永磁同步电机位置伺服系统的RBF神经网络滑模控制策略

针对永磁同步电机(PMSM)位置伺服控制系统的负载扰动、外部不确定性干扰和模型参数摄动的特点,常规PID控制策略难以达到满意的控制效果.利用滑模控制对系统扰动和参数变化不灵敏的优点,提出一种基于神经网络和滑模控制相结合的位置伺服优化控制策略.在常规滑模控制器设计的基础上,引入RBF神经网络调节滑模控制器的切换增益,削弱...     

桥式起重机神经网络自适应滑模定位防摆控制

针对桥式起重机非线性、存在外界干扰的特点,提出了一种神经网络自适应滑模控制器。首先采用拉格朗日法建立桥式起重机动力学模型;然后在分层滑模控制器的基础上,设计了径向基函数(RBF)神经网络权值自适应更新率,利用RBF神经网络补偿系统的非线性与外界干扰引起的不确定上界,并利用粒子群算法对控制器参数寻优,通过构造Lyapunov函数证明了系统的稳定性;最后设计了1组仿真实验和1组在搭建的实验平台上的验证实验,仿真结果表明:在非线性及外界干扰作用下,神经网络自适应滑模控制器可以快速实现小车定位和负载消摆,控制器可以消除不确定上界对系统的影响。实验结果也表明,所设计的控制器可以使桥式起重机达到控制目标,具有一定的抗干扰能力。     

滤波减速器传动机器人的自适应RBF反演法控制

针对具有参数未知、外界扰动、强耦合、非线性和多变量的滤波减速器传动机器人建立系统数学模型并对其进行自适应RBF神经网络反演法控制。利用自适应RBF在线逼近系统模型中的未知非线性项设计基于自适应RBF神经网络的反演法控制器同时结合Lyapunov稳定性分析方法论证闭环系统的收敛性。所提控制方法有效地抑制诸如参数未知、外界扰动等对滤波减速器传动机器人的性能影响。仿真分析表明所提出自适应RBF神经网络反演控制器实现了滤波减速器传动机器人的高性能位置跟踪控制并具有很好的控制精度和鲁棒性。     

基于反演技术和神经网络的移动机器人控制

提出了一种基于反演设计和RBF神经网络自适应的非完整移动机器人轨迹跟踪方法.首先,设计一个虚拟的速度控制律使得输出跟踪误差尽可能小;然后,利用反演技术设计一个基于RBF神经网络的动力学控制器,以确保在机器人系统中存在不确定性和外界扰动的情况下,机器人仍具有良好的跟踪能力.RBF神经网络连接权值在线自适应律由Lyapunov理论导出,保证了控制系统的稳定性.本文提出方法的主要优点是不需要移动机器人动力学的先验知识,而且对外界扰动具有良好的鲁棒性.最后,在两轮非完整移动机器人上的仿真结果证明了本文所提出方法的有效性.     

动力定位非线性自适应反步控制器设计

提出了一种基于VxWorks实时操作系统的船舶动力定位控制器设计,给出了整体框架和软件模块设计。实际工况中,存在模型参数难以精确描述和外界扰动不确定的问题,在控制方法上,设计了一种基于RBF神经网络的自适应反步控制。RBF神经网络对连续函数在紧集范围内具有任意经度的逼近能力,可有效解决船舶水动力高度非线性以及水动力系数难以准确估计的问题。海浪流引起的不确定外界扰动可通过自适应估计补偿。根据Lyapunov稳定性理论证明所设计的控制器是全局渐近稳定的,仿真结果验证了该方法的有效性。     

焦炉集气管压力自适应预测解耦控制系统设计

针对焦炉集气管压力系统具有强耦合、强干扰、典型非线性、时滞等特点,在系统控制过程中将压力分段考虑,用基于RBF神经网络辨识的单神经元控制器和PID控制相结合的方法,保证集气管压力稳定在工艺要求的范围内;在总管控制级用RBF神经网络预测模型对鼓风机机前吸力的实际输出进行超前预测以克服鼓风机控制系统的时滞.仿真示例和应用结果都表明该方案具有理想的控制效果.     

基于观测器的深海起重机互补滑模主动升沉补偿

针对深海起重机主动升沉补偿系统的非线性时变负载特性,在互补滑模控制器的基础上利用扰动观测器补偿扰动,实现主动升沉补偿。首先,将复合扰动分为匹配扰动和非匹配扰动两部分,采用互补滑模控制器对匹配扰动进行补偿,并降低系统稳态误差;同时设计扰动观测器对非匹配扰动的导数及其一阶、二阶导数进行估计,补偿至滑模控制律。最后采用MATLAB软件对深海起重机进行建模,搭建基于扰动观测器的互补滑模控制器,在给定负载位移条件下,进行负载位移跟踪仿真研究。结果表明,所设计的控制器在不同系统参数的情况下可实现迅速和精确的补偿控制,并与PID控制器进行对比,有更好的响应速度和控制效果,与普通滑模相比可缩短到达滑平面的时间。     

基于RBF的TCP网络自适应滑模控制

针对TCP网络的拥塞控制问题,提出了一种基于RBF神经网络的自适应滑模控制算法.为了简化滑模控制器的设计,将系统的各个不确定参数和非线性补偿整合成一个总的不确定.考虑到网络系统的不确定性上界很难获得,使用RBF神经网络对系统不确定的上界进行自适应学习.将RBF神经网络的输出作为不确定上界的补偿,从而消除了系统的不确定带...     

基于径向基神经网络的主动前轮转向自抗扰控制

为研究复杂环境下车辆主动前轮转向系统（AFS）稳定性问题,提出一种基于RBF神经网络的主动前轮转向自抗扰控制（ADRC）方法,通过设计RBF神经网络结构采用梯度下降法达到自抗扰控制器参数整定的目的,改善ADRC参数多整定耗时且控制效果难以保持最优的不足;针对车辆AFS定传动比的不足,设计固定横摆角速度增益的理想变传动比规则。结果表明,基于RBF神经网络的ADRC策略能够较好的实现动态跟踪主动前轮转向理想横摆角速度,同时相比ADRC抗干扰量提高了25.8%,有效抑制了横摆角速度的振荡幅值。可见该方法提高了理想横摆角速度的跟踪能力,改善了车辆的可控性和稳定性并具有良好控制精度。     

小型吊舱式无人艇航向控制

针对小型吊舱式无人艇航向控制系统精度问题,考虑模型中的不确定性和风、浪干扰等未知项,设计一种基于RBF神经网络和迭代滑模算法的自适应控制器.在建立吊舱式无人艇运动数学模型基础上,采用迭代滑模算法提高收敛时间,并通过RBF神经网络权值逼近模型参数不确定项和未知扰动,最终将该算法与迭代滑模算法进行仿真比较.结果表明,所提出...     

不确定扰动情况下耦合Duffing混沌系统的广义投影同步的神经滑模控制

针对两自由度耦合Duffing混沌系统的广义投影同步控制的问题,提出了一种神经滑模控制器的设计方法.基于RBF神经网络构造系统的滑模控制器,设计自适应更新率对神经网络的网络权值进行在线调节,形成滑模控制器切换增益的自适应更新,利用Lyapunov方法证明了受控系统的稳定性.数值模拟结果表明,所设计的神经滑模控制器不但能有效降低响应系统的抖振,改善受控系统的动态品质,而且具有鲁捧性,在不确定扰动情况下仍能较好地控制驱动系统和响应系统间的混沌广义投影同步.此外,该控制器允许任意调整参数λi(i=1,2,3,4)的值得到不同类型的混沌广义投影同步.     

基于RBF神经网络的全向智能轮椅自适应控制

在外界扰动为有界不可测条件下,利用径向基函数(radial basis function,RBF)神经网络在线逼近全向智能轮椅的非线性逆运动学模型,提出对轮椅轨迹跟踪的直接自适应控制方法.首先,在分析全向智能轮椅平台动力学模型的基础上,设计了基于径向基函数神经网络的全向智能轮椅自适应控制器;并进一步利用李雅普诺夫稳定性理论,证明了在外界扰动及神经网络权值误差逼近有界的条件下,该控制器在全向智能轮椅轨迹控制中跟踪误差的一致稳定且有界;最后,通过全向智能轮椅轨迹跟踪仿真实验,验证了所提出控制方法的有效性和稳定性.     

基于失配补偿Smith-RBF神经网络的 主蒸汽压力控制技术

针对燃气发电锅炉主蒸汽压力控制系统对象的大滞后、不确定性和煤气扰动大的特点,设计了一种基于失配补偿Smith预估及RBF神经网络的控制方案。利用RBF神经网络的在线学习能力整定常规PID的参数,并通过失配补偿Smith预估控制器对系统中存在的纯滞后进行补偿,有效解决了火力发电锅炉主蒸汽压力对象动态特性模型失配及纯滞后的问题。通过仿真研究及实际应用表明:该控制方法对于火力发电锅炉主蒸汽压力控制具有很好的稳定性和抗干扰能力。     

压电定位台RBF非奇异快速终端滑模跟踪控制

为了实现对具有强非线性压电定位台的精确位置跟踪,提出了一种基于径向基函数(RBF)神经网络和非奇异快速终端滑模面的自适应控制方法.对压电定位台进行了自适应控制建模,设计了非奇异快速终端滑模控制器.结合RBF神经网络实现了控制器的改进,提出了RBF非奇异快速终端滑模控制器及其参数更新规律,采用李雅普诺夫理论进行了稳定性证...     

分数阶超混沌Chen系统的RBF神经网络自适应滑模同步

针对分数阶超混沌系统的同步问题,通过设计一个新型含分数阶滑模面的RBF神经网络自适应滑模控制器,应用滑模控制和主动控制原理实现分数阶超混沌Chen系统的驱动系统和响应系统间的同步.在RBF神经网络控制方案的基础上引入分数阶滑模控制器以提高系统的鲁棒性,并在分数阶滑模控制器中增设自适应参数使得控制律在迭代过程中找到合适的切换增益,免除繁冗的人工调参过程.根据Lyapunov稳定性定理证明了该方案下系统的稳定性.当存在外部干扰时,将RBF神经网络与分数阶滑模控制相结合,更利于系统在迭代过程中找到最近似的权值,并通过补偿控制降低干扰对控制系统的影响.数值仿真结果验证了该控制方法的鲁棒性及有效性.     

基于改进型RBF神经网络多变量系统的PID控制

针对工业控制中多输入多输出非线性时变系统,提出了基于改进型RBF神经网络的智能PID控制方法.采用最近邻聚类算法在线构造RBF神经网络辨识器并在线辨识被控对象,对PID控制器参数进行在线调整,实现了多变量非线性时变系统的解耦控制.仿真结果表明,控制器能根据系统运行状态获得对应于某种最优控制规律下的PID参数,解耦后的系统具有较好的动态和静态性能,与常规RBF神经网络PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性.     

带有未知参数和有界扰动的机械臂混沌反控制

混沌反控制是指通过对在自然状态下并不存在混沌的系统设计控制方案来实现闭环系统的混沌.文中针对带有未知参数和有界扰动的机械臂,设计了一种带有自适应终端滑模项的RBF神经网络控制器,来实现机械臂的混沌反控制.采用RBF神经网络逼近系统的未知非线性函数,通过自适应终端滑模实现系统对外界扰动的鲁棒性;利用Lyapunov稳定性定理证明了闭环系统所有信号的最终一致有界;最后,以两连杆平面机械臂为例,通过仿真验证了所提方法的可行性与有效性.     

柴油发电机神经网络非线性励磁控制器研究

采用基于LM算法的BP神经网络逼近柴油无刷发电机微分几何非线性励磁控制器,实现了神经网络非线性励磁控制方式,简化了控制回路。仿真结果表明,在系统遭受扰动或故障时,所设计的神经网络非线性励磁控制器具有良好的控制效果。     

基于双体结构的无人测绘艇航向控制

无人艇在海洋测绘中的应用越来越广泛,而航向稳定性是实现其自主航行的重要基础。设计了一种双体结构的无人测绘艇,用于搭载测量设备并实现测绘功能。为了实现无人艇的航向控制,将RBF(radial basis function)神经网络与PID(proportion integration differentiation)算法相结合,利用RBF神经网络的自学习能力实现对PID控制器参数的整定。在仿真过程中,将RBF-PID自适应模型、单一PID模型以及作为对照组引入的BP-PID自适应模型分别仿真,并在同一时刻加入随机扰动,观察系统响应效果。结果表明,基于RBF-PID算法的无人艇航向控制器的超调量为零、稳态时间最短,同时能够及时有效地纠正随机扰动的影响,保障无人测绘艇的航向稳定性。     

用RBF网络控制非线性系统的混沌运动

设计 RBF前向神经网络 ,以 Ott、Grebogi和 Yorke混沌控制策略作为训练网络控制算法的基础 ,通过参数扰动模型输出数据训练网络来产生控制非线性系统的混沌运动必须的小扰动时间序列信号 ,使其成为混沌控制器 ,将嵌入在混沌吸引子中不稳定周期轨道镇定到稳定不动点 .Hénon映射的数值仿真结果证明该方法十分有效 .图 6 ,参 7