柔性神经网络滑模主动控制技术

针对复杂激励条件下的振动控制,对Jiles-atherton模型的磁致伸缩作动器在双层隔振系统中的主动控制进行了研究。以传统滑模控制为基础,提出一种柔性神经网络滑模控制算法。用正则化方法设计控制器的切换矩阵,建立神经网络权值和柔性映射参数更新学习公式,并将该控制策略应用于双层隔振系统的振动主动控制中。通过单频、多频及随机信号激励进行仿真研究,结果表明:柔性神经网络滑模控制器具有较强的鲁棒性,具有较好的控制效果。     

基于迭代学习观测器的无人机故障鲁棒控制

针对无人机在飞行时存在执行机构故障和外界干扰问题,建立了无人机的动力学模型和系统发生执行器故障时的模型,提出了一种将迭代学习观测器和鲁棒自适应控制相结合的容错控制方法.利用迭代故障观测器去观测无人机控制系统的状态并通过迭代实时跟踪执行器故障,给出了该观测器的收敛性分析,并在此基础上设计基于自适应增益的趋近律,实现系统鲁棒自适应控制.进一步基于Lyapunov方法从理论上证明了设计的容错控制器的鲁棒稳定性.使用无人机控制系统对方法进行验证,仿真结果验证了方法的有效性.     

坦克稳定器的神经滑模控制方法

针对坦克稳定器这一类非线性和不确定性的复杂控制对象,提出一种神经滑模控制方法。该方法将滑模控制与神经网络相结合,解决了控制系统跟踪性能和鲁棒性能之间的矛盾。系统中的滑模控制器保证了系统的快速跟踪性能;而神经网络具有很强的自学习功能,通过学习能够保证系统的稳定性,同时可对扰动和参数变化进行有效的抑制补偿,从而在不牺牲系统鲁棒性的同时达到削弱抖振的目的。从理论上证明了滑动平面的稳定性,并且通过仿真验证了该结果。仿真结果表明该设计方法优于经典设计,为实际设计提供了一种可行的新方法。     

基于预测脱靶量的新型滑模控制末制导律研究

针对采用直接侧向力控制的导弹,通过选取预测脱靶量和预测脱靶速度等滑动模态,研究了一种滑模控制末制导律策略.仿真结果表明,这种导引律比采用视线角速度作为滑动模态的末制导律有更好的性能.     

基于模糊滑模控制的航空EMA调速系统

永磁无刷直流电动机是航空机电作动器(EM A)实现作动控制的关键部件,而电机控制方式的优劣则是决定航空EM A调速系统性能的重要因素。传统的滑模变结构控制策略由于存在抖振现象,对永磁无刷直流电机的控制精度和稳定性不利。针对航空EM A调速控制精度要求高的特点,将模糊控制和滑模控制相结合,把开关函数及其微分作为输入量,通过模糊推理获得滑模控制的控制量,该控制器既保持了常规模糊控制器的优点,又减弱了滑模控制的抖振现象。仿真及实验表明:该控制器稳定性好,对参数变化有很强的鲁棒性,系统响应速度快,具有较高的控制精度。     

一种基于滑模变结构观测器的故障检测方法

提出一种基于滑模变结构观测器的残差生成及故障检测方法.利用滑模变结构所具有的对未知输入扰动的不变性,移除外界扰动对残差的影响,使残差只对故障信号敏感,从而提高故障检测的准确性,较好地解决基于状态估计的故障检测方法中检测鲁棒性与灵敏度之间的矛盾.仿真验证结果表明了该故障检测方法有较高的检测鲁棒性,同时对小幅值故障较为灵敏.     

自适应模糊滑模在火箭炮位置伺服系统中的应用

针对多管火箭炮交流位置伺服系统转动惯量和负载力矩变化大的特性,设计了自适应模糊滑模位置控制器.用模糊控制逼近理想滑模控制,设计切换控制补偿逼近误差,自适应控制调节模糊参数和切换控制的不确定上界.为了保证系统渐进稳定和可控,根据李亚普函数导出自适应率.仿真结果表明该控制策略不仅保证了系统的静、动态特性,而且对负载扰动和系统参数摄动具有较强的鲁棒性.     

单输入不确定系统离散变结构控制

研究单输入不确定离散时间系统的变结构控制设计问题.提出一种新形式的离散趋近律,它具有良好的动、静态特性,可有效消除由传统离散趋近律参数引起的抖振.设计扰动预估器以补偿不确定因素的影响,从而提高系统鲁棒性并进一步减弱抖振.仿真结果表明了所提设计方法的有效性.     

PMSM位置伺服系统新型融合控制策略

针对PMSM位置伺服系统存在非线性、强耦合等特征,提出了一种基于分数阶PID和分数阶滑模控制的新型融合控制策略。通过检测位置误差、速度及负载转矩,归一化处理后带入构造的二次性能指标函数,根据其数值动态改变分数阶PID和分数阶滑模控制器输入到被控对象控制量的权重值大小,从而确保提出的新型融合控制策略具有快速跟踪和抗扰动能力。数值仿真实验结果表明:新型融合控制策略比分数阶PID和分数阶滑模控制拥有优良的动静态性能和较好的鲁棒性。     

具有混合执行器故障和多未知控制方向的多智能体编队系统自适应协同容错控制

针对非线性多智能体具有混合执行器故障和多未知控制方向的问题,基于鲁棒自适应模糊技术,提出新颖的协同容错控制方法.采用分段Nussbaum函数解决了多未知控制方向;基于鲁棒自适应模糊技术解决了系统中的非线性不确定问题;引入一阶滑模微分器与自适应反步技术结合,用于获得虚拟控制律的一阶导数,并结合鲁棒有界方法,用于提高所设计...