时滞离散非线性系统基于NN预测的准滑模控制

研究一类具有输入滞后的离散非线性系统的准滑模控制问题。根据滑模控制原理和神经网络的逼近能力,提出了一种基于神经网络预测的准滑模控制器设计方法,给出了神经网络预测器的自适应算法。通过理论分析和仿真结果,证明了神经网络预测器的自适应算法是收敛的,闭环准滑模控制系统是稳定的,跟踪误差可收敛到零的一个领域内。     

单电磁悬浮系统的神经网络模糊滑模控制

为实现单电磁悬浮系统悬浮气隙的精确控制,提出一种基于神经网络的模糊滑模控制方案.根据单电磁悬浮系统的动态非线性数学模型,设计使系统状态在有限时间内到达稳定点的滑模面,同时根据滑模切换状态,通过引入神经网络的模糊控制方法对滑模切换控制量的增益进行评估,实时对滑模控制量进行调整,实现切换控制信号的柔化.基于神经网络的模糊滑模控制系统不仅能很好地跟踪给定信号,而且能削弱滑模控制抖振,对外部扰动具有完全的鲁棒性.仿真结果表明,所设计的控制系统零超调,具有速度跟踪性能,对外部扰动具有很强的鲁棒性.     

多目标拟神经优化方法

根据具有最佳逼近和学习功能的神经网络原理 ,建立了多目标拟神经优化方法 ,给出了有关定理及其证明 .     

空间可变翼飞行器小翼伸缩自适应滑模控制

近空间可变翼飞行器具有可伸缩小翼结构,针对小翼伸出和收回状态变化过程中,存在参数摄动,可能造成飞行器状态以及控制量的大范围跳变,影响飞行器的稳定性的问题,本文提出一种快速双幂次趋近律滑模与神经网络结合的自适应滑模控制方法。应用该方法设计快速双幂次趋近律滑模控制器,并利用神经网络充分逼近复杂的非线性关系能力,得到小翼伸缩全过程的滑模趋近律。对比分析传统滑模控制方法和快速双幂次滑模与神经网络结合自适应控制效果,仿真结果表明快速双幂次滑模控制与神经网络结合方法具有良好的控制效果。     

时滞反馈Lorenz系统的神经网络滑模自适应同步控制及在保密通信中的应用

为了研究不确定Lorenz混沌系统同步控制在保密通信中的应用,首先设计了时滞反馈Lorenz混沌系统,并通过Poincare映射和功率谱分析了其混沌动力学特性.在此基础上,提出了不确定时滞反馈Lorenz混沌系统的神经网络滑模自适应同步控制策略.应用径向基(RBF)神经网络逼近混沌系统的不确定项,基于该径向基神经网络的输出再利用滑模控制和自适应控制相结合的方法提出了单维同步控制器的设计.最后,将所设计的同步控制方法应用于保密通信.仿真结果表明,本文所提出的神经网络滑模自适应同步控制方法可以实现混沌系统同步并可应用于保密通信,且具有较强的抗干扰能力.     

基于自适应神经网络滑模观测器的容错控制

针对机电伺服系统可能发生的故障,提出基于自适应神经网络滑模观测器的快速终端滑模容错控制策略. 在自适应滑模观测器中引入神经网络估计故障,以提高故障发生时观测器的状态估计精度和故障检测准确性. 利用观测器的状态估计值进行状态重构,结合参数自适应技术和快速终端滑模控制方法设计主动容错控制器. 针对参数不确定性设计参数自适应率进行估计,并利用前馈补偿技术补偿故障和参数不确定性. 针对未知上界的扰动设计具有自适应增益的鲁棒项. 利用Lyapunov定理证明所提出的控制方法可以实现系统有界稳定,大量仿真和实验结果验证了控制器在系统发生故障时具有良好的容错能力、控制精度和响应速度.     

直线电梯单电磁导向装置悬浮气隙高度控制

针对单电磁导向系统参数变化及外部扰动对悬浮气隙高度产生的影响,提出了RBF神经网络自适应滑模控制方法.采用RBF神经网络并利用其学习功能,对直线电梯单电磁悬装置不确定参数进行自适应补偿,取代了常规滑模控制切换部分,并且消除了系统高频抖振现象.通过比例微分并行控制提高了RBF神经网络参数的收敛性,改善了局部极小现象的发生,增强了系统的鲁棒性,并采用Lyapunov稳定性理论证明了系统的稳定性.Matlab仿真显示该方法具有良好的跟踪性和鲁棒性.     

一类非线性系统的故障诊断

针对一类非线性系统,设计了一种用于故障检测和诊断的滑模神经网络观测器.在故障发生之前,保证滑模的存在,并以此为条件,通过检测残差信号是否在规定的滑动区内,从而判定是否发生故障.当不满足判定条件时,说明滑模被破坏,有故障发生,则启动观测器中的“故障估计项”,利用神经网络在线辨识故障的形态.应用李亚普诺夫理论证明了该方法的稳定性.     

变结构神经网络控制在SRD中的应用

目的为了减小开关磁阻电机驱动系统参数变化对系统性能产生的影响,解决变结构控制的不连续控制特性问题.方法在常规变结构控制的基础上,引入神经网络控制技术,将普通滑模变结构与神经网络相结合,通过变结构神经网络控制策略进行控制器设计.结果经过对新的滑模变结构控制与传统的PID控制和普通变结构控制性能的对比分析表明,新的滑模变结构控制较好地克服了负载扰动及参数变化对系统转速的影响.结论新的控制方法快速性好、鲁棒性强,减少了开关磁阻电机驱动控制系统的输出抖动.     

基于RBF神经网络调节的电动车驱动和再生制动滑模控制

针对电动车的驾驶模式多变和续驶里程短等主要问题,在建立控制系统主回路的基础上对电动车的驱动和再生制动过程进行了研究,设计了电动车用神经网络滑模控制器。该控制器包括两部分:一个RBF神经网络和一个滑模控制器,RBF神经网络对滑模控制器进行在线切换增益调节。实验结果表明,在车辆的驱动和再生制动过程中,神经网络滑模控制器与普通滑模控制器相比,其响应速度、稳态误差及鲁棒性明显改善,尤其在再生制动过程中,可以回收更多的能量,进一步延长了车辆的续驶里程,对节约能源很有意义。     

离散时间系统的变结构控制及其品质

研究了离散时间系统的变结构控制综合及动态过程品质控制；讨论了到达条件；详细研究了准滑动模态的运动特性；基于稳定性及控制的简单实现，提出了自适应离散趋近律的概念；给出了周期收缩律和变结构控制的设计方法即趋近收缩法；解决了稳态抖振问题并兼顾了全过程的运动品质     

Remote Control Guidance Law Design Using Variable Structure Control

Variable structure control has been described byUtkinin the former Soviet literature since the earlysixties.The basic feature of variable structure control(VSC)isthe sliding motion.Thistype of methodolo-gyis attractiveinthe design of controlsfor nonlinear,uncertain,dynamic system with uncertainties andnonlinearities of unknown structure as long as theyare bounded and occurring within a subspace of thestate space[1,2].The purpose of a sliding mode controller(SMC)is to derive a nonlinear plan…     

基于RBF神经网络的柔性机械臂位置控制

针对复杂的柔性机械臂位置控制问题,提出一种结合极点配置技术的自适应滑模控制方法。变结构滑模应用于柔性臂的刚性运动和弹性振动抑制的控制,极点配置用以设置滑模面的极点,以获得良好的动态响应特性。利用RBF网络自适应性学习系统不确定量的上界,神经网络的输出用于自适应修正控制律的切换增益。实例仿真结果表明,该控制方法能在对机械臂位置控制的同时有效地抑制柔性臂的弹性振动,对不确定参数具有鲁棒性。     

基于RBF网络上界自适应学习的预警卫星滑模控制

分析了RBF(径向基函数)神经网络的基本结构和数学特性,对于预警卫星动力学系统的不确定性上界值无法测量和未知的情况,采用RBF神经网络可以对较强干扰上界进行自适应学习,并可降低控制和动力学带来的抖振。针对带有摆镜的预警卫星姿态控制问题,提出了一种基于神经网络扰动补偿的姿态滑模控制方法。针对RBF网络正交最小二乘(OLS)学习算法,采用RBF神经网络来学习不确定因素的上界值,并设计了预警卫星的姿态控制规律,解决了预警卫星动力学扰动补偿问题。利用数值仿真估算了基于RBF网络上界自适应学习滑模控制的预警卫星姿态控制系统的性能指标。     

基于VPBF网络的直接自适应逆控制方法

神经网络技术在非线性系统自适应控制器的设计中已得到广泛应用,但常见的神经网络存在着各种各样的缺点。为了改进自适应逆控制方法,同时克服一般神经网络的缺点,构造了一种结构简单的改进型VPBF网络,并将其引入自适应逆控制。利用该网络结构选择和参数选择上的优势,离线确定网络的初始规模和权值,在线学习非线性系统的逆,实现了一种非线性系统的直接自适应逆控制策略。仿真结果显示该控制系统能有效地克服扰动,有良好的鲁棒性能。     

带有死区非线性输入的挠性航天器姿态机动智能控制

针对反作用飞轮带有死区非线性输入特性的三轴稳定挠性航天器姿态机动控制问题,提出一种由变结构与神经网络自适应控制技术相结合的智能控制方法。首先,基于航天器非线性和低阶模态动力学模型设计了变结构输出反馈控制律,给出了滑模存在条件,保证闭环系统渐近稳定;其次,采用神经网络自适应控制技术对系统的不确定性因素进行补偿控制,并利用Lyapunov方法分析了系统的渐近稳定性。智能控制的引入使得控制器具有很强的自学习能力和自适应能力,可有效降低不确定因素对系统产生的影响。最后,将本文提出的控制策略应用于三轴稳定挠性航天器的姿态机动控制,仿真结果表明本文方法是行之有效的。     

采用神经网络滑模控制的齿隙摩擦补偿

基于滞环齿隙模型和集合摩擦模型,建立了齿轮传动系统动力学变结构模型。采用径向基函数(RBF)神经网络和滑模控制构成复合控制器,对系统齿隙、摩擦非线性因素进行了补偿。利用RBF神经网络调节滑模控制器的切换项增益,降低了滑模控制的抖振,提高了补偿效果,仿真结果验证了该方法的可行性。     

考虑控制延时的AMD对偏心结构离散变结构控制

为研究考虑控制延时影响的AMD-偏心结构体系地震反应的主动控制问题,建立了AMD-偏心结构体系的力学模型及连续运动状态方程,并将其离散化成标准离散状态方程形式;讨论了离散变结构控制器的设计方法,包括准滑动模态的定义,切换平面的选择及离散趋近率的构成;数值仿真结果表明,该控制方法不仅能有效抑制结构的两个正交方向及扭转方向的地震位移反应,而且在控制延时存在的情况下,仍能保证系统的减震性能和稳定性．     

建筑结构的准滑模控制研究

结合饱和函数和继电特性连续函数的优点,提出了含饱和函数的指数趋近律形成的控制律和含继电特性连续函数的指数趋近律形成的控制律。基于这两种控制律,采用准滑模控制方法对地震作用下建筑结构的振动控制问题进行了研究。以一个多层剪切型建筑结构模型为例验证所提控制方法的有效性,算例数值分析结果表明,所提出的准滑模控制方法,控制效果明显,能有效地减小结构的地震峰值响应,且在控制参数ε值较大的情况下,控制系统的抖振很小。