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.     

一类不确定非线性系统的鲁棒自适应控制

针对一类具有未知控制方向、未知参数以及未建模动态的非线性系统,提出了一种带有死区修正的鲁棒自适应递推控制策略.该策略不需要控制方向符号的先验知识.根据参数的上下界先验信息,分别将光滑投影算法和非连续投影算法与参数自适应律结合起来,既抑制了参数的漂移,又使估计参数达到了最小.算法保证了闭环系统所有信号的有界性,同时使得跟踪误差收敛于零的任意小邻域内.     

基于递归神经网络的伺服系统自适应反步控制

针对伺服系统的系统参数摄动和非线性动态摩擦补偿问题,提出基于递归神经网络(RNN)的自适应反步控制(RNABC)系统设计方法.RNABC系统由反步控制器和鲁棒控制器组成,反步控制器包含RNN不确定观测器,鲁棒控制器则用来消除由于引入不确定观测器而带来的逼近误差.由于自适应反步控制的自适应律源于Lyapunoy函数的,因此系统的稳定性得到了保证.仿真结果表明,对于系统参数摄动和非线性摩擦干扰RNABC能使伺服系统具有很好的跟踪性能.     

基于RBF网络的机械人鲁棒自适应控制与仿真分析

针对电机驱动机器人模型,设计了一种鲁棒自适应控制器.首先用动态RBF神经网络逼近机器人动态模型,然后设计了一个带积分器的滤波器,由滤波器系统推导出所需的理想输入电流,再以理想输入电流为目标设计电机控制器并得到最终控制律.基于Lyapunov稳定理论分析了鲁棒自适应控制器的稳定性,给出了稳定性充分条件.实例仿真结果表明,合理的选择控制器参数可使系统具有良好的动态特性和鲁棒稳定性.     

基于观测器的一类不确定非线性系统自适应输出反馈控制

针对一类不确定非线性系统,基于非线性状态观测器采用回馈递推(Backstepping)设计方法提出了一种鲁棒自适应L2增益控制方案。该控制方案首先对系统的不可观测状态设计非线性状态观测器,在此基础上通过多步递推得到系统的控制律并设计了未知干扰的参数自适应律,使系统具有L2增益性能。同时把采用常规设计方法需要对过多参数进行辨识问题简化为只需对与未知干扰个数相同的参数进行辨识的问题,简化了控制器结构。最后通过仿真算例验证了所设计控制方案的有效性。     

基于鲁棒自适应控制理论的导弹纵向逆控制

针对高机动导弹纵向运动数学模型具有严重非线性、不稳定、多变量耦合以及模型不确定等特点,提出了一种基于鲁棒自适应控制理论和动态逆相结合的导弹纵向控制系统设计方法。该方法以非线性动态逆控制为基本控制律,能够在复杂的飞行条件下,实现对高机动导弹的精确线性化,解除了多变量之间的耦合关系;并引入鲁棒自适应控制律,以抑制模型参数变化的摄动和外部干扰的影响,保证了导弹的纵向稳定性及其纵向飞行品质。仿真分析验证了控制方法的有效性。     

基于干扰估计的高超声速飞行器鲁棒控制方法

针对高超声速飞行器高度与速度跟踪所面临的参数不确定与外界干扰问题,提出基于干扰估计的鲁棒控制律设计方法。首先建立含参数不确定与外界干扰的高超声速飞行器模型;而后基于动态逆思想,将动力学模型进行线性化,并将由参数不确定与外界干扰对系统造成的总效果看作系统总干扰,从而引入线性扩张状态观测器实现对系统状态及总干扰的估计;最后考虑总干扰作用,提出具有鲁棒性能的动态逆控制律与滑模控制律。通过与传统控制律进行对比仿真,结果表明所设计的两种鲁棒控制器只需在原有方法基础上进行简单改进,即可较大程度提高对系统参数不确定与外界干扰的鲁棒性,具有良好的跟踪性能。     

一类不确定混合线性时滞系统鲁棒控制问题研究

讨论了一类不确定混合线性时滞系统在其Markov跳跃参数所处模态非精确可测得情况下的鲁棒控制问题。给出了非匹配条件下系统不确定部分范数上界已知时,使系统呈均方意义下指数稳定的保代价控制充分条件。并根据混合系统模式下的LaSalle稳定性定理,对匹配条件下系统不确定部分的未知范数上界给出了一种参数自适应估计方法,设计了相应的鲁棒自适应控制律以实现混合线性时滞系统以概率1渐近稳定。鲁棒自适应控制律的设计仅依赖于跳跃参数的非精确测量值。     

简化的鲁棒自适应动态面飞行控制律设计

提出一种简化的鲁棒自适应动态面飞行控制律设计方法。动态面飞行控制律消除了反推设计中由于对虚拟控制反复求导而导致的复杂性问题。利用神经网络在线逼近飞机气动参数的不确定性和外界干扰,简化神经网络参数调整方法,使在线调整更新参数仅为不确定项的个数。基于Lyapunov稳定性定理证明了闭环系统的所有信号半全局一致最终有界。大迎角过失速机动飞行的数值仿真表明：在考虑气动参数摄动和外界干扰的情况下,过失速机动仍很好地实现,且兼具控制器结构简单和鲁棒性强的特点。     

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。     

一类不确定执行器非线性系统的自适应控制

针对一类带不确定执行器非线性的控制系统,提出了一种自适应神经网络控制方法。建立了包括死区、齿隙和“类齿隙”磁滞特征的非线性执行器模型。通过结合所建立的模型和Nussbaum增益技术,解决了当执行器非线性不确定时的控制问题。所设计的方案不需知道非线性特征参数边界,并且当非线性特征为死区时,其坡度可以为时变的。引入了自适应补偿项消除建模误差和干扰的影响。仿真结果验证了该方法的有效性。     

欠驱动平面机械手自适应模糊滑模控制

采用自适应模糊滑模控制策略来实现欠驱动平面机械手的位置控制，定义滑模面为模糊输入，减少了模糊规则数量，模糊输出为通过自适应律在线调整幅值的单值函数，利用李亚普诺夫稳定性理论推导出自适应调整律，保证了系统的稳定性，提出的控制器由一个模糊滑模控制器和一个辅助控制器构成，模糊滑模控制器用来实现与滑模控制相等的控制律，辅助控制器用来补偿两者的差值，仿真结果表明了提出控制器的有效性和可行性。     

履带车辆自动变速的自适应模糊控制与仿真研究

为提高履带车辆自动变速系统对复杂行驶工况的自适应能力,在基本模糊控制策略基础上,运用参数自调整模糊控制方法,建立了一个具有两级递阶结构的自适应模糊换挡控制系统。基本模糊控制模块将油门开度、车速和加速度三参数进行模糊化和模糊推理,实现挡位决策;自适应控制模块按照测得的车速和加速度对直线行驶阻力和附着力进行在线辨识,进而对量化因子进行自调整,可改善履带车辆在随机工况条件下的换挡品质。该系统对不确定的车辆参数和外界负荷的扰动具有较好的稳定性。仿真研究表明所设计的模糊控制系统具有良好的自适应能力。     

Adaptive Tracking Control for Mobile Manipulators with Stochastic Disturbances

This paper investigates adaptive tracking control for mobile manipulators with stochastic disturbances and parametric uncertainties. Based on an appropriate reduced dynamic model and an adaptive law, a controller, which is provided by incorporating stochastic control theory with related adaptive technique, overcomes the problem of over-parametrization. It is shown that the designed state-feedback controllers can guarantee that the mean square of the tracking errors can be made arbitrarily small by choosing suitable design parameters. Simulation studies on the control of 2-DOF mobile manipulator shows the effectiveness of the proposed scheme.     

具有扇区输入非线性的三轴MEMS陀螺仪鲁棒自适应控制

微机电系统(micro electro mechanic system, MEMS)陀螺仪在制造和应用过程中会受到系统参数不确定、外界干扰和力电换能器非线性效应的影响,降低MEMS陀螺仪的检测精度。提出一种基于增益自适应的滑模控制策略对MEMS陀螺仪3个轴向轨迹进行控制,采用一种基于时变死区技术的积分自适应律估计参数不确定和干扰的上界以避免估计发散,选择合适的控制律消除非线性扇区输入的影响,实现陀螺3个轴向的轨迹跟踪指定的参考运动,从而提高检测精度。最后利用Lyapunov直接法证明了闭环误差系统的渐近稳定性和所有信号的有界性。仿真结果表明了该策略的有效性。     

基于DSC和MLP的欠驱动船舶自适应滑模轨迹跟踪控制

针对存在船舶动态不确定和外界干扰的欠驱动水面船舶轨迹跟踪控制问题,提出一种基于动态面控制(dynamic surface control,DSC)和最小学习参数法(minimal learning parameter,MLP)的自适应滑模控制方法。在控制律的设计过程中,为实现位置跟踪误差的收敛,利用反步法设计船舶前向速度和横漂速度的虚拟控制律镇定轨迹跟踪误差;引入DSC技术,用于消除反步法对虚拟控制求导引起的“微分爆炸”问题;另外,采用MLP技术,以单参数在线学习代替所有权值在线学习,减少控制器的计算量,避免出现“维数灾难”问题,并结合带有“σ-修正”的自适应律,防止参数漂移,易于工程的实现。稳定性分析证明了所设计控制律可以保证轨迹跟踪船舶闭环系统中轨迹跟踪误差信号一致最终有界,仿真结果验证了所设计控制器的有效性。     

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.     

基于神经网络的机械臂分散自适应跟踪控制

提出了一种适用于机械臂的基于神经网络的分散自适应轨迹跟踪控制方法。将机械臂的轨迹跟踪控制系统考虑为由多个非线性关联组成的不确定性复杂系统,采用分散控制方法进行控制器设计。在对每一子系统设计控制器时,采用直接反馈线性化,利用控制器构建伪线性系统,并引入神经网络自适应环节消除干扰、关联及逼近误差,从而使所提出的控制方法能够保证系统状态有较高的跟踪精度,且算法简单,易于实现。仿真表明,该算法能保证较高的跟踪效果。     

鲁棒自适应输出跟踪控制在船舶操纵中的应用

针对带有未知控制增益、常参数不确定性以及外部扰动的船舶运动非线性模型，将自适应逆推技术与Nussbaum增益方法相结合，提出一种新的非线性自适应鲁棒控制策略，实现了船舶运动航向渐近跟踪控制。在所得控制器作用下的系统性能不仅能够通过设计参数而得到保证，且可克服控制器奇异值问题。设计过程及数字仿真结果均表明，所设计的自适应非线性跟踪控制器对不确定性具有良好的适应性及鲁棒性。