3-RRRT型并联机器人自适应神经网络滑模控制

研究3-RRRT型搬运并联机器人的一种基于RBF神经网络的直接自适应滑模控制方法.根据机器人的系统动力学模型特点,基于Lyapunov函数的综合设计方法和滑模控制理论,利用RBF神经网络与自适应技术相结合,提出了一种控制律,然后利用MATLAB进行了系统控制仿真.结果表明,采用这种直接自适应神经网络滑模控制方法3-RRRT型并联机器人在有周期干扰的情况下,达到了较高的控制精度,其闭环系统具有较强的自适应性和鲁棒稳定性.     

基于神经网络的全局滑模变结构控制

针对一类非线性不确定离散时间系统,提出了一种基于神经网络趋近律的全局滑模变结构控制方法。分别用两个前馈神经网络（FNNs）自适应调整趋近律中的参数ε和δ,克服了常规变结构控制方法中需要预先设定趋近律中参数的限制。在用径向基神经网络（RBFNN）对系统进行模型估计的同时,基于平移滑平面的设计方案,实现了系统的全局鲁棒滑模控制。仿真结果表明控制系统具有良好的跟踪性能,该方案使系统一开始就处于滑平面上,消除了系统抖振,具有较强的鲁棒性。     

基于GA和LS-SVM的AGV变结构控制

为了提高自动引导车控制的精度,提出了一种基于遗传算法和支持向量机的变结构控制方法。利用遗传算法结合支持向量机在线调整变结构控制律中的参数,克服了常规变结构控制方法中需预先设定趋近律参数的限制,既保留了传统趋近律的优点,又有效的改善了系统的控制品质,消除了系统抖振,使系统最终以理想方式在滑模面上运动,理论分析和仿真结果表明了所提出方法的有效性。     

自适应反演滑模转台鲁棒控制器设计

针对未知非线性、外界干扰和参数摄动等不确定因素对实际转台控制系统的影响,提出了自适应反演滑模神经网络的转台鲁棒控制器设计。自适应反演滑模控制作为主控制器,RBF神经网络实现了不确定上界值的在线辨识。仿真结果表明,基于RBF神经网络的自适应反演滑模控制很好地克服对象的不确定性,实现控制系统的较强鲁棒性,适于高精度飞行仿真转台系统的实时鲁棒控制。     

未知混沌系统同步自适应控制及其仿真研究

研究了参数未知情况下，混沌系统的同步自适应控制问题。利用滑模控制思想设计了动态神经网络。应用这种神经网络辨识系统，利用最优控制理论设计同步自适应控制器。最后针对Chua’s电路系统进行了数值仿真，结果证明本文所给方法的有效性。     

一类不确定离散非线性系统的边界层自适应模糊滑模控制

研究了一类不确定离散非线性系统的模糊滑模控制问题,提出了一种基于边界层模糊自适应的模糊滑模控制方法.首先,在系统非线性动态函数上界已知的条件下,给出了系统的准滑模控制律设计,证明了系统的闭环稳定性.引入一个滑模边界层可调参数,在边界层外施加准滑模控制律;在边界层内,去掉准滑模控制律,施加模糊逻辑控制.边界层参数用模糊逻辑系统进行在线自调节,消除了系统处于准滑动模态时的高频抖振.数值仿真结果证明了所设计控制律的优点和有效性.     

基于GA的非线性电机自适应模糊滑模控制器设计

提出一种基于GA的自适应模糊积分型滑模控制策略,并将其用于具有非线性动态摩擦力的单轴运动控制系统中.控制器由自适应模糊控制项和补偿控制项组成,自适应模糊控制项用来逼近理想滑模控制律,补偿控制项用来补偿逼近偏差,利用李亚普诺夫稳定性理论推导出模糊规则和补偿控制项中逼近偏差边界在线自适应律,采用遗传算法优化自适应律中参数.仿真和实验结果表明了该控制策略的有效性.     

基于GA与CSA-RBF神经网络辨识的自适应PID控制器

提出了一种基于遗传算法(GA)、克隆选择算法(csA)和神经网络的自适应PID控制器的设计方法.该控制器主要由四部分组成:一是利用遗传算法优化PID参数初始值;二是用克隆选择算法对径向基函数(RBF)神经网络参数初始值优化;三是RBF神经网络完成对被控对象Jacobian信息辨识;四是单神经元PID控制器,学习并在线调整PID参数,以确保系统的响应具有最优的动态和稳态性能.仿真结果表明,该控制器具有响应速度快,稳态精度高等特点,可用于控制不同的对象和过程.     

一类非线性离散时间系统的变结构控制

针对一类非线性离散时间系统，提出了一种基于神经网络趋近律的变结构控制方法。分别用两个神经网络自适应调整趋近律中的参数ε和δ，利用离散趋近控制律与离散等效控制律的偏差对网络权值进行更新，克服了常规变结构控制方法中需预先设定趋近律中参数的限制，既保留了传统趋近律设计方法的所有优点，又有效的改善了系统的动态品质，消除了系统抖振，使系统最终以理想方式在滑模面上运动。理论分析和仿真结果表明了所提出方法的有效性。     

基于神经网络的导弹自适应滑模控制器设计

针对导弹六自由度非线性模型,根据时标分离原理将导弹系统分为快慢不同的四个回路.针对快、慢回路,提出了一种基于神经网络的自适应滑模控制器设计方案.首先分别在快、慢回路中采用反馈线性化实现解耦控制,然后设计基于神经网络的自适应滑模控制器来保证系统鲁棒性及性能,其中神经网络用来逼近系统的不确定性.理论分析及计算机仿真都表明,按照该方法设计的控制器不仅具有较强的鲁棒性,而且保证了闭环系统的渐近稳定性.     

Decentralized direct adaptive neural network control for a class of interconnected systems

1 .INTRODUCTIONA number of interconnected systems found in theworld, such as electric power systems ,industrymanipulators and computer networks , are oftencomposed of a set of subsystems . A centralizedcontrol strategy for the requirement of a large a-mount of information exchange between the sub-systems . A decentralized control method, devel-oped based only on local measurements ,is oftenpreferable . At present ,there have been many re-search results for adaptive control of interconnec-…     

基于模糊的桥式起重机的定位和防摆控制研究

近年来，很多学者对桥式起重机的防摆控制方法进行了研究，以提高起重机的作业效率。针对起重机模型的非线性和不确定性，设计了一种基于模糊的起重机的定位和防摆控制方法，利用两个模糊控制器对小车的位置和负载的摆动分别进行控制。其中，模糊位置控制器的设计是参考一个简单的速度参考曲线，对位置和速度进行有效她控制；而模糊防摆控制器则模仿起重机操作员的实际操作经验设计了一套模糊控制规则来消除负载的摆动。仿真结果证明了该方法的可行性，并且与线性二次型最优控制(LQR)进行了比较，表明了该方法的良好性能，且该方法对不同的绳长和负载有着较好的鲁棒性。     

回转式起重机载荷摆动模型及误差分析

本文针对回转式起重机载荷运动及摆动的特点,建立了极坐标系和非惯性笛卡儿坐标系,根据拉格朗日方程建立起重机在同时进行变幅、回转和起升运动的工况下载荷摆动的非线性模型和线性化模型,对于模型线性化过程中存在的误差进行了定量分析,揭示了动力学参数对载荷摆动频率、最大摆角和摆动中心线倾斜量的影响规律,从而更精确描述系统的动力学特性,为实现起重机消摆控制提供了理论依据。     

弹性高超声速飞行器智能控制系统设计

针对气动舵受限下的弹性高超声速飞行器控制问题, 提出一种基于神经自适应的智能控制方案。在速度子系统的设计过程中, 为了降低对模型参数的依赖程度, 应用强化学习算法在线调整比例积分微分(proportional integral derivative, PID)控制参数, 给出智能PID控制策略。对于高度子系统, 考虑气动舵的动态特性, 利用神经自适应方法对模型未知函数及不确定项进行逼近。为了处理气动舵的约束问题, 以非线性模型预测控制为优化分配模板生成大量样本数据集, 经离线训练得到深度神经网络代替求解复杂优化问题和控制分配的过程。此外, 通过引入自适应超螺旋微分器处理外部扰动, 增强了系统的鲁棒性。利用Lyapunov方法证明了所设计控制器的稳定性, 并通过仿真验证了所设计控制方案能够快速计算控制指令, 实现高精度跟踪控制。     

一种模糊神经网络控制系统研究

针对被控过程的非线性、时变性和复杂性,提出了一种模糊神经控制器与动态辨识器组成的控制系统。该系统的控制器采用模糊神经网络控制器,它的控制参数采用遗传算法全局离线优化对BP算法局部在线调整相结合的混合方法;该系统的辨识器采用变形Elman动态神经网络进行系统辨识。给出了该系统的结构、原理及工作流程,通过仿真实验证明该系统的可行性和有效性。     

一类非线性系统的直接自适应模糊滑模控制

研究了一类非线性系统的一种直接适应模糊滑模控制（AFSMC）的问题。首先，在系统的非线性动态函数满足可估计和有界两个基本假设的条件下，给无了此类系统基于非线性动态函数估计的一般滑模控制律设计。然后基于目标函数梯度校正的方法，通过自适应机构调解模糊逻辑系统（FLS）的后作参数，所设计的自适应模糊逻辑系统（AFLS）能够逼近系统基于非线性动态函数估计的一般滑模控制律。这样，系统的自适应模糊控制律具有一般滑模控制律的控制效果，同时由于AFLS的滤波作用，具有消除滑模控制高频抖振的特性。数值仿真结果证明了所设计控制律的有效性。     

移动机器人的快速终端滑模轨迹跟踪控制

针对基于动力学模型描述的非完整移动机器人轨迹跟踪问题,给出了一种快速终端滑模控制器设计方法,该方法结合反演(backstepping)设计和快速终端滑模控制的思想,实现了非完整移动机器人全局快速轨迹跟踪控制,并且能够在有限时间内完全跟踪上期望轨迹。该方法将系统分解为低阶子系统来处理,利用中间虚拟控制量简化了控制器的设计,具有直观的稳定性分析,设计方法简单。仿真结果验证了该控制器的正确性和有效性。     

基于超扭曲算法的无人机动态逆编队控制器设计

针对扰动条件下的无人机编队飞行控制系统,研究了一种将非线性动态逆（nonlinear dynamic inversion, NDI）理论与超扭曲算法相结合的非线性编队控制方法。以其中一架僚机的编队控制器设计为例,在无人机质心动力学和运动学模型的基础上,建立了基于偏差的编队控制系统,从而将编队控制问题转化为僚机的路径跟踪问题;在二阶滑模控制中超扭曲算法的基础上,设计了僚机的NDI控编队控制器,以消除滑模算法中存在的抖振现象,并实现对位置指令的跟踪及干扰的抑制。最后以3架编队无人机构成的编队飞行控制系统为例,对此方法进行了数学仿真,仿真结果表明基于该方法的编队控制系统具有良好的稳定性和鲁棒性。     

基于先验知识和神经网络的非线性建模与预测控制

神经网络模型是模拟非线性系统的有力工具，它的缺陷是难以利用已有的先验知识。利用通用学习网络的建模方法，提出了一种利用先验知识和神经网络建立非线性系统模型的方法，具有简化神经网络结构、减小计算量的优点。基于这种模型利用改进的遗传算法进行优化计算，从而实现了基于先验知识和神经网络的非线性建模和预测控制。对一个悬吊系统的仿真实验说明了该算法的有效性。