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。     

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.     

自适应反演滑模转台鲁棒控制器设计

针对未知非线性、外界干扰和参数摄动等不确定因素对实际转台控制系统的影响,提出了自适应反演滑模神经网络的转台鲁棒控制器设计。自适应反演滑模控制作为主控制器,RBF神经网络实现了不确定上界值的在线辨识。仿真结果表明,基于RBF神经网络的自适应反演滑模控制很好地克服对象的不确定性,实现控制系统的较强鲁棒性,适于高精度飞行仿真转台系统的实时鲁棒控制。     

基于RBF的机械手建模误差补偿自适应控制

针对机械手动力学建模误差,提出了基于RBF神经网络误差补偿的自适应控制策略。在基于逆动力学的计算力矩控制方法的基础上,对系统输入与目标轨迹进行修正,设计了两种误差补偿自适应控制器。利用RBF神经网络对修正项在线自学习,并根据Lyapunov稳定性理论建立了网络权重自适应学习律,保证了跟踪误差的收敛及系统的稳定。以平面转动双臂机械手轨迹跟踪为例进行仿真,结果表明该方法能够有效地补偿建模误差,提高了系统的控制性能并使控制系统具有对参数摄动的鲁棒性,对于机械手自适应控制具有一定的可行性。     

一类非线性系统的自适应神经跟踪控制

针对一类未知非线性动态系统,提出了一种基于神经网络的自适应输出跟踪控制方案。网络权值的自适应修正规则是基于Lyapunov稳定性理论实现的,避免了递归训练过程;一个滑模控制项用于消除神经网络逼近误差的影响。因此,该自适应神经控制器能保证系统的全局稳定性和输出跟踪误差渐近收敛于0。     

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.     

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。     

层叠CMAC补偿的并联机器人变结构控制研究

针对复杂机器人系统的不确定性,提出一种层叠小脑模型关节控制器(CMAC)神经网络同滑模变结构控制相结合的控制策略。首先利用改进CMAC学习机器人系统的不确定信息,并作为前馈补偿来确保跟踪误差的快速收敛,再通过滑模变结构控制器消除CMAC网络的逼近误差和不可重复随机干扰的影响。采用Lyapunov直接法进行控制律选取,分析表明系统可实现全局渐近稳定。在6-6并联机器人的轨线跟踪仿真试验中显示了良好的鲁棒性和精确性.     

基于RBF神经网络的分数阶混沌系统的同步

针对分数阶混沌系统的同步问题,提出一种基于径向基函数(Radial BasisFunction,RBF)神经网络的控制器。利用RBF神经网络对同步误差系统进行补偿控制,神经网络的权值可以在线调整,使得同步误差渐近收敛到零点。基于Lya-punov稳定性理论,分析了该控制器的稳定性。分别以分数阶Chen系统的同步和分数阶Liu系统的同步为例进行了数值仿真,仿真结果验证了所设计的控制器的有效性和鲁棒性。     

基于灰色RBF神经网络的炼钢煤气消耗预测

煤气消耗预测是钢铁企业中能源管理重要组成部分之一,以炼钢过程煤气消耗为研究对象,将灰色理论与径向基函数（RBF）神经网络进行组合,建立了基于灰色RBF神经网络的炼钢煤气消耗预测模型,利用灰色理论累加求和特性对样本数据进行预处理,减小了数据的随机性,增强了数据变化的规律;利用RBF神经网络逼近这种数据变化的规律,通过预测误差,动态调整RBF神经网络的结构,使得预测误差在允许的范围内。通过仿真表明,提出的模型预测精度较BP神经网络预测精度高,均方差为2．02％,     

基于高增益观测器的非线性系统自适应模糊滑模控制

针对一类有界的不确定非线性系统,基于高增益观测器并结合自适应模糊逻辑系统和滑模控制,提出了一种基于高增益观测器的自适应模糊滑模控制方案。该方案不需要系统状态可测的条件,而是通过设计高增益观测器来估计系统的状态并能保证观测误差一致最终有界。基于李亚普诺夫函数方法,给出了自适应模糊滑模控制律以及在线调节的参数自适应律。所提出的控制方案不但能使闭环系统稳定,而且保证了跟踪误差的一致最终有界性。仿真结果进一步验证了该控制方案的实用性和有效性。     

一类非线性系统的滑模控制稳态精度研究

针对一类非线性系统的线性滑模控制和Terminal滑模控制稳态精度问题,分析使用饱和函数代替滑模控制律中符号函数的线性滑模控制和Terminal滑模控制系统的稳态误差与饱和函数宽度的数值关系,得出两者的数学表达式,为协调既削弱滑模控制的颤振又保证稳态精度的滑模控制系统的饱和函数宽度的选择提供了理论依据。定量地比较线性滑模控制和Terminal滑模控制的稳态精度,得出了Terminal滑模控制比线性滑模控制有更好稳态精度的结论,通过数值仿真算例证明理论分析的正确性。     

三维自适应有限时间超螺旋滑模制导律

针对导弹以固定终端攻击角拦截机动目标的制导问题,提出一种三维自适应有限时间超螺旋滑模制导律.首先,利用相对运动质点模型将三维制导问题转换为二阶视线角系统的控制问题.其次,构造一种多变量非奇异的快速终端滑模面,结合改进型超螺旋算法,设计了有限时间超螺旋滑模制导律.同时,通过参数自适应增益实时在线估计目标机动引起的外部扰动...     

基于滑模观测器的偏置动量卫星姿态跟踪控制

针对在偏航姿态测量信息未知时偏置动量卫星姿态跟踪控制,提出了一种新的滑模观测器及其对应的自适应滑模控制器设计方法。基于滚动轴和俯仰轴信息,设计了一种经过平滑的滑模观测器,抑制高频抖震的同时提高状态估计的鲁棒性;设计的比例积分滑模面,能实现积分滑模控制,抑制稳态误差,优化滑模的全程鲁棒性,并采用自适应方法,对不确定参数进行在线更新,补偿不确定参数的影响。数值仿真结果表明,相对于龙伯格观测器,该方法能提高偏航姿态信息估计精度,在保证系统鲁棒性的同时,滚动和偏航轴姿态跟踪精度分别提高约50%。     

Decentralized direct adaptive neural network control for a class of interconnected systems

1 .INTRODUCTIONA number of interconnected systems found in theworld, such as electric power systems ,industrymanipulators and computer networks , are oftencomposed of a set of subsystems . A centralizedcontrol strategy for the requirement of a large a-mount of information exchange between the sub-systems . A decentralized control method, devel-oped based only on local measurements ,is oftenpreferable . At present ,there have been many re-search results for adaptive control of interconnec-…     

基于积分滑模控制的无人机自动着舰系统

针对无人机着舰这一特殊环境,为克服系统摄动、未建模动态及各种环境干扰因素的不良影响,从工程实现易行性出发,提出一种新的积分滑模着舰飞行控制方法,避免其受传统积分切换函数滑模控制方法的应用限制,并采用自适应模糊系统抵消外界干扰带来的误差,逼近滑模控制器中的切换项,从而有效降低舵面的抖振。搭建自动着舰综合仿真平台,以国外现役某小型舰载无人机为例,仿真结果表明,该自动着舰系统能较好地克服各种因素的影响,实现无人机安全着舰,着舰性能符合要求。     

Neural network based adaptive sliding mode control of uncertain nonlinear systems

The purpose of this paper is the design of neural network-based adaptive sliding mode controller for uncertain unknown nonlinear systems. A special architecture adaptive neural network, with hyperbolic tangent activation functions, is used to emulate the equivalent and switching control terms of the classic sliding mode control (SMC). Lyapunov stability theory is used to guarantee a uniform ultimate boundedness property for the tracking error, as well as of all other signals in the closed loop. In addition to keeping the stability and robustness properties of the SMC, the neural network-based adaptive sliding mode controller exhibits perfect rejection of faults arising during the system operating. Simulation studies are used to illustrate and clarify the theoretical results.     

不确定时滞反应扩散系统的滑动模控制

借助不等式分析方法研究一类不确定时滞反应扩散系统的滑动模控制问题,设计了滑模控制器。分析了在滑动模切换面上滑动模控制系统关于不确定量的不变性特征,为研究在系统工作环境的变化、降阶近似、线性化近似、测量误差等因素干扰下所建立的实际控制系统的数学模型———不确定时滞分布参数控制系统的鲁棒性问题奠定了理论基础。     

Decentralized model reference adaptive sliding mode control based on fuzzy model

1.INTRODUCTIONIn recent years,decentralized control of interconnect-ed systems has become an i mportant and challengingtopic[1~3].However,it is usually difficult to modelthe systemexactly due to the complex real environ-ment.In the past several years,active research hasbeen carried out in controller design based on univer-sal approxi mators,such as fuzzy control and neuralnetwork control[4~6].For a class of SISO nonlinearsystems,adaptive fuzzy control approaches were pro-posed based on …     

基于自适应快速终端滑模的航天器容错控制

针对执行机构发生故障时的航天器姿态控制问题,提出了一种基于自适应快速终端滑模的容错控制设计方法。该方法通过选择具有快速终端特性的滑模面,提高航天器容错控制的收敛速率,实现系统有限时间稳定|利用自适应控制方法在线调整控制器参数,消除对故障最小 值信息的依赖。仿真结果表明,与基于普通滑模控制器的容错控制相比,所提出的方法在保证系统鲁棒性和稳定性的同时,三轴姿态角和态角速度收敛时间可分别降低约54.5%和50%,实现快速有效的航天器容错控制。