Ｓｔｅｗａｒｔ主动隔振平台的神经网络自适应控制

针对Ｓｔｅｗａｒｔ主动隔振平台,提出一种基于径向基函数（ＲＢＦ）神经网络的多输入多输出自适应隔振控制方法．考虑外界振动对Ｓｔｅｗａｒｔ主动隔振平台动态特性的影响,建立了隔振平台在工作空间中的动力学模型．推导出ＲＢＦ神经网络的权值矩阵、高斯基函数中心和宽度的在线自适应调节律,以使神经网络快速逼近系统的非线性动态函数．应用Ｌｙａｐｕｎｏｖ稳定性理论,证明了在扰动力和神经网络逼近误差有界的条件下,闭环控制系统滤波误差和ＲＢＦ神经网络各调节参数估计误差的一致最终有界．仿真结果表明,该控制方法能有效地抑制不同方向的低频有界振动.

     

Stewart平台神经网络非奇异终端滑模控制

针对Stewart平台的六自由度（six degrees of freedom, 6-DOF）轨迹跟踪问题,提出一种基于神经网络的非奇异终端滑模控制方法并应用于Stewart平台的位置姿态控制中。通过分析Stewart平台的位置反解和速度反解,建立运动学方程,利用牛顿-欧拉方程建立动力学方程,并结合加速度反解得到了平台的状态空间表达式;基于非奇异滑模面函数,设计非奇异终端滑模控制律。考虑到径向基函数（radial Basis function, RBF）神经网络的逼近特性,采用RBF神经网络对模型未知部分进行自适应逼近,并利用Lyapunov第二法设计了自适应律;通过仿真证明控制器设计的有效性。仿真结果表明,相比于比例积分微分（proportional integral derivative,PID）控制器,提出的RBF神经网络非奇异终端滑模控制器具有更好的轨迹跟踪精度和动态特性。     

基于RBF神经网络的一类不确定非线性系统自适应H∞控制

基于RBF神经网络提出了一种H∞自适应控制方法.控制器由等效控制器和H∞控制器两部分组成.用RBF神经网络逼近非线性函数,并把逼近误差引入到网络权值的自适应律中用以改善系统的动态性能.H∞控制器用于减弱外部干扰及神经网络的逼近误差对跟踪的影响.所设计的控制器不仅保证了闭环系统的稳定性,而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标.最后给出的算例验证了该方法的有效性.     

基于RBF神经网络的一类不确定非线性系统自适应H控制

基于RBF神经网络提出了一种H_∞ 自适应控制方法.控制器由等效控制器和H_∞ 控制器两部分组成.用RBF神经网络逼近非线性函数,并把逼近误差引入到网络权值的自适应律中用以改善系统的动态性能.H_∞ 控制器用于减弱外部干扰及神经网络的逼近误差对跟踪的影响.所设计的控制器不仅保证了闭环系统的稳定性,而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标.最后给出的算例验证了该方法的有效性.     

控制增益符号未知的不确定非线性系统鲁棒自适应控制

针对一类控制增益函数及符号均未知的不确定非线性系统,基于反推滑模设计方法,提出一种鲁棒自适应神经网络控制方案.结合Nussbaum增益设计技术和神经网络逼近能力,取消了控制增益函数及符号已知的条件,应用积分型Lyapunov函数避免了控制器奇异性问题,并通过引入神经网络逼近误差和不确定干扰上界的自适应补偿项消除了建模误差和不确定干扰的影响.理论分析证明了闭环系统所有信号半全局一致终结有界,仿真结果验证了该方法的有效性.     

控制增益未知的多变量极值搜索系统神经网络自适应协同控制

针对一类控制增益未知的多变量极值搜索系统,提出了一种神经网络自适应协同控制方法.该方法利用协同控制实现状态变量之间的协同收敛,并确保对系统内部参数扰动和外界干扰具有不变性;以极值搜索控制方法得到的搜寻变量作为输入量,设计多层神经网络逼近状态变量的极值变化率和未知的变量与函数;采用Nussbaum函数解决系统控制增益未知的问题;同时运用自适应参数抵消神经网络逼近误差的影响.稳定性分析证明了系统的状态跟踪误差、输出量与其极值之间的误差、极值搜索变量的跟踪误差以及神经网络各参数的估计误差均指数收敛至原点的一个有界邻域.理论分析与仿真结果验证了该方法的有效性.     

水下机器人的神经网络自适应控制

研究了水下机器人神经网络直接自适应控制方法,采用Lyapunov稳定性理论,证明了存在有界外界干扰和有界神经网络逼近误差条件下,水下机器人控制系统的跟踪误差一致稳定有界.为了进一步验证该水控制方法的正确性和稳定性,利用水下机器人实验平台进行了动力定位实验、单自由度跟踪实验和水平面跟踪实验等验证实验.     

基于控制性能的MIMO非线性系统动态面控制

针对一类不确定非线性MIMO(multiple-input multiple-output)系统,在动态面控制方法的基础上,提出了自适应跟踪控制方案.通过引入性能函数和输出误差转换,保证输出信号具有指定的跟踪速度、跟踪误差、最大超调量.为了避免控制奇异问题,采用神经网络直接逼近期望控制信号.该方案无需估计神经网络的权值,仅对1个参数进行自适应律设计.理论证明了闭环系统所有信号有界,仿真结果验证了所提方案的有效性.     

未知控制方向的迟滞非线性系统预设自适应控制

针对一类含有迟滞特性的未知控制方向严反馈非线性系统,设计了基于误差变换的反步自适应控制器.首先提出动态迟滞算子来扩展输入空间建立神经网络迟滞模型.然后利用径向基函数(RBF)神经网络逼近未知函数,并引入Nussbaum型函数来解决系统未知控制方向问题.最后采用误差变换将误差限定在预设的范围内,并利用反步法设计自适应控制器.该控制方案不仅能够保证跟踪精度,还可以提高系统暂态和稳态性能.仿真结果表明了控制方案的可行性.     

Stewart并联机构主动隔振平台的非线性L2鲁棒控制

以Stewart并联机构主动隔振平台为研究对象,提出一种非线性L2鲁棒主动隔振控制方法．应用牛顿—欧拉方法建立了由直线音圈电机驱动的隔振平台的完整动力学模型．在模型非匹配不确定性的上界未知的情况下,充分考虑动力学模型的非线性特性、参数摄动以及未建模动态等因素对隔振控制的影响,设计了模型非匹配不确定性上界估计的调节律并推导出鲁棒主动隔振控制律．通过构造合适的存储函数,在理论上证明了系统的稳定性和满足L2性能准则的隔振性能．仿真结果表明,该方法能有效地抑制6个方向的低频振动,得到满意的隔振性能．     

柔性支撑Stewart平台自适应交互PID隔振控制

为了实现500 m口径球面射电望远镜(five hundred meter aperture spherical radio telescope, FAST)二级精调稳定平台对馈源舱隔振控制的定位和指向精度, 首先提出了基于并联机构学原理的3维机动目标跟踪预测算法, 对柔性支撑Stewart平台的基座运动进行跟踪预测. 进而,在Stewart平台关节空间设计了自适应交互PID控制器, 引入自适应交互算法解决PID参数的实时调整, 以适应柔性支撑Stewart平台的参数变化对不同控制参数的需求. 采用现代机电系统仿真策略, 对柔性支撑Stewart平台隔振系统的动力学与控制问题进行了仿真, 结果表明: 与传统的PID控制器相比, 自适应交互PID控制器大大改善了隔振效果, 完全满足隔振目标的要求.     

Six-degree-of-freedom active vibration isolation using a stewart platform mechanism

Intelligent Automation, Inc. has performed a study of a six-degree-of-freedom (dof) active vibration isolation system based on a Stewart platform mechanism to be used for precision control of a wide range of space-based structures as well as earth-based systems. This article presents part of the study results, which includes a new Terfenol-D actuator design and analysis, a design of a Stewart platform as a vibration isolation device, and robust adaptive filter algorithms for active vibration control. Prototype hardware of a six-dof active vibration isolation system has been implemented and tested. About 30 dB of vibration attenuation is achieved in real-time experiments.     

Active vibration isolation based on model reference adaptive control

High-performance instruments are very sensitive to vibrations and jitters. In this article, a new approach towards multi-degree-of-freedom (DOF) active vibration isolation and its application in spacecraft jitter suppression are presented. Model reference adaptive control (MRAC) with acceleration feedback is used to isolate random disturbances. However, a side effect of this algorithm is that displacements at low frequencies are amplified. Thus, the MRAC is augmented with proportional–integral–differential (PID) displacement feedback to suppress vibration displacements. The MRAC-PID composite control is applied to a 4-leg platform to isolate vibrations and suppress tip/tilt jitters. The scheme is also used to isolate 6-DOF vibrations and steer the payload of a flexible spacecraft. Satisfactory performance of vibration isolation and jitter attenuation has been observed.     

基于FX-LMS算法的微振动主动隔振控制系统开发

控制系统是基于压电智能结构的各类微振动主动隔振系统的核心部分,而控制性能好、运算快速、实现方便的控制算法则是控制系统开发的关键.基于FIR数字滤波器,并应用FX-LMS自适应算法,对基于压电智能结构的各类微振动主动隔振系统的控制算法进行推导,并对其实现过程进行分析,以便于控制系统开发.在此基础上,利用该FX-LMS算法开发了某一维微振动主动隔振平台的自动控制系统,用于对该算法的控制效果进行实验测试和验证.实验结果表明,所推导的FX-LMS算法具有良好的控制效果,应用领域广阔.     

空气弹簧隔振台特性试验及信号处理算法研究

超精密测量对环境振动要求非常严格,其仪器设备中多安装隔振装置。为评估某重点实验室圆度仪中使用的仪用小型空气弹簧隔振台的隔振性能,利用压电式加速度传感器设计振动测试试验。根据振动测试中信号的实际情况,设计信号处理算法,对采集到的加速度信号进行预处理、积分运算、频谱分析,消除信号中低频趋势项和干扰噪声,还原实际振动状况,准确获取隔振系统振动位移曲线及其固有频率。试验表明,该空气弹簧隔振系统各项指标满足隔振要求。信号处理算法对振动测试中的加速度信号处理具有一定指导意义,也可作为故障诊断中加速度信号处理的参考。     

基于神经预测的模糊主动隔振控制技术研究

将基于神经网络预测的模糊控制技术应用于静电悬浮加速度计地面实验装置主动隔振系统。神经网络预测模型可以根据当前时刻控制器与隔振平台的输出,能够对下一时刻隔振平台的运动状态提前作出预测,并将这一状态反馈输入到模糊控制器,能够使模糊控制器提前作出判断对隔振平台进行控制。研究结果表明该算法不仅可以限制控制信号的振荡,而且有利于抑制超调,对0.1Hz以上的低频激扰具有良好的隔振效果。     

Predicting the blast-induced vibration velocity using a bagged support vector regression optimized with firefly algorithm

Ground vibration is the most detrimental effect induced by blasting in surface mines. This study presents an improved bagged support vector regression (BSVR) combined with the firefly algorithm (FA) to predict ground vibration. In other words, the FA was used to modify the weights of the SVR model. To verify the validity of the BSVR–FA, the back-propagation neural network (BPNN) and radial basis function network (RBFN) were also applied. The BSVR–FA, BPNN and RBFN models were constructed using a comprehensive database collected from Shur River dam region, in Iran. The proposed models were then evaluated by means of several statistical indicators such as root mean square error (RMSE) and symmetric mean absolute percentage error. Comparing the results, the BSVR–FA model was found to be the most accurate to predict ground vibration in comparison to the BPNN and RBFN models. This study indicates the successful application of the BSVR–FA model as a suitable and effective tool for the prediction of ground vibration.

     

基于压电堆驱动器的一维微振动主动隔振平台研制

基于压电堆驱动器设计并开发了一台一维微振动主动隔振平台.利用FX-LMS自适应算法,开发了一套自动控制系统.最后通过实验对其隔振效果进行了测试和分析.结果表明,该一维微振动主动隔振平台具有良好的隔振效果,可广泛应用于各种微振动主动隔离场合.     

Adaptive radial basis function networks with kernel shape parameters

Radial basis function network (RBFN), commonly used in the classification applications, has two parameters, kernel center and radius that can be determined by unsupervised or supervised learning. But it has a disadvantage that it considers that all the independent variables have the equal weights. In that case, the contour lines of the kernel function are circular, but in fact, the influence of each independent variable on the model is so different that it is more reasonable if the contour lines are oval. To overcome this disadvantage, this paper presents an adaptive radial basis function network (ARBFN) with kernel shape parameters and derives the learning rules from supervised learning. To verify that this architecture is superior to that of the traditional RBFN, we make a comparison between three artificial and fifteen real examples in this study. The results show that ARBFN is much more accurate than the traditional RBFN, illustrating that the shape parameters can actually improve the accuracy of RBFN.