具有输入饱和的制动缸自适应Super-twisting控制

为研究电力机车单元制动缸在制动时受辅助风缸压力和轮对径向形变挤压时的制动缸活塞位置控制精度,考虑实际工况中活塞与制动缸内壁非严格配合引起的压力漏损,建立了制动缸气动伺服系统的数学模型;针对该非线性系统中存在的未知时变负载扰动,设计非线性干扰观测器对其实际值进行估计,对观测误差采用自适应模糊逻辑系统进行逼近,进一步削弱时变扰动对系统的影响;结合系统控制量存在饱和的实际工况,引入饱和辅助控制系统;依据Lyapunov稳定性理论,基于Super-twisting控制方法收敛快速、待设计参数较少的优点,构造了基于Nussbaum类型函数的自适应Super-twisting控制器.理论分析及仿真结果表明,制动缸伺服系统闭环输出一致有界,系统跟踪误差、滑模面及控制量动态抖振较小,收敛迅速;滑模面及扰动量观测误差收敛于0.制动缸伺服系统输出能够快速稳定跟踪输入指令,且对外部时变负载扰动具有较强鲁棒性.     

无模型自适应控制的电液激振台的半实物仿真

由于电液力控伺服系统具有高阶非线性、不确定、时滞及强耦合等特性,所以实际中难以获得精确的数学模型.为了解决参数的不确定性和时滞性对电液力控伺服系统的影响,本文设计了一种无模型自适应控制器.利用Simulink/Amesim对该电液力控伺服系统进行了联合仿真研究;并通过半实物仿真软件DSPACE验证控制方案的正确性、仿真结果表明,与传统PID调节器相比,无模型自适应控制具有良好的动态性能和鲁棒性,并能够很好地消除试件上的输出误差,提高输出力的的精度,使系统具有较好的适应性.     

轧机液压伺服系统多模型切换自适应反步控制

针对轧机液压伺服系统工作过程中弹性负载力和外负载力的跳变,基于公共Lyapunov函数方法和自适应反步控制方法,提出了一种多模型切换自适应反步控制策略.该方法结合自适应反步控制的特点和公共Lyapunov函数的设计要求,通过反步法设计了各子系统的状态反馈控制器和不确定上界参数的自适应估计器,取反步法的Lyapunov函数作为公共Lyapunov函数,保证了系统在任意切换下的渐近稳定.自适应反步法和公共Lyapunov函数方法的结合,便于公共Lyapunov函数的求取,又解决了同时存在参数跳变和参数慢时变的问题.仿真结果表明,该方法能够保证轧机液压伺服系统具有良好的动静态性能,并对参数跳变和参数慢时变具有较强鲁棒性.     

模型参考模糊自适应控制的推力矢量电液位置伺服系统

研究推力矢量电液位置伺服系统的模型参考模糊自适应控制.这类系统存在着参数变化和加性扰动,为解决这一类非线性的控制问题,引入模型参考模糊自适应机构,构成模型参考模糊自适应控制(MRFAC).与传统的PID相比,该方法提高了推力矢量电液位置伺服系统阻尼比,改善了系统的动态性能,并且可以有效抑制参数变化及外力扰动,具有很强的鲁棒性.     

防空武器站模糊自适应滑模位置控制设计方法

针对特种防空武器站伺服系统负载变化范围大、发射扰动力矩强和跟踪精度要求高等特点,提出了一种模糊调节的伺服系统滑模位置控制器设计方法. 采用滑模控制抑制参数摄动及外界干扰,采用模糊规则调节滑模趋近速度并削弱滑模抖振. 仿真和实验结果表明,该控制策略不仅保证了系统的响应速度和动态精度,而且对负载扰动和系统参数摄动具有较强的鲁棒性.      

大口径天线伺服系统的建模及控制算法设计

在大口径天线伺服系统存在高频未建模动态不确定性和低频风扰动的情况下,传统的PID控制算法无法满足天线伺服系统的高指向和跟踪精度要求.针对该问题,文中设计了一种基于灵敏度函数和补灵敏度函数的、兼顾系统性能和稳定性的混合灵敏度H_infinity控制算法,并将其应用于天线伺服系统.仿真结果表明,该算法不仅能显著提高天线伺服系统的动态性能,而且具有较强的扰动抑制能力和鲁棒性.     

基于模糊滑模控制器的PMSM伺服系统

针对交流永磁同步电机伺服系统,采用龙贝格观测器观测负载转矩,通过带修正函数的控制规则自调整模糊滑模控制器的设计,有效消弱了变结构控制固有的抖动特性.仿真结果表明,该方案不仅具有良好的动态性能,而且对系统参数变化和负载扰动具有很强的鲁棒性.     

二阶扰动观测器实现永磁同步电机电流补偿控制

永磁同步电机速度伺服系统的电流环存在外部干扰和系统参数摄动,影响了PI控制的性能.利用系统输出与内模输出误差,设计一种新型的鲁棒内环扰动观测器,来估计系统不确定量补偿量.在保证系统鲁棒稳定性条件下,设计扰动观测器的动态响应为二阶系统,达到无稳态误差.实验仿真表明,增加了扰动观测器补偿的PI电流环控制系统,能够很好地抑制电流环中的扰动,减小电流波动,提高电流的跟踪精度.     

永磁直线电机运输系统中的模糊增益神经控制

永磁直线同步电动机的理论研究还不十分完善,在初级分段的形式下该运输系统整体数学模型变化很大且边缘效应的影响更加剧烈.因此不能利用其数学模型或常规的控制方法对垂直运动的PMLSM实现良好控制.本文设计了直线伺服系统的神经元控制器.首先应用神经元控制器,它可以自动调节权值获得多个控制参数,然后考虑到被控对象的多动态特性,加入输出比例因子的在线模糊修改部分,从而改善了控制器的动态和静态特性.实验证明,该伺服系统能够消除PMLSM固有的负载扰动、边缘效应、参数时变对系统伺服性能的影响;且具有自学习能力强、快速跟踪、定位精确和鲁棒性强等特点.     

电液伺服系统的神经网络并行控制

文章针对电液伺服系统的非线性、不确定性和参数时变的特点,提出一种基于神经网络的并行自学刁控制算法。该控制策略以系统动态误差和给定信号量作为小脑模型神经网络控制器的激励信号,并与单神经元自适应PID控制器相结合构成系统的复合控制。仿真结果表明,该并行控制算法较常规PID控制具有更快的响应特性和良好的动态特性,对模型参数变化和负载扰动表现出更强的适应性和鲁棒性。     

PMSM神经网络实时IP位置控制

对永磁同步电机 (PMSM )提出了一种基于神经网络的实时IP位置控制方案·根据伺服系统中的IP控制策略 ,利用神经网络的优点设计了神经网络实时IP位置控制器·所设计的神经网络实时IP位置控制器结构简单 ,权值调整计算量小、速度快·同时用混合神经网络作为PMSM系统辨识器 ,用多步预测性能指标函数实现了实时在线训练·理论分析和实验仿真对比研究的结果 ,表明所提出方法具有优越的动态性能和鲁棒性·     

积分时滞对象的一种新型复合控制策略

针对Smith预估器控制积分时滞对象时的鲁棒稳定性不强，且常值负荷扰动导致输出静差等问题，提出了一种负荷扰动补偿-预测比例积分复合控制策略．基于期望的互补灵敏度函数，反推出一个预测比例积分控制器用于稳定被控对象，并保证设定值扰动过程中的动态品质，同时设计了一个纯比例作用的负荷扰动补偿器，以消除负荷扰动对被控输出的影响．该控制策略有两个工程物理意义明确的可调参数，且参数的整定过程相对独立．仿真结果表明，在模型失配和负荷扰动存在的情况下，该系统仍可保持稳定的被控输出和光滑的控制作用，有较好的鲁棒稳定性和良好的动态调节品质．     

基于小脑模型的电液位置伺服系统在线学习控制研究

针对非线性电液位置伺服系统的跟踪控制问题,提出了一种采用小脑模型（ＣＭＡＣ）神经网络的在线学习控制方法,与传统的ＣＭＡＣ控制器不同,该控制器采用动态误差作为ＣＭＡＣ神经网络的激励信号,从而使基于ＣＭＡＣ的控制器跟踪连续变化的信号成为可能,给出了具体的控制结构和算法,仿真结果表明,该控制器具有良好的处理非线性及跟踪连续变化信号的能力,并对时变外负载干扰具有明显的抑制作用,而且新型控制器能和较高的学习     

基于新型趋近律和扰动观测器的永磁同步电机滑模控制

为了提高永磁同步电机的转速控制性能,克服扰动对伺服控制的影响,提出了一种基于新型趋近律和扰动观测器的滑模控制方法.设计了一种新型趋近律,以解决传统趋近律滑模面趋近时间和系统抖振之间的矛盾,提高系统响应快速性.综合考虑系统存在内部参数摄动和外部负载扰动,设计了滑模扰动观测器,并将观测值前馈补偿到速度控制器输出端;将观测器切换增益设计为扰动观测误差的函数,以削弱滑模观测值抖振.仿真结果显示,与传统趋近律相比,采用新型趋近律可有效提高系统的响应速度,快速准确的跟踪速度阶跃信号;滑模观测器可准确的观测系统扰动的变化;当系统加入负载扰动时,PI控制最大转速波动值为75 r·min-1,而基于新型趋近律和扰动观测器的滑模控制最大转速波动值较小为30 r·min-1,鲁棒性更好.实验结果显示,采用基于新型趋近律和扰动观测器的滑模控制方法可以快速跟踪400 r·min-1的速度指令,调节时间为0.12 s,稳态跟踪误差为±4 r·min-1,且转速无超调;滑模观测器可准确无超调的估计系统扰动值,进一步提高系统的抗扰动性能;当电机以400 r·min-1稳速运行时,加入0.6 N·m的负载扰动,基于新型趋近律和扰动观测器的滑模控制方法最大转速波动为23 r·min-1,与PI控制相比,转速波动减小了8%.上述仿真和实验结果具有较好的一致性,表明基于新型趋近律和扰动观测器的滑模控制方法可以有效抑制滑模控制系统的抖振,提高转速控制系统的鲁棒性和动态响应性能.     

基于自抗扰控制器的电动轮自卸车的控制与仿真分析

针对矿用电动轮自卸车的变频调速矢量控制系统中感应电机参数时变严重,控制鲁棒性差的难题,提出了一种基于变结构自抗扰控制器的感应电动机变频调速系统控制方案,将转子电阻时变看作磁链子系统的一种内扰,负载干扰对转速子系统的影响作为转速子系统的外扰,通过扩张状态观测器对不确定扰动予以估计和补偿.该方案有效地解决了参数时变对矢量控制系统解耦性能的影响,动态控制性能优于传统PI调节器,仿真结果验证了方案的合理性与有效性.     

基于干扰观测器的二元机翼颤振抑制及阵风载荷减缓方法研究

针对大展弦比柔性飞机在飞行过程中面临的两类气动弹性问题:颤振抑制与阵风载荷减缓开展研究。首先,建立以飞行速度为时变参数的柔性二元机翼结构动力学模型。其次,提出了基于鲁棒预测控制方法的变参数柔性机翼颤振抑制;同时,引入干扰观测器对阵风扰动进行观测,以干扰估计作为抗干扰控制输入,实现阵风载荷减缓。然后,根据对偶原理,将控制器与观测器独立设计。运用极点配置方法,设计了离散系统干扰观测器。根据Lyapunov理论将变参数系统的鲁棒镇定与颤振抑制问题转换为极大/极小动态规划问题。通过线性矩阵不等式方法求解出相应的预测控制律,并证明了整个闭环系统的稳定性。最后,以某型柔性变参数二元机翼对象为例,进行仿真。结果表明,设计的鲁棒预测控制器可提高约20%的临界颤振速度,且阵风载荷减缓率达到90%。     

大惯量随动系统解析模型预测控制

为了提高时变负载大惯量随动系统的响应速度以及控制精度,将解析模型预测控制运用到负载系统的控制策略中.建立了大惯量随动系统负载的动力学模型,并考虑系统性能指标、能量输入功率和制动功率等约束条件,通过双无迹卡尔曼观测器对负载惯量扰动进行实时观测,实现了大惯量随动系统的解析模型预测控制.仿真试验结果表明,包含了约束条件的解析模型预测控制,减小了大惯量随动系统的响应时间,提高了控制精度,达到了预期的控制效果.     

基于递归函数链模糊神经网络的永磁直线同步电动机位置控制

针对高精度永磁直线同步电动机(permanent magnet linear synchronous motor,PMLSM)存在参数变化、负载扰动、摩擦力等不确定性因素而影响电机伺服性能的问题,提出递归函数链模糊神经网络控制(RFLFNN)保证系统的伺服性能。首先在磁场定向控制下建立PMLSM伺服系统动态数学模型。其次,将函数链神经网络(FLNN)和递归模糊神经网络(RFNN)相结合设计RFLFNN控制策略,利用FLNN实现神经网络的函数扩展,提高系统的非线性逼近能力并对系统参数进行辨识; RFNN采用反向传播算法实时更新并调整神经网络的参数值,对系统中存在的不确定性因素进行估计以抑制不确定性因素对系统的影响。最后,通过系统实验证明所提方法的有效性,实验结果表明,与RFNN相比,该方法极大地改善了PMLSM伺服系统的位置跟踪性能。     

电液位置伺服系统的再励学习控制研究

针对非线性电液位置伺服系统的不确定性控制问题,提出了一种带有小脑模型（ＣＭＡＣ）神经网络的再励学习控制方法。将ＣＭＡＣ神经网络融入再励学习控制结构中,并进行了撞化与改进杯仅使再励学习控制器具备了泛化能力,而且提高了其学习速度,因此竽电液位置伺 服系统的快速跟踪控制。仿真结果表明,控制器不仅具有良好的处理非线性能力而且对时变外扰支具有明显的抑制作用。