飞行模拟转台伺服系统滑模控制仿真

分析了飞行仿真转台伺服系统的数学模型和摩擦模型,给出了切换函数和滑模控制器的实现过程,软件仿真结果表明所设计的滑模控制器能达到较好的控制品质,有效的进行系统低速摩擦补偿.     

基于滤波的转台伺服系统离散滑模控制

飞行仿真转台是航空、航天领域中进行半实物仿真和测试的关键设备,是一个高精度的复杂系统,分析了飞行仿真转台伺服系统的数学模型,给出了系统控制结构图.滑模控制是一种非线性控制方法,对参数变化和扰动具有完全的自适应性,将离散滑模控制引入到转台伺服系统的控制中,给出了离散滑模控制器的实现过程,通过引入卡尔曼滤波器改善了系统的控制品质,软件仿真结果表明所设计的离散滑模控制器能达到较好的控制品质,有效的减小了系统抖振,提升了系统的抗干扰能力.     

转台伺服摩擦系统模糊滑模控制仿真

滑模控制是一种非线性控制策略,能够根据当前状态实现自适应的变结构运动,能够实现伺服系统的快速响应,并克服低速状态下摩擦力矩的影响。鉴于常规滑模控制有严重的抖振现象,系统通过引入柔性的模糊控制,通过模糊控制算法改变其切换增益,实现不确定项的消除。以直流电动伺服系统为被控对象,建立了其数学模型和摩擦模型,实现了基于切换增益的模糊滑模控制器的设计,软件仿真结果表明论文所设计的滑模控制器能达到较好的控制品质,有效的克服系统抖振,实现系统低速摩擦补偿。     

电液位置伺服系统神经滑模控制仿真

分析了电液位置伺服控制系统的数学模型,提出利用线性化反馈技术构建滑模控制率,并应用神经网络进行参数逼近,实现了自适应神经滑模控制器的设计.仿真结果表明所设计的滑模控制器能进行有效的参数估计,有效的克服系统抖振,取得较为满意的控制品质.     

滑模控制改善液压仿真转台低速性能

针对液压转台中普遍存在的低速不平滑现象,以某半实物仿真转台为对象,设计了滑模变结构控制器.通过在控制器中引入变速趋近律和饱和函数型切换,较好地解决了变结构系统在到达段和滑动段的动态品质问题.仿真验证表明系统具有良好的低速性、鲁棒性和控制精度.     

一种基于模糊边界层的转台伺服系统滑模控制器设计

针对飞行模拟转台位置伺服系统中存在的非线性摩擦环节,设计了一种补偿摩擦的模糊边界层滑模变结构控制器.在常规的准滑模变结构控制中引入模糊控制,利用模糊控制器来动态调整滑模边界层的厚度.通过MATLAB仿真,结果表明该控制器较好地协调了常规固定边界层滑模控制鲁棒性与平滑控制抖振之间的矛盾,有效地抑制了摩擦力矩的影响,保证了系统的快速性和鲁棒性,实现了高精度的位置跟踪.     

神经网络滑模控制在位置伺服系统的应用

针对直流无刷电机伺服系统参数摄动、非线性以及其他不确定因素等问题,提出一种神经网络滑模变结构控制方案。利用一个三层RBF神经网络和滑模变结构控制器实现了无刷电机伺服系统位置的精确控制。该方案综合径向基神经网络和滑模变结构算法的优点,对系统参数变化和外部扰动具有很强的鲁棒性,是一种较理想的智能控制策略。仿真结果表明控制器具有良好的动静态品质,工程实现简单,具有广阔的应用前景。     

转台伺服系统的自适应模糊滑模逼近控制

在传统的转台伺服系统中加进了自适应模糊滑逼近模控制器。解决了传统的转台伺服控制方法易随电机参数变化而变化,抗负载扰动性能差,鲁棒性弱的缺点。自适应模糊滑模控制器作为一种非连续性控制,最大优点便是其滑动模态对加给系统的干扰具有完全的自适应性。系统再利用积分滑模面设计切换函数且将其模糊化,然后采用自适应模糊逼近方法,实现了对线性系统和非线性系统的高精度控制。仿真结果表明,自适应模糊滑模逼近控制不但具有良好的鲁棒性、较快的响应速度,而且在相似的控制效果下,可以极大的削弱滑模控制固有的抖振现象。     

动态积分滑模控制及其在交流伺服系统中的应用

针对交流伺服系统速度控制问题,提出了一种动态积分滑模控制方法。利用动态滑模控制方法消除抖振,在切换函数中引入积分环节提高了稳态精度,并给出了交流伺服系统速度控制器的设计方法。仿真试验表明,该方法能明显削弱抖振,提高稳态精度,并有较强的鲁棒性。     

RBF神经滑模控制在永磁直线同步电机的应用研究

给出了神经网络学习算法和神经滑模控制器的具体设计思路,将滑模控制器的切换函数作为神经网络输入,以滑模控制器为网络输出,从而实现神经网络学习能力和滑模控制自适应切换能力有效结合,将神经滑模控制器应用于永磁直线同步电机伺服系统,通过仿真说明了其良好的跟踪特性和低速平稳性。     

RBF神经网络滑模变结构控制在并联机器人中的应用

并联机器人系统结构复杂,具有强耦合、非线性等特点。滑模变结构控制对参数不确定性和外部扰动具有强鲁棒性,不需要被控对象精确数学模型且基于该方法的控制器设计过程是自然解耦过程,适用于并联机器人控制,但是滑模控制普遍存在抖振问题。鉴于此,该文提出RBF神经网络与滑模控制相结合的控制方法,利用RBF神经网络对滑模控制器切换项的增益进行调节,可以有效地降低滑模控制的抖振,获得较好的控制效果。仿真结果表明,该控制方法跟踪性能好,系统误差小,具有较强的鲁棒性,可以满足并联机器人的控制要求。     

用神经网络结构实现超磁致伸缩智能构件滑模控制

提出了一种利用超磁致伸缩材料(GMM)智能构件精密加工活塞异形孔的方法.采用一种神经网络前馈复合离散滑模变结构控制策略,实现GMM智能构件的精密位移控制,消除了GMM智能构件迟滞非线性的影响.将智能构件的输出位移及其变化率作为小脑模型神经网络(CMAC)输入,构件的输入电流作为网络输出,利用CMAC在线自学习能力建立GMM智能构件的迟滞逆模型;通过离散滑模变结构控制器来消除神经网络的建模近似误差以及外界干扰.仿真结果表明,此控制策略能在线建立智能构件的迟滞逆模型,消除迟滞非线性的影响,控制误差降低到1.5%以内,可实现智能构件的精密位移控制.     

采用遗传神经网络的直线伺服系统速度自适应控制

针对永磁直线同步电动机伺服系统多变量、强耦合、非线性,以及时变的特点,提出一种基于径向基函数(RBF)神经网络的永磁直线同步电动机速度控制方法,该方法根据RBF神经网络的结构特点,对其参数采用遗传算法进行离线训练,并通过在线训练调整隐层与输出层的连接权值,实现了电动机速度的自适应控制.实验结果表明,与常规PID控制相比,RBF神经网络控制器提高了直线伺服系统的静态和动态性能,使得电动机在启动和负载改变时转速超调量减小,且转速能更快地趋于稳定.     

机械臂滑模控制算法研究

针对机械臂轨迹跟踪控制中传统滑模控制需估计其建模误差及外界干扰等不确定性,当建模不确定性及外界干扰较大较复杂时,将会导致出现抖振现象。该文在以传统滑模控制为主控制器的基础上,通过对传统干扰观测器进行改进,对外界干扰进行反馈补偿,同时利用神经网络对其建模误差进行逼近。通过机械手仿真实验结果表明,所提方法能够有效抑制系统抖振现象,提高响应速度及其轨迹跟踪精度。     

基于卡尔曼滤波器的交流伺服系统自适应滑模控制

为了减小负载转矩扰动和系统参数摄动对永磁同步电机控制系统的影响,提出了一种基于卡尔曼滤波器的自适应滑模速度控制器。该控制器由自适应律估计参数摄动项,用卡尔曼滤波器估计外部扰动项。设计了含积分作用的滑模面,以保证电机转速的无静差跟踪;采用了指数趋近律,以提高趋近速度并削弱抖振。卡尔曼滤波器估计得到的系统外部扰动前馈补偿至控制器的输出,用于有效降低滑模控制器的不连续切换项造成的系统抖振。实验结果显示:跟踪设定的600r/min转速时,控制器稳态转速精度达到±1r/min。电机在以600r/min稳速运行时,设计的控制器在1.6N·m的外部转矩扰动下的最大转速波动比传统PI控制器的转速波动减小了2%。仿真分析和实验数据表明基于卡尔曼滤波器的自适应滑模控制器对交流伺服控制系统具有较强的抗扰动性、鲁棒性以及良好的稳态性能。     

基于神经网络的交流伺服控制系统设计

针对PID控制交流伺服系统无法同时获得稳定性和快速性,提出了一种基于神经网络的交流伺服控制系统设计方法.在交流伺服控制系统中,采用改进的BP神经网络作为系统控制器,利用其极强的非线性动态跟踪能力和自适应学习能力,及对控制对象的数学模型无依赖性,实现控制对象快速、准确定位.系统仿真表明,BP网络控制器具有快速跟踪性和较好的控制精度等优点.