基于RBF+NTSMC的舰载火箭炮随动系统控制研究

针对舰载火箭炮控制系统存在火箭炮射速、跟踪精度的问题,提出了一种基于RBF神经网络的非奇异终端滑模控制(NTSMC)策略。基于非奇异终端滑模控制强鲁棒性的特点,用RBF神经网络对未建模动态进行自适应逼近,将RBF神经网络与非奇异终端滑模控制相结合,既保持系统良好的鲁棒性又提高了火箭炮发射精度。仿真结果表明:与传统的NTSMC相比,该控制策略有效地提高舰载火箭炮系统的响应速度、鲁棒性以及发射的命中精度。     

某舰载火箭炮交流伺服系统并行复合控制方法

针对舰载火箭炮在发射过程中会受到风浪以及自身扰动的影响而导致射击精度和稳定性降低的问题,提出一种RBF神经网络滑模-模糊PID控制方法。利用RBF神经网络来削弱滑模的抖振,在误差较小时提高响应速度和鲁棒性;利用模糊规则对PID参数进行调整,在误差较大时提高控制精度。仿真结果表明：该复合控制策略可使舰载火箭炮交流伺服系统具有更高的射击精度和反应速度,提高系统性能。     

炮控系统电动负载模拟器神经网络滑模控制

为解决炮控系统电动负载模拟器存在多余力矩的问题,对其神经网络自适应滑模控制进行研究。结合滑 模控制器的特点,构建电动负载模拟器系统模型,通过滑模控制器对复杂非线性系统建立控制器,采用 RBF 神经网 络与滑模相结合的控制方法,利用 RBF 神经网络对系统摄动参数和未建模动态进行自适应逼近,可降低切换增益及 有效地抑制抖振,并对其进行仿真分析与验证。仿真结果表明：该控制策略具有较高的控制精度,且鲁棒性好,满 足系统的控制要求。     

基于神经网络的 PMSM 分数阶积分滑模控制

为了提高永磁同步电机调速控制性能,在分数阶积分滑模控制策略的基础上,设计一种基于神经网络的 变阶次分数阶积分滑模控制策略。利用分数阶积分随时间缓慢衰减的特性来增强系统的鲁棒性,通过指数趋近律削 弱滑模面的抖振现象,分析了分数阶阶次对系统动态性能的影响,引入 RBF 神经网络对滑模面函数中的分数阶积分 阶次进行动态调节,提高了系统的综合性能。仿真结果表明：与固定阶次的分数阶积分滑模控制相比,该控制方法 有利于取得更好的动态跟踪性能和稳定精度。     

基于DOB的炮管RBF神经网络滑模控制研究

针对坦克炮身管精确定位和平衡问题,提出了一种基于干扰观测器(DOB)的RBF神经网络滑模控制策略。由于炮控身管平衡系统模型中存在某些时变的不确定参数,所以利用RBF神经网络的万能逼近特性来辨识该参数。为了更好地提升系统的抗干扰性能,引入了干扰观测器,对系统外部扰动进行实时观测。通过仿真试验可知,该控制策略有效地提高了系统的稳定性,消除了滑模控制过程中固有的抖振现象,并大大提高了电液伺服系统的跟踪性能,使系统具有良好的鲁棒性。     

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.     

舰炮随动系统的模糊滑模控制

为提升末端反导舰炮的射击精度,提出一种舰炮随动系统的模糊滑模控制方法。采用LuGre 模型对末端 反导舰炮随动系统中的非线性摩擦进行建模,应用滑模控制算法对摩擦力矩进行补偿,通过模糊规则对滑模控制增 益进行调节以降低抖振。仿真结果表明：该模糊滑模控制器减小了控制输入的抖振,提高了随动系统跟踪稳定性和 跟踪精度。     

舰载武器SINS非线性传递对准模型及滤波算法

为了满足舰载武器初始对准高精度和快速性的要求,更好地解决舰载武器在大失准角情况下的传递对准问题,提出了一种结合基于四元数的非线性传递对准模型与非线性无迹卡尔曼滤波（UKF）算法的方法,推导并建立了舰载武器捷联惯导系统（SINS）的非线性误差模型。该模型采用姿态四元数表示姿态误差,以提高姿态解算时的快速性和精度,选用速度加姿态作为量测量,以提高系统的可观测性,采用奇异值分解（SVD）方法解决了方差阵的病态问题,以确保算法的鲁棒性,仿真结果表明,该方法不仅解决了舰载武器在大失准角情况下的传递对准问题,而且能够有效提高传递对准的精度和快速性,其计算精度和对准时间满足系统设计要求。     

无人炮塔火力线跟踪神经滑模控制

针对无人炮塔火力线跟踪动力系统中存在的火力瞄准机构运动使系统动力参数摄动和火炮射击时冲击使系统输入存在外部干扰问题,提出了一种神经滑模控制策略。采用非奇异终端滑模面保证系统状态能够在有限时间内到达滑模面和平衡点;采用径向基函数神经网络自适应地补偿系统摄动和冲击干扰,保证滑模控制在滑模面的运动。应用李亚普诺夫稳定性判据证明了控制器稳定性和火力线跟踪误差收敛性。仿真结果表明,通过神经网络的在线学习实现了火力线位置精确和鲁棒跟踪,并充分抑制了滑模控制中的抖振现象。该方法是有效的。针对无人炮塔火力线跟踪动力系统中存在的火力瞄准机构运动使系统动力参数摄动和火炮射击时冲击使系统输入存在外部干扰问题,提出了一种神经滑模控制策略。采用非奇异终端滑模面保证系统状态能够在有限时间内到达滑模面和平衡点;采用径向基函数神经网络自适应地补偿系统摄动和冲击干扰,保证滑模控制在滑模面的运动。应用李亚普诺夫稳定性判据证明了控制器稳定性和火力线跟踪误差收敛性。仿真结果表明,通过神经网络的在线学习实现了火力线位置精确和鲁棒跟踪,并充分抑制了滑模控制中的抖振现象。该方法是有效的。     

基于ATSMC的破障武器随动系统控制研究

针对电动缸驱动的车载破障武器随动系统控制问题,提出了一种基于指数收敛的干扰观测器和反正切滑模控制器的方法。研究了电动缸传动时系统具有的非线性增益,推导了电动缸机构的变传动比和变负载力矩的公式。为了对随动系统进行位置和速度控制,根据多项式Terminal滑模控制器的思想,采用等效趋近律的方法,设计了反正切Terminal滑模控制器(ATSMC),其具有全局鲁棒性和有限时间可达的能力;为了对系统内部的不确定性和外部扰动进行观测和补偿,设计了一种基于指数收敛的干扰观测器。对控制系统进行仿真,结果表明,ATSMC具有更好的鲁棒性,提高了随动系统控制精度,缩短了响应时间;基于指数收敛的干扰观测器能较好地补偿系统运行中产生的各种扰动,降低了系统稳态误差。     

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。     

基于Smith预估补偿与RBF神经网络的PID控制在工业平缝机脚踏板调速模块中的应用

针对工业缝纫机调速模块的伺服系统普遍存在耦合,大滞后的现象,提出了一种将Smith预估补偿和RBF神经网络算法与PID控制器相结合的Smith-RBF-PID控制算法。该方法利用了Smith预估补偿能克服纯滞后和RBF能处理非线性问题、在线自学习整定PID参数的优点,在调速模块的伺服控制系统中更加有效。     

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.     

基于BP-GSA优化的某随动平台滑模控制

为实现某随动平台负载模拟器响应的快速性和系统的鲁棒性,提出一种基于遗传模拟退火算法(genetic simulated annealing,GSA)优化的BP神经网络(BP-GSA)滑模控制方法。根据负载模拟器各环节硬件组成,建立系统等效数学模型;采取非奇异终端滑模实现对系统的控制,并采用BP神经网络对状态方程中未定项进行逼近,利用GSA算法调整网络节点权值。实验仿真结果表明：相比于传统滑模控制和PID控制,该方法在具有扰动输入的情况下,具有最小的稳态误差和最快的跟踪速度,能够有效提升系统的响应速度和力矩跟踪精度。     

基于RNN-AFTSM 的PMSM 位置伺服系统控制

针对炮控永磁同步电机位置伺服系统存在耦合、参数时变,外部扰动等非线性特征,提出了一种快速终端滑模控制策略对上述伺服系统进行控制.针对传统的快速终端滑模控制策略存在固有的抖振现象,提出了一种基于RNN-AFTSM控制策略.通过构造包含滑模面的自适应律,根据系统所处状态动态修改RNN网络隐含层节点的输出,以达到提高系统的控制精度和快速响应能力.数值仿真结果表明:采用RNN-AFTSM控制策略能大大提高PMSM位置伺服系统的控制精度和响应速度,同时对系统的鲁棒性也有所提高.