高阶滑模控制在液压起竖系统中的应用

针对液压起竖系统这类非线性系统的控制问题,根据高阶滑模控制理论,提出了一种基于微分观测器的高阶滑模控制方法。基于液压起竖系统的非线性模型,设计基于高阶滑模控制方法的起竖系统起角跟踪控制器。利用微分观测器对起竖角导数信息和高阶滑模的导数阶滑动变量信息进行观测,从而构造一种基于微分观测器的控制器形式。试验结果表明:该控制方法能应用于液压起竖系统,与PID控制和普通滑模控制比较,该方法可以有效地抑制普通滑模控制存在的抖振问题,并具有很好的控制性能。     

基于滑模自适应控制的双关节机械手轨迹跟踪

针对机械手在工作过程中由于自身参数的不确定性导致系统稳定性受到影响,提出一种滑模自适应控制算法进行机械手的轨迹跟踪.首先通过运用拉格朗日方程推导出机械手的动力学方程,将未知负载变化、机械手连杆重量、连杆长度及其连杆质心等作为未知变量进行滑模函数以及自适应律的设计,用自适应律调节未知量对稳定性的影响,保证系统的跟踪精度;...     

基于自适应滑模控制的随车起重机控制特性分析

为提高随车起重机的工作效率、改善控制性能、降低操作过程工作强度,对随车起重机液压控制系统的控制性能进行分析,提出一种自适应滑模控制方法。通过分析随车起重机液压控制系统工作原理和数学模型,设计了自适应滑模控制器;对比分析自适应滑模控制和PID控制系统的控制特性。结果表明：采用自适应滑模控制的随车起重机液压控制系统具有良好的稳定性、动态控制性能和伺服跟踪性能。     

液压位置跟踪系统的多级反演自适应控制

本文在液压系统的位置跟踪控制中，提出了基于逆向递推（backstepping)技术的多级反演自适应控制方法，给出了控制器的设计方法及稳定性分析。仿真实验结果表明，该控制方法能有设地克服液压系统的非线性特性，具有较强的鲁棒性以及良好的跟踪性能。     

基于自适应滑模控制的液压支架试验台同步控制特性分析

为提高液压支架试验台同步控制系统的同步控制性能,提出一种基于模糊理论和滑模控制的自适应滑模控制方法,对液压支架试验台的主从同步控制性能进行研究。分析液压支架试验台同步控制系统工作原理和理论模型;在AMESim-MATLAB环境下建立仿真模型,并对比分析采用模糊PID和自适应滑模控制的系统的同步动态性能。结果表明：采用自适应滑模控制的液压支架试验台同步控制系统的伺服跟踪能力和稳态性能比模糊PID控制的系统更好,验证了自适应滑模控制在液压支架试验台同步控制系统中应用的可行性。     

基于H∞滑模控制的移动机器人轨迹跟踪研究

针对移动机器人轨迹跟踪过程中存在的诸多不确定性,利用Backstepping的思想和Lyapunov方法设计了H∞滑模控制。通过自适应模糊控制来优化滑模控制器的开关增益,从而消除滑模控制中存在的抖振现象。最后分别进行了直线、圆周、正弦三种轨迹跟踪仿真J_1实验,验证了系统的全局渐进稳定性和抗干扰性。证明了该控制算法的有效性。     

基于高阶滑模的PMSM无传感器控制

针对传统永磁同步电机(PMSM)无传感器控制存在的超调量大、抖振明显,易受负载扰动影响的现象。提出一种基于高阶滑模的控制策略,结合超螺旋算法(STA)和任意阶算法设计出新型高阶滑模控制器,将新型的控制器分别应用于速度控制器、状态观测器和扭矩观测器,用饱和函数代替符号函数,同时采用积分滑模面和模糊控制对控制系统进行优化。系统使用状态观测器和锁相环(PLL)获取转子位置信息,并通过扭矩观测器将观测值前馈补偿至速度控制器。经过模拟仿真表明该高阶滑模控制系统可以有效地抑制超调和抖振,提升转子位置的估算精度,同时大大提升了系统的抗干扰性和鲁棒性。     

基于滑模反馈的履带式机器人自适应轨迹跟踪

针对滑移对履带式机器人运动控制产生的干扰,构建了包含滑移参数的运动学方程。进一步针对滑移对控制系统的干扰,设计了滑模观测器,将观测到的滑模参数补偿到系统中以补偿滑移产生的跟踪误差,并建立反演控制器。同时,根据自适应控制原理,采用BP神经网络自适应调整控制器参数,提高系统跟踪效果;最后通过Simulink仿真,仿真结果表明,基于滑模反馈的履带式机器人自适应反演控制器可以提高履带式机器人的跟踪控制精度,并且滑模观测器可以准确估计滑移参数。     

被动式电液力伺服系统的高阶积分滑模控制

针对被动式电液力伺服系统的控制问题,提出了高阶积分滑模控制方法。积分滑动模可以降低控制器对期望跟踪轨迹高阶导数的要求,有效抑制传统滑模变结构控制中的抖振问题;CMAC神经网络在线学习系统不确定性能够降低控制器参数设计的保守性。将该控制方法应用于电液力伺服系统中,并进行仿真。结果表明:该控制方案均具有较好的控制性能,且能够有效抑制系统的抖振。     

基于滑模控制的模型参考自适应异步电机无速度传感器控制

针对异步电机无速度传感器控制中用传统模型参考自适应理论估计转速时存在复杂的PI增益系数调节的实际问题,提出了一种基于趋近律的滑模模型参考自适应系统,并利用Lyapunov理论推导出一种新的速度估计自适应律以确保系统稳定性和快速性.同时,该方法对外部扰动和噪声具有强鲁棒性,且对抖振具有明显的抑制效果.通过Simulink仿真实验也验证了该方法响应速度快,控制精度高的优良性能.     

机械臂液压伺服系统的自适应模糊滑模控制

针对机械臂液压伺服位置系统存在非线性特性和参数不确定性,提出了一种自适应模糊滑模控制方法。利用参数自适应算法估计系统未知参数,有效地克服了系统不确定性的影响,提高了系统的鲁棒性;采用非连续投影算法保证了参数估计的有界性;引入模糊系统代替切换控制项,有效地消弱了抖振。仿真研究结果表明:所设计的自适应模糊滑模控制器能够快速准确地跟踪指令,并且对参数变化具有较强的鲁棒性,与PID控制器相比,系统跟踪误差小,响应速度快,跟踪性能好。     

单缸膜片式气压隔振系统的自适应滑动模式控制设计

针对被动式气压隔振系统的低频隔振效果差的缺点,开发了以函数近似法为基础的自适应滑动控制算法应用于单缸膜片式气压隔振系统中,该测试系统利用NI公司的Lab VIEW的软硬件资源进行整合搭建硬件实验系统。该主动式气压隔振系统通过实验证明:在规则振动激发与不规则振动激发两种方式下,相对于被动式气压隔振系统,隔振层的振动量分别降低了34.6%和32.7%,隔振效果明显。     

泵控缸电液位置伺服系统的自适应模糊滑模控制

针对泵控缸电液位置伺服系统的跟踪控制问题,设计了自适应模糊滑模变结构控制器.为了使等效控制器的设计不依赖于对象的精确数学模型,利用自适应模糊系统代替等效控制器,并且为了消除外界干扰、抑制抖振,利用模糊系统动态调节控制增益.仿真结果表明,该方法能保证系统具有较优的动态响应和稳态控制精度,并且对外界干扰及结构参数不确定性具有很强的鲁棒性.     

动压缸电液伺服压力系统自适应反步双滑模控制

给出了轨道路基测试装置液压原理图、动压缸电液伺服压力系统数学模型和AMESim模型。将动压缸电液伺服压力系统拆分为动压缸位移子系统和动压缸输出压力子系统两部分,在此基础上,设计了一种自适应反步滑模控制方法:采用双滑模结构,分别构造动压缸位移子系统滑模自适应控制和动压缸输出压力子系统反步滑模自适应控制,给出了不确定参数的自适应律,并对该方法的稳定性进行了证明。最后将该方法作用于动压缸电液伺服压力系统AMESim模型上,仿真结果表明:该方法不仅可以有效地估计系统中参数,实现对目标期望变量精确地跟踪,具有比积分滑模自适应控制(ISAC)更好的控制性能和跟踪性能;而且可以有效地减小参数不确定性对跟踪性能的影响,具有较好的鲁棒性能。     

电动负载模拟器的自适应终端滑模控制

为了更好地测试舵机性能,提高加载系统的鲁棒性和稳定性,实现电动负载模拟器对信号精确跟踪,同时抑制多余力矩,提出高阶非线性自适应终端滑模控制策略,避免了参数变化和扰动对系统的影响。将舵机看作一个扰动输入,确立负载模拟器系统为双输入单输出非线性系统,建立负载模拟器非线性数学模型,并基于此模型提出自适应终端滑模控制策略。利用Lyapunov函数证明闭环系统的渐进稳定性及有限时间收敛特性。并通过Simulink仿真验证了此控制策略的有效性。结果表明:与普通滑模控制相比,自适应终端滑模控制方法跟踪精度更高,对多余力矩也起到了很好的抑制效果。     

基于连续滑模控制的电液伺服系统轨迹追踪控制

为改善电液伺服系统的轨迹追踪精度,设计一种连续滑模控制器,用于对电液伺服系统进行轨迹追踪控制.在电液伺服系统的建模过程中,以控制阀阀芯位移为依据,得到了电磁线圈上的电压及电流方程.在液压流体的作用下,建立气缸内液压流体的流量方程.根据系统的轨迹误差,构造滑动面模型.在开环传递函数状态空间模型的基础上,建立控制律的连续方...     

自适应控制在水压伺服缸系统中的应用分析与研究

与电驱动、液压油驱动、气体驱动相比,水压伺服缸系统具有高功率、高安全性和环保性,且其具有较大的摩擦转矩和泄漏量,其稳态误差和超调量成为精准控制的主要问题。目前,传统模型参考自适应控制系统(MRAC)被广泛应用于水压伺服缸控制系统,且其具有较好的跟踪性,但其控制器结构复杂,阶次较高,且对外界干扰的鲁棒性不足。为此,应用简单自适应控制系统(SAC)对水压伺服缸进行控制,并对其跟踪性和鲁棒性进行研究分析。研究结果表明,SAC具有较好的跟踪性,且比MRAC具有更好的控制精度、更高的鲁棒性。     

采用神经网络模糊滑模控制的液压驱动活塞位置控制研究

针对液压驱动活塞运动轨迹和压力精度跟踪误差较大问题,设计了神经网络模糊滑模控制,并对控制精度进行仿真验证。创建了液压缸驱动平面简图,推导出液压缸腔室内部参数变化方程式。分析了液压缸驱动压力和位置的变化,采用线性模型建立输入和输出变换方程式。引用滑模控制方法,采用神经网络算法对滑模控制进行逼近,通过模糊切换规则对滑模控制进行自适应调整。采用MATLAB对液压缸活塞轨迹和腔室压力跟踪进行仿真验证,并且与滑模控制输出效果进行比较和分析。结果表明:采用滑模控制方法,液压缸活塞运动轨迹和腔室压力跟踪误差较大;而采用神经网络模糊滑模控制方法,液压缸活塞运动轨迹和腔室压力跟踪误差较小。采用神经网络模糊滑模控制方法,液压缸控制系统自适应调节能力较强,从而提高了活塞运动轨迹和腔室压力跟踪精度。