带钢纠偏电液伺服系统神经网络自适应滑模控制

建立了带钢纠偏电液伺服系统的数学模型,针对电液伺服系统存在参数不确定性、复杂非线性等特点,提出了自适应滑模控制方法,并利用神经网络的万能逼近特性进行参数逼近.通过Lyapunov稳定性分析,设计了参数自适应律和相应的控制器,通过Matlab对系统特性进行仿真分析.仿真结果表明,该控制算法能进行有效的参数估计,具有较好的跟踪响应和较强的鲁棒性,取得较满意的控制特性.     

一种改进的神经网络控制方法在电液伺服系统中的应用

针对线性自适应控制方法在电液伺服系统控制中的不足，提出了一种基于局部逼近神经网络控制理论的改进控制方法。仿真结果表明该方法控制效果优良。     

全方位移动机械手运动控制Ⅱ——鲁棒控制

研究考虑全方位移动机械手系统动力学未知情况下的鲁棒控制问题.首先,在原有动力学模型的基础上,建立考虑外部干扰的移动机械手动力学模型.利用神经网络无穷逼近能力,设计估计器对系统结构不确定性进行在线辨识.然后,提出一种不依赖神经网络先验知识的鲁棒轨迹跟踪控制策略,从理论上证明其稳定性,并且该控制器能够有效阻止非模型有界干扰的影响,实现了对全方位移动机械手系统中不同动力学特性的移动平台和机械臂的协调控制.同时,为了减轻神经网络在线学习的计算量,提出一种分离式的神经网络结构,对系统结构不确定项中的两个独立矢量进行分别辨识,有效地提高了神经网络的训练效率.最后,通过计算机仿真结果验证了所提出控制律的有效性,能够快速稳定地实现全方位移动机械手系统的协调轨迹跟踪控制.     

基于RBF的机械手无需模型自适应控制研究

针对机械手存在的扰动等未知模型,提出了基于RBF神经网络的自适应控制策略.采用RBF神经网络对机械手动力学模型在线自学习,并根据Lyapunov稳定性理论建立了网络权值自适应学习律,确保了网络逼近误差的收敛及系统的稳定.以平面转动双臂机械手轨迹跟踪为例进行仿真,结果表明该方法能够有效地补偿建模误差,实现了无需模型的机械手自适应控制,提高了系统的控制性能及对外部不确定扰动的鲁棒性,对实际工业机械手的自适应控制具有一定的可操作性.     

弹丸协调臂的RBF神经网络自适应滑模控制

针对某大口径火炮弹丸协调臂电液伺服系统的位置控制问题,提出一种基于神经网络最小参数学习法的RBF网络自适应滑模控制方法。结合RBF神经网络具有局部逼近特性和神经网络最小参数学习法调节简单的优点,以电液伺服系统的状态为神经网络的输入,通过选取合适的参数,以神经网络的输出逼近系统的未知理想控制律。引入鲁棒项,保证控制策略的稳定性,并采用非线性函数调整反馈项参数的变化,保证收敛速度。仿真结果表明:控制算法在系统参数大范围变化的情况下能够保证弹丸协调臂的运动精度,并具有较好的鲁棒性。     

基于RBF神经网络的柔性机械手反演控制

针对柔性机械手动力学方程复杂、具有高度非线性等特点,在控制律设计中引入反演设计思想,将原复杂的高阶非线性系统分解成低阶简单系统。考虑到动力学模型中存在未知的非线性函数,为了能够对被控对象中未知函数进行有效逼近,设计一种将径向基函数(RBF)神经网络与反演控制思想相融合的控制方法。仿真结果表明：基于RBF神经网络反演控制所设计的控制律和自适应律能够实现控制系统稳定,满足期望的动态性能指标。     

基于小波神经网络的控制方法及其应用研究

提出一种基于小波神经网络的控制方法,该方法利用两个小波神经网络作为控制系统的辨识器和控制器来构成控制系统。小波神经网络辨识器能更准确逼近非线性对象,小波神经网络控制器能产生复杂的最佳控制规律。仿真结果表明系统具有逼近精度高、控制效果好、抗干扰能力强等优点。     

基于T-S模糊神经网络的机械手轨迹跟踪

以两自由度并联机械手为研究对象,提出了一种以T-S模糊神经网络作为反馈器,以粒子群算法优化的BP神经网络学习作为前馈控制器的机械手自适应轨迹跟踪方案。并运用ADAMS软件建立虚拟样机模型与Simulink进行联合仿真实验。仿真结果表明设计的控制方案能够较好地控制机械手的轨迹跟踪。     

基于神经网络控制算法的气动伺服系统运动分析研究

提出了一种神经网络控制方法并通过对气动伺服系统的无杆气缸运动控制,探究此控制方法的控制精度。由于受空气可压缩性、摩擦力以及启动系统的扰动等非线性因素的影响,气动伺服系统很难去建立精确的数学模型。根据系统的非线性特点及PID控制不足,基于BP神经网络控制,设计神经网络PID控制器,并进行实验。通过实验,对无杆气缸的运动特性分析,表明这种控制策略可以更好控制气动伺服系统的运动精度。     

神经滑模控制在转台伺服系统应用

以直流电机为执行机构,分析了飞行仿真转台伺服系统的数学模型。滑模控制具有对系统扰动和参数摄动的自适应性,可实现伺服系统的快速响应,同时有效克服低速状态下摩擦力矩的影响。系统抖振问题是滑模控制的突出问题,利用径向基神经网络的非线性逼近能力,给出以切换函数为网络输入,以滑模控制器为网络输出,构建了神经滑模控制器,软件仿真结果表明所设计的滑模控制器能达到较好的控制品质,有效的克服系统抖振和外部扰动,实现系统低速摩擦补偿。