桥式起重机的定位和防摆控制研究

针对起重机数学模型为一个激励不足的非线性耦合系统,提出了一种部分解耦的非线性控制方法,将系统设计转化为对位置和绳长进行伺服控制,摆角保持稳定两个目标进行处理。首先对起重机的位置和绳长部分进行了解耦和线性化,对部分解耦后的系统设计了控制器。数字仿真实验表明该方法能同时实现起重机系统变绳长定位控制和重物防摆的功能,从而提高起重机的运行效率。     

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。     

基于神经网络的导弹自适应滑模控制器设计

针对导弹六自由度非线性模型,根据时标分离原理将导弹系统分为快慢不同的四个回路.针对快、慢回路,提出了一种基于神经网络的自适应滑模控制器设计方案.首先分别在快、慢回路中采用反馈线性化实现解耦控制,然后设计基于神经网络的自适应滑模控制器来保证系统鲁棒性及性能,其中神经网络用来逼近系统的不确定性.理论分析及计算机仿真都表明,按照该方法设计的控制器不仅具有较强的鲁棒性,而且保证了闭环系统的渐近稳定性.     

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.     

时变输入整形在桥式起重机防摆控制中的应用

输入整形技术在抑制柔性系统残留振荡方面得到了比较广泛的应用;然而在处理时变系统时,传统的输入整形器的鲁棒性能受到了很大限制,控制效果往往并不理想。在频域采用零点配置方法设计出了最优随机时滞滤波器,进一步在此基础上进行时变输入整形器的设计,并在桥式起重机的防摆控制中进行了应用研究。该时变整形器通过在线反馈起重机的振动频率和阻尼,实时地调节整形器中脉冲的时间位置和幅值,从而更加有效地抑制系统的残留振荡。仿真结果证明了该方法的良好性能,和传统的鲁棒输入整形器进行了性能比较,该方法对系统参数变化的鲁棒性更强,能够更加有效地抑制负载的残留振荡,同时缩短了运行时间,提高了作业效率。     

基于模糊的桥式起重机的定位和防摆控制研究

近年来，很多学者对桥式起重机的防摆控制方法进行了研究，以提高起重机的作业效率。针对起重机模型的非线性和不确定性，设计了一种基于模糊的起重机的定位和防摆控制方法，利用两个模糊控制器对小车的位置和负载的摆动分别进行控制。其中，模糊位置控制器的设计是参考一个简单的速度参考曲线，对位置和速度进行有效她控制；而模糊防摆控制器则模仿起重机操作员的实际操作经验设计了一套模糊控制规则来消除负载的摆动。仿真结果证明了该方法的可行性，并且与线性二次型最优控制(LQR)进行了比较，表明了该方法的良好性能，且该方法对不同的绳长和负载有着较好的鲁棒性。     

基于神经网络的非线性系统的间接自适应控制

针对一类不确定非线性动态系统 ,利用多层神经网络系统MNNs的逼近能力 ,提出了一种间接鲁棒自适应神经网络控制器的设计方案。该方案不仅能够保证闭环系统的所有信号有界 ,而且理论分析证明了闭环系统的跟踪误差渐近收敛到零。仿真试验表明本控制算法是有效的。     

基于二阶滑模的BTT导弹反演滑模控制

针对具有非匹配不确定性的倾斜转弯(bank-to-turn, BTT)导弹非线性动力学模型,基于反演思想和二阶终端滑模控制方法,设计了一种新的BTT导弹反演滑模控制器。反演设计的每一步均采用滑模控制对不确定性进行补偿,并在最后一步设计中采用非奇异二阶终端滑模控制,既能防止抖振对舵机造成损坏,又减小了累积误差。采用精确微分器解决“计算膨胀”问题,并证明了跟踪误差最终有界。仿真结果表明,通过适当选取设计参数,跟踪误差将收敛到原点附近任意小的邻域内。     

基于RBF神经网络的鲁棒滑模观测器设计

针对非线性不确定性系统,提出一种鲁棒滑模观测器。所提出的鲁棒滑模观测器通过滑模与相应的控制策略来实现。设计参数的选取不需要求解大量方程,同时能保证对系统的非线性不确定性具有鲁棒性,系统中不确定性的上界值采用RBF神经网络进行自适应学习。通过设计滑模,可以调整观测器跟踪系统状态的收敛速度,使状态估计达到预期的指标。仿真结果验证了提出方法的有效性。     

一种改进的自适应模糊滑模大包线飞行控制方法

提出了一种改进的自适应模糊滑模大包线飞行控制方法。该方法以经模拟退火粒子群算法优化的小波神经网络实现非线性模型的逆,能够更加细致地逼近非线性模型,并针对自适应控制的鲁棒性与瞬态性能差的缺点,将滑模控制与自适应控制相结合共同补偿逆误差,提高了自适应控制的鲁棒性与瞬态性。仿真结果表明:所设计的自适应模糊滑模大包线飞行控制器具有优良的控制性能。     

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.     

基于自适应Terminal滑模的空天飞行器再入控制

提出一种基于RBF神经网络的Terminal滑模控制方案,消除通常滑模控制的到达过程,保证跟踪误差在有限时间内趋于零。不需要对建模误差、模型摄动和外界干扰进行各种假设,通过在线调整RBF神经网络的权值来消除它们的影响。最后在高超声速条件下,对空天飞行器再入大气层姿态控制进行仿真,结果表明该方法的有效性。     

Neural adaptive sliding mode speed tracking control of a DC motor

We propose a BPNN based adaptive sliding mode control scheme for speed tracking of a DC motor with unknown system nonlinearities. The input-output linearization technique is used to cancel the nonlinearities, and output of the BPNN is incorporated into the controller in the proposed scheme. It is shown that the rotor speed of a DC motor can follow any arbitrarily selected trajectories under variable load torque. Then the application of the approach is tested via some simulations.     

一类不确定离散网络系统的全局滑模控制

针对动态传输控制协议(transmission control protocol, TCP)网络的拥塞问题,基于离散全局滑模控制理论设计了一种主动队列管理(active queue management, AQM)算法,该算法消除了滑模控制的到达阶段,保证网络系统在整个控制过程中的鲁棒性。为了减弱离散指数趋近律的抖振现象,给出了一种改进的滑模趋近律,使得复杂的网络系统具有良好的性能。仿真结果验证了所设计的控制器对活动的TCP连接数、链路带宽及往返时延的不确定性具有很强的稳定性和鲁棒性。     

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。     

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。     

High-order sliding mode attitude controller design for reentry flight

A novel high-order sliding mode control strategy is proposed for the attitude control problem of reentry vehicles in the presence of parametric uncertainties and external disturbances, which results in the robust and accurate tracking of the aerodynamic angle commands with the finite time convergence. The proposed control strategy is developed on the basis of integral sliding mode philosophy, which combines conventional sliding mode control and a linear quadratic regulator over a finite time interval with a free-final-state and allows the finite-time establishment of a high-order sliding mode. Firstly, a second-order sliding mode attitude controller is designed in the proposed high-order siding mode control framework. Then, to address the control chattering problem, a virtual control is introduced in the control design and hence a third-order sliding mode attitude controller is developed, leading to the chattering reduction as well as the control accuracy improvement. Finally, simulation examples are given to illustrate the effectiveness of the theoretical results.     

不确定奇异系统的Terminal滑模控制

针对一类不确定奇异系统,研究其Terminal滑模控制问题。通过非奇异线性变换把不确定奇异系统变换成受限等价形式,利用Lyapunov函数方法,首次提出了一种新的Terminal滑模控制策略,给出了特殊的Terminal滑模超曲面,设计了相应的滑模控制器,实现了滑模运动,保证了系统状态变量在有限时间内收敛到平衡点。给出数值算例,说明了方法的有效性。