采用自抗扰控制的三电机同步协调系统

自抗扰控制器自问世以来被用于多种应用场合,但其有着参数多,难整定的弊端,文中依据RBF神经网络结构简单、逼近能力强的优势提出了基于RBF神经网络的复合自抗扰参数调节器,利用RBF神经网络获得自抗扰参数的在线调整信息,且将其应用于三电机同步系统,经过实验验证,该调节器能实时调节自抗扰参数且能改善控制性能,具有实用性。     

光电稳定平台神经网络自抗扰控制方法

提出了一种采用BP神经网络对自抗扰控制器中的非线性扩张状态观测器进行参数整定的方法,简化了非线性扩张状态观测器繁琐的参数整定过程,并对这种结合了BP神经网络的自抗扰控制系统进行了仿真分析。仿真结果表明,加入BP神经网络的自抗扰控制系统可以显著地提高机载光电稳定平台的扰动隔离度,控制效果明显比传统自抗扰控制方法好,对提高机载光电稳定平台的视轴稳定精度具有重要意义。     

基于蚁群算法优化自抗扰控制器的机器人控制

研究基于线性自抗扰控制器的机器人无标定手眼协调控制,搭建了控制系统的Simulink模型,为解决控制器的参数整定问题,选择并编写了蚁群算法的MATLAB程序,通过代码与模型相结合的仿真实验,实现了六自由度机器人对运动目标的跟踪控制,仿真结果验证了算法的可行性和有效性。     

自抗扰控制器的分析及设计

自抗扰控制器是利用非线性控制理论而设计的新型控制器。这种控制器不依赖被控对象的精确数学模型,采用跟踪微分器处理参考输入,扩张状态观测器估计系统状态、模型和外扰,非线性状态误差反馈组合,能够实现对被控对象的良好控制。本文总结了自抗扰控制器的调节规律,解决了自抗扰控制器参数难以整定的问题。仿真证明,这种控制器对被控系统具有较强的快速性、适应性和鲁棒性,具有很高的工程实用价值。     

自抗扰控制器的分析及设计

自抗扰控制器是利用非线性控制理论而设计的新型控制器.这种控制器不依赖被控对象的精确数学模型,采用跟踪微分器处理参考输入,扩张状态观测器估计系统状态、模型和外扰,非线性状态误差反馈组合,能够实现对被控对象的良好控制.本文总结了自抗扰控制器的调节规律,解决了自抗扰控制器参数难以整定的问题.仿真证明,这种控制器对被控系统具有较强的快速性、适应性和鲁棒性,具有很高的工程实用价值.     

附加惯性项神经网络云台自抗扰控制研究

针对自抗扰控制器参数较多且不易整定的缺陷,以三轴增稳云台内框为研究对象,提出一种附加惯性项神经网络云台自抗扰控制方法。该方法首先通过添加附加惯性项的RBF神经网络对被控对象进行辨识,从而获得单神经网络自学习需要的Jacobian信息,然后将扩展的积分系数、非线性误差反馈控制律中的比例系数和微分系数作为单神经元的权重,利用单神经元的自学习能力改进自抗扰控制器。仿真结果表明:加入神经网络的自抗扰控制器具有较好的鲁棒性,与参数固定的常规自抗扰控制器相比具有更高的精度和更快的响应速度。     

基于萤火虫优化算法的不平衡网压下VSR自抗扰控制

传统控制方式下,三相VSR在电网电压不平衡时的网侧电流谐波较大,且其动态性能容易受到负载扰动的影响.针对这一问题,文中提出了一种基于萤火虫优化算法的自抗扰控制策略.在系统的电流内环加入一种与对象模型无关的自抗扰控制器对其进行闭环控制,及时对系统内外扰动进行主动补偿和抑制.同时,利用萤火虫优化算法对自抗扰控制器的关键参数...     

某交流伺服系统的神经网络自抗扰控制

针对采用永磁同步电机(PMSM)驱动的某车载稳定平台交流伺服系统存在摩擦力矩、惯性力矩、负载扰动等一系列复杂非线性问题,考虑到自抗扰控制的抗扰能力强和BP神经网络的自我学习能力强的特点,设计了一种BP神经网络改进型自抗扰控制器(BPNN-ADRC).为了简化自抗扰控制耗时费力的参数整定过程,采用BP神经网络对自抗扰控制...     

基于自抗扰技术的三相电力电子负载电流控制

本文提出一种基于自抗扰技术的三相电力电子负载模拟变换器电流控制方法,解决了传统电流控制存在电流解耦困难、参数摄动、抗干扰能力差的问题。通过建立基于同步旋转d/q坐标系下负载模拟变换器的数学模型,分析电流耦合产生的机理以及影响系统的扰动。设计一阶自抗扰控制器,将系统分析得到的问题作为系统扰动并通过自抗扰控制器消除扰动,达到控制效果,并选定该控制器参数整定方法。通过仿真、实验结果表明,所提出的基于自抗扰技术的三相电力电子负载的电流控制方法可确保负载模拟变换器获得较好的稳态和动态性能,特别是针对电流耦合以及系统外部扰动和内部扰动都具有较好的控制效果。     

改进粒子群优化算法的四旋翼ADRC姿态控制

针对四旋翼飞行器姿态控制中采用自抗扰控制技术的控制器参数过多、整定时难以获得一组最优解的问题,提出了一种变权重与杂交的粒子群优化算法。该算法主要由两部分组成:第一,根据迭代过程中粒子群中粒子与全局最优粒子间的距离大小动态改变惯性权重,并设置系数控制其对惯性权重的影响程度;第二,引入杂交进化,在指定迭代次数内,若粒子群全局最优值连续未变,则对指定数量的粒子进行杂交,增加粒子多样性,避免陷入局部最优。通过Matlab/Simulink搭建四旋翼飞行器模型并仿真,其结果表明,该优化算法对ADRC控制器参数的整定是有效的,能使四旋翼飞行器的控制品质得到保证和优化,提升设计效率。     

汽车四轮转向应用自抗扰控制技术研究

四轮转向汽车相对于通常的前轮转向汽车有着很多优异的性能。四轮转向汽车前后轮转角的控制是该领域研究的一个重点。尝试将自抗扰控制技术引入到汽车四轮转向研究当中。设计了适用于四轮转向汽车的自抗扰控制器,通过运行自抗扰控制应用于四轮转向汽车MATLAB/Simulink仿真模型并对比前馈控制的控制效果,认为自抗扰控制应用于四轮转向当中是可行的。并且自抗扰控制技术有着较好的适应能力及抗干扰能力。自抗扰控制需要确定的参数较多,缺乏参数整定方法,增加了调试的困难。     

基才PSO—BP神经网络的PID控制器参数优化方法

针对传统PID控制系统参数整定过程存在的在线整定困难和控制品质不理想等问题,结合BP神经网络自学习和自适应能力强等特点,提出采用BP神经网络优化PID控制器参数。其次,为了加快BP神经网络学习收敛速度,防止其陷入局部极小点,提出采用粒子群优化算法来优化BP神经网络的连接权值矩阵。最后,给出了PSO—BP算法整定优化PID控制器参数的详细步骤和流程图。并通过一个PID控制系统的仿真实例来验证本文所提算法的有效性。仿真结果证明了本文所提方法在控制品质方面优于其它三种常规整定方法。     

参数自整定模糊PID在温度控制中的应用

针对工业过程控制中传统PID控制器存在的问题,将参数自整定模糊控制的灵活性、自适应性与传统PID控制器相结合,实现了对PID参数的在线自动整定,以克服控制系统的大滞后、非线性等不利因素的影响,并且将该控制器在温度控制系统中的应用进行了研究。结果表明,参数自整定模糊PID控制能使系统达到满意的控制效果,具有一定的应用推广价值。     

基于改进ADRC的巡飞弹纵向控制系统研究

针对近程巡飞弹纵向控制系统设计中存在系统模型的非线性、不确定性、耦合性等问题,引入了自抗扰控制(ADRC)方法。介绍了ADRC的结构、原理、算法实现及参数整定规则,设计具有解耦抗干扰能力的ADRC。针对扩张状态观测器线性区间宽度参数较小时出现的震颤现象和控制性能降低的问题,提出了一种改进非线性函数的方法,设计了纵向运动控制系统。在Simulink平台下进行仿真实验,仿真结果表明,提出的改进方法有效解决了震颤问题,增强了控制器性能,设计的改进自抗扰纵向巡飞控制系统具有良好的控制性能,验证了该改进方法及控制系统的合理性。     

基于自抗扰技术的四旋翼姿态解耦控制方法

针对小型四旋翼飞行器姿态控制问题,基于姿态非线性耦合数学模型,设计了一种自抗扰姿态控制器。引入自抗扰控制技术,介绍了自抗扰控制器结构,包括安排过渡过程,扩张状态观测器以及非线性状态误差反馈。针对模型非线性耦合特点,介绍了多变量系统的自抗扰解耦控制原理,并设计了一种自抗扰姿态解耦控制器。基于Simulink搭建仿真模型进行了仿真。参数整定及仿真结果表明,所设计自抗扰控制器具有强鲁棒性、抗干扰性,系统具有良好的动态性能和稳态性能,对非线性耦合系统能有效地控制。     

基于微粒群优化的机器人自抗扰控制

自抗扰控制器是在继承经典PID不依赖于对象模型优点的基础上,通过改进经典PID固有缺陷而形成的新型控制器,性能优良且算法简单.研究微粒群算法和机器人控制技术,采用自抗扰控制器实现了平面两连杆机械手的正弦运动控制,提出用微粒群算法选择和优化控制器参数,取得了很好的仿真结果,验证了算法的可行性和有效性.     

基于PSODE混合算法优化的自抗扰控制器设计

自抗扰控制器在强干扰系统和大时滞条件下的控制效果不好,主要影响因素是静态参数机制,为此设计了一种基于差分进化算法和粒子群算法联合优化的自抗扰控制器。使用粒子群算法对自抗扰控制器中抗扩张状态观测器的动量估计系数进行在线优化,使用误差阈值触发启动的伺服机制提高动态优化的计算速度,并使用差分进化算法的变异、交叉和选择算子提高粒子群算法的多样性,防止陷入局部最优值以提高算法的收敛精度。在热工时滞系统中的实验结果表明,改进后的算法在强干扰系统和大时滞条件下的控制效果得到提高,抗干扰性能和鲁棒性得到提高。     

四旋翼PIDNN控制器设计

针对传统四旋翼PID控制器参数整定困难和控制效果难以达到最优的问题,综合了传统PID控制器工程意义明确、参数整定简便以及神经网络的非线性映射和自学习的优点,构造了四旋翼神经网络PID(PIDNN)控制器。以神经网络的非线性映射特点和自学习能力优化了传统PID控制器的控制效果,借助PID控制器的构造特点,解决了神经网络层数、节点数和连接权重初值选取困难的问题。最后,通过仿真实验验证了算法的合理性和有效性。     

线性自抗扰控制在雷达伺服系统应用

随着雷达探测技术的发展,传统PID算法存在对控制增益敏感、“快速性”和“超调性”不可调和以及微分很难选取等缺点,已不能满足雷达伺服系统对控制性能的要求。自抗扰控制(ADRC)具有不依赖被控对象模型、无超调、响应速度快、鲁棒性强的优点,越来越受到重视,但其缺点是参数众多、调节过程复杂。线性自抗扰控制器(LADRC)通过对自抗扰控制算法线性简化和参数整合,极大简化其参数和调节过程,同时又保持了自抗扰控制的优点。将线性自抗扰控制器应用到雷达伺服系统以提高其响应快速性和鲁棒性,减小系统的超调性。最后对比传统PID控制器,试验结果表明,线性自抗扰控制器在提高雷达伺服系统响应速度、稳定性、抗干扰和鲁棒性方面优于PID。     

PI参数自整定扫描探针显微镜控制器的设计

为了解决传统扫描探针显微镜(SPM)控制器中参数难以设定的难题,提出了一种SPM的PI参数自整定控制器的设计,并给出了控制器的硬件结构和软件设计.该控制器基于DSP,通过引入扫描式参数优化算法来实现.结果表明,该控制器能自动完成PI参数的测算,并给出最优的PI参数,提高了SPM扫描图像的质量.