电液伺服系统的逆向递推鲁棒自适应控制

针对电液伺服系统存在的非线性特性、参数不确定性,且不确定性不满足匹配条件,引入虚拟控制量的概念,提出了一种逆向递推鲁棒自适应控制方法。该方法把整个系统分成了一个二阶和一个一阶两个子系统,对其进行递推式的分步自适应控制,从而简化了控制器的设计,使计算量大为减少;利用参数自适应和鲁棒控制相结合的方法,使控制器具有较强的抗干扰性。仿真结果显示,该控制方法具有较强的鲁棒性及良好的跟踪性能,与采用 PID 的控制方法相比,系统具有更好的控制性能及更强的抗干扰性。     

气动伺服控制系统的自适应模糊控制器的研究

介绍了一种新型的自适应fuzzy-PD控制器，并研究了它在气动伺服位置控制系统中应用的适应性问题和非线性摩擦力的补偿方法，提出了一种新的模糊逻辑控制补偿算法，它通过一个自适应模型参数Ma的调整控制，提高了气动伺服系统的控制精度，试验结果表明：与传统的控制方法相比较，自适应fuzzy-PD检制器具有动态性能好，自适应能力强和位置控制精度高等优点。     

基于改进LuGre摩擦模型的阀控缸系统非线性控制策略研究

针对具有高度非线性的电液伺服系统控制问题,提出了一种适用于伺服系统的摩擦模型,利用遗传算法对所建立的摩擦模型进行参数辨识,获得了精确的摩擦力矩数学模型,并将其作为前馈补偿加入非线性控制中,以减小摩擦非线性对电液伺服系统的影响。为解决伺服系统换向过程中易出现的抖振现象,设计了一种基于摩擦模型前馈补偿的模糊变系数自抗扰控制器。基于类双曲正弦函数设计了状态误差反馈控制部分,平滑切换点处的输出抖动,在此基础上结合模糊自适应控制方法,通过误差和误差微分对非线性状态反馈系数进行调节。研究表明,上述控制策略能够有效提高系统响应速度、收敛速度、稳定性和鲁棒性,降低了对摩擦的过补偿、欠补偿的影响,对伺服系统换向和速度零点处的抖振具有较好的抑制作用。     

海洋资源勘探拖缆水平振动的鲁棒自适应控制

针对海洋资源勘探拖缆水平振动控制中拖缆水平位移偏移量难以测量和系统参数不确定的问题,设计了仅仅包括水鸟处拖缆速度和斜率的自适应控制规律。首先选取拖缆和水鸟能量为李雅普诺夫能量函数,在拖缆的精确模型下设计了鲁棒控制规律。然后考虑到实际工作中不确定的参数,在精确模型鲁棒控制规律的基础上设计了自适应的鲁棒控制规律。最后用有限差分法验证了控制规律的有效性,自适应规律能在线的估计勘探拖缆的参数。所提出的控制规律稳定性好,能够抵抗参数不确定性。     

实时混合试验的自适应时滞补偿方法EI北大核心CSCD

实时混合试验是由拟动力试验发展而来,时滞问题是实时混合试验的核心问题。传统时滞补偿方法往往假定试验中时滞不变,然而加载系统的非线性以及试件性能的变化可能导致系统时滞变化,使得此类方法性能不够理想。该文针对变时滞实时混合试验提出了基于模型参数识别的自适应时滞补偿方法。该方法将伺服系统简化为离散模型,通过在线参数估计确定系统状态,从而对伺服系统进行在线时滞补偿。该文首先阐述了该方法的原理,再通过数值模拟验证了方法的可行性与精度,并分析了不同模型对补偿的影响。     

实时混合试验的自适应时滞补偿方法

实时混合试验是由拟动力试验发展而来,时滞问题是实时混合试验的核心问题。传统时滞补偿方法往往假定试验中时滞不变,然而加载系统的非线性以及试件性能的变化可能导致系统时滞变化,使得此类方法性能不够理想。该文针对变时滞实时混合试验提出了基于模型参数识别的自适应时滞补偿方法。该方法将伺服系统简化为离散模型,通过在线参数估计确定系统状态,从而对伺服系统进行在线时滞补偿。该文首先阐述了该方法的原理,再通过数值模拟验证了方法的可行性与精度,并分析了不同模型对补偿的影响。     

一种转台伺服系统干扰补偿控制方法研究

为提高转台伺服系统的低速跟踪性能,提出一种结合LuGre摩擦模型和非线性干扰观测器(NDO)补偿非线性干扰的方法。使用LuGre摩擦模型补偿系统的摩擦干扰力矩,建立NDO模型消除系统建模不精确及其他未知干扰的影响,并采用反演法设计系统的自适应滑模控制律。通过仿真表明,基于LuGre+NDO模型自适应滑模控制能有效消除转台的低速"爬行"现象,位置稳态误差达到2×10–5 rad,速度稳态误差达到1.5×10–3 rad/s。且通过与传统控制方法结果对比,证明所提出的方法具有较好的控制性能和干扰抑制特性,提高伺服系统的跟踪性能。     

基于RBF神经网络补偿的不确定性倒立摆PD控制

针对带有参数不确定性的非线性倒立摆的跟踪控制问题,提出一种RBF神经网络补偿的PD控制方法。该方法采用RBF神经网络逼近系统不确定非线性函数,结合常规的PD控制方法设计控制器,实现倒立摆的跟踪控制。仿真结果表明,该方法能有效实现倒立摆的快速跟踪,并保证了对不确定参数的不敏感性。     

伴随型非线性系统的自适应RBF神经网络补偿控制

为了抵消伴随型非线性系统中的非线性项,可以设计控制器对非线性系统精确线性化.通常由于系统中存在外界不确定性因素导致系统模型的不确定,而不能直接设计控制器.利用"RBF神经网络能以任意精度逼近连续函数"的原理,对系统模型中的不确定项进行自适应辨识,并将辨识结果提供给控制器,从而实现伴随型非线性系统的神经网络自适应补偿控制.将控制器应用于起重机吊重摆角子系统,对摆角进行控制.实验结果表明:吊重摆角及其角速度约在5s后,得到了很好的控制,并且控制器对系统模型的不确定项的逼近误差约在5s时达到0;控制器对系统的不确定性因素和系统参数变化均具有很强的鲁棒性.     

叶片精密抛光伺服系统的干扰观测补偿控制

叶片型面尺寸精度及表面质量的提高对数控抛光伺服系统性能提出了更高的要求.针对非线性摩擦和被控对象参数摄动对数控抛光伺服系统定位精度和跟踪精度的影响,提出了一种基于干扰观测器的粒子群优化模糊PID(PFPID)控制方法.该方法通过构造干扰观测器来预测伺服系统中的非线性摩擦和参数摄动等各种干扰,并在控制中引入等效的补偿来抑制干扰,同时利用粒子群优化算法对模糊控制器的量化因子和比例因子进行在线调整,进而利用模糊控制器对PID控制参数进行自适应整定.仿真分析和实验结果表明,基于干扰观测器的PFPID控制器具有控制精度高、鲁棒性强、抑制干扰能力强等优点,其能够提高叶片型面尺寸精度和表面一致性,降低表面粗糙度,减小残余应力并提高抛光效率.     

A hyperstable neural network for the modelling and control of nonlinear systems

A multivariable hyperstable robust adaptive decoupling control algorithm based on a neural network is presented for the control of nonlinear multivariable coupled systems with unknown parameters and structure. The Popov theorem is used in the design of the controller. The modelling errors, coupling action and other uncertainties of the system are identified on-line by a neural network. The identified results are taken as compensation signals such that the robust adaptive control of nonlinear systems is realised. Simulation results are given.     

基于输出反馈的不确定非线性系统模糊鲁棒H∞控制

本文针对一类不确定非线性系统,研究了基于输出反馈的模糊鲁棒H∞控制问题。根据模糊T-S模型表征不确定非线性系统,基于状态观测器设计模糊控制器。由线性矩阵不等式和自适应律给出了模糊控制器存在的充分性条件。基于Lyapunov稳定性理论,提出的模糊控制方案在所有闭环信号最终一致有界意义下实现了期望的H∞性能。仿真结果表明了该方案的可行性。本文所提出的模糊跟踪控制器松弛了保守性,避免了匹配条件和上界。与已有的工作相比,本文约简了线性矩阵不等式的维数。     

自适应模糊滑模控制裹包机PMSM交流伺服系统

针对接缝式裹包机的交流伺服系统控制精度差的问题,提出了采用自适应模糊滑模控制器,控制具有高效率的永磁铁同步电机(PMSM)伺服驱动系统.仿真和实验结果表明,系统对于参数变化和外面负载扰动的鲁棒性大大提高,而且控制力大为降低.     

基于时滞追踪的实时混合试验自适应补偿方法

实时子结构试验方法因其高效、适用面广,近20年来受到结构试验领域的重视。虽然近年来硬件技术有所提升,但仍受到一些限制,例如,作动器加载时运动机构和控制回路存在时滞,导致无法准确地施加位移。故实时子结构试验中,如何消除时滞影响成为试验成功与否的关键所在。为了减小和消除实时子结构试验中时滞的不利效应,该文首先根据液压伺服作动系统和Simulink建立了实时子结构试验平台,而后提出了基于时滞追踪的自适应补偿方法,最后采用数值仿真和子结构加载试验进行了验证和参数分析。结果表明:该算法可根据作动系统负载不同对时滞实时自适应地补偿,从而避免迭代试验。该方法不改变原控制器固有算法,也无需对系统时滞参量进行预判定或系统辨识,只需将提出的自适应补偿算法串联接入到系统之中即可,实用性、鲁棒性好。算法对非线性系统导致的时变时滞效应也有理想的补偿效果,通过一个铝合金梁的弯曲测试说明了该算法的正确性,可推广应用于结构实时仿真试验。     

永磁同步电动机位置伺服系统的自适应神经网络控制

针对需要考虑参数不确定和负载扰动的永磁同步电动机位置伺服系统,提出了一种新型的自适应神经网络控制方法。首先,利用神经网络建立永磁同步电动机的智能模型。其次,针对模型特点,在反步递推设计框架下,应用神经网络基函数的本质特征,并引入动态面控制技术克服控制设计中存在的“复杂性爆炸”问题,设计基于自适应神经网络动态面控制的位置跟踪算法。最后,仿真结果表明该控制方案是有效可行的,与反步递推控制方案相比,基于神经网络动态面控制的位置伺服系统的跟踪误差具有更快的收敛速度。通过设计新的神经网络自适应律,提出的自适应神经网络控制方法可以避免现有反步递推控制设计中存在的代数环问题。此外,提出的控制算法不仅能够克服不确定性因素对系统性能的影响,而且算法结构简单,易于实现。     

基于自适应模糊补偿的不确定性机器人CNF控制

为解决不确定性因素对机器人系统的影响,实现不确定性机器人系统准确跟踪参考输入的能力,研究了自适应模糊控制和组合非线性反馈(CNF)控制相结合的策略。提出了一种基于自适应模糊补偿的机器人CNF控制器。核心是将系统的不确定性利用自适应模糊控制进行在线逼近,作为CNF控制器的补偿项,充分利用两种控制方法的优势,降低不确定性因素对系统性能的影响。通过反馈线性化技术与Lyapunov理论,证明了闭环系统的收敛性;最终仿真结果证实了此方法的有效性。     

基于干扰观测器的波浪升沉模拟及自适应补偿策略研究

海洋装备的快速升级使得海上吊装应用广泛,但吊装设备易受风浪影响,导致系统控制精度降低。为提高海上吊装设备的控制精度,提出了基于干扰观测器的波浪升沉自适应反步补偿策略。以波浪升沉补偿系统为研究对象,对三级海况下的船舶升沉运动轨迹及其电液提升系统的非线性模型进行推导;利用波浪模拟平台模拟船舶的升沉运动,采用基于干扰观测器的自适应反步补偿策略对电液提升系统的非线性误差进行抑制;通过Lyapnov判据验证自适应反步补偿策略的稳定性,并通过仿真和试验对控制器性能进行验证。试验结果表明,相较于传统的PID（proportion integration differentiation,比例积分微分）控制策略,基于干扰观测器的波浪升沉自适应反步补偿策略具有更好的控制效果。对于海上吊装设备的控制系统,基于干扰观测器的自适应反步补偿策略可有效地抑制外界干扰及系统非线性干扰对控制器的影响,提高对海上吊装设备升沉运动的位置补偿精度。     

风力发电机自适应鲁棒保性能控制器设计

本文针对变速变桨距风力发电机系统对于风能利用率、动态稳定性要求高的特点,建立了风能转换系统的线性参数变化（LPV）模型,给出了设计一个具有自适应机制的鲁棒保性能控制器的充分条件,进而设计出了一种新的自适应鲁棒保性能控制器。首先,运用自适应方法估计出系统的不确定参数,然后利用参数估计和鲁棒保性能控制方法设计系统的状态反馈控制器,其反馈增益阵是通过求解一组线性矩阵不等式（LMI）的约束而得到,并且满足某二次型性能指标。仿真表明,无论在低风速下还是在高风速下,控制器不仅使系统具有良好的动态特性和鲁棒性,而且使系统具有抑制外界干扰能力。