欠驱动船舶路径跟踪神经元自适应迭代滑模控制

针对模型存在参数不确定以及遭受未知外界干扰的欠驱动船舶路径跟踪控制问题,本文提出一种基于Lyapunov稳定性的神经元自适应迭代滑模控制方法。该方法根据路径跟踪偏差信息构造出四阶非线性迭代滑模面,利用最高阶滑模面构建Lyapunov能量函数,并得到满足系统渐近稳定性条件的一个误差函数,进而采用Adaline单神经元设计自适应控制器,且结合最小二乘法推导出使误差函数收敛的神经元权重在线学习算法,可避免对模型参数不确定项和外界干扰进行估计。将设计的控制器应用于5446TEU集装箱船模型进行仿真,结果表明控制系统能有效地处理模型参数摄动及风浪干扰,具有强鲁棒性,且与迭代滑模控制器相比所得控制舵角输出更加平滑有效。     

输入限幅下的迭代学习控制

基于Ｌｙａｐｕｎｏｖ－ｌｉｋｅ方法,提出在有限作业区间上实现跟踪的带限幅的迭代学习控制器设 计．针对含有非参数化及部分参数化不确定性的非线性系统,设计鲁棒迭代学习控制器,但该方法 不要求已知不确定特性的范数界．针对参数化不确定非线性系统,设计自适应迭代学习控制器．在 系统满足有界输入有界状态（ＢＩＢＳ）假设条件及控制输入饱和限幅作用下,统一对上述三类系统进 行分析．理论分析结果表明：该方案可保证闭环系统中所有变量的有界性,并且跟踪误差能够在整 个作业区间上收敛到零,实现完全跟踪．仿真验证了该算法的有效性．     

有界输入下基于backstepping的迭代学习控制

讨论一类含饱和执行机构的非匹配不确定非线性系统的输出跟踪问题．结合反演（backstep-ping）设计方法和迭代学习控制，提出一种输入限幅下的backstepping迭代学习控制方案．学习控制用于学习周期性的系统不确定性，backstepping方法用于处理非匹配不确定性，并且利用低通滤波器削弱饱和执行机构的影响．通过Lyapunov方法，证明所设计的控制器不仅可保证闭环系统中所有信号一致有界，而且随迭代次数增加，跟踪误差收敛到零．仿真结果表明控制器的有效性和可行性．     

基于迭代学习的永磁直线同步电动机扰动抑制

针对永磁直线同步电动机中存在的周期性扰动问题,提出了一种闭环迭代学习控制算法.该算法通过上次迭代时的输入信息和输出跟踪误差的PID校正项来获得本次迭代的控制输入.基于迭代学习控制思想并结合PID控制,设计出应用于直线电动机运动系统的迭代学习控制器.仿真结果表明,与传统的PID控制相比较,所提出的控制方法能够使系统的跟踪效果更好,且保证了在较少迭代次数下,被控系统的输出轨迹能精确地收敛到期望轨迹.     

非线性系统开闭环PI型迭代学习控制的鲁棒性

对于完成重复轨迹跟踪任务的系统,迭代学习控制是一种能有效地改进其跟踪性能的技术。研究并给出了一类非线性系统开闭环PI型迭代学习控制的鲁棒条件,证明了系统在状态干扰、输出干扰和初态干扰有界的情况下跟踪误差有界收敛,在所有干扰渐近重复的情况下可以完全地跟踪给定的期望轨迹．从鲁棒条件式看出,迭代学习控制的鲁棒性与学习控制律中的积分系数无关。     

基于迭代学习控制的混合误差轮廓控制

针对永磁直线同步电动机直接驱动XY平台系统中存在不确定扰动的问题,单轴上设计了基于干扰观测器的迭代学习控制器.迭代学习控制器可以抑制重复扰动,干扰观测器可以消除非重复扰动的影响,两者结合起来可增强系统对重复和非重复扰动的抑制能力.由于轮廓误差计算模型要求跟踪误差远小于期望轮廓曲率半径,所以设计了混合误差轮廓控制器,跟踪误差较大时只控制各轴位置,跟踪误差足够小时进行轮廓控制.仿真结果表明,该控制方法使直接驱动XY平台具有较强的鲁棒性和较高的轮廓精度.     

考虑暂态/稳态性能的船舶航向保持控制

为进一步解决模型存在不确定性和外界环境干扰的船舶航向保持指定性能控制问题,在Backstepping方法基础上,引入指定性能函数和系统变换,提出一种适用于一般非线性系统的鲁棒自适应控制策略。考虑到系统初始状态不确定问题,将指定性能函数设计与系统初始跟踪误差关联,充分利用船舶模型内部结构特征,避免了现有研究中针对不同初始跟踪误差和符号需要重新设计控制器的缺陷。该算法解决了船舶航向保持控制中暂态过程对超调量和收敛速率等控制性能的指定问题,理论分析和仿真实例验证了所提出控制策略的有效性。     

性能函数约束下的动力定位船轨迹跟踪控制

针对动力定位船的轨迹跟踪中经常涉及到控制偏差较大和跟踪误差无法估计的问题,本文提出了一种预设性能函数的约束控制方法。首先建立了三自由度简化的动力定位船运动学和动力学模型,根据模型特性设计了基于预设性能函数的反步自适应控制器,该控制方法能够保证动力定位船在执行轨迹跟踪任务过程中的暂态性能和稳态性能满足控制指标要求。然后通过Lyapunov稳定性判据,证明了满足预设性能前提下的系统稳定性并且能够快速收敛到平衡点的微小邻域内。实验结果表明:此方法减小了轨迹跟踪误差的超调量,保证了轨迹跟踪误差始终在预先设定的约束范围内。     

欠驱动USV神经网络自适应轨迹跟踪控制

为解决欠驱动USV系统在模型不确定性和未知海流干扰下的水平面轨迹跟踪问题,基于反步法与自适应技术,提出一种非线性鲁棒轨迹跟踪控制策略. 针对欠驱动USV参数不确定问题,运用神经网络自适应方法对欠驱动USV系统未知函数进行估计和逼近;然后,运用动态面方法获取虚拟变量的导数,不仅控制律结构简单,易于工程实现,而且有效地减小了传统反步法中虚拟变量直接求导的复杂性;针对未知时变海流的干扰,设计了一种指数收敛海流观测器,有效估计未知缓慢时变海流速度;其次,基于李雅普诺夫理论证明了所设计的控制器能够保证运动轨迹收敛于期望值,并且保证了该轨迹跟踪闭环控制系统所有信号最终一致有界;最后,在控制输入受限条件下,为检验该控制器的跟踪性能,选取圆轨迹作为参考轨迹,仿真实验表明,该控制器能够有效地实现预期轨迹,神经网络自适应方法对系统未知函数可有效估计和逼近,对未知时变海流干扰具有较强的鲁棒性,轨迹跟踪误差和速度跟踪误差均收敛到零附近的一个邻域内,从而验证了所提出控制器的有效性.     

离散时变系统的自适应迭代学习控制

针对一类有限区间上重复运行的离散时变SISO系统,分别采用带饱和函数和死区修正的投影算法进行参数估计,提出自适应迭代学习控制方案.关键技术引理在分析离散自适应控制系统时起到了关键作用,文中把这一引理推广至迭代域,用于建立离散自适应迭代学习控制系统的稳定性和收敛性.理论证明,即使每次迭代存在初始偏差,跟踪误差沿着迭代轴仍能收敛于零,且闭环系统的所有信号有界;当存在外部扰动时,跟踪误差收敛于一邻域内,其半径为干扰的界.在直线伺服系统上的应用结果验证了所提出的学习控制方法的有效性.     

具有指定收敛速度的离散系统鲁棒跟踪数据驱动设计

本文研究了具有指定收敛速度的线性离散时间系统鲁棒跟踪设计问题。首先利用鲁棒输出调节理论描述了跟踪控制问题, 再结合系统数据与强化学习实现了具有指定收敛速度的跟踪控制。学习得到的控制方案不仅保证了跟踪误差渐近收敛到零, 而且具有针对不确定系统动态的鲁棒性。本文所述的指定收敛速度设计不依赖系统演化时间或精确系统模型, 因此是数据驱动的。     

Smith Predictor Based Robust Rapid Tracking Controller

1 Introduction PID close loop control is usually usedinthe control of noncircular machining,at the sameti me ,feedforwardcontrol is appliedto di minishthe response delay of linear feedstructure .Inthis method,poor robustness of con-ventional PIDandinaccurate model identification make the machining precision hard to be i mproved. Design ofthe controller which can get high precision and si mply to achieve is i mportant toi mprove the machining perfor-mance.In the paper ,the model of piezoelect…     

永磁直线同步电机自适应PD型迭代学习控制

针对永磁直线同步电机伺服系统易受摩擦力、端部效应和测量扰动等不确定因素影响的问题,提出一种自适应PD型迭代学习控制方法.该控制方法根据误差的大小在线智能地调整学习增益,从而抑制扰动,并在控制器的微分系数上引入指数学习增益,实现收敛速度与跟踪精度之间的折衷;从理论上证明了自适应PD型ILC的收敛性,分析了该控制算法的优越性.结果表明,与传统PD型ILC相比,自适应PD型ILC具有更快的收敛速度和更强的鲁棒性,大大地减小了跟踪误差.     

基于终点时刻末端误差的柔性臂迭代学习控制

针对柔性臂重复运行的情况,在仅能测量运行终点时刻末端位置的条件下,提出一种新的结合计算力矩法的迭代学习控制（ILC）方法.该方法利用柔性臂的简化动力学模型,给出各关节控制力矩的参数化表示;并依据终点时刻柔性臂末端位置的误差,通过迭代学习算法调整控制力矩的参数,实现精确到达预期末端位置的目标.算法利用ILC不依赖模型的特点,弥补计算力矩法需要精确模型的缺陷;参数的迭代学习主要起到消除模型误差和各种干扰的作用,增强算法的鲁棒性.通过理论分析给出所提算法的收敛条件.最后在柔性臂系统上进行仿真及实际试验.结果表明,所提出的ILC算法能够克服连杆柔性对柔性臂末端误差的影响,显示良好的控制效果.     

具有指定跟踪性能的间接鲁棒自适应广义预测控制

针对对象的不确定性干扰（未建模动态、有界干扰等），提出一种新的不需要持续激励条件的间接自适应广义预测控制算法，不仅考虑了自适应控制系统的闭环鲁棒稳定性，而且使所设计的自适应控制闭环系统具有指定的跟踪性能。     

全方向步行康复训练器的鲁棒容错跟踪控制

针对全方向步行康复训练器应用时元器件发生不可预见的失效情况,提出了非线性鲁棒容错控制器的设计方法,研究了全方向步行康复训练器的鲁棒容错跟踪控制问题.通过在控制器中增加补偿矩阵,无论执行电机是否发生故障,全方向步行康复训练器均能够跟踪理疗师制定的训练路线.构造了能量存储函数和适当的评价信号,基于γ耗散不等式推导得出了鲁棒控制器,使系统的跟踪误差在全局坐标系下达到渐近稳定,且满足非线性L2增益性能指标.仿真结果表明,新的设计方法具有一定的可行性和有效性.     

基于有限时间干扰观测器的鲁棒积分跟踪控制

针对电液位置伺服系统同时存在的参数不确定和不确定非线性（统称为干扰）,导致传统非线性控制精度不高、跟踪性能不好等问题,提出基于有限时间干扰观测器（FTDO）的鲁棒积分跟踪控制策略. 通过将误差符号鲁棒积分（RISE）控制策略与FTDO融合,实现对未观测干扰的抑制. 考虑到实际系统中噪声对跟踪精度的影响,该控制策略结合期望补偿手段,提高跟踪精度. 通过Lyapunov稳定性理论,证明了闭环系统的全局渐进稳定性. 对比实验结果显示,利用该方法能够有效提高电液位置伺服系统在干扰作用下的跟踪性能,在相同的测试工况下,与速度前馈PI控制器相比,跟踪精度提高了25%左右.     

挠性航天器预设性能自适应姿态跟踪控制

为研究存在外界干扰及未建模动态的挠性航天器姿态跟踪问题,提出了一种基于预设性能方法的自适应姿态跟踪控制策略.预设性能方法利用性能函数和一种误差变换方式,将系统的跟踪误差限制在预先设定的约束范围内,以保证系统响应具有期望的超调、收敛速度以及稳态误差.采用径向基函数(RBF)神经网络来处理由干扰和附件挠性振荡产生的模型未知动态.考虑到存在未知的神经网络逼近误差,为减小控制参数选取的保守性,进一步对逼近误差的上界进行自适应估计.结合权值和逼近误差上界的自适应律,设计了预设性能自适应姿态跟踪控制器.仿真结果表明,使用本方法可以有效补偿干扰及挠性振动所产生的影响,同时使姿态控制系统获得快速平稳的动态过程和给定的稳态跟踪精度.与未采用预设性能的方法相比,所提出的方法在收敛速度、跟踪精度与振荡抑制效果等方面均具有较明显的优势,并且对控制器参数选取的依赖性更低.     

永磁同步电机伺服系统自适应迭代学习控制

针对执行重复性任务的永磁同步电机伺服系统,由于参数摄动、随机扰动等不确定因素影响导致的跟踪精度下降,误差发散问题,提出一种自适应迭代学习控制方法.该方法在PD型反馈控制的基础上增加自适应迭代项对控制律中未知参数进行迭代学习,减少不确定因素对系统性能的影响.建立了含有不确定性扰动的系统模型和PMSM自适应迭代学习控制系统,并且基于Lyapunov稳定性理论,分析了该方案的收敛性.结果表明,与传统PD型ILC相比,该方法收敛速度更快,跟踪精度更高,可有效改善系统的性能.     

Fuzzy iterative learning control of electro-hydraulic servo system for SRM direct-drive volume control hydraulic press

A new kind of volume control hydraulic press that combines the advantages of both hydraulic and SRM (switched reluctance motor) driving technology is developed. Considering that the serious dead zone and time-variant nonlinearity exist in the volume control electro-hydraulic servo system, the ILC (iterative learning control) method is applied to tracking the displacement curve of the hydraulic press slider. In order to improve the convergence speed and precision of ILC, a fuzzy ILC algorithm that utilizes the fuzzy strategy to adaptively adjust the iterative learning gains is put forward. The simulation and experimental researches are carried out to investigate the convergence speed and precision of the fuzzy ILC for hydraulic press slider position tracking. The results show that the fuzzy ILC can raise the iterative learning speed enormously, and realize the tracking control of slider displacement curve with rapid response speed and high control precision. In experiment, the maximum tracking error 0.02 V is achieved through 12 iterations only.