模糊滑模控制研究综述

本文介绍了90年代以来将模糊逻辑和滑模控制相结合的研究工作,着重描述了模糊控制和滑模控制的相似性、启发式模糊滑模控制、直接和间接自适应模糊滑模控制、模糊神经网络在滑模控制中的应用等方面的原理和方法,分析了它们的特点和联系,本文最后还展望了这一领域的研究方向.     

交流伺服系统模糊滑模控制器设计

针对交流伺服系统的位置控制，设计出一种新型滑模控制器，以前馈信号作为平均控制，采用模糊推理来调节开关控制的幅度，仿真研究表明，该控制器能较好地实现对指令信号的跟踪，具有较强的抗参数摄动和抗干扰能力，表现出良好的控制性能。     

液压驱动伺服机器人的模糊滑模控制研究

针对液压驱动四足机器人伺服系统非线性和不确定性严重的问题,提出了一种快速响应、鲁棒性好、控制精度高的模糊滑模控制器,并进行了仿真研究.首先,建立了液压驱动伺服机器人的液压动力机构非线性数学模型,利用Lyapunov方法设计了滑模控制器;其次,构造了一个模糊边界层宽度调节器,削弱滑模控制的抖振;最后,分析了参考力、液压参数、供油压力及负载刚度变化对系统输出的影响.仿真结果表明,该控制器对液压伺服力系统非线性和参数变化具有较好的控制效果.该方法用于四足液压驱动伺服机器人的控制是可行的、有效的.     

基于T-S模糊模型的滑模跟踪控制

基于T-S模糊模型设计跟踪控制器,它包括两个部分:权重最大子系统局部反馈控制和采用滑模控制设计的全局监督控制,能保证系统稳定.倒立摆跟踪控制结果证明了算法的有效性.     

基于模糊逻辑的滑模控制设计方法

针对一类具有不确定性的单输入非线性系统，根据滑模控制原理。采用趋近律方法优化的滑模控制设计方法，以满足控制系统的鲁棒性和趋近运动品质的要求；同时根据模糊理论将切换函数模糊化，并且通过模糊规则自适应调整切换函数的模糊量化因子，以消除变结构控制系统固有的抖振和进一步改善系统偏差。仿真结果表明．设计的模糊滑模系统，具有对模型不确定性和外来干扰较强的鲁棒性以及良好的跟踪性能。避免了系统固有的颤动现象，控制的效果良好，性能满意；可应用于此类不确定非线性系统的设计综合问题。     

基于遗传算法的模糊滑模控制

模糊控制和滑模控制的结合提供了非线性控制的一大新方法,它消除了滑模控制的抖动,但同时带来新的问题——静差,而且这种控制器在控制切换时动态性能与滑平面系数选择有很大关系.鉴于以上问题,该文提出用不均匀分布隶属函数的模糊控制器来代替传统滑模控制器的符号函数,同时为了保证模糊控制系统的全局稳定性,考虑加入模糊监督控制器.再基于遗传算法对滑平面系数和因子寻优,在算法中目标函数是系统的误差和表征系统稳定性的一个新变量.这种方法减小了系统的稳态误差,加快了系统到达滑动平面的速度,有效地消除了抖动.仿真结果表明了该方法的有效性.     

基于离散模糊滑模的飞行器角度跟踪控制

为解决某型飞行器的角度跟踪控制问题,设计了离散模糊滑模角度跟踪控制算法.以飞行器在空间的姿态运动方程为基础建立了其短周期运动模型.基于离散时间模糊滑模算法,设计了双入双出的模糊控制器,将滑模切换函数及其变化率作为模糊控制器的输入,以模糊控制器的二维输出信号为依据调整滑模趋近律的参数,该算法在减小了系统的抖振同时,保持了...     

新型模糊滑模控制器在交流位置伺服系统中的应用研究*

为解决交流位置伺服系统速度不可控的问题,利用滑动模态的控制思想,设计出一种新型速度位置一体化控制器作为位置伺服系统外环控制器。通过对速度曲线的规划,实现理想的速度控制和精确的定位。在此基础上,采用模糊控制补偿负载变化和外界扰动对系统的影响,同时柔化控制信号,减弱了滑模控制系统中固有的抖振现象。仿真结果证明了所设计控制器的正确性及控制策略的有效性。     

基于模糊神经网络的滑模控制

研究了一类不确定性非线性系统的滑模变结构控制,提出了一种基于模糊神经网络（Ｆｕｚｚｙ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ）的滑模变结构设计方法,设计了控制器的结构,利用动态反向传播算法实现滑模控制,这种方法与一般变结构控制相比不但具有强的鲁棒性而且还能有效地消除抖动现象,同时在设计中不需要知识系统中不确定性和扰动的上界,另外还运用Ｌｙａｐｕｎｏｖ函数从理论上分析上了系统的稳定性。仿真结果说明了本文所提     

机器人操作器的自适应模糊滑模控制器设计

针对机器人动力学系统提出了一种基于模糊逻辑的自适应模糊滑模控制方案.根据滑模控制原理并利用模糊系统的逼近能力设计控制器,基于李雅谱诺夫方法设计自适应律,证明了闭环模糊控制系统的稳定性和跟踪误差的收敛性.控制结构简单,不需要复杂的运算.该设计方案柔化了控制信号,减轻了一般滑模控制的抖振现象.仿真结果表明了所提控制策略的有效性.     

An adaptive sliding mode controller for electro-hydraulic servo systems combining offline training and online estimation

In order to improve the tracking accuracy of electro-hydraulic servo systems under nonlinear disturbance, an adaptive sliding mode controller (SMC) based on generalized regression neural network (GRNN) is proposed. The nonlinear factors and external disturbances of systems are considered in the controller, and an improved GRNN is used. In addition, the neural network achieves nonlinear approximation of the unknown part by online learning, determines the parameters of the SMC in real time by training the model offline, and reduces the impact of online estimation errors on the system to improve control accuracy. Finally, the effectiveness of the control method is verified by simulation.     

非匹配不确定系统的模糊滑模控制

研究多输入不确定系统的模糊滑模控制问题，利用动态补偿器和不等式技巧设计了滑动模态，解决了非匹配不确定性的抑制问题，并给出了保守性较小的滑模稳定性条件．为克服滑模的抖振，提出了用模糊数模型和双二次函数插值构造模糊滑模控制律的方法．仿真结果表明，该方法对于参数摄动和外部扰动具有良好的鲁棒性．     

Fuzzy sliding mode control for a robot manipulator

This work presents the design of a robust control system using a sliding mode controller that incorporates a fuzzy control scheme. The presented control law superposes a sliding mode controller and a fuzzy logic controller. A fuzzy tuning scheme is employed to improve the performance of the control system. The proposed fuzzy sliding mode control (FSMC) scheme utilizes the complementary cooperation of the traditional sliding mode control (SMC) and the fuzzy logic control (FLC). In other words, the proposed control scheme has the advantages which it can guarantee the stability in the sense of Lyapunov function theory and can ameliorate the tracking errors, compared with the FLC and SMC, respectively. Simulation results for the trajectory tracking control of a two-link robot manipulator are presented to show the feasibility and robustness of the proposed control scheme. This work was presented in part at the 13th International Symposium on Artificial Life and Robotics, Oita, Japan, January 31–February 2, 2008     

电液伺服系统的多滑模鲁棒自适应控制

针对一类参数与外负载非匹配不确定的非线性高阶系统,提出了一种基于逐步递推方法的多滑模鲁棒自适应控制策略.应用逐步递推的多滑模控制方法简化了高阶系统的控制问题,同时在自适应控制中加入鲁棒控制的方法,以消除不确定性对控制性能的影响.首先利用逐步递推方法与状态反馈精确线性化理论,得出确定系统的多滑模控制器设计方法;然后基于Lyapunov稳定性分析方法,给出不确定系统的参数自适应律,及鲁棒自适应控制器的设计方法.本文把该控制策略应用到电液伺服系统的位置跟踪控制中,仿真结果显示,该控制方法具有较强的鲁棒性及良好的跟踪效果.     

基于滑模变结构控制的高精度交流伺服系统的设计与仿真

本文根据滑模变结构理论提出一种速度调节器的设计方法,并利用Matlab5.0进行了仿真实验,仿真结果表明由此构成的三闭环交流位置伺服系统具有定位无超调,无静差,响应速度快,鲁棒性强等优点,最后,讨论了滑模控制器各参数的选择对系统性能的影响。     

高精度机械伺服系统的一种新型自适应滑模控制方法

针对高精度机械伺服系统,提出一种高性能的新型自适应滑模控制方法,使闭环系统渐近跟踪给定的参考模型.该方法对转动惯量的大范围变化及非线性摩擦等外干扰均具有很强的鲁棒性.该方法的主要思想是用滑模方法抑制系统中的外部力矩扰动,对系统参数进行自适应估计,用估计值来补偿转动惯量的变化.对于控制算法的全局稳定性,采用李雅普诺夫直接法给出了严格的证明.该算法简单,其实现不需要误差的高阶微分信号,适于实时控制.本文方法以某高精度飞行仿真转台为例,对提出方法进行了实验研究,结果表明了该方法具有良好的跟踪性能,暂态响应和鲁棒性.     

互联网中的模糊滑模拥塞控制策略

针对互联网中的拥塞控制问题, 基于滑模控制理论及T-S（Takagi-Sugeno）模糊模型,提出了一种模糊滑模拥塞控制策略。考虑到互联网中存在的不确定和时变时滞因素,采用T-S模糊模型对网络系统进行了建模。利用线性矩阵不等式设计了一个渐近稳定的滑模面,有效地补偿了不确定及时滞因素的影响。基于趋近律的方法设计了控制器,有效地抑制了路由器中队列长度的振荡。多种情况下的仿真对比表明,所提出的控制策略具有更好的稳定性和鲁棒性。     

液压伺服驱动的并联机器人离散滑模变结构控制

本文针对液压伺服驱动并联机器人数学模型的特点,设计了一种具有变速趋近律的离散滑模变结构控制器。仿真研究结果表明,该控制方案可避免通常变结构控制避不可避免的颤动,且系统对参数摄动和外界干扰具有较强的鲁棒性。