基于模糊干扰观测器的自适应反演滑模控制研究

摩擦等外界干扰,系统不确定性信息及参数变化对飞行仿真转台的运行造成不利影响。针对该问题,提出基于模糊干扰观测器（Fdo）的自适应反演滑模控制方案（ABSMC）,在对外界干扰和不确定信息进行补偿的基础上,从稳定性出发,对不确定上界进行自适应估计,并逐步反推出控制器。通过对某型仿真转台进行仿真,得知该方案与普通滑模控制（SMC）方案相比,具有更高的跟踪精度,并极大的提高了对外界干扰,系统不确定信息和参数变化的鲁棒性。     

塔式起重机的神经网络滑模防摆控制

针对塔式起重机存在的负载摆动, 分析塔式起重机的动力学模型, 提出了一种基于遗传算法的塔式起重机神经网络滑模防摆控制新方法. 利用RBF神经网络输出逼近系统的不确定项, 并运用遗传算法优化滑模控制器的参数, 使得参数的收敛速度加快. 该方法削弱了滑模控制系统的高频抖振, 提高了系统的控制性能, 改善了系统的控制品质. 仿真结果表明方法的有效性和可行性.     

一类非线性不确定系统自适应terminal滑模控制方法

针对一类非线性不确定系统设计了自适应terminal滑模控制器,使跟踪误差在有限时间内收敛到零,消除了通常滑模变结构控制的到达过程,因而闭环系统从t=0时刻就对干扰具有鲁棒性。采用RBF神经网络逼近系统未知的非线性函数,引入滑模误差对其权值进行在线自适应调整,改善动态性能。最后给出的仿真例子证明了算法的有效性。     

参数未知非线性混沌系统的自适应反演滑模控制

针对一类含有非匹配未知参数和非参数不确定性的混沌系统,基于自适应反演和滑模控制方法,研究自适应反演滑模控制策略,实现了不确定混沌系统的调节问题。与现有自适应控制相比,允许系统存在非匹配未知参数和非参数化的不确定性,增强了控制系统的鲁棒性。仿真算例证明了理论研究成果的正确性和鲁棒性。     

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.     

多连杆柔性关节机械臂的神经滑模控制

钟对多连杆柔性关节机械臂,设计了基于高斯径向基函数神经网络（GRBFNN）的滑模控制器,该控制器利用神经网络的逼近能力,将各关节的切换函数作为网络的输入,控制器完全由连续的RBF神经网络实现。利用该控制器与线性二次型跟踪器以及传统滑模控制器对三连杆柔性关节机械臂进行轨迹跟踪控制仿真。仿真结果表明：线性二次型跟踪器具有一定传输时延,滑模控制器跟踪轨迹有明显抖振,而神经滑模控制器取消了切换项,消减了抖振,具有良好的跟踪效果和稳定性。     

间接自适应模糊滑模控制在电弧炉中的应用

将模糊控制与滑模控制结合应用于电孤炉电极调节系统中,给出了自适应模糊滑模控制系统的详细设计过程.用自适应模糊控制逼近滑模控制中的不确定参数,加入切换控制以保证滑动条件的成立,推导了规则参数调整的自适应律.在线调节自适应模糊滑模控制器的参数以克服电弧炉电极调节系统的不确定性,具有较强的鲁棒性.仿真结果表明:该控制算法能有效地抑制弧长扰动,从而获得较好的动态性能.     

空间机械臂关节积分反演滑模控制研究

针对受到不确定因素影响的空间机械臂关节,设计积分反演(backstepping)滑模控制器进行了精确轨迹控制研究,在反演镇定函数中综合积分项,进一步消除了轨迹跟踪稳态误差;针对难以确定滑模控制系统中不确定因素上界的问题,采用了GRBF(general radial basis function)网络在线估计不确定性上界值,并且推导了网络权值的自适应律,基于Lvapunov理论证明了系统的稳定性和对误差的收敛性.仿真结果表明,该方法提高了机械臂关节轨迹跟踪性能,提高了对于参数摄动和外界干扰等因素的鲁棒性.     

大型轮式工程车辆转向系统的神经网络PID控制

根据大型轮式工程车辆转向系统的对象特点和操纵方式，提出采用基于RBF神经网络控制器来改进常规PID控制器实现系统控制性能。该控制系统结构中，RBF神经网络辨识器(RBFNNI)实现对被控对象的Jacobian矩阵信息的辨识，神经网络控制器(NNC)是基于RBF神经网络实现的单神经元的PID控制器。在对算法进行改进的基础上设计了神经网络结构，并进行了被控对象的仿真分析。实际结果表明该控制方法具有较好的实用性和鲁棒性，可以用于多操纵模式工程车辆转向系统的控制。     

RBF网络模型参考自适应控制在温度控制中的仿真研究

减压塔侧线温度系统是一个时变非线性复杂系统,采用常规的PID控制回路难以达到较好的控制品质。针对克拉玛依石化厂原油蒸馏装置中的减压塔,根据实际控制要求,提出了RBF神经网络模型参考自适应控制策略,设计了减压塔减三线温度控制系统,给出了RBF神经网络控制器和模型辨识网络参数的学习算法。仿真结果表明,采用提出的控制策略,控制效果非常好,完全达到控制要求。