一种具有噪声干扰的MIMO非线性时变系统自适应控制

针对含噪声多输入多输出不确定非线性时变系统,提出一种基于多维泰勒网(MTN)的自适应控制方案,其中两个MTN分别用来实现优化控制和非线性滤波.首先,提出多维泰勒网控制器(MTNC)以实现实时跟踪控制.将滤波输出与期望值之间的闭环误差作为MTNC的输入,根据系统不确定因素引起的误差,基于稳定的学习率,设计线性再励的自适应变步长算法以快速更新MTNC权值.其次,提出多维泰勒网滤波器(MTNF)以消除测量噪声.由于定义了测量值与MTNF输出之间误差的Lyapunov函数,自适应MTN滤波系统兼具基于Lyapunov理论的自适应滤波(LAF)和MTN的特有性质.最后,通过在Lyapunov意义下选取适当的权值更新律,可使MTNF输出渐近地收敛到期望信号,并证明了滤波器的收敛性和稳定性.仿真结果验证了所提出方案的有效性.     

具有噪声干扰的非线性时变系统多维泰勒网辨识和控制

针对含噪声不确定非线性时变系统,提出一种基于多维泰勒网(MTN)稳定的自适应控制方案,其中3个MTN分别被用来实现非线性滤波、系统辨识与自适应控制.首先, MTN滤波器(MTNF)用来消除测量噪声,以得到无随机干扰的模型输出.然后, MTN辨识器(MTNI)用来表示系统动态映射且比传统神经网络泛化能力更强.而后,MTN控制器(MTNC)用来实现系统精确跟踪控制,其中时变被控对象由MTNI辨识并将其动力学特性信息实时提供给MTNC使其"光滑"自适应.此外,利用改进的灵敏度计算方法来剪除MTNI和MTNC的冗余输入和冗余中间层回归项.最后,证明基于MTN的闭环系统稳定性,并给出最优学习率以期实现快速学习.仿真结果表明,该方法具有精确的辨识能力、良好的跟踪性能和较强的抗干扰能力,可实现含有不确定性、随机因素和时变特性的非线性系统自适应实时控制.     

一种含噪声不确定多输入多输出非线性时变系统的最优跟踪控制

如何在确保实时性能的前提下,将系统耦合、随机因素、时变特性和不确定非线性的影响一同最小化具有重要意义.为此,本文提出了一种基于自适应多维泰勒网(MTN)的优化控制方案,包括MTN控制器(MTNC)和MTN滤波器(MTNF).首先,设计基于强化学习和自适应动量因子的改进梯度法来调节MTNC权值以快速响应被控对象的不确定性和时变特性,实现最优控制;证明闭环系统稳定性.而后,通过Lyapunov稳定性理论设计MTNF权值更新律,使动态误差指数收敛到零;恰当选择Lyapunov函数来构造具有全局最小值的能量空间并对MTNF的Lyapunov特性进行分析;证明MTNF误差的收敛速度和收敛区域,避免奇点问题.最后,仿真结果表明所提出的控制器和滤波器可在较短的时间内获得更高的精度.     

具有有限时间输出约束的切换非线性时滞系统的多维泰勒网自适应控制

研究一类具有有限时间输出约束的切换非线性时滞系统的控制器设计问题.为了在有限时间将输出跟踪误差限制在预定边界内,引入一种改进的有限时间性能函数(FTPF).在控制器的设计过程中,利用障碍Lyapunov函数来解决输出约束问题.然后,将多维泰勒网(MTN)的逼近特性与自适应反步技术相结合,提出一种新的自适应MTN控制方法.在该方法中,通过设计Lyapunov-Krasovskii泛函,使得存在时滞的情况下,仍然能够保证切换系统的稳定性.最后,通过仿真实例表明所提出设计方案的有效性和实用性.     

Hénon混沌同步的自适应逆控制

基于自适应逆控制原理,在噪声存在的情况下,提出了一种实现混沌同步的自适应逆控制方法.为此首先简要介绍了控制方法结构,然后利用神经网络算法对被控对象模型进行辨识和训练发送端的控制器.仿真证明该方法能够很好的消除干扰,使得被噪声污染的混沌同步系统能够保持良好的同步.此外自适应逆控制是开环控制,具有很好的实施性.     

基于动态函数连接神经网络的自适应逆控制系统辨识研究

自适应逆控制将系统扰动消除和动态响应性能独立分开控制,其性能的优劣取决于系统对象、逆对象及逆控制器模型辨识精度的高低。文中提出用动态函数连接神经网络来实现自适应逆控制系统对象、逆对象的同时在线建模和逆控制器的离线建模,并将模型参数的辨识转化为空间参数寻优。针对混沌初始化对已收敛种群结构的破坏性,提出用变参数混沌粒子群优化算法对神经网络权值进行全局寻优,通过仿真实验可以看出基于动态函数连接神经网络的建模误差小,辨识精度高;与当前的参考模型自适应控制方法进行对比分析,所提方法能取得较好的扰动消除效果,并能使系统的跟踪响应性能得到提高,从而验证了方法的有效性、可行性。     

充液航天器姿态的自适应非线性动态逆控制

讨论了充液航天器大角度姿态机动自适应非线性动态逆控制设计.推导了航天器-液体晃动耦合系统动力学方程.采用单摆等效力学模型对液体燃料晃动进行动力学建模.由于充液航天器控制系统的强耦合非线性,故采用神经网络构造系统的自适应非线性动态逆控制器.通过实际算例对该控制器的跟综性能进行了测试,结果证明该自适应非线性动态逆控制器在包...     

静电悬浮的NARX网络自适应逆控制

静电悬浮控制系统中存在建模不准确及对象扰动,传统控制器只能在动态控制精度和扰动消除性能之间折衷;为了克服其对控制器精度的影响,研究了带扰动消除的自适应逆控制算法.以非线性自回归动态神经网络进行正模型、逆模型以及扰动消除控制器的实时辨识,利用基于遗传算法的改进粒子群算法进行神经网络的更新,以提高自适应收敛速度和精度.设计了基于DSP与PC的仿真环境,分别部署静电悬浮虚拟被控对象和自适应逆控制算法,实现对控制算法的实时验证.结果表明所设计的控制结构与算法可以实现对静电悬浮的稳定控制与扰动消除.利用PC和相应的I/O接口,以及所部署的实时控制算法可以实现快速控制原型,为控制器的工程实现提供基础.     

具有模糊监督控制器的积分变结构间接自适应控制

针对一类不确定非线性系统, 基于变结构控制原理, 并利用具有非线性可调参数的模糊系统去逼近过程未知函数, 提出一种具有模糊监督控制器的积分变结构间接自适应控制方案. 该方案通过监督控制器保证闭环系统所有信号有界. 进一步, 通过引入最优逼近误差的自适应补偿项来消除建模误差的影响. 理论分析证明了跟踪误差收敛到零. 仿真结果表明了该方法的有效性.     

基于神经网络逆控制的水轮机调节系统

根据神经网络对非线性系统模型的辨识能力,将其与自适应逆控制相结合,对水轮发电机组的逆模型进行建模,构建一种新的水轮机调节系统。该方案以逆系统以及系统辨识理论为基础,以水轮发电机组作为被控对象,分别针对其频率和负荷扰动,建立神经网络在线逆控制器,对系统进行调控,并将仿真结果与传统PID控制进行比较。从仿真结果可以看出,所提的控制方案能够实现对水轮发电机组的有效控制,使系统具有较好的动态性能和鲁棒性。     

Nonlinear adaptive speed control of a permanent magnet synchronous motor: A perturbation estimation approach

This paper presents a nonlinear adaptive control (NAC) scheme for the speed regulation of a permanent magnet synchronous motor (PMSM) based on perturbation estimation and feedback linearizing control. All PMSM system’s unknown nonlinearities, parameter uncertainties, and external disturbances including unknown time-varying load torque disturbance, are defined as lumped perturbation terms, which are estimated by designing perturbation observers. The estimates are used to adaptively compensate the real perturbations and achieve adaptive feedback linearizing control of the original nonlinear system. The proposed control scheme does not require accurate system model and full state feedback. Stability of the close-loop system with proposed NAC is investigated via Lyapunov theory, and the effectiveness of proposed NAC scheme is verified through both simulation and experimental studies. Both simulation and experimental results show that the proposed NAC scheme can provide less regulation error in speed tracking, better dynamic performance and robustness against parameter uncertainties and load torque disturbance, compared with conventional vector control and load torque estimated based control.     

永磁同步电机高效非线性模型预测控制

永磁电机控制器要求电机有很强的转速跟踪能力,并且要保证系统参数变化及负荷扰动下系统的鲁棒性. 永磁电机包含很多不确定因素,是强耦合的非线性系统,传统的线性控制器很难对其进行控制. 针对永磁电机的转速控制构造非线性模型预测控制方法. 非线性永磁电机模型通过输入-输出反馈线性化策略解耦成为新的线性系统. 为保证可行解的收敛性,提出一种迭代二次规划方法来处理由输入-输出反馈线性化导致的非线性约束. 仿真结果表明,控制器能有效降低计算负担,具有很好的动态控制性能,能抑制转矩脉动,并保证在参数变化和负荷扰动下控制系统的鲁棒性.     

Disturbance-observer-based adaptive finite-time dynamic surface control for PMSM with time-varying asymmetric output constraint

This article presents a disturbance-observer-based adaptive finite-time dynamic surface control scheme, capable of guaranteeing transient behavior for the PMSM with arbitrary asymmetric time-varying output constraint and unmatched external disturbance. The major challenge of this paper is devising efficient strategies to tackle the nonsymmetric output restraints with arbitrary characteristics and unmatched external perturbation for the system under the finite-time backstepping framework. Given this, a nonlinear transformation function is adopted to coordinate from the output-constrained dynamic model to an uncontained one, and a finite-time disturbance observer is introduced to evaluate the unmatched external perturbation. Then, a dynamic surface control approach having adaptive properties for PMSM is conceived by combing a neural network to evaluate the nonlinear functions and a first-order filter to handle the “explosion of complexity.” Additionally, it is proved that the signals in the closed-loop system can narrow down to a bounded region and the tracking error can merge in a limited time to tiny vicinity of zero by employing a fast finite-time stability principle. Eventually, simulation cases and contrast results reveal the tracking performance and immunity to the disturbance of the devised controller.     

Hybrid recurrent wavelet neural network control of PMSM servo-drive system for electric scooter

Due to nonlinear uncertainties of the electric scooter such as nonlinear friction force of the transmission belt and clutch, these will lead to degenerate tracking responses in command current and speed of the permanent magnet synchronous motor (PMSM) servo-driven electric scooter. In this study a novel hybrid recurrent wavelet neural network (HRWNN) control system is proposed to raise robustness of the PMSM servo-driven electric scooter under the occurrence of the variation of rotor inertia and load torque disturbance. First, the field-oriented mechanism is applied to formulate the dynamic equation of the PMSM servo drive. Then, a novel HRWNN control system is proposed to control motion for a PMSM servo-driven electric scooter. The HRWNN control system composed of a supervisor control, a RWNN and a compensated control with adaptive law. The online parameter training methodology with adaptive law in the RWNN is derived based on the Lyapunov stability theorem. Then adaptive law of the parameter in the RWNN can be updated by using the gradient descent method and the backpropagation algorithm. Finally, the effectiveness of the proposed control scheme is verified by experimental results.     

一种混合神经网络飞行控制方法研究

讨论了一种基于神经网络控制的飞行控制方法。针对复杂非线性系统难以建立精确模型的特点,利用神经网络的任意非线性逼近能力进行控制器设计,首先应用神经网络在线辨识对象逆模型,进行控制系统反馈线性化;接着利用circle theorem（圆定理）设计线性PID鲁棒控制器,控制系统输出跟随系统输入,然后应用神经网路自适应逆方法设计混合控制器,最后以F-8飞机纵向飞行控制模态为研究对象进行仿真。仿真结果表明,该控制方法具有较强的自适应和抗干扰能力。     

神经网络控制在工业机械臂的应用

工业机械臂控制系统具有多样化和非线性,难以利用传统的控制形式完成。本文提出一种基于神经网络的机械臂自适应参考模型控制方案。经验证,此控制方案工业机械臂系统能适应由模型不确定性和外界干扰所产生的未知变化。