基于遗传双映射神经网络的机械臂运动控制研究

讨论了一种基于双映射神经网络的机械臂运动控制器.并采用遗传进化算法对该控制器网络拓扑结构和参数进行了优化,实现了机械臂的轨迹跟踪控制.计算机仿真表明该控制器具有较高的控制精度和响应速度,可以满足机械臂工作要求.     

基于RBFNN和回馈递推的新型多旋翼飞行器控制

研究了新型多旋翼飞行器的建模与轨迹跟踪控制. 建立了非线性运动学和动力学模型,并提出基于全调节径向基神经网络和回馈递推的鲁棒自适应轨迹跟踪控制策略. 首先设计了飞行器的位置误差PID控制器,用于实时消除飞行轨迹与期望轨迹的偏差,并为姿态控制环构建姿态角指令. 采用全调节径向基神经网络估计飞行器动力学模型中的复合干扰,为避免回馈递推控制器设计过程中对虚拟控制信号的繁琐求导运算,减小对解析模型的依赖度,设计了一种基于指令滤波回馈递推的飞行器姿态控制器. 该设计方法通过滤波器而非直接用解析方法对虚拟控制信号求导,大大简化了控制器的设计过程,节省了控制能量. 仿真实验表明所提出的轨迹跟踪策略的正确性和有效性.     

基于等效控制的同步发电机混沌振荡的神经网络滑模控制

在周期性负荷扰动情况下,同步发电机可能诱发混沌振荡现象,严重威胁电网运行安全性。为解决此问题,本文提出了基于等效控制的神经网络滑模控制策略。首先系统利用等效控制方法设计滑模控制器,然后结合神经网络理论以及自适应控制原理来逼近滑模控制器中的非线性项,设计出神经网络滑模控制器。在该控制器的作用下,系统的输出渐近跟踪目标轨迹,由混沌运行状态转变为稳定运行状态。理论分析与仿真结果表明,所设计的控制器能够有效抑制电力系统的混沌振荡,且具有一定的鲁棒性。     

交流传动神经网络自适应规划控制系统的设计与仿真

将Hopfield神经网络应用于交流传动系统的自适应控制,通过神经网络来规划交流调速系统的速度控制器动态输出,使速度控制器对某些参数变化具有良好的鲁棒性.对于不可控的负载转矩,加入参数自动跟踪神经网络,构成具有参数在线跟踪功能的双神经网络自适应规划控制模式,进一步提高系统的性能.仿真结果表明,该系统具有良好的动态性能.     

基于BP神经网络的机械臂模糊自适应PID控制

机械臂属于强耦合多变量的典型非线性系统,常规的控制策略难以取得满意的控制效果.采用基于BP神经网络的模糊自适应PID控制策略,解决了原有PID控制的参数自适应能力弱、鲁棒性较差的问题.该方法采用BP神经网络动态调整PID控制器参数,使之能够随时满足控制精度的需要,改善系统的控制性能.仿真实验结果表明:所提的控制策策略实现简单,同时具有较高的控制精度.     

利用BFO算法优化PID参数的机械臂控制设计分析

提出了一种基于细菌觅食(BFO)算法优化PID控制器参数的机械臂控制设计分析,用于不确定的2自由度旋转棱镜(RP)机械臂有效的轨迹跟踪和参数鲁棒性.提出的方法将BFO算法与PID控制器相结合,通过BFO算法在线对PID控制器的3个参数进行优化.最终,传统的动抗干扰抑制(ADRC)设计问题被转换成用于寻找最优控制器调谐参数的特殊优化问题.仿真结果表明,与传统方法相比,提出的方法能有效提高机械臂跟踪控制的快速性和准确性,具有更优越的控制品质和较强的抑制干扰能力.     

非线性不确定系统的鲁棒自适应Backstepping控制

针对一类有界扰动不确定非线性系统,讨论了鲁棒自适应ε输出跟踪问题．利用Backstepping方法和鲁棒控制技术,对存在未知参数和动态不确定性的非线性系统设计了一种自适应输出反馈控制器．基于Lyapunov稳定性理论所设计的控制器不仅保证闭环系统状态全局一致有界,而且使系统的跟踪误差收敛到一个很小的邻域内．仿真结果表明了所设计方法的有效性．     

基于微分律的机车单元制动器自适应鲁棒控制

针对机车单元制动器制动时闸瓦位置控制中存在的时变扰动等非线性因素,结合Lyapunov稳定性理论,构造基于super-twisting观测器和微分控制律的自适应鲁棒控制器,并对其应用效果进行研究。设计super-twisting观测器对轮瓦间因挤压产生的时变扰动进行估计并对估计误差自适应模糊逼近以削弱时变扰动;引入微分控制律并通过求解微分方程确定控制器中的鲁棒项。理论分析及仿真结果表明,系统各状态变量闭环输出有界,跟踪误差及滑模面导数一致有界并收敛于0,滑模面常值收敛。系统输出能够快速、稳定且精确跟踪输入,并对外部时变扰动具有较强的鲁棒性。     

输入饱和CE150直升机模型的复合非线性反馈控制

针对带有输入饱和的直升机模型输出问题,提出了一种基于复合非线性反馈(composite nonlinear feedback,CNF)控制方法.为了解决输出调节问题,构建了一个观测器和一个输出反馈CNF控制器,其中CNF控制器包括线性控制律和非线性控制律两部分.该文首先提出了一个直升机模型的线性化状态方程,然后解输出方程,通过H_∞黎卡提微分方程得到反馈增益和观测器增益,构造出具有小阻尼比的线性控制部分和改善瞬态性能的非线性反馈控制部分.为了研究控制器的性能,分别在无外部干扰和有外部干扰两种情况下设计了控制器.仿真结果表明,复合非线性反馈控制器在时变信号和时不变信号下均缩小了跟踪时间和跟踪误差,提高了直升机系统的瞬态性能.     

基于神经网络的一类非线性系统自适应滑模控制

对一类非线性系统进行简化处理后,结合神经网络逼近方法、自适应滑模控制提出一种新的自适应控制方法.所设计的控制器分为两部分,一部分是等效控制器,另一部分是滑模控制器.滑模控制器用来减小系统的跟踪误差,起鲁棒控制作用.文中用神经网络逼近非线性函数,并将网络权值误差引入到神经网络权值的自适应律中用以改善系统的动态性能.最后给出的仿真算例证明所设计的控制器是十分有效的.     

基于人工神经网络的CSTR温度控制研究

在对自适应神经网络进行分析和研究的基础上,对连续搅拌反应釜进行了建模,使用基于径向基函数的神经网络系统对釜内的温度进行了控制.使用MATLAB实现了温度控制系统,仿真实验结果表明,文中设计的模型和系统具有良好的自适应性、鲁棒性和抗干扰能力.验证了人工神经网络在CSTR中的温度控制的应用,为CSTR的控制提供了一种新的方法.     

DC/DC变换器的一种神经网络控制方法

为了消除Buck—Boosl变换器为代表的DC／DC（直流，直流）变换器最小相位性质的影响．对其输出电压进行控制，分析模型特性．采用非线性反馈控制电流内环．用RBF（径向基函数）神经网络设计了神经网络控制器控制输出电压外环，分析了系统的稳定性．仿真结果表明．提出的控制器动、静态性能很好．对变换器中元件参数的变化和负载电阻的扰动有较好的鲁棒性．     

基于RBF神经网络多步预测的自适应PID控制

提出一种基于RBF神经网络多步预测的自适应PID控制算法．该算法用无局部极小的径向基函数网络对非线性系统进行在线辨识，利用多步预测误差对PID型控制器网络进行训练，从而实现PID参数的在线自适应寻优．通过对典型非线性系统的仿真研究，该控制系统具有较强的适应性和鲁棒性．     

DOS攻击下不确定双边遥操作系统的控制

研究了存在定常时延和模型参数不确定的双边遥操作系统在受到拒绝服务攻击（denial of service,DOS）时的稳定性问题。利用位置误差结构,设计了基于事件触发的控制器,并利用自适应律估计机械臂模型中的未知参数。通过Lyapunov函数理论证明了双边遥操作系统的稳定性,并证明了基于事件触发的控制器不存在Zeno行为。通过数值仿真验证了基于事件触发的自适应控制器能够使遥操作系统在DOS攻击下保持稳定。     

机翼摇滚自适应神经网络抑制

针对战斗机在大迎角下表现出的机翼摇滚非线性振荡现象,提出一种基于自适应神经网络的抑制机翼摇滚控制方案. 采用动态逆方法实现机翼摇滚特性的近似线性化,并根据动态性能指标要求设计线性补偿器,采用单隐层神经网络在线补偿近似动态逆引起的误差. 仿真实验验证了控制方法的有效性.     

单级倒立摆迭代非线性滑模位移控制

针对倒立摆的位移控制,提出一种非线性滑模变结构控制方法.通过对系统输出的递归分解迭代设计,构成了扩展状态空间上的复杂非线性滑模,结合增量反馈控制,无需对系统不确定性的估计,可以稳定摆的倒立并将小车驱动到任意的距离.非线性滑模分解迭代方法结构简单、易于实现,设计过程的物理意义明显,利于参数整定保证控制系统稳定性以及分析输出特性.仿真结果表明,小车位移稳定时间、最大移动速度以及位移过程中摆角最大幅度均可通过设计参数调节,且控制器对倒立摆系统参数变化不敏感、具有强鲁棒性和良好的控制品质.