多关节机器人的神经滑模控制

针对含有建模误差和不确定干扰的多关节机械臂轨迹跟踪控制,提出了一种神经滑模控制方法。该方法采用全局快速终端滑模面保证了系统状态能够在有限时间内到达滑模面和平衡点。采用径向基函数神经网络自适应地补偿系统的建模误差和外界干扰,保证了滑模控制在滑模面的运动。利用李亚普诺夫稳定性判据推导出了控制器的控制律和神经网络的目标函数,通过神经网络的在线学习,削弱了滑模控制的抖振。仿真结果表明了其有效性。     

自适应神经网络四旋翼无人机有限时间轨迹跟踪控制

针对带有模型不确定性和未知外部干扰的四旋翼无人机轨迹跟踪控制问题,提出一种基于径向基(radial basis function, RBF)神经网络的自适应全局快速终端滑模控制方法,确保系统对期望轨迹的有限时间跟踪。该方法考虑到全局快速终端滑模控制在实际应用中的适应性和抖振问题,利用RBF神经网络替代等效控制量,以神经网络的在线学习能力补偿系统内部的不确定性和未知的外部干扰,有效地降低了系统的抖振;根据Lyapunov方法导出的自适应律在线调整神经网络权值,以保证闭环系统的稳定性。通过一系列仿真算例和飞行实验验证了该方法的有效性与可行性,结果表明:该控制方法相对于滑模控制的抖振更小,具有更好的收敛性和抗干扰能力,同时对模型的参数摄动具有更强的鲁棒性。     

基于神经网络补偿的机器人滑模变结构控制

针对机器人控制系统中存在的建模误差和不确定性干扰,提出了基于神经网络补偿的滑模变结构控制。该方法采用双幂次快速终端滑模控制使得系统能在有限时间内快速达到滑模面和平衡点,采用径向基函数神经网络自适应地补偿建模误差和不确定干扰,并通过李雅普诺夫直接法设计权值更新率,确保了系统的全局稳定性,有效抑制了抖震。对两关节机器人的仿真结果表明了该方法的有效性。     

基于干扰观测器的高速列车RBF自适应滑模控制方法

针对高速列车动力学模型的不确定性和存在外部干扰难以实现高速列车对目标轨迹的高精度跟踪控制的问题,设计了一种基于非线性干扰观测器的RBF神经网络自适应滑模控制方法。首先,针对高速列车模型非线性系统的不确定性问题,设计自适应RBF神经网络鲁棒控制器进行跟踪控制,基于RBF神经网络的特性设计神经网络权值自适应律,对列车模型中的未知函数进行估计。其次,针对高速列车跟踪控制外部干扰问题,采用指数收敛干扰观测器进行干扰补偿,提高高速列车对目标轨迹追踪的抗干扰能力。最后,李雅普诺夫(Lyapunov)稳定性分析保证了闭环系统的渐近稳定性,以秦沈客运专线为仿真对象。结果表明,所设计的控制方法不仅解决了列车模型未知阻力部分的自适应逼近,而且在此基础上引入干扰观测器对外部非线性干扰进行补偿实现了对期望轨迹的高精度快速跟踪。     

多关节机器人的模糊神经滑模控制

针对含有建模误差和不确定干扰的多关节机器人轨迹跟踪控制,提出了一种模糊神经滑模控制方法.该方法采用全局快速终端滑模面,保证了系统能够从任意初始状态在有限时间内到达滑模面和平衡点.采用模糊神经网络自适应地补偿系统的建模误差和外界干扰,保证了滑模控制在滑模面的运动.文中利用李亚普诺夫稳定性判据推导出了控制器的控制律和模糊神经网络的目标函数,通过模糊神经网络的在线学习.削弱了滑模控制的抖振.仿真结果表明了其有效性.     

电液负载模拟器的自适应滑模控制方法

针对电液负载模拟器存在的系统非线性、不确定性和强干扰的控制难点,设计了自适应滑模控制方法.设计积分滑模以降低控制器对期望跟踪轨迹高阶导数的要求;设计动态滑模算法抑制抖振;采用小脑模型关节控制器(CMAC)在线学习系统不确定性以降低控制器参数设计的保守性.设计了自适应滑模控制律,给出了CMAC神经网络权值调整算法,证明了控制器的稳定性,以确保系统稳定且输出跟踪误差渐近收敛于零.仿真结果证明了控制策略的有效性.     

基于径向基函数神经网络的多关节机器人滑模控制器

针对具有不确定性的多关节机器人系统,提出了一种径向基函数神经滑模控制方法;该控制方案采用全局滑模面,将神经网络的非线性映射能力与滑模控制的特点相结合,利用径向基神经网络自适应学习系统不确定性的未知上界,消弱了由滑模控制产生的抖动,同时保证了系统的鲁棒性;基于李亚普诺夫定理给出了系统稳定性的充分条件;仿真结果表明,该方法具有良好的轨迹跟踪和速度跟踪性能,提高了对于建模误差和不确定干扰等因素的鲁棒性。     

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RBF神经网络的多关节机器人固定时间滑模控制

针对具有典型非线性特性的多关节机器人轨迹跟踪控制问题,提出一种基于径向基函数(RBF)神经网络的固定时间滑模控制方法.首先,基于凯恩方法建立包括系统模型不确定性以及外部干扰在内的多关节机器人动力学模型;然后,根据机器人动力学模型设计一种固定时间收敛的滑模控制器, RBF神经网络用来逼近系统模型中的不确定性项,并利用Lyapunov理论证明该系统跟踪误差能在固定时间内收敛;最后,对特定型号的多关节机器人虚拟样机进行仿真分析,结果表明:与基于RBF神经网络的有限时间滑模控制器相比,所提出控制器具有良好的跟踪性能且能保证系统状态在固定时间内收敛.     

动力学模型不确定的上肢外骨骼自适应滑模控制

为了解决上肢外骨骼系统中动力学模型不确定情况下的轨迹跟踪问题,提出了一种自适应滑模控制策略。该控制策略采用径向基函数(radial basis function, RBF)神经网络对动力学模型进行估计,并根据估计值设计自适应滑模控制律。利用李雅普诺夫稳定性判据证明控制系统的稳定性。为验证控制策略的有效性,使用Kinect传感器获取人体上肢动作关节角度变化曲线,并使用SolidWorks建立人体和上肢外骨骼模型,同时将其导入Adams中,进行Adams和MATLAB联合仿真。最后,仿真结果表明,实际关节角度与期望关节角度的误差在收敛后小于0.01,即使在动态模型不确定的情况下,所提控制策略也能获得优异的控制效果。     

Adaptive Sliding Mode Control for Re-entry Attitude of Near Space Hypersonic Vehicle Based on Backstepping Design

Combining sliding mode control method with radial basis function neural network (RBFNN), this paper proposes a robust adaptive control scheme based on backstepping design for re-entry attitude tracking control of near space hypersonic vehicle (NSHV) in the presence of parameter variations and external disturbances. In the attitude angle loop, a robust adaptive virtual control law is designed by using the adaptive method to estimate the unknown upper bound of the compound uncertainties. In the angular velocity loop, an adaptive sliding mode control law is designed to suppress the effect of parameter variations and external disturbances. The main benefit of the sliding mode control is robustness to parameter variations and external disturbances. To further improve the control performance, RBFNNs are introduced to approximate the compound uncertainties in the attitude angle loop and angular velocity loop, respectively. Based on Lyapunov stability theory, the tracking errors are shown to be asymptotically stable. Simulation results show that the proposed control system attains a satisfied control performance and is robust against parameter variations and external disturbances.      

喷水推进型无人艇航向跟踪的反步自适应滑模控制*

针对单泵喷水推进型无人滑行艇的航向跟踪非线性系统,提出了一种反步自适应滑模控制方法。该系统由无人艇运动非线性响应模型和舵机伺服系统组成,并考虑运动响应模型的建模误差、外界干扰力等非匹配不确定性,利用全局微分同胚坐标变换将原系统变换为具有下三角特征的非线性系统。基于Backstepping方法和滑模控制理论,提出了一种自适应滑模控制律;利用Lyapunov函数,证明该控制律保证了航向跟踪系统的全局渐近稳定性。仿真对比结果验证了所提出控制器的有效性。     

舰船混沌运动的单输入自适应变结构控制

针对在舰船混沌运动控制中由模型不确定性及外部扰动无法确知所引起的控制结果无法保证的问题,采用自适应控制与滑模变结构控制相结合的方法,在设计切换函数时,将符号函数转移到控制输入的一阶导数当中,有效抑制了变结构控制中的抖振问题,并提出了一种单输入自适应滑模变结构控制方法.实验结果表明,与传统滑模变结构控制相比,新方法能够在系统模型具有不确定性及未知外部扰动的情况下实现舰船混沌运动的良好控制,为舰船混沌运动控制提供了一种可靠的工程实现途径.     

Adaptive Nonsingular Terminal Sliding Mode Control Design for Near Space Hypersonic Vehicles

This paper presents an adaptive nonsingular terminal sliding mode approach for the attitude control of near space hypersonic vehicles (NSHV) in the presence of parameter uncertainties and external disturbances. Firstly, a novel nonsingular terminal sliding surface is developed and its finitetime convergence is analyzed. Then, an adaptive nonsingular terminal sliding mode control law is proposed, which is chattering free. In the proposed approach, all parameter uncertainties and external disturbances are lumped into one term, which is estimated by an adaptive uncertainty estimation for eliminating the boundary requirement needed in the conventional control design. Subsequently, stability of the closed-loop system is proven based on Lyapunov theory. Finally, the proposed approach is applied to the attitude control design for NSHV. Simulation results show that the proposed approach attains a satisfactory performance in the presence of parameter uncertainties and external disturbances.      

基于神经网络观测器的船舶轨迹跟踪递归滑模 动态面输出反馈控制

针对三自由度全驱动船舶速度向量不可测问题,考虑船舶模型参数和外部环境扰动均未知的情况,提出一种基于神经网络观测器的船舶轨迹跟踪递归滑模动态面输出反馈控制方法.该方法设计神经网络自适应观测器估计船舶速度向量,且利用神经网络逼近模型参数不确定项,综合考虑船舶位置和速度误差之间关系构造递归滑模面,再采用动态面控制技术设计轨迹跟踪控制律和参数自适应律,并引入低频增益学习方法消除外界扰动导致的高频振荡控制信号.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,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.     

单喷泵无人滑行艇航向的反步自适应滑模控制

针对单泵喷水推进型无人滑行艇航向跟踪的非线性系统控制问题,对无人滑行艇的运动稳定性分析表明,其具有水平面内的自动稳定性.考虑建模误差和外界干扰力影响下的滑行艇运动响应模型,基于backstepping方法和滑模控制理论,提出了一种自适应滑模控制律.利用Lyapunov函数,证明该控制律保证了航向跟踪系统的全局渐近稳定性.仿真对比结果验证了所提出控制器的有效性.     

Integral sliding mode control for Euler‐Lagrange systems with input saturation

This paper investigates the robust control for the Euler‐Lagrange (EL) system with input saturation by using the integral sliding mode control and adaptive control. An integral sliding mode surface that is suitable for solving the problem of the input constraint is given based on the saturation function. By using the integral sliding mode surface, two robust antisaturation controllers are designed for the EL system with external disturbances. The first controller can deal with the external disturbances with known bounds, whereas the second one can compensate the external disturbances with unknown bounds by using the adaptive control. Finally, the effectiveness of the proposed controllers is demonstrated by strict theoretical analysis and numerical simulations.     

一种新的模糊滑模控制器设计方法

针对具有较大且不可观测外界干扰的一类不确定系统,提出一种新的模糊滑模控制器设计方法.首先基于模糊滑模控制原理,引入全局快速终端滑模控制,使系统在有限时间内达到稳态;然后构造以李雅普诺夫函数导数的绝对值为补偿的自适应干扰估计项,对外界干扰进行准确估计,进而提出一种双层递阶指数趋近全局快速终端模糊滑模控制器,通过指数趋近率来调节滑模面的动态品质,该控制器能快速收敛到稳定状态,且有效消除控制器的抖振情况;最后通过仿真算例验证所提方法的有效性.     

基于自适应模糊滑模控制的分数阶混沌系统的投影同步

基于模糊控制理论和滑模控制理论以及自适应控制理论,研究了一类含有外部扰动的不确定分数阶混沌系统的混合投影同步问题.提出了一种自适应模糊滑模控制的分数阶混沌系统投影同步方法.模糊逻辑系统用来逼近未知的非线性函数和外部扰动,并且对逼近误差采用了自适应控制,同时构造了一种具有较强鲁棒性的分数阶积分滑模面.应用分数阶Barbalat引理设计了自适应模糊滑模控制器和参数自适应律.最后数值仿真结果验证了所提控制方法的有效性.     

A New Adaptive Sliding Mode Control of Uncertain Nonlinear Systems

In this paper, a new adaptive sliding mode control is proposed to control nonlinear systems with parametric uncertainties and matched and unmatched external disturbances. The proposed method first combines immersion and invariance (I&I) adaptive scheme with sliding mode control (SMC), which preserves the advantages of the two methods. The proposed method is different from the approach of combining the backstepping adaptive scheme and sliding mode control in the parameter estimation law, which allows for prescribed dynamics to be assigned to the estimation error and is easier to tune. Finally, the method is applied to control a class of power systems, and simulation results show the advantages of the proposed method.