基于小波网络的高超音速飞行器鲁棒自适应积分反步控制

针对高超音速飞行器非线性模型具有不确定性的问题,提出一种基于小波网络的鲁棒自适应积分反步控制方法。该方法运用反步法设计非线性控制律,并引入积分项以减小系统跟踪误差;用小波网络在线逼近系统不确定项,提高系统鲁棒性;设计鲁棒项消除小波网络逼近误差。通过Lyapunov稳定性分析,该方法能够保证闭环系统跟踪误差最终收敛。通过与常规反步、积分反步、自适应反步进行仿真对比,结果表明：所设计的控制律可以有效抑制系统不确定性的影响,设计方法可行。     

基于自适应神经网络的歼击机模糊跟踪控制

提出了一种基于T-S模糊模型和自适应神经网络的跟踪控制方法.在系统具有未知不确定非线性特性的情况下,利用T-S模糊模型对系统的已知特性进行近似建模,设计基于模糊模型的模糊H∞跟踪控制律进行输出跟踪控制.在模糊控制的基础上,引入了基于RBF神经网络的自适应控制,用于在线对消不确定项和模糊建模误差的影响,以保证系统具有期望的鲁棒H∞跟踪性能.所提出的方案保证了闭环系统的稳定性,有效地提高了系统的鲁棒性和跟踪性能.仿真实例表明了所提出方法的有效性.     

不确定性电液位置伺服系统的滑模鲁棒跟踪控制

本文针对存在参数变化的不确定性电液伺服系统的跟踪控制问题,提出了一种具有前馈补偿的滑模鲁棒控制器设计方法,利用李亚普诺夫方法证明了整个闭环系统的渐近稳定性.应用这种方法于某疲劳试验机电液伺服系统,通过仿真验证了该方法的有效性.     

仿射非线性系统的在线自适应模糊神经网络辨识与控制

针对单输入单输出非线性系统的自适应控制问题,提出了一种在线自适应模糊神经网络辨识与鲁棒控制的方法.该方法首先利用广义模糊神经网络学习算法,实时建立对象模型未知系统的逆动态模型,实现网络结构和参数的同时在线自适应.考虑到网络建模误差和外部干扰的存在,还设计了基于控制理论的鲁棒补偿器.仿真结果表明,该方法能对模型未知仿射非线性系统实现鲁棒输出跟踪.     

机电伺服系统鲁棒自适应重复控制

针对执行周期性任务的机电伺服系统,设计了一种基于傅里叶级数近似的鲁棒自适应重复控制器,以抑制呈现一定周期性的建模不确定性对伺服性能的不利影响.通过对周期性的建模不确定性进行傅里叶级数近似,将自适应补偿和误差符号积分鲁棒(RISE)反馈相结合,其中自适应律用于处理系统参数不确定性,而RISE鲁棒控制律则可抑制其他非周期性建模不确定性,且鲁棒增益可自动调节.基于Lyapunov稳定性理论证明了闭环系统半全局渐近稳定,且系统所有信号有界.仿真结果表明,所提出的控制策略具有很好的建模不确定性抑制能力,可显著提高机电伺服系统的跟踪精度.     

基于输出反馈的电液作动器自适应指令滤波控制

针对电液作动器跟踪控制中存在的结构化和非结构化的不确定问题,本文提出了一种输出反馈自适应鲁棒指令滤波跟踪控制方法.该方法结合了改进的LuGre摩擦补偿技术和自适应鲁棒指令滤波控制技术.自适应法则用来处理结构化不确定性;控制器鲁棒设计用来解决非结构化不确定性.除了位置信号外,速度、压力和摩擦力值均来自观测器,来自观测器的模型误差通过鲁棒设计进行补偿.指令滤波控制技术用来解决经典反步控制中固有的“复杂性爆炸”问题.控制器可以保证系统渐进稳定.通过对比实验证明了该方法在跟踪性能上的有效性.     

基于多工作点模型的高精度鲁棒伺服控制器设计

为了满足永磁同步电动机伺服系统的高精度应用需求,提出了一种基于多工作点模型的鲁棒控制器设计方法。该方法首先进行标称控制器设计,利用反馈线性化将电机模型变换为含有等价干扰的线性模型,并设计线性控制律,让标称控制系统跟踪参考输出信号,然后设计鲁棒补偿器,抑制等价干扰的影响,最后利用不同工作点的设计结果,确定最终鲁棒控制器参数。理论证明了该文闭环控制系统的鲁棒稳定性和鲁棒跟踪特性。实验结果表明所设计的鲁棒伺服控制系统在不同工作点下均具有期望的鲁棒转速跟踪特性和扰动抑制特性。     

基于多工作点模型的高精度鲁棒伺服控制器设计

为了满足永磁同步电动机伺服系统的高精度应用需求,提出了一种基于多工作点模型的鲁棒控制器设计方法。该方法首先进行标称控制器设计,利用反馈线性化将电机模型变换为含有等价干扰的线性模型,并设计线性控制律,让标称控制系统跟踪参考输出信号,然后设计鲁棒补偿器,抑制等价干扰的影响,最后利用不同工作点的设计结果,确定最终鲁棒控制器参数。理论证明了该文闭环控制系统的鲁棒稳定性和鲁棒跟踪特性。实验结果表明所设计的鲁棒伺服控制系统在不同工作点下均具有期望的鲁棒转速跟踪特性和扰动抑制特性。     

基于RBFNN的PID控制及其在电液位置伺服系统中的应用

针对具有参数不确定性的电液位置伺服系统的跟踪控制问题,利用径向基函数神经元的自学习、自适应特点,将其与传统的PID控制方法相结合,对电液位置伺服系统进行学习和控制.仿真研究表明,利用基于径向基函数神经网络的PID控制能使电液位置伺服系统获得令人满意的跟踪特性和快速响应特性.     

非完整移动机器人的神经网络滑模自适应轨迹跟踪控制

针对非完整移动机器人的轨迹跟踪控制问题,提出了一种鲁棒项系数自调整的神经网络滑模自适应控制策略。首先由反推法设计运动学控制器;其次,基于滑模控制设计动力学控制器,利用径向基神经网络(RBF)自适应逼近系统非线性不确定性上界,实现鲁棒项系数自调整,克服了传统滑模控制鲁棒项设计需要已知系统不确定性上界的缺陷,实现了速度跟踪。李亚普诺夫稳定性定理保证了闭环系统的稳定性及跟踪误差的渐近收敛。仿真结果进一步验证了所提方案的可行性。     

Self-correcting wavelet neural network control of continuous rotary electro-hydraulic servo motor

In allusion to the problem of friction,leakage,vibration and noise existing in continuous rotary motor electro-hydraulic servo system,highly nonlinearity and uncertainties affecting the system performance,based on the transfer function of electro-hydraulic servo system,a kind of Pol-Ind friction model is proposed.The parameters of Pol-Ind friction model are identified and the accurate mathematical model of friction torque is obtained by experiment.The self-correcting wavelet neural network(WNN) controller is proposed,and Adam optimization algorithm is used to perform gradient optimization on scale factor and displacement factor in wavelet basis function,so as to improve the speed and precision of parameter optimization.Through comparative simulation analysis,it is clearly that the self-correcting WNN controller can effectively improve the frequency response and tracking accuracy of continuous rotary motor electro-hydraulic servo system.     

电液伺服系统的渐近跟踪自适应控制

根据电液伺服系统参数不稳定的特点,将渐近跟踪理论与自适应控制相结合,提出了一种基于参数辨识的电液伺服系统的渐近跟踪自适应控制方法,利用状态反馈动态配置系统的希望特征值和在输入端动态调节前馈增益实现渐近跟踪,达到自适应控制的目的。仿真结果表明,该方法稳定可靠,具有较高理论意义和实用价值。     

电液伺服位置／力控制系统的滑模变结构－PID控制

本文把滑模变结构－ＰＩＤ控制［１］运用于电液伺服位置／力系统的跟踪控制问题，经对系统的数字仿真和模拟实验表明：对电液伺服系统采用滑模变结构－ＰＩＤ控制，提高了系统的鲁棒性、跟踪精度以及对不同类型参考输入信号的适应能力；同时，也能消除常规变结构控制所存在的抖振现象     

基于单片机与改进PID的智能电液伺服控制系统研究

为了实现对电液伺服系统进行快速、准确以及较为平稳的控制,提出了基于单片机与改进PID的智能电液伺服控制系统。通过对电液伺服系统的主要组成进行分析,并根据液压控制理论,得出了电液伺服系统中电液伺服阀等机构的数学模型。利用MSP单片机作为主控器,以接收位移传感器采集到的实时位移值,根据该值对电液伺服阀的开度进行控制。引入PID控制器,通过神经网络算法对PID控制器进行改进,设计电液伺服控制系统的控制策略,以实现电液伺服控制系统的智能化。通过Matlab/Simulink软件对所提方法进行了仿真实验,结果显示,所提方法不仅能够较为快速、准确地对电液伺服系统进行控制,而且控制过程较为平稳,具有良好的控制效果。     

位置扰动型电液力控制系统多余力的抑制

在位置扰动下,电液力控制系统中液压缸被动运动引起强迫流量,导致多余力的产生。为了减少多余力对系统跟踪性能的影响,首先建立位置扰动下的电液力控制系统数学模型,分解出多余力表达式,在此基础上提出采用一个与系统中电液伺服阀主阀芯运动方向相反的补偿用电液伺服阀来消除多余力的方案,然后以一个典型的液压系统为例,借助Simulink软件进行数值仿真分析。结果表明,补偿阀能够及时、有效地排出强迫流量并大幅减少多余力,位置扰动下多余力减少量最多达93.5%,输出力跟踪幅值误差不大于2%,稳态误差不大于1.8%。     

双缸电液位置伺服同步控制系统的智能控制

针对双缸电液位置伺服同步控制系统的高精度及快速性要求,采用比例积分微分型迭代学习控制算法,设计实现了电液位置同步控制系统.在系统中采用双闭环两级控制策略,将双缸同步误差反馈补偿到输出量中,同时采用比例微分算法对数字控制量进行修正,使双缸互为跟踪对象,保证了双缸运行中的高精度同步.试验结果表明:该同步控制系统具有较高的控...     

人工蜂群算法在飞机舵机电液伺服系统的应用

针对飞机舵机电液伺服系统运行过程中存在的多余力干扰问题,提出结合改进人工蜂群算法和比例-积分-微分(proportion integration differentiation,简称PID )控制器的复合控制方法。该方法在建立系统数学模型的基础上,利用云模型和变邻域搜索对传统人工蜂群算法的选择策略和选择方式进行改进,增强算法开采能力,获得最优食物源,提高系统的加载精度和响应速度。再由PID控制器根据所得最优食物源进行控制参数在线自适应调整,提高系统的稳定性和抗干扰性。仿真结果表明：该方法能够达到飞机舵机电液伺服系统控制性能指标要求,且相较于采用传统人工蜂群算法,具有更良好的跟踪能力和多余力抑制效果,验证了该方法的可行性和有效性。     

基于小脑模型的电液位置伺服系统在线学习控制研究

针对非线性电液位置伺服系统的跟踪控制问题,提出了一种采用小脑模型（ＣＭＡＣ）神经网络的在线学习控制方法,与传统的ＣＭＡＣ控制器不同,该控制器采用动态误差作为ＣＭＡＣ神经网络的激励信号,从而使基于ＣＭＡＣ的控制器跟踪连续变化的信号成为可能,给出了具体的控制结构和算法,仿真结果表明,该控制器具有良好的处理非线性及跟踪连续变化信号的能力,并对时变外负载干扰具有明显的抑制作用,而且新型控制器能和较高的学习     

基于负载口独立控制的双伺服阀控缸系统

针对电液伺服系统对控制精度和节能的需求,提出了一种基于负载口独立控制的双伺服阀控缸系统.首先对系统进行了建模分析,然后利用鲁棒自适应的方法对系统进行了完全解耦,针对主、被动负载均存在的位置伺服工况,设计了以位置跟踪为目标的进油口控制器和以压力控制为目标的回油口控制器.同时分析了系统的节能性,设计了基于扩张状态观测器（ESO）的油源压力控制器以及液压泵流量控制器.最后通过实验验证该系统的控制性能和节能效果.