加工过程QFT控制及与自适应控制的结合

阐述了定量反馈理论（QFT）的基本原理和设计步骤。并给出了设计实例。为了进一步改善系统性能。在QFT的基础上提出了QFT与自适应控制相结合的方案。QFT能克服对象的不确定性。保障系统的鲁棒性。自适应控制可以提高系统的控制精度。仿真结果表明。这种方法适合高精度系统的鲁棒控制。     

On-line Estimation of Workpiece Height by Using Neural Networks and Hierarchical Adaptive Control of WEDM

Wire breakage and unstable machining drastically reduce the machining efficiency and accuracy in wire electrical discharge machining (WEDM). When a stair-shaped workpiece is machined, poor electrolyte flow around the steps leads to wire rupture or unstable machining. This paper presents a WEDM adaptive control system that maintains optimal machining and improves the stability of machining at the stair section where workpiece thickness changes. A three-layer back propagation neural network is used to estimate the thickness of a workpiece. The developed adaptive control system is executed in the hierarchical structure of three control loops, using fuzzy control strategy. In the first control loop, the total sparking frequency is controlled within a safe level for wire rupture suppression. In the second control loop, the proportion of abnormal sparks is maintained at a pre-determined level for process control purposes. Based on the estimated thickness of a workpiece, adaptive parameter optimisation is carried out to determine the optimal machining settings and to provide the reference targets for the other two control loops. Experimental results demonstrate that the workpiece height can be estimated by using a feed-forward neural network. The developed adaptive control system results in faster machining and better machining stability than does the commonly used gap voltage control system.     

农业轮式移动机器人自适应滑模路径跟踪控制

针对不确定性干扰影响下的农业轮式移动机器人鲁棒自适应路径跟踪问题,提出一种非时间参考的自适应滑模路径跟踪控制方法。首先,选择合适的非时间参考量,建立面向移动机器人路径跟踪控制器设计的相对运动学模型,摆脱了时间和速度因素的影响。其次,对传统的指数趋近律进行改进,设计了新型的快速趋近律。此外,引入RBF神经网络对不确定性干扰进行实时估计,进而提出一种基于新型趋近律的自适应滑模控制方法,并对其性能进行了理论分析与证明。该控制方法既消除了抖振现象又提高了轮式移动机器人在不确定性干扰作用下的路径跟踪性能。最后,通过仿真验证了提出方法的有效性和优越性。     

基于小波神经网络辨识器的模糊神经自适应控制在VAV空调系统中的应用

针对温度控制的大惯性、大滞后、非线性特点，提出采用基于小波神经网络辨识器的模糊神经自适应控制的中央空调房间温度控制器的设计方案。由于小波神经网络的非线性映射能力比一般神经网络要强，所以基于小波神经网络的辨识器可以获得很高的辨识精度。而且，模糊神经自适应控制器随着系统动态特性的改变可以在线改变其控制规则，从而进行客观准确的控制。与普通模糊控制方法相比较，仿真试验说明了系统设计的有效性。     

Adaptive Control of Neutralization Process using Neural Networks

Abstract

A neural network (NN) based adaptive interaction technique is proposed for controlling highly nonlinear neutralization processes. In this approach, the controller is decomposed into interconnected subsystems and adaptation occurs during the interactions. This approach is adaptive in structure and doesn't use an explicit model of the process in the design. The NN is used to establish the adaptive interaction technique for the development of a nonlinear pH controller, which calculates the necessary change in a manipulated variable to drive the system to the desired value. By applying this adaptive algorithm, the same adaptation as the back‐propagation algorithm is achieved without the need of backward propagating the error throughout a feedback network. This important property makes it possible to adapt the NN controller directly without a process model. This advantage reduces the computational complexity drastically in comparison to the well known back‐propagation algorithm based adaptive NN system and a model based system. The designed model‐free online adaptive controller was implemented to a laboratory scaled pH process in real time by use of a dSPACE 1104 interfacing card. The responses of pH and acid flow rate show good tracking for both the set point and load changes over the entire nonlinear region.     

三轴汽车前后轮转向时的侧向动力学控制

基于三轴汽车前后轮转向时的闭环控制确定性模型 ,探讨了该汽车在典型的组合路面行驶过程中后轮的最优转向控制规律 ,通过引入状态反馈 ,改善了整车的转向特性。将实际汽车的前后轮胎侧偏刚度及外界干扰视为有界的不确定性参数 ,采用模型跟踪变结构控制方法 ,使得不确定的实际汽车模型能够很好地跟踪确定性的最优理论模型。仿真结果表明该方法的可行性 ,控制系统能够有效地克服参数摄动及外界干扰对系统稳定性的影响     

基于模糊小波神经网络的加工过程自适应控制

为了克服模糊控制动态响应慢和鲁棒性差的缺点,将模糊控制的定性知识表达能力与小波分析优异的局部控制性能和神经网络的定量学习能力相结合,提出了一种模糊小波神经网络自适应控制器,并将其应用于加工过程控制。对变切削深度的铣削加工过程控制的仿真结果表明,基于模糊小波神经网络的加工过程自适应控制,其控制效果优于一般的模糊控制和神经网络控制,具有很好的动、静态性能。该自适应控制器能有效防止刀具损坏和提高加工效率,是一种有效的加工过程控制方法。     

混合输入机构的模糊自适应变结构控制

针对混合输入机构中常速电机可不可控的特点,提出了基于常速电机位置跟踪的控制策略来对伺服电机进行控制,对常速电机的速度波动进行补偿,并给出了控制框图。因为系统的精确动力学模型难以获得,故考虑系统参数的不确定、外部扰动和非线性摩擦,设计了模糊自适应滑模变结构控制器以实现混合输入机构的轨迹跟踪。应用模糊自适应推理逼近系统的不确定之和,从而得到连续的控制增益,消除了变结构控制的抖振。     

基于切入工况的自适应巡航控制系统性能测试方法研究

设计了一种基于切入工况的自适应巡航系统性能测试方法,以更好地模拟实际驾驶中前车加塞的情况,并提出了可提高自适应巡航控制系统在切入工况下的驾驶体验的有效建议.介绍了自适应巡航系统系统框架、测试设备、测试场地以及测试工况;采用控制变量法,分别以两车速度差、前车切入纵向距离和前车切入横向速度为单一变量,详细制定自适应巡航系统...     

随机振动机械臂的自适应鲁棒滑模控制

为了解决存在外部不确定随机干扰情况下机械臂的高精度轨迹跟踪问题,提出了一种自适应鲁棒滑模控制方法,并用Lyapunov稳定性定理证明了其闭环系统的稳定性。采用饱和函数取代控制器中的符号函数,有效消除了控制器的抖振现象。仿真结果证明：与传统的PID控制器相比,提出的自适应鲁棒滑模控制器具有更高的鲁棒性、稳定性和精度。     

平面冗余驱动并联机构自适应滑模同步控制

基于Kane方程,建立了平面二自由度冗余驱动并联机构的动力学模型。基于轨迹轮廓误差,定义了机构的同步误差及滑模面,将动力学方程线性化,设计了自适应滑模同步控制器并对机构进行了稳定性分析。通过MATLAB仿真计算,并与计算力矩法进行比较发现,自适应滑模同步控制法优于计算力矩法,能够很好地实现轨迹跟踪。     

考虑路面附着和自适应时间系数影响的车道保持控制

分析了路面附着系数对车辆控制的影响,根据车辆线性二自由度模型与一定的预瞄信息获得车辆-道路动力学模型,并给出了基于Brush轮胎模型的路面附着系数估计算法。针对车道保持转向过程中的车身横摆角速度与转向角的时间延迟现象,提出与路面附着系数有关的自适应时间系数,并加入到车辆-道路动力学模型中。在此基础上,基于滑模控制理论设计横摆角速度滑模控制器来跟踪期望车辆状态,获得理想的转向角。最后,进行了基于CarSim/Simulink的仿真计算和硬件在环台架试验,研究结果表明,在不同路面附着系数下考虑自适应时间系数可改善车道保持控制效果。     

Adaptive fuzzy sliding-mode controller of uncertain nonlinear systems

This paper deals with the design of adaptive fuzzy sliding-mode controllers for the T-S fuzzy model based on the Lyapunov function. It is shown that the Lyapunov function can be used to establish fuzzy sliding surfaces by solving a set of linear matrix inequalities (LMIs). The design of the fuzzy sliding surfaces and the adaptive fuzzy sliding-mode controllers is proposed. The adaptive mechanism is also used to deal with unknown parameter perturbations and external disturbances. Two examples illustrate the feasibility of the proposed methods.     

基于自适应反演滑模控制的AUV水平面动力定位方法

自主水下航行器(AUV)是一种高度耦合的强非线性系统,传统的定位方法采用解耦线性化模型,很难保证控制品质。本文针对未知海流作用下AUV的非线性水平面运动模型,充分利用其运动学和动力学模型的特性,提出了基于自适应反演设计方法的AUV水平面动力定位算法,在线估计海流速度。仿真结果验证了跟踪控制系统的全局渐进稳定性,及对有界外部扰动的鲁棒性。     

电磁驱动配气机构的反演滑模控制

为了满足电磁气门的应用要求,在分析自行研制的电磁驱动配气机构结构特点和建立其数学模型的基础上,提出了一种电磁驱动配气机构新型控制方法,该控制方法是基于反演法思想,将自适应控制与滑模控制优点相结合的复合型控制方法。仿真结果表明,该控制方法可以精确控制气门运动,对系统参数变化和外部干扰均具有良好的鲁棒性能。为了验证该控制方法的有效性,建立实验平台进行了实验。当设定气门升程为8 mm, 理想气门过渡时间为4.8 ms时,实验结果与仿真结果相近。由实验结果可知,气门过渡时间为3.3 ms,落座速度为0.055 m/s。     

基于等效滑移率变化率的汽车防抱制动系统模糊直接自适应控制

针对汽车防抱制动系统(Antilock brake system,ABS)车轮角减/加速度和滑移率逻辑门限值控制方法以及常规汽车ABS模糊控制方法的滑移率控制精度不高的缺点, 提出汽车ABS模糊直接自适应控制。针对通常将滑移率跟踪误差变化率,或车轮角加/减速度跟踪误差作为汽车ABS模糊控制器输入量其计算值不够准确的缺点,提出车轮等效滑移率变化率的概念和算法,采用车轮滑移率跟踪误差和等效滑移率变化率作为ABS模糊控制系统的输入量,设计出常规ABS模糊控制器,作为ABS闭环控制系统的模糊逼近控制器;采用直接自适应控制方法设计出ABS模糊补偿控制器;它们组成ABS闭环控制系统模糊直接自适应控制器。仿真研究和实车试验表明,该控制器应用于汽车ABS系统取得良好的控制效果,且算法简单、具有实际应用价值。     

输入受限无人帆船自适应航向跟踪控制

针对带有输入受限且存在未知控制系数约束情形下,考虑了具有未知模型和风、浪等外界干扰的无人船航向跟踪控制问题,提出一种受限控制输入约束下的跟踪控制方法。该方法运用RBF神经网络对未知模型进行在线逼近,利用Nussbaum自适应增益技术解决未知控制系数问题。根据滑模控制理论,设计具有指数趋近律的鲁棒控制项,保证所得误差闭环系统快速响应且最终趋向0。为弱化传统滑模控制产生的抖振问题,将符号函数替换成饱和函数使控制输入变得平滑。引入一种误差辅助系统,构建了帮助误差闭环系统输入退出饱和机制。通过李雅普诺夫稳定性理论,给出了跟踪控制方法的稳定性数学分析过程,证明误差闭环跟踪控制系统的所有信号最终一致有界性。最后通过仿真结果验证了所得理论的有效性。     

单神经元自适应PID控制在SRD中的应用

介绍了一种基于单神经元自适应控制算法及其在开关磁阻电动机调速中的应用;通过仿真这种算法在开关磁阻电动机调速中的应用,给出了基于这种算法的控制策略和控制程序的流程。     

有约束的恒力铣削过程自适应模糊控制研究

讨论了自适应模糊控制的实现方法,并研究了其在有约束的恒力铣削加工过程中的应用.加工实验表明这种方法简单实用.