自适应模糊小波滑模控制在交流伺服系统中的应用

针对某武器大功率交流伺服系统的位置跟踪问题,提出了一种基于自适应模糊小波神经网络快速终端滑模控制(AFWN-FTSMC)方法。为使控制器的设计不依赖于被控对象的精确数学模型,采用自适应模糊小波神经网络控制器(AFWNC)逼近滑模控制中的等效控制部分,解决了由于系统的不确定性及干扰的存在而不能准确确定等效控制的问题;同时利用自适应PI控制来降低系统的抖动,并采用Lyapunov方法证明了闭环系统的稳定性。仿真结果表明,该方法可以有效抑制抖振,提高系统的瞬态响应性能和控制精度,并且对结构参数不确定性具有很强的鲁棒性。     

火炮模块药输送伺服系统自适应模糊滑模控制

针对火炮模块药输送伺服系统传动过程中存在参数时变和抖振等问题,设计了一种带有积分滑模函数的自适应模糊滑模控制器。采用自适应方法对系统时变参数进行估计,减小不确定部分对控制系统的影响。引入新型饱和函数代替传统切换函数,保证整个切换过程连续、平滑过渡;采用模糊自适应算法对切换系数在线调整,提高系统的鲁棒性能,进一步抑制切换过程中的抖振。实验结果表明,火炮模块药输送伺服系统在空载、半载和满载3种情况下均具有良好的位置跟踪性能,满足性能指标要求,提出的自适应模糊滑模控制算法能够克服负载变化对系统控制精度的影响。     

基于WNN 参数整定的ADRC 在火箭炮伺服系统中的应用

针对多管火箭炮交流伺服系统存在变负载、强耦合和不确定性扰动等非线性问题,提出一种优化型小波 神经网络自抗扰控制器(WNN-ADRC)。简化电流环节得到被控系统的数学模型,将小波神经网络(wavelet neural network,WNN)嵌入自抗扰控制器中进行参数整定,利用分层调整学习速率的方法优化小波神经网络的学习算法得 到WNN-ADRC,采用WNN-ADRC 控制火箭炮伺服系统,实现对非线性特性的精准估计和补偿。数值仿真结果表 明：相对于传统的自抗扰控制器,WNN-ADRC 能改善伺服系统的静态响应和动态性能,具有响应速度快、控制精 度高的优点。     

火箭炮交流伺服系统模型参考模糊神经网络位置自适应控制

针对多管火箭炮发射时恶劣的负载特性,设计了一种模型参考模糊神经网络自适应位置控制器。利用RBF网络作为辨识器,实现对被控对象的Jacobian信息辨识,用梯度下降法实时修正模糊控制器的输入输出隶属度参数,以使模型参考模糊神经网络能根据火箭炮跟踪发射过程中的负载特性实时调整速度给定值,从而减小火箭炮发射过程中系统参数变化和外部干扰的影响。仿真和实验结果表明,该方法可有效提高火箭炮位置伺服系统的动态响应能力和稳定性,并使系统具有很强的鲁棒性。     

基于混沌神经网络的防空火箭炮交流伺服系统状态预测研究

为了更加准确地对系统非线性非平稳状态趋势进行预测,运用基于神经网络的混沌预测方法对防空火箭炮交流伺服系统的速度量进行了预测,为基于速度预测值的系统非线性非平稳状态趋势预测奠定了基础。利用C-C法选择了合适的嵌入维和时间延迟,对防空火箭炮交流伺服系统不规则运动的实验数据进行了相空间重构并进行了分析。在原Elman网络中增加了输出层关联单元,并把自反馈增益系数当作连接权值投入到网络的训练中,以增强Elman网络非线性逼近能力,在此基础上建立了基于改进型Elman网络的混沌预测模型。采用基于最大Lyapunov指数预测法和混沌神经网络预测法对系统状态进行了预测,两种方法的预测结果表明,后一种方法对防空火箭炮交流伺服系统速度值预测精度更高,从而使得基于此的系统非线性非平稳状态趋势预测更有效。     

一种由模糊控制器训练CMAC并用于伺服系统控制的方法

CMAC是实时性较好的一类神经网络,为充分发挥其优点,构造出性能良好,参数整定方便的实时控制系统,文章提出用模糊控制器来训练CMAC,由CMAC和模糊控制器组成一种新的实时控制结构.仿真表明,该控制方案用于小惯性伺服系统是成功的.     

交流位置伺服系统的模糊滑模自适应控制

为了实现某交流伺服系统的高精度位置跟踪控制,针对实际系统中所存在的转动惯量和负载力矩变化大、冲击力矩强等各种不确定因素,结合变结构控制、自适应控制及模糊控制的优点,本文提出了一种模糊滑模控制策略.其中滑模控制用来克服系统模型不精确和扰动的影响,同时为了抑制抖振,利用模糊系统在线调整控制增益,实时估计系统不确定量的边界值以削弱抖动.仿真结果表明,该控制器鲁棒性强,而且消除了超调,具有较好的动态性能及稳态精度,满足了性能指标的要求.     

永磁交流伺服系统的神经网络自适应控制研究

针对永磁交流伺服系统,提出了一种自适应PID控制器学习算法——带预测模型的神经网络PID控制方法。该方法采用一个三层RBF网络辨识交流伺服系统的特性,用另一个BP神经网络作为自适应控制器。仿真结果表明,在系统参数发生变化和存在负载转矩扰动的情况下,该方法具有较好的自适应能力和良好的动态性能。     

基于模糊神经网络的BTT导弹自适应控制

针对不确定非线性BTT导弹控制系统,提出了一种基于模糊高斯基函数神经网络的自适应控制设计方法。在设计过程中将不确定部分合为一项,应用模糊神经网络的万能逼近性质来逼近系统不确定项,然后利用滑模控制和自适应模糊神经网络理论设计了控制器,应用Lyapunov稳定性理论保证闭环系统的稳定性,并推导出自适应律,最后通过仿真结果验证该方法的有效性。     

一种扩展的自适应小波变换算法及应用

在Claypoole自适应小波变换基础上,提出了一种扩展的自适应小波变换方法。该方法将Sweldens构造小波的内插细分多项式,由奇次扩展到正整数次,从而扩大了自适应小波消失矩的选择范围。将自适应小波变换与扩展自适应小波变换应用于信号滤波,结果表明：扩展自适应小波变换,得到了理想的滤波效果,也为应用提供了更广泛的自适应小波选择。     

基于GA-RBF 算法的FUZZY-RBF 交流伺服系统控制

针对某火箭破障武器交流伺服系统的不确定性和非线性等问题,设计基于GA-RBF算法的FUZZY-RBF神经网路控制方法.将GA算法和RBF神经网络结合起来作为系统辨识器用来优化FUZZY-RBF控制器的权值、节点和中心矢量等参数,并通过半实物仿真实验进行验证.半实物仿真结果表明:该控制策略能满足某火箭破障武器精度控制指标,保证其交流伺服系统控制的精度和稳定性,具有很强的自适应性和鲁棒性.     

基于混沌搜索的AMPSO-WNN 在交流伺服系统中的应用

为解决大功率交流伺服系统存在非线性和参数时变等不确定性的问题,提出一种混沌搜索的自适应变异 粒子群优化小波神经网络的预测模型。建立交流伺服电机数学模型,利用不同变异方法使粒子趋近于不同的搜索区 域,引入混沌优化算法改进粒子群,采用基于混沌搜索的AMPSO-WNN 算法,以提高全局收敛的概率和速度。仿 真结果表明：优化后模型的预测精度高于优化前,且改进后算法具有较强的函数逼近能力,网络性能得到了显著提 高,局部极小值问题得到了有效解决。     

基于WNN-ADRC 的高炮交流伺服系统控制

为解决高炮交流伺服系统控制中外界扰动及非线性特性的问题,提出一种基于小波神经网络的改进型自 抗扰控制器(WNN-ADRC)。利用LM(levenberg-marquardt)算法优化小波神经网络,采用优化后的小波神经网络对 扩张状态观测器的误差校正增益系数进行在线整定,设计基于小波神经网络的自抗扰控制器,以实现对非线性特性 的准确估计并予以补偿,并通过仿真实验进行验证。仿真结果证明：该控制策略使系统具有较好的稳态性能,抗干 扰能力强。     

基于并行控制的交流伺服系统控制

针对一般的大口径火箭炮交流伺服系统调控方法难以达到较好性能的问题,提出一种RBF神经网络-单神经元PID自校正控制方法.针对上述算法自适应能力不强的问题,引入一种并行复合控制策略,以RBF神经网络和单神经元PID做并行控制,通过半实物仿真分别对RBF神经网络PID自校正控制器和并行复合控制器的性能进行试验验证.仿真结果表明:采用并行复合控制的火箭炮伺服系统反应速度更快、稳定性更强、精度更高,能够更好地满足火箭炮交流伺服系统的性能指标要求.     

自适应模糊滑模控制在火箭炮电液伺服系统中的应用

针对某火箭炮电液位置伺服系统,提出了一种自适应模糊滑模控制方法。为了使等效控制器的设计不依赖于对象的精确数学模型,利用切换函数及其变化率设计了自适应模糊系统来代替等效控制,并且为了解决抖振问题,利用抖振参数和切换函数的绝对值设计了模糊系统动态调节边界层厚度。仿真结果表明,该方法不仅能保证系统的响应速度和控制精度,有效抑制抖振,并且对结构参数不确定性具有很强的鲁棒性。     

全局自适应模糊反步控制在火箭炮伺服系统中的应用

针对含未知非线性参量及外界干扰的火箭炮伺服系统,基于反步法提出了一种全局自适应模糊控制策略。利用高斯模糊函数对参数摄动、负载扰动及虚拟函数等不确定因素进行了补偿,并结合工况对控制器参数进行了实时整定。根据伺服系统数学模型及传统反步理论逆向反推得到了控制律表达式,通过李雅普诺夫函数证明了整个闭环系统的稳定性,并对参数摄动及干扰下的位置跟踪进行了仿真研究,同时给出了复杂信号下虚拟控制函数的变化规律。仿真结果表明,该方法不仅保证了系统的响应速度和控制精度,并且对结构参数不确定性具有很强的鲁棒性。