基于QDRNN-ADRC的重力稳定平台控制研究

针对稳定平台系统存在系统模型不够精确或者参数变化,或者外部干扰未知等现象,以及采用自抗扰控制器存在参数众多且难以整理的问题,提出了一种基于准对角递归神经网络—自抗扰控制器(QDRNN—ADRC)的重力稳定平台控制算法.通过自抗扰控制器对系统的"总扰动"进行估计并补偿,同时引入神经网络的辨识功能对自抗扰控制器部分参数进行在线整定,基于自抗扰控制技术核心架构设计了QDRNN—ADRC.仿真结果表明:有效解决了重力稳定平台利用神经网络的辨识功能对自抗扰控制器部分参数进行在线整定外扰动的干扰以及参数自适应整定问题,相对于传统控制方法,其在稳定精度、快速性及抗干扰性方面均具有一定优势.     

基于 BP 神经网络的无刷直流电机的自抗扰控制

无刷直流电机调速系统是多变量,非线性强耦合的非线性系统。它的齿槽转矩和负荷扰动性能很容易被参数的变化所影响。为了解决这个不足,论文将BP神经网络算法应用到自抗扰控制系统。自抗扰控制器是独立的精确的控制器,其扩张状态观测器可以准确地估计该系统的扰动。然而自抗扰控制器的非线性反馈参数是很难获得的,在文章中这些参数是来自BP神经网络。仿真结果表明,基于BP神经网络的自抗扰控制器能改善该伺服系统的快速性、控制精度适应性和鲁棒性。     

自抗扰控制器在无主轴凹印机套色控制的应用

无主轴凹版印刷机自动套色控制系统要求版辊根据套印偏差及其变化趋势按要求转动一定距离从而平稳快速地消除偏差。采用自抗扰控制器(ADRC),在没有对象的精确模型时,可实现干扰补偿。在此基础上又将推导出的无主轴凹印机粗基本模型与AD-RC相结合,得出新的控制算法。仿真和实验结果表明,该复合型自抗扰控制器具有良好的动态性能,且对负载变化及扰动都有很好的鲁棒性。     

基于深度强化学习的飞行器自抗扰控制技术北大核心

针对传统固定参数的自抗扰控制器应用在参数大范围随机快变的高速飞行器姿态控制时扰动估计精度不高,系统稳定性和控制品质较差的问题,提出一种深度强化学习的自抗扰控制方法,通过大量离线仿真交互自动学习获得扩张状态观测器参数智能调节神经网络,并在线利用网络进行参数实时调度,提高扰动的估计精度。仿真结果表明,深度强化学习的智能自抗扰控制器相比传统的固定参数自抗扰控制器具有更精准的控制精度、更强的鲁棒性,具有一定的工程实用价值。     

基于自适应免疫整定的机器人无标定自抗扰视觉伺服控制

研究了机器人无标定自抗扰视觉伺服控制问题. 针对系统中所用的自抗扰控制器参数选取困难问题, 提出了基于自适应免疫算法的自抗扰控制器参数整定方法. 证明了系统中所用的非线性离散二阶扩张状态观测器稳定的充要条件, 并将该条件应用在参数整定过程中. 6 自由度工业机器人的实验结果表明了该方法的可行性和有效性.     

DRNN-ADRC异步电机直接转矩控制系统研究

由于经典PID控制器自身所固有的缺陷,在异步电机直接转矩控制(DTC)调速中不能满足大范围高精度的调速要求.采用自抗扰控制器(ADRC)作为速度调节器,并借助对角递归神经网络(DRNN)进行参数整定,构成了新的异步电机直接转矩控制调速系统.仿真结果表明:对于异步电机直接转矩控制系统,基于对角递归神经网络整定的自抗扰控制...     

基于神经网络的非线性扩张状态观测器

自抗扰控制方法是一种新型的非线性设计方法,在自抗扰控制器中主要存在着确定待定参数的问题;非线性扩张状态观测器是自抗扰控制器的核心,在研究非线性扩张观测器中的参数整定问题时,将神经网络的思想引入参数整定,提出了基于神经网络的非线性扩张状态观测器的设计方法,运用该方法可以对任意阶的非线性扩张状态观测器进行参数设计;大量仿真算例表明,设计出的观测器具有良好的鲁棒性,有一定工程应用参考价值.     

基于自抗扰技术的无人机自主避障研究

摘要：随着无人机民用化的持续加速, 其应用场景越来越复杂, 自主避障技术成为拓宽应用领域的技术瓶颈. 自主避障技术的突破, 无疑成为无人机更大规模应用必要条件. 自抗扰控制器技术, 是发扬PID控制技术的精髓并吸取现代控制理论思想归纳探索而来. 自抗扰控制器具有的不依赖被控对象精确模型、算法简单、参数易于调节的特点, 使其适合作为无人机自主避障的控制算法来应用. 针对无人机避障中位置给定阶跃信号幅值较大且幅值不定的情况, 传统PID控制器快速性不能很好满足要求且需要重复调节参数, 而自抗扰控制器则具有更好的鲁棒性. 为了更好的实现无人机自主避障, 设计了基于自抗扰控制器的外环位置控制器, 对基于自抗扰的无人机自主避障系统进行仿真和实验研究, 并与传统双环PID控制器进行对比分析, 结果证明外环控制器采用自抗扰控制器的无人机自主避障系统的可行性.     

PID控制器改进方法研究

分析了常规PID(比例—积分—微分)控制特点,针对其在非线性控制中存在的问题,基于参数自整定和控制器误差组合方式,分别设计了参数自整定模糊PID控制器、参数自整定RBF神经网络PID控制器和非线性自抗扰PD控制器.并进行了实验验证,实验结果表明,从参数自整定和控制器误差组合角度出发,所采用的控制策略可使非线性系统具有较好的动态特性、鲁棒性和自适应能力.     

自适应模糊自抗扰控制器的研究与设计

针对普通PID在实际工程控制中参数整定难,抗干扰能力差的问题,设计了一种基于模糊控制原理的改进型自抗扰控制器.该控制器充分结合了模糊控制器和自抗扰控制器的各自优势,并对其进行了随动系统的仿真.仿真结果表明,该控制器可设计成为一个响应速度快、静差小的控制系统,与经典PID控制器在同样的系统中比较,自适应模糊自抗扰控制有较好的控制性能.     

凹印机套色系统的自抗扰解耦控制

无轴凹印机套色系统的运行过程中存在各种形式的扰动,且各色组的套色误差通过张力传递相互耦合,严重影响系统的套准精度,必须进行解耦和抗扰控制.本文在建立了凹印机套色系统的近似数学模型的基础上,将扩张状态观测器与前馈相结合,提出了一种新的自抗扰控制策略.把一个强耦合、大扰动、模型不确定的复杂非线性系统动态补偿为近似的二阶线性系统,降低了系统的控制难度,改善了系统的动态性能,并使系统具有自抗扰的能力.仿真结果表明,与传统的前馈控制和非线性控制相比,该算法使系统控制误差的收敛速度加快,动态响应性能更优越,实现了色组间的解耦并使系统具有良好的抗扰性能.     

基于增量式双模Fuzzy控制的彩色自动套印系统

针对彩色凹版印刷系统的特点,以PC机为主控核心采用增量式双模Fuzzy控制的方法,有效解决了高转速、变采样周期下彩色自动套印系统实时数据处理的问题。为减少各版之间的互相影响,避免出现套色偏差的积累,采用了各版都以第一版色标为基准的检测方法,同时解决了用硬件方法自动产生门信号的问题。实验表明,与常规控制方法相比,所提控制方法在综合考虑实时性和低成本的前提下,具有系统动态响应快、稳态误差小、控制精度高的特点。     

凹印机多色套准系统自抗扰解耦控制

针对凹版印刷机对套准控制高精度和高稳定性的要求,提出了一种利用自抗扰控制(active disturbance rejection control,ADRC)技术设计多色套准系统解耦控制器的方法.首先,根据无轴传动模式下多色套准系统的工作机理,建立了多色套准系统的非线性耦合数学模型,并根据ADRC解耦规则推导了套准系统的解耦模型,得到了套准系统的阶数和静态解耦模型.其次,在套准系统阶数和静态解耦模型的基础上,利用ADRC策略对套准系统解耦控制器进行了设计.最后,仿真结果表明,所设计的ADRC解耦控制器能够很好地对各种系统干扰进行补偿,实现了多色套准系统的高精度控制,具有比PID控制器更好的控制性能.     

基于时间尺度的Boost变换器自抗扰控制

以Boost变换器的控制策略为研究对象,将自抗扰控制技术应用到Boost变换器的控制策略中,使被控系统不但具有良好的动态特性,而且对参数变化具有较强的鲁棒性.同时针对自抗扰控制参数难以整定的特点,介绍了自抗扰控制的参数整定基本原则,对Boost变换器进行自抗扰控制仿真,并和PID控制进行对比.最后,用时间尺度概念对Boost变换器的自抗扰控制进行参数整定.仿真结果验证了该方法确实可行.     

Neural networks stabilization and disturbance attenuation for nonlinear switched impulsive systems

In this paper, we address the problem of neural networks (NNs) stabilization and disturbance rejection for a class of nonlinear switched impulsive systems. An adaptive NN feedback control scheme and an impulsive controller for output tracking error disturbance attenuation of nonlinear switched impulsive systems are given under all admissible switched strategy based on NN. The NN is used to compensate for the nonlinear uncertainties of switched impulsive systems, and the approximation error of NN is introduced to the adaptive law in order to improve the tracking attenuation quality of the switched impulsive systems. Impulsive controller is designed to attenuate effect of switching impulse. Under all admissible switching law, impulsive controller and adaptive NN feedback controller can guarantee asymptotic stability of tracking error and improve disturbance attenuation level of tracking error for the overall nonlinear switched impulsive system. Finally, a numerical example is given to demonstrate the effectiveness of the proposed control and stabilization methods.     

变风量空调系统房间温度的串级自抗扰控制

变风量空调系统房间温度控制中,由于控制对象存在非线性、大滞后、模型参数不确定性等问题,导致温度调节困难.采用一种新型二阶离散最速控制函数设计自抗扰控制器,结合串级控制,以变风量空调末端装置风阀开度为中间被调量,将自抗扰引入到串级控制的温度环,设计了串级自抗扰控制器.建立了空调房间和末端装置的仿真模型,并进行仿真控制器和...     

基于U模型的模糊免疫自抗扰控制方法研究

针对一类非线性系统在持续扰动下的控制问题,设计基于U模型的模糊免疫自抗扰控制方法。首先,引入U模型方法进行被控对象建模,提高处理非线性系统的能力,结合自抗扰控制方法,设计基于U模型的改进自抗扰控制器。在非线性反馈环节引入模糊免疫方法实现非线性智能反馈,设计基于U模型的模糊免疫自抗扰控制系统。最后仿真实验表明：基于U模型的模糊免疫自抗扰控制方法在保持了基于U模型的自抗扰控制的简洁性和良好抗扰性能的基础上,简化了控制器参数调节过程,在持续未知扰动下的跟踪速度、精度都更优。     

推力矢量可倾转四旋翼自抗扰飞行控制方法

针对常规四旋翼难以实现位置和姿态独立控制问题, 研究了一种具有全向推力矢量的可倾转四旋翼飞行 器系统. 为克服系统的大范围不确定性、强耦合性及外部风扰影响, 设计了基于自抗扰控制(ADRC)技术的飞行控 制器. 通过建立风扰下的系统动力学模型, 分析阵风对旋翼气动力的影响. 接着将系统解耦为六通道单回路结构并 分别设计自抗扰控制器, 引入扩张状态观测器估计系统的内外扰动, 利用非线性状态误差反馈律输出扰动补偿控 制. 在此基础上, 通过变量代换线性化控制分配矩阵, 将控制器输出直接映射到旋翼转速和倾转角. 仿真结果表明, 所设计的自抗扰飞行控制器具有良好的位置和姿态独立控制能力, 能够有效地估计和补偿紊流风扰动, 同时对系统 的部分动力失效故障有较强的鲁棒性.     

立方体机器人自抗扰平衡控制方法

针对立方体机器人动力学模型多变量、强耦合的问题,提出一种基于自抗扰控制的平衡控制器设计方法.引入虚拟控制量,并在控制量与输出向量之间并行地嵌入多个自抗扰控制器,从而实现对多变量系统的解耦控制,将系统的动态耦合和外部扰动视为各自通道上的自抗扰控制器的总扰动,在为期望姿态安排过渡过程基础上,设计扩张状态观测器对总扰动进行估计并实时补偿.综合采用经验试凑法和带宽法对控制器参数进行整定,对自抗扰控制器系统进行稳定控制、姿态跟踪、抗扰性和鲁棒性实验,并与PID控制系统进行定量对比分析.仿真结果表明,所设计的自抗扰控制器不仅能有效实现立方体机器人的平衡控制,而且较PID控制器具有更好的响应速度、控制精度和强鲁棒性.     

Neural net robot controller with guaranteed tracking performance

A neural net (NN) controller for a general serial-link robot arm is developed. The NN has two layers so that linearity in the parameters holds, but the "net functional reconstruction error" and robot disturbance input are taken as nonzero. The structure of the NN controller is derived using a filtered error/passivity approach, leading to new NN passivity properties. Online weight tuning algorithms including a correction term to backpropagation, plus an added robustifying signal, guarantee tracking as well as bounded NN weights. The NN controller structure has an outer tracking loop so that the NN weights are conveniently initialized at zero, with learning occurring online in real-time. It is shown that standard backpropagation, when used for real-time closed-loop control, can yield unbounded NN weights if (1) the net cannot exactly reconstruct a certain required control function or (2) there are bounded unknown disturbances in the robot dynamics. The role of persistency of excitation is explored.