转炉炉口微差压滑模变结构控制技术

针对宝钢梅山炼钢厂转炉煤气回收系统(OG系统)的工作现状以及转炉炉口微差压控制系统对象的非线性、时变、不确定性和干扰大的特点,采用具有强鲁棒性的滑模变结构控制策略,以克服系统的不确定性和增强抗干扰能力.对滑模变结构控制算法中存在的"抖振"问题,探讨了基于干扰观测补偿的滑模控制器的设计解决方案,通过仿真研究表明滑模变结构控制方法具有很强的鲁棒性,可有效地改善控制系统的动态响应品质.     

具有速度调节机制的船舶事件触发编队控制

针对实际海洋环境下, 欠驱动水面船舶(USV)编队控制任务中存在控制输入频繁抖振、模型结构未知和航行速度难以控制等问题, 本文提出一种具有速度调节性能的事件触发编队控制算法. 首先, 该算法采用径向基神经网络(RBF–NN)对模型结构不确定进行逼近. 同时, 为了减少控制输入频繁抖振和通信信道占用次数, 设计了一种满足控制器与神经网络权重估计器同步触发的事件触发机制. 其次, 针对现有领导–跟随方法中存在的领导船速度信息不可知、跟随船速度不可控的问题, 设计了一种自适应速度调节器, 使跟随船在不需要领导船速度信息的情况下实时地调节航行速度. 利用李雅普诺夫稳定性理论证明了所提控制算法满足半全局一致最终有界收敛. 最后, 通过仿真实验验证了所提出算法的有效性.     

转炉炉口微差压滑模变结构控制技术

针对宝钢梅山炼钢厂转炉煤气回收系统（OG系统）的工作现状以及转炉炉口微差压控制系统对象的非线性、时变、不确定性和干扰大的特点,采用具有强鲁棒性的滑模变结构控制策略,以克服系统的不确定性和增强抗干扰能力。对滑模变结构控制算法中存在的“抖振”问题,探讨了基于干扰观测补偿的滑模控制器的设计解决方案,通过仿真研究表明滑模变结构控制方法具有很强的鲁棒性,可有效地改善控制系统的动态响应品质。     

Buck变换器的降阶扩张状态观测器与无抖振滑模控制

针对脉宽调制型Buck变换器的内外干扰和滑模控制的抖振等问题, 本文提出了一种基于降阶扩张状态观测器 和无抖振滑模的新型控制策略. 首先, 建立新型的跟踪误差状态空间模型, 将匹配和不匹配干扰定义为统一的匹配干扰; 然后, 设计降阶扩张状态观测器提高跟踪误差微分和系统干扰的估计速度, 并抵消负载和输入端的电压变化、系统参数 不确定性对控制系统的影响; 其次, 利用跟踪误差微分的估计值设计滑模控制器抑制干扰估计误差, 使得切换项近似为 零, 实现滑模技术的无抖振控制, 提高Buck变换器系统电压跟踪的快速性和准确性. 利用李雅普诺夫稳定判据从理论上 证明了所提控制器的闭环稳定性. 最后, 仿真结果表明所提方法通过抑制抖振和内外干扰有效改善Buck变换器的鲁棒 性和动态性能.     

基于RBF神经网络滑模控制的车辆横向控制研究

针对车辆横向控制系统中滑模控制器存在的抖振现象对转向机械结构带来的损耗问题,提出了一种基于RBF神经网络的滑模控制算法。利用RBF神经网络较强的自学习能力实时在线调节滑模控制器的切换项增益参数,增强系统的抗干扰能力与动态性能。将车辆实际参数代入仿真数学模型中,在Simulink仿真环境中进行对比仿真实验,仿真结果表明:该控制算法跟踪性能好,能够有效降低滑模控制器的抖振,满足车辆横向控制要求。     

基于模糊滑模算法的液压位置伺服系统①

针对液压位置伺服系统中外界干扰大和内部参数时变的特点,结合模糊控制减小抖振的功能和滑模控制算法与系统参数、外界干扰无关的特点,设计了一种新型的模糊滑模控制算法。在仿真过程中分别模拟内部参数时变和外界强干扰,结果表明基于模糊滑模控制算法的液压位置伺服系统具有更强的抗外部干扰和内部参数时变的能力。     

四旋翼飞行器的自适应二阶滑模控制

针对四旋翼飞行器参数变化的姿态控制问题,将自适应光滑二阶滑模控制方法应用于四旋翼飞行器控制系统.对于参数变化引起的模型不确定性部分采用滑模干扰观测器进行补偿,对姿态系统设计自适应光滑二阶滑模控制器,有效地减弱传统滑模控制的抖振,控制器参数的在线调整提高了系统的控制精度.基于Lyapunov理论证明了系统的有限时间稳定.数字仿真和实验结果都验证了所提控制方法的有效性.     

Buck变换器的降阶扩张状态观测器与无抖振滑模控制（英文）

针对脉宽调制型Buck变换器的内外干扰和滑模控制的抖振等问题,本文提出了一种基于降阶扩张状态观测器和无抖振滑模的新型控制策略.首先,建立新型的跟踪误差状态空间模型,将匹配和不匹配干扰定义为统一的匹配干扰;然后,设计降阶扩张状态观测器提高跟踪误差微分和系统干扰的估计速度,并抵消负载和输入端的电压变化、系统参数不确定性对控制系统的影响;其次,利用跟踪误差微分的估计值设计滑模控制器抑制干扰估计误差,使得切换项近似为零,实现滑模技术的无抖振控制,提高Buck变换器系统电压跟踪的快速性和准确性.利用李雅普诺夫稳定判据从理论上证明了所提控制器的闭环稳定性.最后,仿真结果表明所提方法通过抑制抖振和内外干扰有效改善Buck变换器的鲁棒性和动态性能.     

磁悬浮轴承系统的模糊滑模变结构控制研究

研究主动磁悬浮轴承转子位置高性能控制问题.针对主动磁悬浮轴承因受模型摄动与外界干扰等呈现出的复杂非线性导致传统滑模控制抖振严重的问题,为提高系统转子位置控制精度以及鲁棒性,提出用模糊滑模变结构控制来提高磁悬浮轴承系统控制精度与鲁棒性.算法采用等效滑模控制器来准确跟踪磁悬浮轴承转子位置,用模糊控制改善与消除滑模抖振问题.通过对单自由度主动磁悬浮轴承的建模进行仿真测试,结果表明,所设计的模糊滑模控制器能够在外界干扰下有效提高控制系统精度,精确跟踪轴承转子位置,并且控制性能比传统滑模控制好,具有实际应用价值.     

基于离散时变趋近律的准滑模控制

针对不确定离散时间系统,提出一种基于离散时变趋近律的准滑模控制方法.该方法不仅能够加快系统趋近模态的趋近速度,缩短到达时间,而且能够减小准滑动模态带宽,有效改善系统动态品质,增强系统鲁棒性,并无控制抖振和稳态抖振产生.控制律形式简单、利于实现.仿真结果表明了所提出方法的有效性.     

集成神经网络与自适应算法的分数阶滑模控制

针对被控对象的参数时变和外部扰动问题,本文融合神经网络的万能逼近能力和自适应控制技术,并结合分数阶微积分理论,提出了基于神经网络和自适应控制算法的分数阶滑模控制策略.本文采用等效控制的方法设计滑模控制律,并利用神经网络的万能逼近能力估测控制律的变化,结合自适应控制算法和分数阶微积分理论抑制传统滑模控制系统的抖震,同时根据Lyapunov稳定性理论分析了系统的稳定性,最后给出了实验结果.实验结果表明,本文提出的基于神经网络和自适应控制算法的分数阶滑模控制系统,能保持滑模控制器对系统外部扰动和参数变化鲁棒性的同时,也能有效地抑制抖震,使得系统获得较高的控制性能.     

自适应神经网络四旋翼无人机有限时间轨迹跟踪控制

针对带有模型不确定性和未知外部干扰的四旋翼无人机轨迹跟踪控制问题,提出一种基于径向基(radial basis function, RBF)神经网络的自适应全局快速终端滑模控制方法,确保系统对期望轨迹的有限时间跟踪。该方法考虑到全局快速终端滑模控制在实际应用中的适应性和抖振问题,利用RBF神经网络替代等效控制量,以神经网络的在线学习能力补偿系统内部的不确定性和未知的外部干扰,有效地降低了系统的抖振;根据Lyapunov方法导出的自适应律在线调整神经网络权值,以保证闭环系统的稳定性。通过一系列仿真算例和飞行实验验证了该方法的有效性与可行性,结果表明:该控制方法相对于滑模控制的抖振更小,具有更好的收敛性和抗干扰能力,同时对模型的参数摄动具有更强的鲁棒性。     

基于模糊神经网络的机器人滑模自适应控制

滑模控制（SMC）响应快，对系统参数和外部扰动呈不变性，可保证系统的渐近稳定性，但其缺点是控制存在很强的抖动；而模糊神经网络（FNN）具有模糊系统和神经网络共同的特点。将滑模控制和模糊神经网络控制有机结合，利用简单得到的学习信号对模糊神经网络进行在线学习，通过平滑切换函数实现直接自适应控制策略。对两连杆机械手的仿真研究表明，在存在模型误差和外部扰动的情况下，该方案既能达到高精度快速跟踪的目的，又能有效减小滑模控制的抖动问题。     

基于干扰观测器的一类不确定非线性系统自适应二阶动态terminal滑模控制

针对一类不确定非线性系统的跟踪控制问题,在考虑建模误差、参数不确定和外部干扰情况下,以其拥有良好的跟踪性能以及强鲁棒性为目标,提出基于回归扰动模糊神经网络干扰观测器(recurrent perturbation fuzzy neural networks disturbance observer,RPFNNDO)的鲁棒自适应二阶动态terminal滑模控制策略.将回归网络、模糊神经网络和sine-cosine扰动函数各自优势相结合,给出一种回归扰动模糊神经网络结构,提出RPFNNDO设计方法,保证干扰估计准确性;构造基于带有指数函数滑模面的二阶快速terminal滑模面,给出其控制器设计过程,避免了滑模到达阶段、传统滑模的抖振问题,采用具有指数收敛的鲁棒项抑制干扰估计误差对系统跟踪性能的影响,利用Lyapunov理论证明闭环系统的稳定性;将该方法应用于混沌陀螺系统同步控制仿真实验,结果表明所提方法的有效性.     

Adaptive Chattering Free Neural Network Based Sliding Mode Control for Trajectory Tracking of Redundant Parallel Manipulators

In this paper, an adaptive chattering free neural network‐based sliding mode control (ACFN‐SMC) method is proposed for tracking trajectories of redundant parallel manipulators. ACFN‐SMC combines adaptive chattering free radial basis function neural networks (RBFN), sliding mode control with online updating the robust term parameters, and a nonlinear compensation item for reducing tracking errors. The stability of the closed‐loop system with modeling uncertainties, frictional uncertainties, and external disturbances is ensured by using the Lyapunov method. The proposed controller has a simple structure and little computation time while securing dynamic performance with expected quality in tracking trajectories of redundant parallel manipulators. In addition, the ACFN‐SMC strategy does not need to know the upper bound of any uncertainties. From the simulation results, it is evident that the proposed control strategy not only has significantly higher robustness capability for uncertainties but also can achieve better chattering elimination when compared with those using existing intelligent control schemes.     

TORA系统基于自调节滑模干扰补偿器的解耦滑模控制

针对欠驱动TORA系统,提出一种基于自调节滑模干扰补偿器的解耦滑模控制方法。所提出的控制方法无需系统不确定性上界的先验信息,对于系统不确定性具有良好的适应性。该控制方法包括设计一种自调节滑模干扰补偿器和一种新型的双幂次趋近律,所设计的自调节滑模干扰补偿器能够利用切换增益自适应算法准确逼近上界未知的系统不确定性,所提出的新型双幂次趋近律能够保证系统状态的快速趋近并抑制控制器的高频抖动。采用Lyapunov稳定性理论证明闭环控制系统的稳定性,并通过数值仿真实验验证所提出的控制方法的有效性。     

基于干扰观测器的机械臂改进趋近律的滑模控制

针对机械臂滑模控制中存在抖振的问题以及对外界干扰较为敏感的特性,设计了一种基于干扰观测器的机械臂改进趋近律的滑模控制策略。该策略在指数趋近律中引入饱和函数,提出了一种改进趋近律;根据系统动力学模型,对系统的不确定性和外部干扰采用干扰观测器进行观测;在此基础上设计系统滑模控制律,控制律对未观测的干扰进行补偿。仿真结果表明,控制策略能有效地抑制轨迹跟踪中的抖振问题,较好地克服外界干扰,保证系统的控制性能。     

Force tracking neural block control for an electro‐hydraulic actuator via second‐order sliding mode

This paper presents a novel scheme for identification and control of an electro‐hydraulic system using recurrent neural networks. The proposed neural network has the nonlinear block control form structure. A sliding‐mode control technique is applied then to design a discontinuous controller, which is able to track a force reference trajectory. Due to the presence of an unmodelled dynamics, the standard sliding‐mode controller produces oscillations (or ‘chattering’) in the closed‐loop system. The second‐order sliding mode is used to eliminate the undesired chattering effect. Simulations are presented to illustrate the results. Copyright © 2007 John Wiley & Sons, Ltd.     

基于线性化反馈的径向神经滑模控制器设计

针对非线性系统,采用径向神经网络逼近及自适应控制方法,利用线性化反馈技术,设计一种自适应神经滑模控制器。滑模变结构控制具有独特的鲁棒性能以及对匹配不确定性和外干扰的完全自适应等特点,但容易出现系统抖振问题,将神经网络应用于滑模变结构控制系统的设计中,系统抖振得到抑制。仿真结果也表明将神经网络与滑模控制相结合的方法是行之有效的。     

基于RBF神经网络的作业型AUV自适应终端滑模控制方法及实验研究

研究了作业型AUV （自主水下机器人）的轨迹跟踪控制问题.实际作业中,水下机械手展开作业过程将引起AUV动力学性能变化,进而影响AUV轨迹跟踪控制;并且水流环境干扰亦将影响AUV轨迹跟踪控制.针对上述AUV轨迹跟踪控制问题,提出一种基于RBF （径向基函数）神经网络的AUV自适应终端滑模运动控制方法.该方法在李亚普诺夫稳定性理论框架下,采用RBF网络对机械手展开引起的AUV动力学性能变化和水流环境干扰进行在线逼近,并结合自适应终端滑模控制器对神经网络权值和AUV控制参数进行自适应在线调节.通过李亚普诺夫稳定性理论,证明AUV系统轨迹跟踪误差一致稳定有界.针对滑模控制项引起的控制量抖振问题,提出一种变滑模增益的饱和连续函数滑模抖振降低方法,以降低滑模控制量抖振.通过AUV实验样机的艏向和垂向的轨迹跟踪实验,验证了本文AUV系统控制方法和滑模降抖振方法的有效性.