基于自适应滑模的超空泡航行体控制

给出了超空泡航行体的纵向运动模型,利用前馈控制将航行体模型化为线性模型.考虑航行体质量的变化和水动力系数等不确定性因素,以及超空泡形变带来的干扰问题,利用滑模控制理论设计鲁棒控制器.由于系统的不确性上界不易获得,因此采用范数自适应律估计扰动的上界.最后利用李亚普诺夫稳定性理论证明了闭环系统的稳定性.仿真研究验证了所设计的控制器具有良好的深度调节性能及较强的鲁棒性.     

机器人的自适应神经全局滑模轨迹跟踪控制

针对具有不确定性的机器人系统,提出一种自适应神经全局滑模轨迹跟踪控制方案.控制器采用一种新的全局滑模面,使得系统在整个响应时间内都具有鲁棒性;并基于径向基函数神经网络自适应学习不确定性的未知上界,从而自适应调整控制律的切换增益.而且基于Lyapunov稳定性理论证明这种新型控制器能够保证机器人系统关节角位置矢量和角速度矢量的跟踪误差渐近收敛于0.仿真结果表明提出的控制策略能够使机器人系统仅在0.5 s内就实现快速的轨迹跟踪,可见该方案是可行且有效的.     

高超声速飞行器自适应高阶终端滑模控制

针对高超声速飞行器的纵向运动模型,研究了飞行器输出跟踪控制问题,提出了一种将动态逆方法与高阶终端滑模控制相结合的鲁棒自适应控制方法.首先,利用反馈线性化方法对高超声速飞行器纵向模型输入输出线性化;通过设计具有全局鲁棒性的终端滑模面,提高系统的输出收敛速度;同时,采用自适应高阶滑模控制律,在不确定上界未知条件下对其进行自适应估计,从而实现控制器增益的实时在线调整,减少系统抖振;最后,基于Lyapunov理论证明了此控制策略可以保证闭环系统稳定.仿真结果表明,所设计的控制器能够实现高超声速飞行器纵向爬升机动中速度和高度的稳定跟踪控制.     

不确定系统的上界自适应动态神经滑模控制

针对滑模控制中不确定上界值的问题,提出一种神经网络上界自适应学习的动态滑模控制方法。该方法将系统中不确定及干扰部分分离出来,构造不确定量的联合上界,然后分两步进行分析。当上界已知时,采用动态滑模方法设计滑模控制器;上界未知时,采用神经网络自适应学习不确定项的上界,设计了权值调整规则及动态神经滑模控制器。该控制器不仅可以保证非线性不确定系统渐近稳定,降低一般滑模控制理论分析的条件,还有效地抑制了抖振。仿真实例表明,该控制方法是正确有效的。     

一类机器人滑模自适应鲁棒控制

针对存在系统参数不确定和有界外部扰动情况下的轨迹跟踪机器人系统控制问题,本文提出一种基于滑模变结构的鲁棒自适应控制方案。自适应控制律补偿系统参数不确定性,并对不确定性干扰上界进行实时估计;滑模控制消除了自适应律引起的参数误差,并且具有较强的干扰抑制能力。仿真表明此算法具有较高的跟踪精度和较强的鲁棒性。     

AUV模型解耦水平运动多控制器联合控制

为了解决自治水下机器人(AUV)的水平面轨迹跟踪控制问题,提出一种基于解耦模型的多控制器联合控制方法.建立AUV水平面三自由度运动模型并进行模型解耦,将每个自由度都只保留主变量,模型中的交叉耦合项和模型不确定性都当做外干扰项来考虑;对解耦后的AUV运动模型进行轨迹跟踪控制器的设计,针对AUV各个自由度的特点,为轴向和侧向运动设计自适应反演滑模控制器,为艏向运动设计带有干扰观测器的自适应终端滑模控制器;通过公式推导,利用李雅普诺夫理论证明了系统稳定性和误差的收敛性.仿真实验证明:所设计的轨迹跟踪控制器具有较强的鲁棒性能,系统能够实现对平面轨迹的精确跟踪且能够在规定的有效时间内实现对艏向角的精确跟踪.     

欠驱动AUV自适应神经网络反步滑模跟踪控制

针对存在参数不确定性和外界未知干扰的欠驱动自主水下航行器(AUV)三维路径跟踪问题,提出一种基于神经网络的反步滑模控制策略.首先,利用虚拟向导的方法建立了欠驱动AUV三维路径跟踪误差模型;其次,基于李雅普诺夫稳定性理论,利用反步法和滑模控制方法设计一种自适应鲁棒控制器,并设计一种在线调节增益切换函数以降低系统抖振,同时采用径向基函数(RBF)神经网络控制技术对AUV系统中不确定参数以及外界非线性干扰进行自适应补偿估计,而后利用李雅普诺夫稳定性理论证明了整个闭环系统的稳定性;最后,针对一种新型飞翼式欠驱动AUV进行数值仿真实验,结果表明所设计控制器可以实现对三维路径的精确跟踪,并对外界非线性干扰具有良好的鲁棒性.     

基于RBF逼近不确定项的机械手自适应控制研究

针对机械手控制系统中的不确定因素,提出了RBF神经网络逼近不确定项的自适应控制策略。在逆动力学计算力矩方法的基础上,设计了鲁棒自适应控制器。利用RBF神经网络对模型中的不确定项分块进行逼近,并用Lyapunov稳定性理论建立了网络权重自适应学习律,证明了系统的全局稳定性;最后进行了仿真,结果表明该方法能够有效的消除模型不确定性的影响,准确地实现了轨迹跟踪。     

一类非线性系统的鲁棒自适应控制

作者考虑一类具有有界于扰和未知参数的非线性系统（１）,设计出一种适用于输出跟踪的鲁棒自适应控制器。该控制器对线性参数化的不确定性和有界干扰具有鲁棒性,能保证闭环系统的全局稳定性,并解决了ε－跟踪问题。仿真实例表明,所设计的鲁棒自适应控制器具有良好的跟踪性能,而且所需的控制量不大,其数值在容许控制的范围之内。     

RLED机器人神经网络在线辨识及控制器设计

对考虑模型误差和外界干扰信号等不确定性因素在内的电驱动刚性机器人系统,运用神经网络和基于Lyapunov函数的逆向递推法提出一类自适应跟踪控制器.神经网络用于辨识机器人系统中包括电流一阶导数在内的复杂非线性项和不确定性因素;而基于Lyapunov函数的逆向递推法则保证了控制系统的鲁棒稳定性和干扰抑制性能.通过系统稳定性分析可以得到控制器参数的选取原则,以进一步提高控制系统品质.数值仿真结果表明所设计的控制器具有良好的鲁棒性和跟踪精度.