模糊离散变结构控制系统研究

系统研究了模糊离散变结构控制的设计方法,提出了几种具体设计方案.对于变结构控制而言,模糊逻辑的引入可以使滑模(变结构)控制具备推理和学习能力,控制信号得以柔化,能够减轻或避免一般滑模控制的抖振现象;对于模糊控制而言,滑模控制思想的引入可以大大简化控制结构,保证控制系统的鲁棒稳定性,对模糊控制系统的设计和性能分析提供了一种工具.     

基于RBF网络的滑模变结构控制在无刷直流电机伺服系统中的应用

无刷直流电动机的参数强耦合、高度非线性特性增加了对其速度控制的难度，针对这一特点，设计了一种神经网络滑模变结构速度控制器。将无刷直流电机速度伺服系统分成名义模型和不确定模型，采用状态反馈方法对名义模型进行控制，以RBF神经网络为滑模动态补偿器对不确定系统进行控制。该方法不仪具有变结构控制的抗参数摄动、抗干扰以及速度快等优点，神经网络控制的加入还有效地减弱了单纯滑模变结构控制所带来的“抖振”现象。Matlab仿真结果表明，该控制器具有良好的控制性能和鲁棒性能。     

汽车防抱制动系统自适应滑模控制算法的研究和半实物仿真

针对车辆防抱制动系统(ABS)非线性控制模型,在分析零阶切换方式滑模变结构控制算法的基础上,提出了参数自适应的滑模变结构控制算法.该算法将滑模变结构控制、自适应控制与防抱制动系统结合,削弱了滑模控制的"抖动"问题对制动过程带来的影响.随后设计并构建了ABS闭环模拟系统,对算法进行了纯理论仿真和基于硬件平台的半实物仿真.仿真结果表明,自适应滑模控制算法较单纯滑模控制算法在减小制动力矩的颤幅和平缓轮速波动方面均有一定优势.     

CMAC与变结构复合控制的新型导引律

针对被动寻的导弹拦截问题,应用CMAC神经网络技术,并结合变结构控制理论,提出一种新型导引律.首先应用变结构控制理论推导出滑模变结构导引律,然后使CAMC对变结构制导律的输入、输出进行学习,以调整CMAC的连接权值,最终使得制导系统的输出完全由CMAC产生.该导引律克服了变结构制导律中变结构强度项不易确定的缺点,具有较...     

光电稳定平台中Stribeck摩擦力矩的补偿方法

针对光电稳定平台低速控制伺服系统中经典PI控制器不能很好地补偿Stribeck摩擦力矩的问题,提出了一种滑模变结构控制策略。通过仿真分析得出,滑模变结构控制的超调量为0.01 rad/s,小于经典控制的超调量0.07 rad/s,同时滑模变结构控制的调节时间为0.16 s,也小于经典控制的调节时间0.23 s;并且对于载体扰动,滑模变结构控制的补偿时间为0.13 s,小于经典控制的补偿时间0.27 s。仿真结果表明,采用滑模变结构控制补偿Stribeck摩擦力矩后,光电稳定平台的抗干扰能力得到了有效提高。     

基于模型跟踪变结构控制的飞行重构控制律设计

提出一种基于模型跟踪变结构控制的飞行重构控制律的设计方法.利用该方法能实现受控对象对理想模型较高精度的跟踪,使重构飞行控制系统具有较好的控制性能.首先设计了一个比例-积分滑模面以确保消除稳态误差,采用极点配置技术使滑模具有良好的动态品质,其次利用饱和控制技术来减少变结构控制引起的抖振现象,最后以某型飞机纵向飞行控制系统为例进行了相应的数字仿真.结果表明重构系统不仅实现了无抖振模型跟踪,而且还具有较强的鲁棒性.     

弹药自动装填机器人免疫遗传模糊神经滑模控制

提出了一种基于改进免疫遗传算法的弹药自动装填机器人自适应模糊神经滑模控制器(IIGAAFNSMC)。用径向基神经网络来近似等效滑模控制中的不确定参数,通过自适应免疫遗传算法在线调整径向基神经网络非线性隐含层的结构和参数。利用最小二乘法计算线性输出层的权值,自适应模糊系统调节滑模控制的增益,减小了网络逼近误差和外部干扰并消除了传统滑模控制中的抖振问题。仿真结果表明,该方法比传统的神经网络滑模控制器具有更高的逼近精度和速度。     

基于滑模变结构的高速动能弹制导控制算法

设计了一种基于滑模变结构的高速动能弹制导控制算法,并结合高速动能弹自身的弹体特性及作战目标需求,对算法中相关参数进行了设计整定.针对滑模变结构固有抖振问题,设计相应算法抑制抖振,通过建模仿真证实了算法的正确性和可行性.根据仿真结果分析,滑模变结构制导控制算法能够使高速动能弹命中目标,且经处理后的滑模抖振问题也能得到相应...     

交流异步电动机直接转矩控制系统的一种新型设计方案

将模型参考自适应控制、滑模变结构控制和人工神经网络控制应用到交流异步电动机的直接转矩控制系统中,从而可以改善系统的动态和稳态性能,提高了系统的鲁棒性.     

拦截器姿控系统的模糊滑模控制方法研究

对拦截器姿态控制系统进行研究,用模糊控制方法对准滑模控制方法加以改进,形成了一种模糊滑模变结构控制方法。仿真研究表明,该模糊滑模控制方法能够较好地实现拦截器的姿态控制,具有较好的快速性和稳定性。     

一种新的MIMO非线性系统动态解耦控制方法

提出了一种基于回归小波网络(recurrent wavelet networks)的多输入多输出系统(multi-input multi-output)动态解耦控制的新方法.该方法为分散式控制结构,采用回归小波网络作为解耦辨识器(decoupling identifier),在线动态辨识、回馈对应输入输出的灵敏度信息(sensitivity information),PID神经网络控制器根据回馈信息实现自适应分散独立控制.小波函数的紧支性、波动性以及回归网络较强的动态非线性映射能力使得回归小波网络具有较好的综合性能.仿真结果表明,用该方法构成的控制系统解耦效果好,收敛速度快,且具有较好的鲁棒性.     

基于变结构神经网络的L1自适应控制

针对传统模型参考自适应控制存在的鲁棒性问题和神经网络结构庞大因而计算量膨胀的问题,提出了一种变结构神经网络L1自适应控制方法,其中变结构神经网络用于在线辨识系统存在的未知非线性函数,该网络通过对节点进行唤醒与催眠以动态调节结构,以最少的节点数进行有效的逼近,降低计算复杂度;L1自适应控制用于网络权值学习与系统非线性补偿,反馈回路中设有一个低通滤波器,只要满足L1增益条件,就能确保系统的输入输出信号的瞬态响应和稳态跟踪性能与一个期望的线性时不变系统的响应保持一致。通过对四旋翼飞行器进行仿真,验证了该方法的有效性。     

一类伴随型非线性系统的快速变结构控制

基于反馈线性化、时间次优控制及变结构控制理论,针对一类伴随型不确定非线性系统,提出了一种快速鲁棒变结构控制方案。这种控制方案在控制有约束的条件下,其中一部分用来把非线性系统反馈校正成线性系统,另一部分则用来为线性系统实现时间次优控制。仿真结果表明：这种控制器不仅动态响应快,而且从初始时刻开始就可产生滑模运动,从而增强了系统鲁棒性。     

神经网络模型预测函数控制方法

在建立基于神经网络模型的非线性预测函数控制系统结构和基于BP网络非线性预测模型的基础上,提出了基于神经网络模型的非线性预测函数控制方法,并对其优化法等进行了讨论。通过与PID方法的仿真比较表明,预测函数控制方法具有抑制干扰能力强、跟踪性能好的特点,能够满足一些非线性系统的控制要求。     

自主水下航行器的自适应反演变结构控制器设计

由于水下航行器是高度耦合、复杂的多输入多输出不确定性非线性系统。对水下航行器进行精确作业时的运动控制一直是其实用化过程中困扰人们的问题。将自适应反演控制技术和变结构控制策略相结合,提出了一种基于反演技术的自适应变结构控制器设计方法,实现AUV水平侧移和航向控制,并利用自主水下航行器模型进行了仿真研究。仿真结果表明,该控制方法对模型不确定性和不确定环境干扰表现出良好的鲁棒性和自适应性。     

舰船航向保持的变结构控制及仿真

运用变结构控制理论和计算机仿真技术研究舰船航向保持过程的变结构控制问题,针对舰船定向航行要求航向准、舵角小的控制特点,采用二次型最优控制方法设计滑动模态超平面,设计了满足滑模超平面到达条件的指数趋近律,导出了对应的控制律。同时,为进行比较研究,设计了PID控制器并整定了相关参数。理论分析与仿真研究表明:对于舰船定向航行,变结构控制方案正确可行,控制效果优于PID控制方案。     

基于神经网络的模型参考自修复飞行控制

提出了一种基于模糊神经网络的模型参考自修复飞行控制结构,并对所使用的BP网络学习算法进行了分析改进.对比非故障和故障状态下的飞行仿真结果表明,改进后的自修复飞行控制方法可以有效地抑制神经网络的"过学习"现象,减小了对神经网络辨识器精度的依赖程度,在故障条件下的补偿作用非常明显,达到了自修复飞行控制的目的.     

一种新的变结构控制方案及其在船舶操纵中的应用

船舶的操纵与控制问题可以归结为一个四阶线性系统在环境干扰、参数摄动与建模误差同时存在时的状态空间控制问题。传统的变结构控制应用于船舶操纵系统易导致频繁来回操舵。本文研究一种连续的变结构控制方案,进一步讨论了其稳定性及优点,并将其引入限制水域的船舶操纵中。仿真表明,它可以完全抑制频繁来回操舵或抖振,并可得到较理想的控制效果。     

离散变速趋近律抖振机理及鲁棒性研究

研究基于离散变速趋近律的变结构控制设计问题.利用不等式形式到达条件研究变速趋近律的抖振机理,并对其鲁棒性进行分析.研究结果表明,只要不确定因素有界,即可保证闭环系统的鲁棒稳定性,而通过调整变速趋近律自身参数,可以避免抖振并使系统具有良好的动态品质.将理论成果用于某型船舶航向自动舵的设计,实验结果证实了它的有效性.