自适应比例–积分H2滑模观测器设计

传统的龙伯格观测器的观测精度极易受到未知外部扰动的影响.为了解决这个问题,本文设计了一种基于径向基神经网络的自适应比例–积分H₂滑模观测器,实现了参数不确定性和外部扰动下非线性系统的鲁棒确切估计.首先,利用径向基神经网络自适应逼近系统模型的复杂非线性项;其次,设计基于误差的线性滑模面,将比例–积分滑模项注入观测器中,使得滑模动态在有限时间内收敛于滑模面,实现对外部扰动和系统模型非线性的完全补偿;最后,基于H₂次优控制和区域极点配置,提出观测器参数自整定方法.通过对单连杆机器人的仿真结果表明,该方法能够保证非线性系统具有较好的鲁棒性和自适应性.     

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.     

无刷直流电机调速系统神经网络自适应滑模变结构控制

为了提高无刷直流电机调速驱动系统的性能,提出神经网络自适应滑模变结构控制策略。推导无刷直流电机端电压与转速之间的微分方程,运用滑模变结构控制理论,通过调节端电压来实现转速控制;为了有效抑制系统在滑模切换面上的抖振采用自适应算法调整滑模增益的大小;从实际应用的角度出发,利用神经网络对非线性函数的任意精度拟合性,设计径向基函数神经网络估计器对控制量中广义扰动进行动态估计。仿真和实验结果表明采用本文提出的方法控制无刷直流电机,超调量小,速度响应快,控制精度高,且系统对各种干扰和参数摄振具有较强的鲁棒性,动、静态性能均优于PID控制。     

基于扰动观测器的双容水箱液位系统自适应滑模控制

针对存在外部扰动的双容水箱液位系统,为了实现精确的液位控制,该文提出了一种基于非线性扰动观测器的自适应滑模控制方法。设计了含积分作用的滑模面和自适应滑模趋近律,以提高趋近速度和控制精度,并且减小抖振。同时提出了一种非线性扰动观测器估计系统的外部扰动,并将估计值前馈补偿到自适应滑模控制器。通过李亚普诺夫稳定性定理证明了该控制策略的闭环系统稳定性。仿真和实验结果表明,在系统存在外部干扰的环境下,所提出的控制策略与传统滑模控制方法相比,控制精度更高且干扰抑制能力更强。     

基于非线性增益递归滑模的船舶轨迹跟踪动态面自适应控制

针对三自由度全驱动船舶存在模型不确定和未知外部环境扰动的情况,设计出一种基于非线性增益递归滑模的船舶轨迹跟踪动态面自适应神经网络控制方法.该方法综合考虑船舶位置和速度误差之间关系设计递归滑模面,引入神经网络对船舶模型不确定部分进行逼近,设计带σ-修正泄露项的自适应律对神经网络逼近误差与外界环境扰动总和的界进行估计,并应用一种非线性增益函数构造动态面控制律,选取李雅普诺夫函数证明了该控制律能够保证轨迹跟踪闭环系统内所有信号的一致最终有界性.最后,基于一艘供给船进行仿真验证,结果表明,船舶轨迹跟踪响应速度快、精度高,所设计控制器对系统模型参数摄动及外界扰动具有较强的鲁棒性.     

基于有限时间扰动观测器的水厂加矾系统二阶滑模控制

水厂絮凝沉淀过程具有强非线性、不确定性和参数时变等特点,并且原水水质和水量突变等扰动容易对絮凝沉淀过程造成不利影响.本文提出了一种基于有限时间扰动观测器的加矾系统二阶滑模控制设计方法.首先,文章采用带有非光滑项的二阶滑模控制方法设计加矾系统反馈控制;然后,文章设计有限时间扰动观测器对原水水质和水量突变等扰动,以及絮凝沉淀过程强非线性、不确定性和参数时变等导致的模型不匹配进行估计,估计结果作为前馈补偿与反馈控制相结合;最后,理论分析证明了基于有限时间扰动观测器的二阶滑模控制方法的稳定性.仿真结果表明,本文所提出的复合控制方法有效提升了加矾系统的鲁棒性和抗扰动性能.     

考虑扰动与输入饱和的机械臂连续非奇异快速终端滑模控制

针对机械臂控制过程中由于扰动与输入饱和造成的控制精度低的问题,提出一种连续非奇异快速终端滑模控制算法.首先,针对输入饱和问题,设计饱和补偿系统以消除输入饱和特性;其次,为避免滑模控制的抖振问题,设计二阶模型不确定与扰动估计器(UDE)对扰动项进行估计;同时,为进一步提高控制精度,采用自适应方法对扰动估计误差进行控制;在...     

基于Backstepping的倒立摆鲁棒跟踪控制

针对内部参数不确定及存在外部干扰的非线性倒立摆系统,提出了基于Backstepping方法的滑模变结构控制律,并且采用RBF神经网络逼近系统不确定非线性函数,同时引入滑模误差对其神经网络权值进行在线自适应调整,使神经网络的逼近速度加快,改善了动态性能.该控制律能保证倒立撰轨迹跟踪误差的快速收敛性以及对外部扰动和内部参数不确定的不敏感性,最后给出的仿真实例证明了该理论分析结果的正确性,控制效果良好.     

基于模糊神经网络的非线性大系统滑模自适应控制

针对一类非线性大系统，基于模糊神经网络，提出了一种分散滑模自适应控制方法。由模糊神经网络实现滑模控制，平滑了控制切换信号，消除了滑模控制中出现的颤动现象且使系统有强的鲁棒性，同时在控制器的设计中不需要知道系统中的不确定性和扰动的上界。利用Ｌｙａｐｕｎｏｖ稳定理论证明了闭环系统是稳定的且跟踪误差收敛到零的一个邻域内。     

基于滑模控制的卫星姿态控制算法研究

针对卫星姿态控制系统存在外部扰动和执行器故障的情况下,提出一种基于非线性观测器技术和滑模控制理论的容错控制器设计方案。首先,建立含有外部扰动和执行器故障的刚体卫星姿态控制系统运动学方程和动力学方程。然后,通过非线性干扰观测器估计系统中的未知故障,进而利用故障信息基于滑模控制策略设计容错控制器。通过Lyapunov函数证明闭环姿态控制系统的稳定性。最后通过数值仿真验证该容错控制方案的鲁棒性和可行性。     

Adaptive integral backstepping sliding mode control for opto-electronic tracking system based on modified LuGre friction model

In order to improve the control accuracy and stability of opto-electronic tracking system fixed on reef or airport under friction and external disturbance conditions, adaptive integral backstepping sliding mode control approach with friction compensation is developed to achieve accurate and stable tracking for fast moving target. The nonlinear observer and slide mode controller based on modified LuGre model with friction compensation can effectively reduce the influence of nonlinear friction and disturbance of this servo system. The stability of the closed-loop system is guaranteed by Lyapunov theory. The steady-state error of the system is eliminated by integral action. The adaptive integral backstepping sliding mode controller and its performance are validated by a nonlinear modified LuGre dynamic model of the opto-electronic tracking system in simulation and practical experiments. The experiment results demonstrate that the proposed controller can effectively realise the accuracy and stability control of opto-electronic tracking system.     

基于神经网络的无人机滑模飞行控制设计

针对无人机受扰运动,基于Backstepping方法和非线性滑模控制提出了一种鲁棒神经网络飞行控制方案。对无人机姿态角速度层的系统不确定性项,采用径向基函数神经网络并对其权值进行在线调整,从而实现对其进行逼近。将回馈递推设计方法与滑模控制方法结合起来,基于神经网络的输出为无人机设计了一种回馈递推滑模飞行控制器。所设计的飞行控制器用于无人机的姿态控制,仿真结果表明所研究的无人机鲁棒神经网络飞行控制方案是有效的。     

Robust adaptive controller with disturbance observer for vehicular radar servo system

In vehicular radar servo system, parameter variations of the executive motor and external disturbance uncertainties have great effects on the position tracking precision of the system. In this paper, a robust adaptive controller with disturbance observer is designed for vehicular radar servo system, which combines the merits of disturbance observer, adaptive backstepping method and sliding mode control. The system is modeled, and a disturbance observer is employed to observe and compensate for the unknown uncertainties. Adaptive backstepping method is used to design the sliding model controller to guarantee the global stability of the overall system. Simulation results show that the proposed robust adaptive controller has good performance in position tracking and enhances the robustness of vehicular radar servo system while observing the uncertainties precisely and quickly.     

Backstepping sliding mode control with FWNN for strict output feedback non-smooth nonlinear dynamic system

An output feedback backstepping sliding mode control scheme was developed for precision positioning of a strict single-input and single-output (SISO) non-smooth nonlinear dynamic system that could compensate for deadzone, dynamic friction, uncertainty and estimations of immeasurable states. An adaptive fuzzy wavelet neural networks (FWNNs) technique was used to provide improved approximation ability to the system uncertainty. The adaptive laws were derived for application to estimate the deadzone and friction parameters using recursive backstepping controller design procedures. In addition, the sliding mode control method was also combined to enforce the robustness of the output feedback backstepping controller against disturbance. The Lyapunov stability theorem was used to prove stability of the proposed control system. The usefulness of the proposed control system was verified by simulations and experiments on a robot manipulator in the presence of a deadzone and friction in the actuator.     

基于RBF网络的永磁同步电机扰动衰减和速度跟踪

针对永磁同步电机伺服系统速度控制问题,引入削减系统抖振的饱和函数,提出一种解决不确定环境下电机伺服控制系统的速度跟踪控制器。借助RBF网络自适应估计系统中的不确定项,综合反步设计法和滑模控制法的思想,设计控制器。理论分析获证,该受控系统是李亚普诺夫稳定的。数值实验表明,所获控制方案能削弱系统的不确定性干扰,系统输出跟踪能力强。     

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.     

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.     

具有未知干扰的无人机鲁棒滑模飞行控制

研究无人机飞行稳定性控制问题,由于无人机飞行控制系统存在时变外部干扰,飞行过程中升阴比变化激烈,控制稳定性难度较大。利用滑模控制良好的鲁棒能力提出一种神经网络的鲁棒飞行控制方法。因神经网络有良好非线性逼近能力,可对无人机飞行系统中的不确定进行在线逼近,并将神经网络权值误差引入到权值的自适应律中用以改善系统的动态性能。利用神经网络的组合,设计无人机鲁棒滑模飞行控制器。控制器分为两部分,一部分是等效控制器,另一部分是滑模控制器,能有效减小系统的跟踪误差。最后将所设计的鲁棒滑模控制对无人机飞行姿态控制进行仿真。仿真结果表明,新方法能提高无人机的鲁棒飞行控制能力且能实现无人机姿态的精确跟踪和稳定性控制。     

不确定非线性系统的自适应反推高阶终端滑模控制

针对一类非匹配不确定非线性系统,提出一种神经网络自适应反推高阶终端滑模控制方案.反推设计的前1步利用神经网络逼近未知非线性函数,结合动态面控制设计虚拟控制律,避免传统反推设计存在的计算复杂性问题,并抑制非匹配不确定性的影响;第步结合非奇异终端滑模设计高阶滑模控制律,去除控制抖振,使系统对于匹配和非匹配不确定性均具有鲁棒性.理论分析证明了闭环系统状态半全局一致终结有界,仿真结果表明了所提出方法的有效性.     

飞行模拟转台非线性干扰观测器反步滑模控制器设计

本文针对考虑不确定性的飞行模拟转台伺服系统,提出了一种基于非线性干扰观测器的反步全局滑模补偿控制方法。该方法采用反步控制方法设计转速期望虚拟控制,然后利用非线性干扰观测器观测系统不确定干扰,进而对引入非线性干扰观测器的系统设计自适应全局滑模控制器,实现了飞行模拟转台伺服系统期望转角信号的鲁棒跟踪控制,仿真结果表明,该方法控制效果良好,具有很好的工程应用价值。