一类欠驱动系统的自适应神经滑模控制

针对一类欠驱动系统在系统不确定性和外界干扰条件下的稳定控制问题,文章提出了自适应神经网络滑模控制策略。利用基于径向基函数(RBF)的神经网络在线估计系统的不确定量,采用李雅普诺夫方法设计自适应算法在线调整神经网络的参数;同时,利用带自适应算法的神经网络调节滑模控制的增益来消除滑模控制中的输入抖振现象;并通过李雅普诺夫定理论证了系统的稳定性。与传统滑模控制策略的仿真结果对比证明了系统是全局渐进稳定的,且控制器具有很好的适应性和鲁棒性。     

基于干扰观测器的AUV深度自适应终端滑模控制

针对欠驱动自治水下机器人（autonomous underwater vehicle,AUV）在外部干扰和系统内部扰动下深度难以控制的问题,提出基于非线性干扰观测器（nonlinear disturbance observer,NDO）的自适应终端滑模控制方法。首先建立欠驱动AUV在垂直面上的状态方程并对其简化,其次根据简化后的系统状态方程构建NDO对外部干扰进行观测,再结合反步法设计出自适应终端滑模控制器;最后通过李雅普诺夫稳定性理论证明控制系统的稳定性。结果表明：欠驱动AUV最大跟踪误差为0.137 5 m,峰值时间为2.1 s,证明了所设计的控制器能够实现深度控制,降低抖振,具有较强的鲁棒性。     

基于神经网络的欠驱动水下机器人地形跟踪控制

为实现欠驱动自治水下机器人(AUV)的精确地形跟踪控制,设计了一种自适应神经网络控制器.采用径向基神经网络估计时变水动力阻尼引起的AUV模型不确定部分和外界海流干扰,设计自适应学习律来实现神经网络权值的最优估计.基于李雅普诺夫稳定性理论分析了跟踪控制系统的稳定性,设计的控制器可以使闭环误差系统渐近稳定且系统状态有界.仿真实验中选择实际测量得到的期望随机真实地形进行跟踪实验,并且要求AUV相对地形保持一个恒定的高度偏差.结果表明,该控制方法可以有效地降低模型非线性和不确定性引起的扰动,具有较高的跟踪精度,满足实际工程需求.     

基于干扰观测器的欠驱动AUV自适应反演控制

针对未知外界干扰存在的情况,提出一种基于非线性干扰观测器(NDO)的自适应反演控制,用于改善欠驱动自治水下机器人(AUV)深度跟踪控制性能。首先对欠驱动自治水下机器人的垂直面模型进行有条件的简化,得到新的运动学及动力学方程,建立简化后模型的状态方程;其次根据系统状态方程构建非线性观测器,设计自适应反演控制器,输出控制量根据李雅普诺夫稳定原理推导得出,确保包含非线性干扰观测器及自适应反演控制器在内的控制系统的一致渐进稳定性。研究结果表明:所设计的非线性干扰观测器以及自适应反演控制器可以实现欠驱动自治水下机器人在存在外界未知干扰情况下深度轨迹跟踪,具有较强的鲁棒性。     

一类非线性系统基于LS-SVM的自适应滑模控制

针对一类具有不确定性和外部扰动的非线性系统,研究了一种基于李雅普诺夫函数和最小二乘支持向量机的自适应滑模控制方案。该方案利用LS-SVM回归的逼近能力设计反馈线性化控制器,并推导出控制器权值参数向量的自适应律。通过滑模控制技术提高系统对外部干扰和逼近误差的鲁棒性。利用李雅普诺夫函数方法证明了整个闭环系统的稳定性。仿真研究验证了所提控制方案的可行性和有效性。     

欠驱动UUV三维轨迹跟踪的反步动态滑模控制

提出一种欠驱动无人水下航行器(UUV)反步自适应动态滑模控制方法.结合反步和自适应滑模控制技术设计UUV的位置、姿态和时变速度跟踪控制器,采用虚拟速度来代替姿态误差的控制策略,将姿态跟踪控制转化为速度控制,能够有效避免传统反步法控制律设计存在的奇异值问题.针对系统模型不精确及时变扰动问题,引入滑模控制技术进行自适应补偿估计,提高了欠驱动UUV在未知环境中的鲁棒性及自适应能力,并基于李雅普诺夫稳定性理论证明了该控制系统误差最终一致有界.仿真结果表明:提出的UUV三维轨迹跟踪反步动态滑模控制方法收敛、有效,能够实现在系统参数不精确及时变扰动情况下的三维轨迹精确跟踪控制.     

压电定位台RBF非奇异快速终端滑模跟踪控制

为了实现对具有强非线性压电定位台的精确位置跟踪,提出了一种基于径向基函数(RBF)神经网络和非奇异快速终端滑模面的自适应控制方法.对压电定位台进行了自适应控制建模,设计了非奇异快速终端滑模控制器.结合RBF神经网络实现了控制器的改进,提出了RBF非奇异快速终端滑模控制器及其参数更新规律,采用李雅普诺夫理论进行了稳定性证...     

欠驱动船路径跟踪的反演自适应动态滑模控制方法

针对欠驱动水面船的路径跟踪控制系统,提出一种反演自适应动态滑模控制方法。该系统由船舶艏摇非线性响应模型和Serret-Frenet误差动力学方程组成,并考虑建模误差和外界干扰力等不确定性。经过简化处理,将原欠驱动系统的控制问题转化为非线性系统的镇定问题。同时,基于反步方法和动态滑模控制理论,设计自适应动态滑模控制器。通过理论分析,证明在该控制器作用下,路径跟踪控制系统是全局渐近稳定的。仿真试验表明:该控制器对系统参数摄动和外界干扰不敏感,具有强鲁棒性和自适应性。     

谐波驱动系统自适应神经网络动态面控制

针对谐波驱动系统动力学模型中存在的非线性摩擦、柔性变形和外界未知干扰力矩等因素的问题,为了提高系统的位置跟踪精度,提出了一种基于径向基函数(RBF)神经网络的谐波驱动系统自适应动态面控制.采用LuGre摩擦模型描述系统的非线性摩擦特性,用RBF神经网络在线逼近摩擦参数变化和外界未知干扰力矩对系统的影响,并通过李雅普诺夫稳定性理论证明了闭环系统的所有误差最终一致有界.仿真结果表明:与普通动态面控制相比,本控制策略对摩擦参数变化和外界未知干扰力矩具有较强的鲁棒性,提高了系统的位置跟踪精度.     

AUV模型解耦水平运动多控制器联合控制

为了解决自治水下机器人(AUV)的水平面轨迹跟踪控制问题,提出一种基于解耦模型的多控制器联合控制方法.建立AUV水平面三自由度运动模型并进行模型解耦,将每个自由度都只保留主变量,模型中的交叉耦合项和模型不确定性都当做外干扰项来考虑;对解耦后的AUV运动模型进行轨迹跟踪控制器的设计,针对AUV各个自由度的特点,为轴向和侧向运动设计自适应反演滑模控制器,为艏向运动设计带有干扰观测器的自适应终端滑模控制器;通过公式推导,利用李雅普诺夫理论证明了系统稳定性和误差的收敛性.仿真实验证明:所设计的轨迹跟踪控制器具有较强的鲁棒性能,系统能够实现对平面轨迹的精确跟踪且能够在规定的有效时间内实现对艏向角的精确跟踪.