磁浮列车悬浮系统的双环自抗扰控制

双环(位置环和电流环)自抗扰控制器的设计,以单点悬浮系统为研究对象,采用分级控制策略和非线性自抗扰控制方法.ADRC的参数整定通过建立开环系统和线性PD控制的闭环系统得以实现.仿真结果表明,自抗扰控制的快速性、鲁棒性、适应性和克服大扰动能力均明显优于经典PID.     

基于BP 神经网络的自适应自抗扰控制及仿真

针对被控对象参数变化大而快、外扰严重且不确定的系统,参数固定的扩张状态观测器 (ESO)存在“总和扰动冶估计精度降低、控制效果较差的问题,提出了一种基于BP 神经网络的自适应自抗扰控制器(ADRC)。分析了引入自适应ESO 的意义,剖析了ESO 的结构,利用BP 神经网络在线调整ESO 参数并将这个自适应ESO 嵌入到ADRC. 仿真结果表明,改进的ADRC 较常规ADRC 具有扰动估计精度更高、控制量振荡幅度更小以及鲁棒性、抗干扰性更强的优点。     

某火炮伺服系统的回声状态网络自抗扰控制

为解决火炮伺服系统面临的一系列非线性因素,设计一种基于回声状态网络的自抗扰控制(active disturbance rejection control,ADRC)策略.使用回声状态网络(echo state network,ESN)实现自抗扰控制重要参数的在线整定,并引入梯度下降算法与改进后的灰狼优化算法(grey wolf optimization,GWO)对回声状态网络进行训练.仿真结果表明:该新型控制方法能有效提高火炮伺服系统的动态响应性能、抗干扰性能以及随动跟踪精度,满足火炮伺服系统所要求的性能指标.     

基于RBF网络的微分先行PID控制器

将微分先行PID控制算法和径向基函数(RBF)神经网络结合,提出基于RBF神经网络的微分先行PID控制器.其微分先行PID控制器直接对被控对象进行闭环控制,实现参数在线自调整.RBF结构神经网络则根据系统的运行状态,利用神经网络的自学习自适应能力调节PID控制器参数的在线自整定,达到误差性能指标最优化.Matlab仿真表明,该控制方案不仅跟踪性能良好,而且抗干扰性较强,鲁棒性较好.     

基于RBF神经网络的控制器参数优化设计研究

以单输入单输出控制系统为研究对象,为快速完成控制器参数整定及优化,提升系统动态性能和稳态性能,提出了一种基于RBF(Radial Basis Function)神经网络的控制器参数优化方法。利用RBF神经网络的局部逼近能力和自学习能力,构造出控制系统辨识与控制器参数优化双网络结构,实现了对被控对象的在线辨识及增量式不完全微分PID控制器参数的在线迭代,快速完成控制器参数的整定,在保证系统动态特性的同时,大幅提升稳定精度。     

基于Vague集的自适应自抗扰控制器设计

为进一步提高自抗扰控制器(ADRC)的动态性能和稳态性能,文中利用基于Vague集相似度量推理易于得到控制量和便于工程运用的优点,设计了一种基于Vague集的自适应ADRC;通过动态调整ADRC的非线性组合权值,提高ADRC的适应能力。仿真结果表明,基于Vague集的自适应ADRC较常规自抗扰控制器有更好的动态性能和稳态性能。     

某交流伺服系统的免疫克隆粒子群优化自抗扰控制

针对采用永磁同步电机(permanent magnet synchronous motor,PMSM)驱动的某火箭炮位置交流伺服系统存在摩擦力矩、外界扰动等一系列复杂非线性问题,设计一种基于免疫克隆粒子群优化算法的自抗扰控制器(IPSO-ADRC).根据自抗扰控制(active disturbance rejection control,ADRC)抗干扰能力强和粒子群优化算法(particle swarm optimization,PSO)寻优能力强的特点,采用免疫克隆粒子群优化算法在线整定自抗扰控制器的重要参数;并将克隆选择算法(clonal selection algorithm,CSA)融入到粒子群算法中,维护群体种类的差异性,解决PSO算法的缺陷问题.仿真实验结果证明:该控制策略使系统的稳态性能更好,并能提升系统的动态品质.     

扫雷器发射架电液伺服系统改进自抗扰控制

针对某爆破扫雷器发射架电液位置伺服系统响应速度慢、跟踪精度低、抗扰能力差的问题,设计一种改进自抗扰控制器。利用BP神经网络强大的自学习和非线性逼近能力对自抗扰控制器中的关键参数在线整定,并结合遗传算法(genetic algorithm,GA)对网络的初始权值进行优化;利用AMEsim和Simulink软件对该改进自抗扰控制器进行联合仿真验证。结果表明：该控制方法可有效提高系统的抗干扰能力,同时保证扫雷器的调炮速度和精度。     

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。     

基于自抗扰的翼身融合客机控制器设计

针对翼身融合布局客机操纵性差、安定裕度小、抗扰动能力弱等问题,采用自抗扰技术进行控制器设计。 根据翼身融合客机的六自由度非线性模型,结合自抗扰控制器(auto disturbance rejection controller,ADRC)原理设计 客机的姿态控制律,并对ADRC 参数进行分析,采用改进粒子群算法(particle swarm optimization,PSO)对参数进行 整定;建立重心位置变化对于客机状态影响的数学模型,并对重心渐变情况下的客机姿态进行仿真;在客机垂直方 向加入紊流风扰动,观察其过载变化情况,并对客机的乘坐舒适性进行评价。仿真结果表明：采用ADRC 可以有效 控制客机的姿态变化;同时,在面对重心位置变化以及紊流风扰动时,可以稳定地控制飞机,使翼身融合客机对于 重心变化与紊流风干扰具有较强的鲁棒性,保证客机的安全飞行及乘员的乘坐舒适性。     

基于粒子群优化的某车载火箭炮自抗扰控制

针对车载火箭炮行进间的PID 控制方法存在动态性能的限制,提出一种自抗控制器的设计。针对自抗扰 控制器(active disturbance rejection control,ADRC)模块中存在众多且不便确定的参数这一问题,利用粒子群优化算 法(particle swarm optimization,PSO)较强的寻优能力,对扩张状态观测器的参数进行优化,并优化控制系统。仿真 结果表明：基于该控制方法的伺服系统稳定性显著提升,提高行进间火炮的控制精度与动态性能。     

磁悬浮控制力矩陀螺转子系统径向自抗扰解耦控制和扰动抑制

为了克服外部扰动影响磁悬浮转子悬浮稳定度和磁悬浮控制力矩陀螺输出力矩精度的问题,提出一种基于自抗扰控制器的磁悬浮转子扰动抑制方法.根据牛顿第二定律和陀螺技术方程建立磁轴承坐标系下磁悬浮转子系统的动力学方程,基于自抗扰解耦控制原理得到径向四通道解耦模型,设计各通道自抗扰控制器,从而实现转子系统径向四通道解耦和扰动抑制.与分散 PID加交叉反馈控制方法进行仿真对比,结果表明:自抗扰控制器具有良好的扰动抑制功能,能提高转子的稳定精度和控制力矩陀螺的输出力矩精度;因此,此方法不仅改善了解耦控制精度,而且提高了系统对外部扰动和参数变化的鲁棒性,可应用于磁悬浮控制力矩陀螺的高精度强鲁棒控制.     

基于遗传算法的无人水下航行器深度自抗扰控制

根据无人水下航行器（UUV）操纵控制过程的特点,设计了一种基于遗传算法的UUV深度自抗扰控制器（ADRC）。针对ADRC控制器控制参数较多的问题,将其参数设计转化为一种辨识问题。借助遗传算法,对UUV深度控制系统中的ADRC控制参数进行了辨识,并对其在无外界干扰和近水面航行受波浪力干扰两种情况下的深度控制进行了仿真。数值仿真结果表明,ADRC控制可以获得较好的深度保持性能,并且具有较强的抗干扰能力。与PID控制相比,ADRC控制的操舵幅度和操舵频率有了明显降低,其控制品质有了明显提高。     

动力陀螺稳像系统自抗扰控制器设计与仿真

为了进一步提高系统的跟踪性能与抗干扰性能,运用自抗扰控制(active disturbance rejection control,ADRC)理论对具有交叉耦合以及会受内外干扰的动力陀螺稳像系统设计控制器。采用前馈控制解耦矩阵实现了通道之间的解耦。采用扩张状态观测器对系统的内外干扰进行实时估计和补偿,由非线性状态误差反馈控制律设计了ADRC控制器,实现对动力陀螺稳像系统的控制。数字仿真结果表明：所设计的自抗扰解耦控制器具有良好的解耦性能、跟踪性能、抗干扰性能和抑噪性能,可以满足动力陀螺稳像系统的控制要求。     

动力陀螺稳像系统自抗扰控制器设计与仿真

针对具有交叉耦合以及会受内外干扰的动力陀螺稳像系统,运用自抗扰控制理论设计了控制器。采用前馈控制解耦矩阵实现了通道之间的解耦。采用扩张状态观测器对系统的内外干扰进行实时估计和补偿,由非线性状态误差反馈控制律设计了ADRC控制器,实现对动力陀螺稳像系统的控制。数字仿真结果表明：所设计的自抗扰解耦控制器具有良好的解耦性能、跟踪性能、抗干扰性能和抑噪性能,可以满足动力陀螺稳像系统的控制要求。     

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。