基于PD方法的不确定机器人神经网络变结构控制

针对不确定机器人轨迹跟踪控制,提出基于PD方法自适应神经网络变结构控制律,利用RBF神经网络补偿系统参数不确定性,用滑模变结构控制器消除神经网络的逼近误差.仿真结果表明,该控制律能保证轨迹跟踪误差的快速收敛性及对参数不确定性和外部扰动的鲁棒性.     

一类非线性系统的神经网络鲁棒自适应控制

针对一类单输入单输出仿射非线性系统，提出了一类神经网络鲁棒自适应控制。设计过程中，采用RBF神经网络实现对系统中的未知非线性函数逼近，并考虑到存在逼近误差和外部干扰，采用滑模控制实现了系统的鲁棒控制。最后通过MATLAB仿真，证明了该方法的有效性。     

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。     

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。     

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。     

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.     

基于神经网络的鲁棒自适应滑模迭代学习控制

对一类不确定非线性系统，包括不确定性机器人，提出一种自适应鲁棒迭代学习控制方案，学习控制用于学习周期性的系统不确定性，自适应滑模控制用于抑制非周期性系统不确定性，并且利用RBF神经网络自适应学习系统不确定性的未知上界，对不确定性系统动态和有界输入拢动具有鲁棒性，通过Lyapunov直接方法，确保了对每次迭代闭环系统是一致有界的，并且沿着迭代次数的增加，跟踪误差渐近收敛于零，仿真结果表明了该方案的有效性。     

基于Backstepping的欠驱动船舶神经滑模航迹控制

在外界干扰和参数不确定的情况下,设计一种基于Backstepping的自适应神经滑模控制器对欠驱动船舶神经滑模航迹进行控制。采用趋近律的滑模控制,抑制常规滑模的固定切换增益系数带来的抖振现象;利用神经网络辨识对象,减少趋近律滑模控制对对象模型参数的依赖。以某实习船为例进行仿真,结果表明:在标称参数下,所设计的控制器能够有效跟踪设定的航迹并抑制常规滑模控制器的抖振现象;在外部环境扰动以及参数摄动的情况下,仍然能够实现较好的控制,表现出强鲁棒性。     

基于神经滑模控制的风机变桨系统控制研究

以风力发电系统为背景,由于风速波动及风机叶片扫掠面积上风资源的不均匀分布,风机叶片的变桨需要根据自身风况单独控制,即实现独立变桨.提出一种基于RBF(径向基函数)神经网络的滑模控制策略,优化了风机变桨距的控制方法,提高了风力发电系统的稳定性.将算法植入10 kW风机缩比模型实验台,控制伺服变桨电机,实验台模拟运行结果表明,RBF神经网络滑模控制策略能够改善变桨控制的效果,提高系统的鲁棒性.     

一类柔性悬索结构的自适应滑模控制

针对悬索结构强非线性和大滞后的特点,提出了一种自适应滑模控制方法.从线性化模型出发建立多输入-多输出滑模控制器,并将模型偏差、风载荷视为系统的外部扰动,通过引入参数自适应律在线估计总的外部扰动,并加以补偿.在此基础上,针对大射电望远镜5 m模型,采用离散悬索模型和自适应滑模控制方法对舱索控制系统进行了仿真,并与传统的PID控制方法进行了对比.结果表明,采用自适应滑模控制后,不但位置误差减小到PID控制时的40%,而且提高了鲁棒性.     

基于自适应参数估计的反推终端滑模再入飞行控制

针对空天飞行器再入飞行时动态的强非线性和不确定性问题,提出了一种基于反推法的自适应终端滑模控制方法．首先建立了ASV的具有时变参数的严反馈形式被控模型,进一步采用自适应策略在线估计被控系统的不确定参数,将一阶低通滤波器引入到虚拟控制律设计中,降低反推计算的复杂性．在反推设计的最后一步引入终端滑模控制,以提高控制系统对于匹配不确定性的鲁棒性和系统跟踪误差的收敛速度,同时引入矩阵的广义逆,避免控制增益参数估计过程中可能出现的奇异现象．最后借助Lyapunov稳定性理论,证明了闭环系统误差及状态信号一致最终有界．以某型ASV再入姿态跟踪控制为目标,进行了6自由度飞行仿真验证. 结果表明:所提出的自适应反推终端滑模控制方法跟踪速度快、鲁棒性强,且对不确定参数具有较强的自适应能力．     

具有重构功能的基于RBF神经网络直接自适应飞控系统

反馈线性化方法鲁棒性研究一直是近些年来的研究热点。针对基于反馈线性化方法的鲁棒控制，提出了一种将反馈线性化和RBF神经网络直接自适应控制相结合的综合控制方法，利用李亚普诺夫稳定性定理推导了神经网络权值的自适应规律，保证了闭环系统的稳定性。该方法应用于某型号飞机舵面故障状态仿真，结果表明RBF神经网络自适应控制方法补偿作用显著，相当于系统具有一定的重构功能。     

基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制

提出一种基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制新方法,该方法针对传统的PI调节器固定参数所造成的不足,利用具有自适应能力的单神经元PID调节器和RBF神经网络相结合,实现了参数在线辨识,转速在线控制.仿真结果表明该方法控制精度高,动态特性好,适合于永磁同步电机的速度控制.     

磁悬浮改进RBF神经网络控制的仿真研究

利用RBF神经网络的自学习、自适应能力,在传统PID控制基础上,提出一种改进的RBF在线辨识的自适应PID控制方法.为避免系统启停过程中,短时大偏差引起的超调较大,文中利用RBF网络提供辨识信息实现对参数KP、KD调整,对参数KI不做整定,以满足磁悬浮系统的动态和静态性能要求.设计中采用S-函数建立磁悬浮系统的非线性模...     

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.     

球形机器人的自适应分数阶PIλDμ滑模速度控制方法

为解决传统分层滑模控制方法应用于球形机器人速度控制中会出现调节时间长、超调量大的问题,通过在滑模面内引入微分环节并结合分数阶微积分,提出一种具有分数阶PIλDμ结构的滑模面,并给了该滑模面渐近稳定的参数选取条件.基于该分数阶PIλDμ滑模面设计了球形机器人直线运动速度控制器,并通过自适应算法实现了对未知滚动摩擦阻力的实时估计.仿真结果表明:相比传统分层滑模控制方法,本文自适应分数阶滑模控制方法能有效减少控制过程中的超调,并且具有更短的调节时间,能对未知滚动摩擦阻力进行准确的估计,在存在系统参数摄动的情况下具有更好的鲁棒性.     

不确定性空间机器人自适应Terminal滑模控制方法

分析了空间机器人本体质量变化和负载情况变化对系统动力学不确定性的影响,并针对空间机器人操作负载变化显著的特点,设计了一种自适应Terminal滑模控制方法。利用RBF神经网络在线学习系统的不确定性上界,系统状态始终保持在滑模面上,并能保证系统控制误差在有限时间内收敛。以两自由度空间机器人为对象,对不同负载情况的运动进行了仿真,结果表明这种滑模控制方法对系统负载变化不敏感,并能保证期望控制精度。     

电液伺服系统的切换饱和函数滑模变结构控制

针对电液伺服系统的参数不确定性问题,基于滑模变结构控制理论,提出了一种切换饱和函数滑模变结构控制方法来消除参数不确定性对系统控制性能的影响,并采用饱和函数平滑不连续控制法,有效地减弱了系统中的抖振现象。仿真实验结果证明,该控制策略具有很强的鲁棒性及良好的跟踪性。     

履带式移动机械臂的自适应模糊滑模控制

针对非线性及不确定性复杂环境下非完整移动机械臂控制系统,提出了一种基于自适应模糊控制和非奇异终端滑模控制相结合的轨迹跟踪控制方法。该方法在对非完整移动机械臂建立动力学模型的基础上,采用模糊高斯基函数神经网络的非线性逼近性能,优化补偿常规方法在移动机械臂系统中难以解决的系统未知参数不确定性,并通过应用非奇异终端滑模控制来消除未知外界干扰和模糊控制逼近误差对系统的影响,提高了系统的鲁棒性和控制性能。应用Lyapunov稳定性理论,证明了控制系统的稳定性,仿真试验结果验证了该方法的有效性和优越性。     

移动机器人的自适应模糊滑模动力学控制

针对非完整移动机器人轨迹跟踪控制问题,提出了一种基于自适应分流运动学控制与自适应模糊滑模动力学控制的混合控制算法.自适应分流运动学控制解决了由于大范围的初始位姿偏差变化而引起的速度跳变问题.利用滑模控制具有的稳定性和鲁棒性的优点,解决了机器人的参数与非参数不确定性问题.并通过带有自适应调节算法的模糊控制来调节滑模控制的...