基于状态全反馈的动态迟滞非线性系统自适应控制

该文针对不平滑、多映射动态迟滞非线性系统，提出了一种基于神经网络自适应控制方案。在该方案中，通过利用神经网络来逼近模型误差，避免了目前常用逆模型补偿方案中，需求取复杂逆模型的问题。应用Lyapnov稳定定理，证明了整个闭环系统的跟踪误差及神经网络权值将收敛到零点一个有界邻域内。仿真结果表明，所提出的控制方案能够有效补偿迟滞非线性对系统的影响。     

基于神经网络的迟滞非线性补偿控制

提出了一种基于神经网络的迟滞非线性的补偿方法.首先构造一个Duhem逆算子来描述迟滞逆状态.然后利用神经网络来逼近此状态和输出之间的关系来得到神经网络迟滞逆模型,神经网络权值采用反馈误差学习方法来进行在线调整.系统的前馈控制器和反馈控制器分别为逆模型和PID控制器.该方法不需要建立迟滞的正模型,能够在线构造逆模型来实现迟滞补偿.最后通过仿真验证了该方法的有效性.     

压电微定位平台神经网络与专家模糊复合控制方法

为了消除压电微定位平台的迟滞非线性特性,实现高精度定位控制,采用具有两个隐含层的BP神经网络建立压电微定位平台的迟滞模型,以精确描述驱动电压与输出位移的迟滞关系;设计一种基于BP神经网络迟滞逆模型的前馈控制器,对迟滞非线性进行补偿,将迟滞非线性近似线性化.为进一步提高定位系统的精度,提出基于迟滞逆模型前馈补偿和专家模糊控制的复合控制方法.仿真结果表明,该复合控制方法可以将压电微定位平台的定位误差控制在0.091μm以内,从而有效地消除迟滞非线性对压电微定位平台定位精度的影响.     

基于迟滞算子的非平滑三明治系统自适应控制

针对一类具有非平滑的迟滞三明治系统, 提出一种基于神经网络的自适应控制方法. 首先利用神经网络做出了前端动态模块的逆系统实现前端动态模块的近似补偿, 这样将迟滞三明治系统转化成一般的迟滞非线性系统. 然后提出一个迟滞算子将迟滞的多映射转化成一一映射, 基于这个迟滞算子设计了神经网络自适应控制器, 通过Lyapunov方法证明了系统的稳定性并推导出神经网络的权值自适应调整律和控制律. 最后通过仿真验证了该方案的有效性.     

迟滞非线性动态系统神经网络自适应控制

为了减轻非线性动态系统中未知迟滞(Hysteresis)的不良影响,该文提出了一类Backlash型迟滞模型。将有限数量不同宽度的Backlash(Matlab／Simulink)算子进行叠加,来仿真执行器中的迟滞非线性动态。用此模型,提出了基于径向基函数神经网络的自适应控制方案,以控制伴有未知迟滞的非线性动态系统。该方案采用了动态逆的思想及伪控制的概念。利用Lyapunov稳定理论,设计了两个鲁棒控制项,保证动态系统的稳定性、系统中所有信号有界和误差收敛到起点的领域内。通过Matlab／Simulink仿真实验,证明了所提出方案的有效性。     

基于ANN逆模型补偿的复合控制系统仿真

为对复杂非线性系统进行辨识建模和实施有效控制,分析了基于神经网络的非线性系统逆模型的辨识和控制原理,研究了基于神经网络的非线性系统逆模型补偿的复合控制方法。基于复合控制思想,时常规PID控制器＋前馈神经网络逆模型补偿的复合控制结构方案进行了仿真。仿真结果表明,基于神经网络的非线性系统逆模型补偿的复合控制结构方案是有效的、相对简单的网络结构,可提高逆模型的泛化能力和非线性系统的控制精度。     

一种频率依赖性迟滞的神经网络内模控制

针对压电陶瓷等智能材料存在的依赖输入频率的迟滞非线性问题,采用BP神经网络对迟滞非线性进行辨识,并通过内模控制方案来对其进行控制.在迟滞的建模上,构建了一种静态迟滞非线性环节串联一个对输入频率敏感的线性动态环节组成的Hammerstein模型.在此基础上,得出Hammerstein模型的逆模型,并通过构造的正、逆模型进行内模控制.实验结果说明,提出的建模方法与内模控制方案是有效的.     

对迟滞三明治系统基于Duhem算子的自适应控制

对具有迟滞非线性的三明治系统,设计了基于Duhem算子的神经网络自适应控制器.首先对前端动态子系统进行近似补偿;然后用Duhem算子描述所提出的迟滞状态,用神经网络逼近迟滞状态与迟滞输出的关系,实现对迟滞非线性的建模.基于该迟滞模型并采用伪控制技术设计神经网络自适应控制器,通过Lyapunov方法证明了系统的稳定性,并推导出神经网络的权值自适应调整律和控制律.最后通过仿真验证了该方案的有效性.     

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.     

高频响下音圈电机迟滞特性的建模与控制

优化数控机床给进定位精度问题,音圈电机(Voice Coil Motor,VCM)在高频、高速、高加速情况下,存在的迟滞特性影响系统的性能特性.为了实现青圈电机的精确定位控制,提出了音圈电机复杂迟滞神经网络动态逆模型的控制方法.首先,建立了音圈电机复杂迟滞神经网络动态模型,根据迟滞的特性求出了音圈电机复杂迟滞神经网络动态逆模型,采用逆模型结合PD控制算法进行仿真.实验结果表明,系统最大跟踪误差减少到是1.6％,表明所提出的控制方法有效地消除了音圈电机复杂迟滞的影响,提高了音圈电机的控制定位精度.