弹丸协调臂的RBF神经网络自适应滑模控制

针对某大口径火炮弹丸协调臂电液伺服系统的位置控制问题,提出一种基于神经网络最小参数学习法的RBF网络自适应滑模控制方法。结合RBF神经网络具有局部逼近特性和神经网络最小参数学习法调节简单的优点,以电液伺服系统的状态为神经网络的输入,通过选取合适的参数,以神经网络的输出逼近系统的未知理想控制律。引入鲁棒项,保证控制策略的稳定性,并采用非线性函数调整反馈项参数的变化,保证收敛速度。仿真结果表明:控制算法在系统参数大范围变化的情况下能够保证弹丸协调臂的运动精度,并具有较好的鲁棒性。     

基于未知输入观测器的车载炮电液位置伺服系统故障检测

针对车载炮电液位置伺服系统在运行时存在大惯量、负载非线性、参数不确定性和干扰等特点,提出一种基于非线性未知输入观测器的故障检测方案。在对系统建模后进行观测器设计,借助李雅普诺夫稳定性理论证明观测器稳定性并给出了存在条件,观测器产生用于故障检测的残差信号。在故障检测台上在线检测观测器的观测能力以及对故障的检测能力,设计了基于统计的动态阈值故障决策机制,消除了固定阈值在过渡阶段系统出现的误报警现象。实验结果表明：所提出的故障检测方案有效,可用于电液位置伺服系统在线故障的检测。     

弹仓的模糊自适应滑模控制

针对系统模型参数未知且负载大范围变化的链式弹仓的位置控制问题,提出了一种FASMC算法。根据模糊系统的万能逼近理论,针对弹仓系统输入设计模糊集、构造模糊系统,最后以模糊系统的输出来逼近弹仓系统的未知理想控制律。该算法不以系统模型为基础设计了理想的滑模控制律,所以具有较好的鲁棒性。在逼近过程中,为进一步的改善控制效果提高系统鲁棒性,针对模糊系统可调参数构造合适的自适应控制律,实现参数的在线自适应调整;最后引入自适应滑模切换控制律补偿模糊系统的逼近误差,保证了滑模条件。在空载、半载和满载三种情况下的仿真结果表明,提出的模糊自适应滑模控制算法不仅能够有效逼近弹仓系统模型的理想控制律且具有较好的控制精度。     

火炮模块药输送伺服系统自适应模糊滑模控制

针对火炮模块药输送伺服系统传动过程中存在参数时变和抖振等问题,设计了一种带有积分滑模函数的自适应模糊滑模控制器。采用自适应方法对系统时变参数进行估计,减小不确定部分对控制系统的影响。引入新型饱和函数代替传统切换函数,保证整个切换过程连续、平滑过渡;采用模糊自适应算法对切换系数在线调整,提高系统的鲁棒性能,进一步抑制切换过程中的抖振。实验结果表明,火炮模块药输送伺服系统在空载、半载和满载3种情况下均具有良好的位置跟踪性能,满足性能指标要求,提出的自适应模糊滑模控制算法能够克服负载变化对系统控制精度的影响。