线控转向系统的自适应高阶滑模控制

车辆线控转向(steer-by-wire,SbW)系统存在摩擦力矩及回正力矩等不确定动态特性,难以实现精确建模与有效控制.为此,提出一种基于自适应模糊逻辑系统的自适应高阶滑模(adaptive higher-order sliding mode, AHOSM)方法,实现SbW系统的有效控制.首先,通过自适应模糊逻辑系统逼近SbW系统的未知动态,使控制器的设计不再需要摩擦力矩及回正力矩的动力学模型;其次,采用高阶滑模和自适应增益技术削弱传统滑模控制器存在的抖振现象;再次,通过构造Lyapunov函数设计增益自适应律补偿逼近误差和系统不确定项对控制精度的影响,该方案不需要系统不确定项的界已知,且能够避免增益过估计现象;最后,通过稳定性分析证明该控制器可以在有限时间内建立实际滑动模态,数字仿真和硬件在环实验进一步验证了该控制方法的有效性和优越性.     

挠性卫星姿态跟踪自适应L2增益控制

针对在轨挠性卫星姿态跟踪时存在参数不确定、外部干扰以及控制输入受限等问题,提出了一种自适应L2增益控制方法.首先利用神经网络来逼近系统中的未知非线性动态特性,设计自适应控制律来处理系统中的不确定参数:其次设计了一鲁棒控制器使得干扰力矩对系统性能输出具有L2增益,从而实现对干扰的抑制控制.最后通过引入附加的输入误差系统,...     

一类非线性时滞系统的自适应动态面控制

本文对于一类含不确定输入时滞和干扰的非线性系统的跟踪控制问题提出了一种自适应动态面控制方案. 利用动态面控制方法避免了传统的后推设计中存在的复杂度爆炸问题. 分别构造了一个滤波器和一个虚拟观测器来产生辅助信号. 采用神经网络来逼近未知的连续函数. 跟踪误差被证明最终收敛到一个足够小的紧集. 给出了一个数字仿真示例验证了理论结果.     

基于干扰观测器的一类不确定非线性系统鲁棒H∞控制

为了降低控制器对干扰的要求,基于干扰观测器提出一类多输入多输出不确定非线性系统的鲁棒H∞控制方法．将系统的内部不确定性和外部干扰组成复合干扰,设计基于小波神经网络的复合干扰观测器,并提出干扰观测器的参数调节方案使观测器能以高精度逼近复合干扰．同时在控制器中引入鲁棒控制项用来抑制观测器误差给系统带来的影响,所设计的控制器能使系统的跟踪误差小于一个给定的性能指标．最后给出一个仿真算例验证了本控制方案的有效性．     

一类不确定非线性系统的鲁棒自适应轨迹线性化控制

针对一类不确定非线性系统,研究了一种新的鲁棒自适应轨迹线性化控制方案.利用径向基神经网络的在线逼近能力以及被控对象分析模型的有用信息设计一种径向基神经网络干扰观测器来估计系统中存在的不确定性.观测器输出用于设计补偿控制律抵消不确定性对系统性能的影响,鲁棒自适应控制律用于克服逼近误差.采用Lyapunov方法严格证明了在自适应调节律作用下闭环系统所有误差信号最终有界.最后利用倒立摆系统验证了新方法的有效性.     

控制增益符号未知的不确定非线性系统鲁棒自适应控制

针对一类控制增益函数及符号均未知的不确定非线性系统,基于反推滑模设计方法,提出一种鲁棒自适应神经网络控制方案.结合Nussbaum增益设计技术和神经网络逼近能力,取消了控制增益函数及符号已知的条件,应用积分型Lyapunov函数避免了控制器奇异性问题,并通过引入神经网络逼近误差和不确定干扰上界的自适应补偿项消除了建模误差和不确定干扰的影响.理论分析证明了闭环系统所有信号半全局一致终结有界,仿真结果验证了该方法的有效性.     

无人水面艇复合自适应轨迹跟踪控制

针对存在模型参数不确定性和极易受到风、浪、流等时变干扰的欠驱动无人水面艇的轨迹跟踪控制问题,根据扰动观测器能对不确定项和外界干扰进行估计和补偿且具有鲁棒性特点,提出一种基于复合扰动观测器的自适应轨迹跟踪控制。该复合自适应观测器利用跟踪误差和估计误差共同调节自适应参数,在不激励高频未建模动态的情况下,该复合自适应闭环控制系统可得到更快的收敛速度和更高的跟踪精度。理论分析和仿真实验证明了所提出的无人水面艇复合自适应控制的有效性。     

基于RBF神经网络的一类不确定非线性系统自适应H∞控制

基于RBF神经网络提出了一种H∞自适应控制方法.控制器由等效控制器和H∞控制器两部分组成.用RBF神经网络逼近非线性函数,并把逼近误差引入到网络权值的自适应律中用以改善系统的动态性能.H∞控制器用于减弱外部干扰及神经网络的逼近误差对跟踪的影响.所设计的控制器不仅保证了闭环系统的稳定性,而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标.最后给出的算例验证了该方法的有效性.     

基于干扰观测器的一类不确定仿射非线性系统有限时间收敛backstepping控制

针对一类不确定仿射非线性系统的跟踪控制问题,提出一种基于干扰观测器的有限时间收敛backstepping控制方法.为增强小脑模型(CMAC)泛化和学习能力,将非对称高斯函数和模糊理论相结合,给出非对称模糊CMAC结构,设计干扰观测器实现系统未知复合干扰在线准确逼近;基于非对称模糊CMAC干扰观测器,给出有限时间收敛backstepping控制器设计步骤,利用Lyapunov稳定理论证明闭环系统稳定性,其中采用非线性微分器获取虚拟控制量滤波和微分信息以避免backstepping设计中的微分“膨胀问题”,设计辅助系统修正因微分器带来的误差对系统跟踪性能影响,引入基于障碍型函数的自适应滑模鲁棒项抑制复合干扰估计偏差对跟踪误差的影响;将所提方法应用于无人机飞行控制仿真实验,结果表明所提方法的有效性.     

基于扩张观测器的欠驱动船舶轨迹跟踪低频学习自适应动态面输出反馈控制

针对速度不可测的三自由度欠驱动船舶轨迹跟踪控制问题,考虑船舶存在模型参数不确定项以及外界环境干扰未知情况,提出一种基于扩张观测器的欠驱动船舶轨迹跟踪低频学习自适应动态面输出反馈控制策略.该策略构造扩张观测器估计船舶速度向量,利用神经网络算法逼近模型参数不确定项,然后采用动态面控制技术避免对虚拟控制律直接求导,简化控制律计算过程,并引入低频增益学习技术消除外界扰动导致控制信号产生高频振荡,最后选取李雅普诺夫函数证明该控制律能够保证船舶跟踪闭环系统中所有误差信号一致最终有界.仿真结果表明,本文所设计控制器对船舶模型参数不确定项及外界环境干扰具有较强的鲁棒性,能够实现对船舶轨迹的有效跟踪.     

具有未知负载扰动的水井钻机电液伺服系统无模型自适应控制

针对电液伺服系统在水井钻机推进工况下存在的参数不确定以及未知负载扰动突变等非线性因素,提出了基于径向基(RBF)神经网络扰动观测器的无模型自适应控制方法.首先,通过改进的无模型自适应控制动态线性化方法,将被控系统线性化为与输入输出相关的增量形式,并将未知负载扰动合并到一个非线性项中;然后,设计了径向基神经网络扰动观测器对含有未知负载扰动的非线性项进行估计,作为对未知扰动的补偿;最后,设计了时变参数估计律,通过在线调整伪偏导数,给出了电液伺服系统的控制更新律.仿真结果表明,所设计的控制器能够对未知负载扰动突变进行补偿,并能确保跟踪误差有界收敛.     

基于扰动观测器的机器人自适应神经网络跟踪控制研究

为解决机器人动力学模型未知问题并提升系统鲁棒性,本文基于扰动观测器,考虑动力学模型未知的情况,设计了一种自适应神经网络（Neural network,NN）跟踪控制器.首先分析了机器人运动学和动力学模型,针对模型已知的情况,提出了刚体机械臂通用模型跟踪控制策略;在考虑动力学模型未知的情况下,利用径向基函数（Radial basis function,RBF）神经网络设计基于全状态反馈的自适应神经网络跟踪控制器,并通过设计扰动观测器补偿系统中的未知扰动.利用李雅普诺夫理论证明所提出的控制策略可以使闭环系统误差信号半全局一致有界（Semi-globally uniformly bounded,SGUB）,并通过选择合适的增益参数可以将跟踪误差收敛到零域.仿真结果证明所提出算法的有效性并且所提出的控制器在Baxter机器人平台上得到了实验验证.     

Adaptive neural network output feedback control for flexible multi-link robotic manipulators

In this paper, a novel approach for adaptive control of flexible multi-link robots in the joint space is presented. The approach is valid for a class of highly uncertain systems with arbitrary but bounded dimension. The problem of trajectory tracking is solved through developing a stable inversion for robot dynamics using only joint angles measurement; then a linear dynamic compensator is utilised to stabilise the tracking error for the nominal system. Furthermore, a high gain observer is designed to provide an estimate for error dynamics. A linear in parameter neural network based adaptive signal is used to approximate and eliminate the effect of uncertainties due to link flexibilities and vibration modes on tracking performance, where the adaptation rule for the neural network weights is derived based on Lyapunov function. The stability and the ultimate boundedness of the error signals and closed-loop system is demonstrated through the Lyapunov stability theory. Computer simulations of the proposed robust controller are carried to validate on a two-link flexible planar manipulator.     

变负载机械手轨迹跟踪控制器设计

本文针对具有变负载的不确定刚性机械手系统,提出了一种依赖平均驻留时间的神经网络自适应切换控制策略.本控制方案将夹持不同负载的刚性机械手系统视为切换系统,即根据负载的不同将整个系统分为若干子系统,并基于平均驻留时间原则对每个子系统分别设计控制器.在各子系统中,分别采用径向基函数(RBF)神经网络逼近系统结构参数,以避免控制器对系统精确模型的依赖.同时,基于神经网络设计鲁棒补偿项,以抑制集总扰动对系统的影响.然后,利用多Lyapunov函数方法证明了轨迹跟踪误差的一致最终有界性.最后,通过仿真验证,所提出的控制方案不仅可实现变负载机械手期望轨迹的高精度跟踪,而且可有效削弱输入力矩的抖振.     

Hybrid control for speed sensorless induction motor drive

The dynamic response of a hybrid-controlled speed sensorless induction motor (IM) drive is introduced. First, an adaptive observation system, which comprises speed and flux observers, is derived on the basis of model reference adaptive system (MRAS) theory. The speed observation system is implemented using a digital signal processor (DSP) with a high sampling rate to make it possible to achieve good dynamics. Next, based on the principle of computed torque control, a computed torque controller using the estimated speed signal is developed. Moreover, to relax the requirement of the lumped uncertainty in the design of a computed torque controller, a recurrent fuzzy neural network (RFNN) uncertainty observer is utilized to adapt the lumped uncertainty online. Furthermore, based on Lyapunov stability a hybrid control system, which combines the computed torque controller, the RFNN uncertainty observer and a compensated controller, is proposed to control the rotor speed of the sensorless IM drive. The computed torque controller with RFNN uncertainty observer is the main tracking controller and the compensated controller is designed to compensate the minimum approximation error of the uncertainty observer instead of increasing the rules of the RFNN. Finally, the effectiveness of the proposed observation and control systems is verified by simulated and experimental results     

基于RBF神经网络的机械臂自适应控制方法

针对机械臂受内部摩擦和时变扰动等不确定性因素的影响,其轨迹跟踪控制系统的跟踪精度会下降,且影响系统的稳定性,提出一种基于径向基函数神经网络的自适应控制方法。首先,利用RBF神经网络采用离线训练和在线学习的方式对机械臂的动力学模型进行辨识;其次针对机械臂控制系统中的摩擦,设计RBF神经网络自适应控制算法对其进行逼近得到补偿控制量。针对时变扰动和神经网络逼近误差设计鲁棒项,以克服众多不确定性因素带来的影响,同时通过构造李亚普诺夫函数对所设计的控制系统进行稳定性分析;最后,仿真实验结果证明提出的控制方法具有较高的跟踪精度、抗干扰能力和较强的鲁棒性。     

基于神经网络观测器的船舶轨迹跟踪递归滑模 动态面输出反馈控制

针对三自由度全驱动船舶速度向量不可测问题,考虑船舶模型参数和外部环境扰动均未知的情况,提出一种基于神经网络观测器的船舶轨迹跟踪递归滑模动态面输出反馈控制方法.该方法设计神经网络自适应观测器估计船舶速度向量,且利用神经网络逼近模型参数不确定项,综合考虑船舶位置和速度误差之间关系构造递归滑模面,再采用动态面控制技术设计轨迹跟踪控制律和参数自适应律,并引入低频增益学习方法消除外界扰动导致的高频振荡控制信号.选取李雅普诺夫函数证明了该控制律能够保证轨迹跟踪闭环系统内所有信号的一致最终有界性.最后,基于一艘供给船进行仿真验证,结果表明,船舶轨迹跟踪响应速度快,所设计控制器对系统模型参数摄动及外界扰动具有较强的鲁棒性.     

Neural network based adaptive fuzzy PID-type sliding mode attitude control for a reentry vehicle

This work investigates the attitude control of reentry vehicle under modeling inaccuracies and external disturbances. A robust adaptive fuzzy PID-type sliding mode control (AFPID-SMC) is designed with the utilization of radial basis function (RBF) neural network. In order to improve the transient performance and ensure small steady state tracking error, the gain parameters of PID-type sliding mode manifold are adjusted online by using adaptive fuzzy logic system (FLS). Additionally, the designed new adaptive law can ensure that the closed-loop system is asymptotically stable. Meanwhile, the problem of the actuator saturation, caused by integral term of sliding mode manifold, is avoided even under large initial tracking error. Furthermore, to eliminate the need of a priori knowledge of the disturbance upper bound, RBF neural network observer is used to estimate the disturbance information. The stability of the closed-loop system is proved via Lyapunov direct approach. Finally, the numerical simulations verify that the proposed controller is better than conventional PID-type SMC in terms of improving the transient performance and robustness.

     

Composite Nonlinear Bilateral Control for Teleoperation Systems With External Disturbances

This paper presents a new composite nonlinear bilateral control method based on the nonlinear disturbance observer (NDOB) for teleoperation systems with external disturbances. By introducing the estimations of NDOB and systems' nominal nonlinear dynamics into controller design, a NDOB based composite nonlinear bilateral controller is constructed to attenuate the influence of disturbance and uncertain nonlinearities. As compared with the existing bilateral control methods which usually achieve force haptic (i.e., contact force tracking) through a passive way, the newly proposed method has two major merits: 1) asymptotical convergence of both position and force tracking errors is guaranteed; 2) disturbance influence on force tracking error dynamics is rejected through the direct feedforward compensation of disturbance estimation. Simulations on a nonlinear teleoperation system are carried out and the results validate the effectiveness of the proposed controller.