是多电机闭环控制系统性能的重要环节,而电机参数的变动通常使磁链观测的精度难以满足要求.针对3台异步电机和3台逆变器组成的三电机同步系统,提出了局部模型网络磁链辨识方法.将电机参数变化当作干扰项来处理,解决了因电机参数变动影响磁链准确观测的难题.在此基础上,采用神经网络逆构建由速度、磁链、张力子系统组成的伪线性复合系统,实现了三电机同步系统中速度、磁链和张力的解耦.分别对各子系统设计线性闭环控制器,实现了三电机系统的同步控制.仿真结果验证了磁链辨识的准确性和控制系统良好的动静态性能.     

基于扩张状态观测器的SPMSM调速系统的滑模变结构反步控制

基于面贴式永磁同步电机(SPMSM)的数学模型,提出了反步控制与滑模变结构方法相结合的控制策略,增强了控制器的快速响应性和对外界扰动的抑制能力,滑模面中的积分作用可保证给定速度的无静差跟踪;同时设计了扩张状态观测器(ESO)以实时估计控制系统的外界负载扰动,及时调整控制量,有效减小滑模变结构中的趋近率参数.理论分析及仿真结果验证了该控制方法的有效性.     

基于反馈增益的AUV稳定神经网络反步变深控制

为解决自主水下航行器的变深控制问题,提出一种基于反馈增益的反步控制方法.首先,通过设计控制器参数消除部分非线性项,在保证系统稳定性的同时设计神经网络控制器来补偿纵倾运动中的模型不确定性;然后,通过自适应鲁棒控制器对神经网络的逼近误差予以消除,以加快神经网络的收敛学习速度,神经网络权值和逼近误差估计的学习律可由李雅普诺夫稳定性理论推导得出,保证了闭环系统的一致最终有界性;最后,通过仿真实验验证了所提出方法的有效性.     

基于鲁棒开环解耦的系统逆二自由度控制

针对MIMO系统的轨迹跟踪,提出一种基于鲁棒开环解耦的系统逆二自由度（2DOF）控制方法．该方法通过鲁棒开环解耦解决MIMO系统的耦合问题,利用系统逆2DOF控制保证轨迹跟踪性能．首先提出一种保证预补偿器阶数最小和解耦系统鲁棒性的鲁棒开环解耦方法;然后结合鲁棒开环解耦和系统逆2DOF控制,给出系统逆前馈控制和H∞混合灵敏度鲁棒反馈控制器的设计方法;最后通过设计实例及仿真结果验证了该控制方法的有效性．     

状态量化的非线性网络化系统的H-infinity控制

鉴于网络数字通信的特点,研究非线性网络化系统的状态量化反馈H<,∞>控制问题.首先.同时考虑到网络的诱导时延、数据丢包和信号量化,建立闭环系统的采样模型:然后,结合区问时滞分割法,将其转化为状态中附加两个时滞变量的分段连续模糊系统;再利用时滞系统方法和对数壁化器的扇形界格式,对闭环模糊系统进行了H<,∞>性能分析和H<...