可重构机械臂分散自适应模糊滑模控制

为了适应软件模块化的设计观念,提出一种可重构机械臂的分散自适应模糊滑模控制方案,把可重构机械臂的动力学描述为一个交联子系统的集合。使用模糊逻辑系统逼近子系统动力学模型,然后设计自适应滑模控制器抵消交联项和模糊逼近误差对轨迹跟踪性能的影响。这些子系统控制器组成一个模块化的控制网络,协调工作实现可重构机械臂稳定可靠的运动。最后,仿真结果证明了提出的分散控制方案的有效性。     

可重构机械臂分散自适应迭代学习控制

基于Lyapunov稳定性理论和Backstepping技术,提出了一种可重构机械臂分散自适应迭代学习控制方法。将可重构机械臂动力学系统描述为一个交联子系统的集合,基于Backstepping技术,给出自适应迭代学习控制方法。为了补偿系统模型不确定项和子系统之间交联项,采用自适应神经网络进行逼近。最后,通过数值仿真验证了所提方法的有效性。     

基于神经网络滑模的采摘机械臂控制设计

针对二自由度采摘机械臂的位置跟踪控制问题,设计了一种基于神经网络的滑模控制器。其中,神经网络控制器用来估计含有不确定性的滑模控制的等效控制律;鲁棒控制器用来使动态系统始终保持在滑模面上,保证了系统的渐近稳定性,进而实现了采摘机械臂的高精度位置跟踪控制。基于李亚普诺夫稳定性理论设计了自适应律来在线估计系统的不确定性。仿真结果表明:设计的控制器能够实现采摘机械臂对期望位置的精确跟踪,可以满足实际工程的需要。     

时滞反馈Lorenz系统的神经网络滑模自适应同步控制及在保密通信中的应用

为了研究不确定Lorenz混沌系统同步控制在保密通信中的应用,首先设计了时滞反馈Lorenz混沌系统,并通过Poincare映射和功率谱分析了其混沌动力学特性.在此基础上,提出了不确定时滞反馈Lorenz混沌系统的神经网络滑模自适应同步控制策略.应用径向基(RBF)神经网络逼近混沌系统的不确定项,基于该径向基神经网络的输出再利用滑模控制和自适应控制相结合的方法提出了单维同步控制器的设计.最后,将所设计的同步控制方法应用于保密通信.仿真结果表明,本文所提出的神经网络滑模自适应同步控制方法可以实现混沌系统同步并可应用于保密通信,且具有较强的抗干扰能力.     

基于自适应神经网络滑模观测器的容错控制

针对机电伺服系统可能发生的故障,提出基于自适应神经网络滑模观测器的快速终端滑模容错控制策略. 在自适应滑模观测器中引入神经网络估计故障,以提高故障发生时观测器的状态估计精度和故障检测准确性. 利用观测器的状态估计值进行状态重构,结合参数自适应技术和快速终端滑模控制方法设计主动容错控制器. 针对参数不确定性设计参数自适应率进行估计,并利用前馈补偿技术补偿故障和参数不确定性. 针对未知上界的扰动设计具有自适应增益的鲁棒项. 利用Lyapunov定理证明所提出的控制方法可以实现系统有界稳定,大量仿真和实验结果验证了控制器在系统发生故障时具有良好的容错能力、控制精度和响应速度.     

基于RBF神经网络的柔性机械臂位置控制

针对复杂的柔性机械臂位置控制问题,提出一种结合极点配置技术的自适应滑模控制方法。变结构滑模应用于柔性臂的刚性运动和弹性振动抑制的控制,极点配置用以设置滑模面的极点,以获得良好的动态响应特性。利用RBF网络自适应性学习系统不确定量的上界,神经网络的输出用于自适应修正控制律的切换增益。实例仿真结果表明,该控制方法能在对机械臂位置控制的同时有效地抑制柔性臂的弹性振动,对不确定参数具有鲁棒性。     

Time delay control of hydraulic manipulators with continuous nonsingular terminal sliding mode

For the position tracking control of hydraulic manipulators,a novel method of time delay control(TDC) with continuous nonsingular terminal sliding mode(CNTSM) was proposed in this work.Complex dynamics of the hydraulic manipulator is approximately canceled by time delay estimation(TDE),which means the proposed method is model-free and no prior knowledge of the dynamics is required.Moreover,the CNTSM term with a fast-TSM-type reaching law ensures fast convergence and high-precision tracking control performance under heavy lumped uncertainties.Despite its considerable robustness against lumped uncertainties,the proposed control scheme is continuous and chattering-free and no pressure sensors are required in practical applications.Theoretical analysis and experimental results show that faster and higher-precision position tracking performance is achieved compared with the traditional CNTSM-based TDC method using boundary layers.     

Task space control of free-floating space robots using constrained adaptive RBF-NTSM

Trajectory tracking control of space robots in task space is of great importance to space missions,which require on-orbit manipulations.This paper focuses on position and attitude tracking control of a free-floating space robot in task space.Since neither the nonlinear terms and parametric uncertainties of the dynamic model,nor the external disturbances are known,an adaptive radial basis function network based nonsingular terminal sliding mode(RBF-NTSM)control method is presented.The proposed algorithm combines the nonlinear sliding manifold with the radial basis function to improve control performance.Moreover,in order to account for actuator physical constraints,a constrained adaptive RBF-NTSM,which employs a RBF network to compensate for the limited input is developed.The adaptive updating laws acquired by Lyapunov approach guarantee the global stability of the control system and suppress chattering problems.Two examples are provided using a six-link free-floating space robot.Simulation results clearly demonstrate that the proposed constrained adaptive RBF-NTSM control method performs high precision task based on incomplete dynamic model of the space robots.In addition,the control errors converge faster and the chattering is eliminated comparing to traditional sliding mode control.     

基于RBF神经网络的汽车稳定性滑模控制

针对汽车稳定性控制存在的非线性和参数时变不确定性问题,采用基于径向基函数(RBF)神经网络的方法设计汽车稳定性滑模控制器,能够削弱常规滑模控制所引起的抖动现象,也能提高单纯的神经网络自适应控制的鲁棒性能。仿真结果表明该控制算法可有效地控制汽车按照驾驶员期望的方向行驶,且保证汽车侧向控制系统具有较强的适应性和鲁棒性。     

一类非线性不确定中立型系统的鲁棒自适应滑模控制

针对一类匹配非线性不确定中立型时滞系统的鲁棒镇定问题,利用Lyapunov稳定性理论,提出了一种能渐近稳定系统的自适应滑模控制器。基于滑模控制技术,确保了该控制器能驱赶系统状态达到事先指定的滑动超平面,从而获得想要的动态性能。一但系统动态达到滑动运动阶段,系统对不确定是不敏感的。自适应技术的应用克服了不确定的未知上界,并能满足可达条件能。最后,给出的一个仿真例子证明了该自适应滑模控制器的有效性,从而保证了闭环系统的全局渐近稳定性。     

基于小波神经网络的机械臂力/位置控制算法

基于小波神经网络,提出了一种新的受时变约束机器人力/位置控制算法。由系统约束关系推导了降阶的动力学模型,基于降阶模型设计了鲁棒小波神经网络力/位置控制算法。由Barbalat给出了系统的稳定性证明。数值仿真结果验证了本文控制算法的有效性。     

基于耦合滑模面的机械臂操作柔性负载系统分布参数控制

针对多变量刚柔耦合的机械臂操作柔性负载系统,提出了一种自适应滑模控制方法,研究了系统存在参数不确定性和外部干扰影响下的位置控制和振动抑制问题。系统动态特性由偏微分方程表示的分布参数模型来描述,避免了集中参数模型导致的溢出问题。基于对柔性负载的能量动态分析,设计了一种自适应滑模控制器,其中滑模面定义为关节角误差、关节角速度误差和柔性负载的根部应变和剪切力的耦合。利用LaSalle不变性原理,证明了闭环系统的渐近稳定性。最后仿真验证了所设计控制方法的有效性。     

改进型自适应变结构的挠性卫星姿态机动控制

针对带有输入非线性的挠性卫星的姿态机动问题,提出一种仅利用输出信息的变结构输出反馈控制方法.首先,采用拉格朗日方法建立挠性卫星的动力学模型.然后,在基于非线性和低阶模态的动力学模型基础上,给出滑模存在条件以及变结构输出反馈控制器设计的方法;另外,为了避免确定不确定性和外干扰界函数上界的困难,又给出一种改进型自适应变结构输出反馈控制器的设计方法,通过增加一负反馈项,防止了不确定界函数的参数过大而导致控制过大及系统失稳,从而使对不确定界函数的参数的估计达到更好的效果.最后,将本文提出的控制方法应用于三轴稳定挠性卫星的姿态机动控制,并进行数值仿真研究.仿真结果表明:在反作用飞轮的控制受限条件下,完成姿态机动的同时,有效地抑制挠性附件的振动.     

An adaptive cascade trajectory tracking control for over-actuated autonomous electric vehicles with input saturation

This paper presented a novel adaptive cascade nonlinear trajectory tracking control scheme of over-actuated autonomous electric vehicles involving input saturation. First, a nonlinear vehicle dynamic model with input saturation is established, which can accurately describe the features of uncertainties and coupling of autonomous electric vehicles, and the hyperbolic tangent function is designed to estimate the saturation function for dealing with the input saturation problem. Then, a novel adaptive cascade trajectory tracking control scheme is designed. An adaptive neural network-based terminal sliding control law is proposed for producing the generalized force/moment in real-time, the asymptotic stability of this adaptive control system is proven by Lyapunov theory, and a quasi-newton distribution law is designed to determine the optimum tire forces that guarantee the actual generalized forces/moment are close to the desired values. Finally, simulation results demonstrate the effectiveness of the proposed control scheme.     

基于切换增益调节的神经滑模控制的机器人位置跟踪

针对机器人的位置轨迹跟踪问题,提出一种基于切换增益调节的神经网络滑模控制方法。首先设计基于机器人位置的滑模控制器模块,然后通过神经网络来调节滑模控制器中的切换增益,使得切换增益能随着外界干扰作用等不确定项的改变而改变,从而能实时地估计切换增益,解决传统滑模控制中的抖振问题,最后,以双臂机器人为对象,采用MATLAB仿真软件对该控制算法进行了验证。结果表明,与传统的滑模控制相比较,该方法能使机器人更好地跟踪期望的位置轨迹,并有效地减轻了抖振。     

基于RBF网络上界自适应学习的预警卫星滑模控制

分析了RBF(径向基函数)神经网络的基本结构和数学特性,对于预警卫星动力学系统的不确定性上界值无法测量和未知的情况,采用RBF神经网络可以对较强干扰上界进行自适应学习,并可降低控制和动力学带来的抖振。针对带有摆镜的预警卫星姿态控制问题,提出了一种基于神经网络扰动补偿的姿态滑模控制方法。针对RBF网络正交最小二乘(OLS)学习算法,采用RBF神经网络来学习不确定因素的上界值,并设计了预警卫星的姿态控制规律,解决了预警卫星动力学扰动补偿问题。利用数值仿真估算了基于RBF网络上界自适应学习滑模控制的预警卫星姿态控制系统的性能指标。     

直线电梯单电磁导向装置悬浮气隙高度控制

针对单电磁导向系统参数变化及外部扰动对悬浮气隙高度产生的影响,提出了RBF神经网络自适应滑模控制方法.采用RBF神经网络并利用其学习功能,对直线电梯单电磁悬装置不确定参数进行自适应补偿,取代了常规滑模控制切换部分,并且消除了系统高频抖振现象.通过比例微分并行控制提高了RBF神经网络参数的收敛性,改善了局部极小现象的发生,增强了系统的鲁棒性,并采用Lyapunov稳定性理论证明了系统的稳定性.Matlab仿真显示该方法具有良好的跟踪性和鲁棒性.     

基于自适应终端滑模控制器的机械手跟踪控制

针对具有不确定性的机械手轨迹跟踪控制问题,提出一种自适应二阶终端滑模控制器设计方法。设计一类非线性不确定系统的自适应二阶终端滑模算法,使得不连续符号函数包含在控制微分项,实际控制作用连续;采用自适应律克服不确定性上界未知问题,基于Lyapunov方法证明系统稳定性;针对机械手轨迹跟踪问题,基于所提出控制方法设计机械手自适应终端滑模控制方案;通过对双关节机械手轨迹跟踪仿真研究,验证所提出控制策略的有效性。     

基于滑模和神经网络的永磁直线伺服系统控制

针对直接驱动的交流永磁直线伺服系统，提出一种将非线性神经网络控制和滑模控制相结合构成的双自由度控制策略，该控制策略解决了直线伺服系统跟踪性能和鲁棒性能之间的矛盾，滑模输入控制器保证了系统对给定的快速跟踪性能；神经网络输出反馈控制器对系统参数变化和阻力扰动（包括直线电机的端部效应力）进行很大程度的抑制，并可以削弱滑模控制的抖振对系统稳态性能的影响，仿真结果表明该方案在保证伺服系统的快速性同时，对系统参数变化和阻力扰动具有很强的鲁棒性。     

PMSM的自适应滑模观测器无传感器控制

提出一种具有容错能力的最小开关逆变器，对采用该容错逆变器取代常规六开关逆变器的永磁同步电机（PMSM）直接转矩控制（DTC）系统进行了深入研究.当容错逆变器的开关器件发生故障或电机发生故障时，此逆变器可重构为2种四开关逆变器.进一步建立了四开关逆变器的模型，提出了针对故障隔离后四开关逆变器供电的PMSM系统的新型DTC策略.对正常及故障状态下容错逆变器供电的PMSM DTC系统进行了仿真研究和实验验证.结果表明，基于容错逆变器的PMSM系统在故障状态下采用新型逆变器拓扑结构以及新型DTC策略后，可持续稳定运行，并保持了良好的动态性能.