基于模糊神经网络的轮廓误差附加补偿控制研究

在分析系统轮廓误差的基础上，提出了基于模糊神经网络的轮廓误差补偿方法，并说明其补偿器的原理、算法及实现。该法在不改变系统各单轴位置环的前提下，根据系统的轮廓误差，通过模糊神经网络的自学习能力动态向各轴提供误差补偿信息，进而提高系统的轮廓精度，同时也解决了各轴之间增益不匹配、动态不匹配和各轴不可预见性问题。最后，在MATLAB6.1环境下对该系统进行仿真，仿真结果表明其可行性和有效性。     

基于干扰观测器的Fuzzy-PID控制及应用研究

针对大射电望远镜(LT)悬索粗调系统为一变结构、非线性、慢时变、大滞后、强耦合、多输入多输出柔性结构系统的特点,提出了一种Fuzzy-PID控制和干扰观测器相结合的控制算法来实现馈源轨迹跟踪策略。这种方法通过构造干扰观测器来预测该柔性结构系统的各种干扰,并根据预测到的干扰信息进行补偿以抑制干扰对系统的影响,同时引入Fuzzy控制算法来自适应整定PID控制器的参数实现具有最佳组合的PID控制。最后,对LT悬索-馈源舱控制系统进行了数值仿真,结果表明该控制算法可以较好地满足馈源系统轨迹跟踪精度要求,同时系统具有较强的适应性和鲁棒性。     

基于非线性干扰观测器的高超声速飞行器反演滑模控制

针对高超声速飞行器非线性动力学系统中存在的高度非线性、多变量耦合及参数不确定等特点,利用非线性干扰观测器对各种干扰的逼近特性,结合反演滑模控制,设计了一种飞行器反演滑模控制器。该方法首先利用干扰观测器观测出系统的干扰,未观测出的部分干扰使用反演滑模控制进行补偿,避免了累积误差,实现对制导指令的鲁棒输出跟踪,并证明了系统稳定性。仿真结果验证了该方法能较理想地观测干扰,保证系统良好的鲁棒性。     

基于反步法的空间目标复合指向控制方法研究

针对空间动目标高精度姿态跟踪控制问题，提出一种由卫星和二维转台组成的复合平台姿态高精度控制方法。首先建立复合平台耦合动力学模型，其次针对卫星本体设计反步法控制器实现粗跟踪。当姿态误差满足一定的切换要求时，粗跟踪误差作为二维转台的目标输入，二维转台采用基于负载观测器的模型预测方法辅助卫星本体进行姿态精跟踪控制，从而实现复合平台的高精度姿态控制。此外，设计了非线性干扰观测器，用来估计耦合运动对卫星本体产生的干扰力矩。数值仿真结果表明，所提出的复合平台姿态控制精度可以提高一个数量级，可以实现高精度姿态跟踪控制，为航天工程实践提供一定的理论基础。     

基于改进回声状态网络的高炉煤气产耗预测

以钢铁企业高炉煤气系统为背景，针对其产生量和消耗量的预测问题，提出一种改进回声状态网络时间序列方法进行系统仿真预测。并根据最小均方差准则，以最小化网络训练误差为目标，采用随机梯度下降法对网络参数进行优化。该方法对于不同预测对象，可计算出合适的网络连接权值、储备池谱半径等参数，避免了传统回声状态网络方法中单凭经验选择网络参数的现状，提高了预测精度。采用该方法对高炉煤气系统现场实际产耗数据进行了仿真预测，仿真结果表明所提出方法的有效性。     

基于NDO的飞机轨迹跟踪抗干扰控制律设计

针对飞机纵向欠驱动耦合动力学模型设计鲁棒轨迹跟踪滑模控制律。首先,通过引入虚拟状态变量进行状态变换实现模型控制解耦。其次,考虑由系统建模误差和大气干扰组成的复合不确定性,设计非线性干扰观测器(nonlinear disturbance observer, NDO)进行观测补偿。然后,建立飞机极短距起降中攻角变化轨迹曲线,设计滑模控制律实现对虚拟状态变量和攻角轨迹指令的稳定跟踪。仿真结果表明,NDO可以实现对系统不确定性的精确观测和补偿,滑模控制律具有对系统建模误差和大气风切变的鲁棒性和抗干扰性。     

基于干扰观测器的倒立摆自适应滑模控制及仿真研究

旋转二级倒立摆是一种非线性、强耦合的复杂不稳定的欠驱动系统,在已建立的倒立摆数学模型的基础上,提出了一种基于干扰观测器的离散自适应滑模控制算法,针对系统的内部参数变化和外部扰动,利用干扰观测器对系统的不确定因素进行了动态补偿,同时结合自适应算法降低系统的抖振,与未采用干扰观测器的传统自适应滑模控制律的仿真结果进行对比,可以看出,采用改进的控制算法大大降低了系统的抖振和超调,改善了系统的动态性能,得到更好的控制效果.     

基于干扰观测器的坦克伺服系统滑模变结构控制

针对坦克伺服系统中存在的外部干扰、内部参数的不确定性问题,提出干扰观测器作为内环和滑模变结构控制作为外环的双环控制方案.在二自由度意义下分析干扰观测器系统的鲁棒性和性能,通过合理设计低通滤波器,干扰观测器可补偿大的干扰和不确定性,同时还可减少滑模变结构控制的抖振现象.滑模变结构控制器可用来消除干扰观测误差,并满足系统跟踪性能的要求.所设计的方法用于坦克伺服系统进行仿真研究.结果表明该方法能较好地满足跟踪精度的要求,同时系统具有较强的适应性和鲁棒性.     

飞行器自适应反推Terminal滑模轨迹跟踪控制

飞行器非线性动力学模型通常包含由未知外界干扰和未建模动态构成的非匹配不确定性。针对建立的飞行器纵向运动仿射非线性模型,提出了一种基于非线性干扰观测器(nonlinear disturbance observer, NDO)的自适应反推非奇异终端滑模(adaptive backstepping nonsingular terminal sliding mode,AB-NTSM)轨迹跟踪控制方法。设计非线性干扰观测器对未知干扰进行观测补偿,无需干扰上界先验知识。设计未建模动态自适应律,提高控制器对系统不确定性的鲁棒性。对3种不同情况的仿真表明,干扰观测器能够实现对不同干扰精确观测,仅在干扰突变时有较大观测误差。在不确定性影响下,采用提出的控制方法,系统能够实现对指定轨迹的稳定跟踪,并有效消除控制信号的抖振。     

基于ESO的欠驱动四旋翼飞行器轨迹鲁棒控制

针对欠驱动四旋翼无人飞行器的系统特性,为解决传统四旋翼飞行控制方法中存在的弱点,如系统状态变量间相互有较大耦合、控制效果易受建模误差的影响及抵御外界干扰能力较弱等弱点,设计一种基于扩张状态观测器(extended state observer, ESO)的轨迹跟踪算法,由ESO实现对系统复合干扰的估计,并在控制律中对复合干扰进行实时补偿。由于ESO只需要测量系统输出即可实现对复合干扰的精确估计,因此在实际系统中易于实现,为验证所提算法,进行两种不同情况下的仿真研究,分别为矩形轨迹跟踪和圆形轨迹跟踪,仿真结果验证了所提算法的可行性。     

AN INTELLIGENT CONTROL SYSTEM BASED ONRECURRENT NEURAL FUZZY NETWORK AND ITS APPLICATION TO CSTR

In this paper, an intelligent control system based on recurrent neural fuzzy network is presented for complex, uncertain and nonlinear processes, in which a recurrent neural fuzzy network is used as controller (RNFNC) to control a process adaptively and a recurrent neural network based on recursive predictive error algorithm (RNNM) is utilized to estimate the gradient information ρy/ρu for optimizing the parameters of controller.Compared with many neural fuzzy control systems, it uses recurrent neural network to realize the fuzzy controller. Moreover, recursive predictive error algorithm (RPE) is im-plemented to construct RNNM on line. Lastly, in order to evaluate the performance of the proposed control system, the presented control system is applied to continuously stirred tank reactor (CSTR). Simulation comparisons, based on control effect and output error,with general fuzzy controller and feed-forward neural fuzzy network controller (FNFNC),are conducted. In addition, the rates of convergence of RNNM respectively using RPE algorithm and gradient learning algorithm are also compared. The results show that the proposed control system is better for controlling uncertain and nonlinear processes.     

机械臂模糊超螺旋二阶滑模轨迹跟踪控制

针对工业机械臂模型误差和外部干扰等不确定性因素对末端轨迹跟踪精度的影响,设计了一种新的模糊自适应超螺旋二阶滑模轨迹跟踪控制方法。基于机械臂动力学模型,设计一种新的非奇异终端滑模面,采用超螺旋算法设计二阶滑模控制律;为解决滑模控制只能在已知扰动边界的情况下对匹配扰动进行补偿问题,结合模糊推理算法实现对系统未知不确定性的在线补偿,采用Lyapunov理论证明了闭环控制系统的稳定性。仿真与实验对比表明：该控制方法可使机械臂在复杂不确定性因素下实现末端轨迹精确跟踪,并对系统抖振现象进行有效抑制。     

一类高精度伺服系统基于模糊神经网络的复合控制

针对高精度伺服系统中存在的各种非线性及不确定性 ,提出了基于模糊神经网络的复合控制方法。控制器由前馈控制器和闭环反馈控制器组成。前馈控制器由零相差跟踪控制器 (ZPETC)及FIR滤波器构成 ,闭环反馈控制器采用模糊神经网络控制 ,包含一个辨识网络FNNI和控制网络FNNC。该控制方法结合了神经网络和模糊推理的优点 ,可以克服各种非线性和不确定性 ,明显提高跟踪性能 ,具有很好的鲁棒性。提出的模糊神经网络结构简单 ,推理算法易于实现 ,并且可以更合理地选择初始权值 ,加快了网络的收敛速度 ,在一定程度上解决了神经网络的实时性问题     

多输入模糊神经网络及其应用

为了提高神经网络的训练速度和泛化能力 ,同时解决一般模糊神经网络由于输入增多而导致模糊规则膨胀的问题 ,提出了多输入模糊神经网络的结构和算法。此算法用取大取小运算部分代替网络的积和运算 ,同时提出一种获取重要规则的方法。最后将多输入模糊神经网络应用于建筑投标报价系统。仿真结果表明 ,本网络具有较快的训练速度和较高的泛化能力。     

基于遗传算法的轮廓模糊匹配问题研究

在由序列的二维轮廓线重构出面模型来表示三维形体的面绘制方式中,首先要解决相邻两层切片上的轮廓线之间的匹配连接关系。针对目前的轮廓线匹配算法容易导致错误匹配的问题,提出一种基于遗传算法的轮廓模糊匹配算法。模糊性为轮廓匹配问题本身所具有,借鉴遗传算法这一种全局优化自适应概率搜索算法,可以准确表达轮廓匹配中的约束,有效地减少错误匹配的发生。在肝脏的CT数据三维重建中应用该算法取得了比较理想的效果。     

基于模糊干扰观测器的轨迹线性化控制研究

针对一类非线性不确定系统,基于轨迹线性化控制(TLC)方法及模糊干扰观测器(FDO)技术研究了一种新的非线性控制结构。利用模糊系统具有以任意精度逼近非线性函数的能力设计FDO对未知干扰和不确定进行估计,并通过鲁棒控制项来提高系统的性能。采用Lyapunov方法,证明了跟踪误差和干扰观测误差一致最终有界。最后利用提出的控制方案针对数值算例进行了仿真验证,仿真结果表明了控制方案的有效性和鲁棒性。     

基于目标运动模型的跟踪方法

针对常用的机动目标模型不能准确描述目标实际运动规律及常用跟踪算法只拟合目标的形心而不是目标轮廓轨迹的问题,提出一种基于目标运动模型的跟踪算法。该算法提取已检测出目标轮廓上的角点作为样本点,采用神经网络来构建目标运动模型,将用此模型预测出的目标轮廓上的点作为主动轮廓线的初始控制点来检测出目标真实轮廓,并反馈回神经网络的输入端来修正模型误差。实验结果表明该跟踪算法能很好地将前续目标检测结果继承到后续的目标检测过程中,对于目标跟踪中的遮挡问题也能很好地解决。     

超机动飞行的非线性鲁棒自适应控制系统研究

针对飞机模型中存在气动参数不确定性以及外界干扰等影响因素,设计了一种超机动飞行的非线性鲁棒自适应控制系统。控制系统设计过程中,模型不确定性和外界干扰由RBF神经网络在线补偿,控制律及神经网络权值自适应律由反步法得到。解决了系统中控制增益矩阵未知,同时存在外界干扰情况下的鲁棒飞行控制系统设计,并证明了闭环系统所有信号有界,系统跟踪误差和神经网络权值估计误差指数收敛到有界紧集内。对所研究的飞行控制系统进行了过失速Herbst机动仿真,结果验证了该系统在过失速机动条件下具有良好的控制性能。