基于径向基函数神经网络的机器人滑模控制

尽管滑模控制响应快,对系统参数和外部扰动呈不变性,但在保证系统的渐进稳定性上却存在很强的抖动缺点.因此,在一般滑模控制的基础上,引入了径向基函数神经网络(RBFNN).利用滑模控制的特点设定目标函数,将切换函数作为RBFNN的输入,滑模控制量作为其输出.利用RBF神经网络的在线学习功能,消除了控制的抖动,同时使系统具有很强的鲁棒性.对两连杆机械手进行了仿真研究,其结果表明,在存在模型误差和外部扰动的情况下,该方案既能达到高精度快速跟踪的目的,又能消除滑模控制的抖动问题.     

机器人的低通滤波滑模控制

滑模控制响应快,对系统参数和外部扰动呈不变性,可保证系统的渐进稳定性,但其缺点是控制存在很强的抖动。在一般滑模控制的基础上引入低通滤波器（LPF）,则保证了轨迹跟踪误差的快速收敛,同时使系统具有很强的鲁棒性。通过对两连杆机械手的仿真研究,表明在存在模型误差和外部扰动的情况下,该方案既能达到高精度快速跟踪的目的,又能消除滑模控制的抖动问题。     

永磁同步电机的自适应反演滑模变结构控制

针对永磁同步电机提出一种基于反演的PMSM自适应滑模控制方案.设计基于反演的滑模变结构位置控制器,通过RBF神经网络实现系统参数变化和外部负载扰动等引起的不确定上界值的在线辨识,减小滑模控制器的控制量,并引入饱和函数来减弱系统的"抖动"现象.理论分析和仿真结果对比表明,基于RBF神经网络的自适应反演滑模控制对参数变化和外部负载扰动具有很好的鲁棒性,永磁同步电动机获得了很好的跟踪效果.     

基于模糊神经网络的滑模控制

研究了一类不确定性非线性系统的滑模变结构控制,提出了一种基于模糊神经网络（Ｆｕｚｚｙ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ）的滑模变结构设计方法,设计了控制器的结构,利用动态反向传播算法实现滑模控制,这种方法与一般变结构控制相比不但具有强的鲁棒性而且还能有效地消除抖动现象,同时在设计中不需要知识系统中不确定性和扰动的上界,另外还运用Ｌｙａｐｕｎｏｖ函数从理论上分析上了系统的稳定性。仿真结果说明了本文所提     

非晶制带钢水液位的模糊滑模变结构控制

应用模糊滑模变结构控制器，提出一种非晶制带钢水液位控制的新策略，模糊控制器有于调整滑模变结构控制器的参数，应用该方法，系统具有较快的响应速度，对参数摄动和外部扰动的鲁棒性较强而且输出抖动被大大削弱。仿真结果证明，该方法控制简单，容易实现，具有良好的动态特性。     

非晶制带钢水液位的模糊滑模变结构控制

应用模糊滑模变结构控制器 ,提出一种非晶制带钢水液位控制的新策略 ,模糊控制器用于调整滑模变结构控制器的参数。应用该方法 ,系统具有较快的响应速度 ,对参数摄动和外部扰动的鲁棒性较强而且输出抖动被大大削弱。仿真结果证明 ,该方法控制简单、容易实现 ,具有良好的动态特性     

基于模糊扰动观测器的PMSM积分滑模控制研究

为了克服传统永磁同步电机(Permanent magnet synchronous motor,PMSM)的滑模控制增益大容易产生抖振的问题,提出基于模糊观测器的PMSM积分滑模控制策略。采用新型趋近律设计积分滑模控制器取代传统的滑模控制器,提高系统的动态响应性能。结合模糊控制与自适应控制的特点,设计模糊扰动观测器,能够迅速有效地观测系统内部参数变化和外部扰动,并对积分滑模速度控制器进行前馈补偿,削弱系统抖振的同时提高了系统的鲁棒性。通过李雅普诺夫理论证明了该控制系统的稳定性。仿真及实验结果验证了该方法具有较强的鲁棒性,可以实现良好的跟踪效果并且无抖动。     

分数阶Chen混沌系统的径向基函数神经滑模控制

针对带有参数扰动和外部干扰的分数阶Chen混沌系统, 提出一种径向基函数(RBF)神经滑模控制方法. 设计滑模切换函数, 将其作为RBF神经网络的唯一输入, 网络的权值可依据滑模趋近条件在线调整. 基于Lyapunov稳定性理论, 分析了该方法的稳定性. 仿真结果表明该控制方法简化了常规神经网络控制结构的复杂性, 削弱了滑模控制的抖振程度, 对参数扰动和外部干扰具有较好的鲁棒性.     

基于神经网络的PMSM自适应滑模控制

结合滑模控制和神经网络各自的优点,对永磁同步电机(PMSM)提出了一种基于神经网络的PMSM自适应滑模控制方案.首先设计了带积分操作的滑模变结构位置控制器,通过递归神经网络的在线学习来实时估计系统参数变化和外部负载扰动等不确定性的界限,减小滑模控制器的控制量.进而,在滑模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.理论分析和实验仿真对比研究的结果表明所提出方法具有优越的动态性能和鲁棒性.     

集成神经网络与自适应算法的分数阶滑模控制

针对被控对象的参数时变和外部扰动问题,本文融合神经网络的万能逼近能力和自适应控制技术,并结合分数阶微积分理论,提出了基于神经网络和自适应控制算法的分数阶滑模控制策略.本文采用等效控制的方法设计滑模控制律,并利用神经网络的万能逼近能力估测控制律的变化,结合自适应控制算法和分数阶微积分理论抑制传统滑模控制系统的抖震,同时根据Lyapunov稳定性理论分析了系统的稳定性,最后给出了实验结果.实验结果表明,本文提出的基于神经网络和自适应控制算法的分数阶滑模控制系统,能保持滑模控制器对系统外部扰动和参数变化鲁棒性的同时,也能有效地抑制抖震,使得系统获得较高的控制性能.     

Synchronization of uncertain chaotic systems based on adaptive type-2 fuzzy sliding mode control

A novel direct adaptive interval type-2 fuzzy neural network (FNN) controller in which linguistic fuzzy control rules can be directly incorporated into the controller is developed to synchronize chaotic systems with training data corrupted by noise or rule uncertainties involving external disturbances, in this paper. By incorporating direct adaptive interval type-2 FNN control scheme and sliding mode approach, two non-identical chaotic systems can be synchronized based on Lyapunov stability criterion. Moreover, the chattering phenomena of the control efforts can be reduced and the external disturbance on the synchronization error can be attenuated. The stability of the proposed overall adaptive control scheme will be guaranteed in the sense that all the states and signals are uniformly bounded. From the simulation example, to synchronize two non-identical Chua’s chaotic circuits, it has been shown that type-2 FNN controllers have the potential to overcome the limitations of tpe-1 FNN controllers when training data is corrupted by high levels of uncertainty.     

Fuzzy neural network sliding mode control for long delay time systems based on fuzzy prediction

Delay time, which may degrade the control performance, is frequently encountered in various control processes. The fuzzy neural network sliding mode controller (FNNSMC), which incorporates the fuzzy neural network (FNN) with the sliding mode controller (SMC), is developed to control the long delay system with unknown model based on fuzzy prediction algorithm in the paper. According to the characteristics of the long delay systems, we simulate the manual operating process and predict the delayed error and its derivative based on the information of the input and output variables of the process, and then feedback these prediction values to the FNN and train the FNN with the regulation function by the idea of sliding mode control until the better control results are obtained. The FNNSMC has more robustness due to the abilities of the learning and reasoning and can eliminate the drawbacks of the general SMC, namely the chattering in the control signal and the needing knowledge of the bounds of the disturbances and uncertainties. Simulation examples demonstrate the advantages of the proposed control scheme.     

基于混合阈值事件触发机制的船舶自适应神经滑模控制

针对存在时变干扰和通信受限的船舶艏向保持控制问题, 本文设计了一种基于混合阈值事件触发机制的船舶自适应神经滑模控制算法. 首先, 采用径向基函数神经网络(RBF-NNs)对控制系统的模型不确定部分进行在线逼近. 其次, 构造了一种比例积分滑模面和基于混合阈值参数的事件触发规则来降低时变干扰引起的系统抖振和减少传输信道的通信资源占用. 并且在理论上分析了事件触发技术能够增强闭环控制系统对低频扰动的抗扰性. 最后, 通过Lyapunov理论证明了所提控制算法能够保证所有误差信号满足半全局一致最终有界稳定(SGUUB). 在时变干扰条件下进行数值仿真, 并且与现有控制技术进行对比, 仿真结果表明, 所提控制算法能够明显减少系统抖振和控制输入频率.     

基于干扰观测器的一类不确定非线性系统自适应二阶动态terminal滑模控制

针对一类不确定非线性系统的跟踪控制问题,在考虑建模误差、参数不确定和外部干扰情况下,以其拥有良好的跟踪性能以及强鲁棒性为目标,提出基于回归扰动模糊神经网络干扰观测器(recurrent perturbation fuzzy neural networks disturbance observer,RPFNNDO)的鲁棒自适应二阶动态terminal滑模控制策略.将回归网络、模糊神经网络和sine-cosine扰动函数各自优势相结合,给出一种回归扰动模糊神经网络结构,提出RPFNNDO设计方法,保证干扰估计准确性;构造基于带有指数函数滑模面的二阶快速terminal滑模面,给出其控制器设计过程,避免了滑模到达阶段、传统滑模的抖振问题,采用具有指数收敛的鲁棒项抑制干扰估计误差对系统跟踪性能的影响,利用Lyapunov理论证明闭环系统的稳定性;将该方法应用于混沌陀螺系统同步控制仿真实验,结果表明所提方法的有效性.     

基于输入输出线性化的自适应模糊滑模航迹控制

针对船舶直线航迹控制的非线性特性,设计一种基于输入输出线性化的自适应模糊滑模控制器,并利用Lyapunov理论,证明该系统在所设计控制器作用下全局渐近稳定,Simulink仿真结果表明,所设计控制器能够有效抑制常规滑模所固有的稳态抖振现象,且在参数摄动及风浪干扰下具有强鲁棒性,较好的实现了对设定航迹的跟踪。     

不同维分数阶混沌预设时间有限时间投影同步

对于不同维分数阶混沌系统的投影同步问题,设计了一种自适应滑模控制器。这使得带有内部不确定量和外部扰动的驱动,响应系统能够在任意预设的时间完成同步,自适应律可以逼近未知量的上界。并针对自适应滑模控制器由于干扰产生抖振的问题,提出了两种解决方案。首先是设计二维滑模控制表,将模糊控制方法加入滑模控制器组成模糊自适应滑模控制器...     

基于模糊滑模控制器的伺服跟踪控制研究

为了有效地消除精密机床伺服进给系统的参数变化和外部扰动对其跟踪性能的影响,将滑模控制引入其伺服跟踪控制.文章将模糊逻辑与滑模控制相结合提出了一种简捷的模糊滑模控制器设计的方法以减小滑模控制器的颤抖.实验结果表明采用该方法设计的模糊滑模控制器与离散准滑模控制器相比具有较强的鲁棒性和跟踪性能.最后将该控制器用于超精密机床伺服跟踪控制取得了良好的控制效果.