基于变速趋近律的机电伺服系统自适应滑模控制

针对带有摩擦力矩、负载力矩以及扰动力矩等不确定性的机电伺服系统,提出一种基于变速趋近律的自适应滑模控制方法.首先,构造双曲正切型辅助函数并设计新的变速趋近律,用以调节滑模变量的收敛速度,使其在到达减速点之前具有较快的收敛速度,而在到达减速点以后则能有效削弱抖振.在此基础上,构造自适应滑模控制器,保证系统位置输出能够快速...     

基于反步自适应控制的伺服系统齿隙补偿

齿隙是影响机电伺服系统动/静态性能的一个重要因素. 为了减小其不利影响, 该文以存在不确定参数的机电位置伺服系统为研究对象, 针对系统中存在的齿隙非线性, 应用反步积分方法, 通过逐步递推选择Lyapunov函数,设计了基于状态反馈的自适应控制器. 通过理论分析以及与传统PID控制的仿真结果比较表明, 该方案显著地降低了齿隙对伺服性能的影响, 提高了系统的跟踪精度和鲁棒性.     

具有零动态的SISO仿射非线性系统的神经网络自适应跟踪控制

针对具有零动态的SISO仿射非线性系统提出了一种神经网络直接自适应跟踪控制方法.采用梯度下降算法最小化未知理想控制器与神经网络控制器的误差代价函数以获得参数自适应律,控制器中无需另加鲁棒控制项.基于Lyapunov稳定性定理证明了在该控制器的作用下能保证输出跟踪误差及相应闭环系统的所有状态最终一致有界及神经网络参数的收敛性.仿真结果验证了该文方法的有效性.     

基于神经网络的广义非线性预测PID控制

针对一些复杂的非线性系统用基于线性模型的预测控制器控制效果不理想的问题，本文提出在利用前馈网络对非线性系统建模的基础上，对系统输出实现递推多步预测，并且结合非线性PID，用另一前馈神经网络作为控制器，实现对非线性系统的控制。经网络的在线辨识采用梯度法，仿真实验验证了方法的有效性。     

基于神经网络给定补偿的永磁同步直线交流伺服系统H ∞控制

以永磁同步直线伺服电机为被控对象,应用Ｈ＾∞控制理论设计了一种具有强鲁棒性的速度控制器。首次提出了基于神经网络给定补偿的Ｈ＾∞控制策略,仿真实验结果表明,该方案有效地克服了永磁直线电机参数变化及特有的端部效应等对系统的影响,提高了系统的性能指标。     

电液位置伺服系统的多滑模神经网络控制

针对电液位置伺服系统存在的强非线性、控制增益未知和非匹配不确定性.通过引入神经网络和带饱和层的多滑模面,提出了一种多滑模神经网络控制方法.该方法运用神经网络的万能逼近特性和滑模控制优良的抗干扰特点,采用构造性方法设计控制器.运用光滑投影算法和积分李雅普诺夫技术,避免了参数漂移和控制器奇异问题.理论证明了系统跟踪误差收敛于任意设定的滑模面饱和层内.仿真实验表明了理论结果的有效性.     

基于分数阶的神经网络解耦控制优化方法

针对强耦合、多变量的非线性系统,提出了一种基于Caputo分数阶微分优化的BP-PID解耦控制算法。首先,应用Caputo定义的分数阶思想设计分数阶梯度下降算法,并将其应用到BP-PID控制系统,以实现多变量耦合系统的解耦控制;其次,通过测试的二维变量函数验证所提算法的收敛性;最后,在浸没式电极锅炉耦合模型中使用分数阶梯度下降算法优化的BP-PID算法,并与基于传统梯度下降算法的BP-PID算法进行对比。实验结果表明,所提算法提高了BP-PID解耦控制器的收敛速度,并且加快了响应速度,减少了超调量,缩短了调节时间。     

基于神经网络的机电耦合系统的解耦控制研究

本文以典型的机电耦合系统--数控伺服进给系统为分析研究对象,针对数控伺服进给系统的多输入多输出不确定非线性和强机电耦合性,探索机电耦合模型的解耦控制方法,提出了基于神经网络的解耦控制,经仿真验证能得到较好的解耦控制效果,且算法原理简单,易于实现。     

具有未建模动态的自适应神经网络动态面控制

对一类具有未建模动态的严格反馈非线性系统,提出一种自适应神经网络动态面控制方案.该方案将动态面控制方法扩展到具有未建模动态的严格反馈非线性系统的控制器设计中,拓展了动态面控制方法的应用范围.利用动态面控制方法引入的紧集来处理未建模动态对于系统的影响.利用Young's不等式,提出两种自适应参数调节方案.与现有研究结果相比,有效地减少了可调参数的数目,放宽了动态不确定性的假设,无需虚拟控制增益系数导数的信息.通过理论分析,证明了闭环控制系统是半全局一致终结有界的,且跟踪误差收敛到原点的一个小邻域内.     

基于神经网络PID控制的交流伺服系统

将神经网络和PID控制相结合,提出了一种基于对角递归神经网络整定的PID控制策略,并将其应用于交流伺服系统的控制.利用对角递归神经网络在线自适应调整PID控制器的参数,从而使系统的静态和动态性能指标较为理想.实验结果表明.基于对角递归神经网络整定的PID控制的交流伺服系统具有响应速度快、稳态精度高和鲁棒性强等特点.     

励磁输入动态不确定的同步发电机鲁棒控制

非线性励磁控制如果没有考虑励磁输入存在的不确定性,可能影响其实际的控制效果。为了减小励磁输入动态不确定对发电机系统的影响,利用积分反推方法设计名义系统的虚控制,并加入非线性动态阻尼项对虚控制进行再设计,得到系统的鲁棒非线性控制率。控制率的设计未采用任何线性化方法,充分利用了系统的非线性特性。通过仿真试验,证实了该方法在输入动态不确定子系统满足最小相位、相对阶为零的条件下,可以保证发电机的功角、输出电压稳定。     

具有不确定控制增益严格反馈系统的自适应命令滤波控制

针对一类具有不确定控制增益的严格反馈系统, 提出一种基于命令滤波反推技术的自适应神经网络控制方法. 该方法采用神经网络对系统中的未知非线性函数进行逼近, 并引入命令滤波反推技术克服“计算膨胀”的问题. 与现有的命令滤波反推控制文献相比, 本文通过构造自适应误差补偿系统, 同时消除滤波器产生的边界层误差和不确定控制增益对系统性能造成的影响. 仿真结果验证了所提控制方法的有效性.     

执行器有故障的多输入单输出系统的自适应输出反馈控制

对一类控制增益符号未知且执行器有故障的输出反馈多输入单输出非线性系统,提出了一种后推容错控制方案.该方案在系统状态不可量测的情况下,利用Nussbaum函数处理符号未知的常数增益,并通过构造K-滤波器来估计了系统不可量测的状态.在容错控制器设计过程中,引入变能量函数来处理利用虚拟控制律所无法抵消的部分.与现有研宄成果相比,放宽了未知增益需要上下界均为已知的假设条件.最后,通过选取合适的李雅普诺夫函数,证明了闭环系统所有信号半全局一致终结有界,且跟踪误差收敛到原点的一个小邻域内.仿真结果表明了所提控制方法的有效性.     

鲁棒自适应反推控制器的降阶设计

For a class of systems with unmodeled dynamics, robust adaptive stabilization problem is considered in this paper. Firstly, by a series of coordinate changes, the original system is re-parameterized. Then, by introducing a reduced-order observer, an error system is obtained. Based on the system, a reduced-order adaptive backstepping controller design scheme is given. It is proved that all the signals in the adaptive control system are globally uniformly bounded, and the regulation error converges to zero asymptotically. Due to the order deduction of the controller, the design scheme in this paper has more practical values. A simulation example further demonstrates the efficiency of the control scheme.     

一类不确定非线性系统的事件驱动命令滤波反步控制

研究一类具有严格反馈的不确定非线性系统跟踪控制问题.与现有通过自适应神经网络等技术处理系统中未知动态不同,利用命令滤波器处理系统中的不确定函数.基于反步法原理构造虚拟控制律,并通过设计辅助方程解决真实控制律构造困难的问题.通过引入事件驱动机制,在确保系统稳定性的同时降低系统控制律更新频率.最后通过仿真算例验证了所提出命令滤波反步控制策略的有效性.     

Command-filtered sensor-based backstepping controller for small unmanned aerial vehicles with actuator dynamics

In this study, a command-filtered sensor-based backstepping controller is proposed for small unmanned aerial vehicles (UAVs) with actuator dynamics. The command filter is introduced to prompt the virtual control law to be limited in a certain range and the corresponding state to subsequently be restricted to a certain area. When using the sensor-based backstepping recursive method, precise models of the UAVs are not required because the controller is not sensitive to the external disturbance. The actuator dynamics are compensated without prior knowledge of the mathematical model of the executing agency. Besides, a robust compensator is developed for the virtual control law of the first subsystem of the UAV, which shows strong robustness against the uncertainties of the aerodynamic coefficients and external disturbances. Moreover, the closed-loop system is proven stable in the sense that the signals are bounded. A numerical simulation is carried out to verify the effectiveness of the developed controller.     

一类带不确定输入动态非线性系统的鲁棒H∞控制

研究一类带不确定输入动态非线性系统的H∞控制问题.在输入动态存在的条件下,利用反传设计方法构造了鲁棒状态反馈控制器,使得闭环系统在零初始状态下从干扰到输出的L2增益任意小,同时在干扰输入恒为零时闭环系统是全局渐近稳定的.