基于自回归动态神经网络的逆模型辨识及在线控制

研究了自回归动态神经网络及其学习算法。提出了应用于动态逆模型识的结构，并与ＰＩＤ控制相结合形成了非线性动态对象的在线自适应控制系统。仿真结果表明此方案简单可行，克服了静态网络的一些局限性。     

伺服系统中滑模变结构控制器的设计

针对伺服系统中包含非线性和参数不确定性问题,依据滑模变结构控制理论,提出了基于指数趋近率的滑模位置控制器设计方法,建立了被控系统的数学模型。最后给出了采用极点配置方法确定切换函数。     

时变系统的多模型参数辨识研究

本文利用变点统计学的思想,讨论离散动态时变系统的多模型参数辨识问题,并给出了基于黄金分割优化思想的最小二乘多模型参数辨识算法以及计算机仿真结果。仿真结果显示出本文所提出的算法对多模型参数以及变点的良好估计特性。     

挠性结构振动主动控制中的模型辨识

论文将有限元建模与面向控制的频域辨识结合起来应用于挠性结构振动主动控制的建模中，并对辨识的输入信号进行分析研究，以挠性悬臂梁为例进行了模型辨识，利用物理实验系统进行控制和验证，结果表明：对于挠性结构，频域辨识能得到针对控制的、效果很好的数学模型。     

基于全参数在线辨识的鲁棒自校正控制

受控系统中，模型结构参数（模型时延及模型阶次）和模型参数是自适应类控制的基础，采样这些参数，并即时送给控制器，是实现自适应控制的前提，也是优化该类算法的重要依据。笔者给出了对上述自适应控制的有关参数的在线辩识方法，并基于此，改进了经典的自适应类控制算法，算法中引入了对结构参数（模型阶次）的智能辩识方法和鲁棒极点配置原理，从而构成了鲁棒自校正控制，使算法得以进一步优化，整个控制方案给出了自适应类控制的新模式。     

基于模糊趋近律的自适应滑模变结构控制

针对一类非线性不确定系统,把自适应模型跟踪控制和模糊控制与趋近律相结合,提出一种新的自适应模糊滑模变结构控制方案.不仅消除了滑模变结构控制固有的高频颤动现象,对模型不确定性和外部干扰具有较强的鲁棒性,而且改善了系统到达段的品质,同时跟踪误差可收敛到零的一个邻域内.仿真结果也表明了该方案的正确性.     

不确定性系统的神经网络变结构控制

结合神经网络理论与变结构控制理论,提出一种基于神经网络的变结构滑模控制方案,该方案不依赖于系统的数学模型,它对外干扰和非线性不确定性都具有较强的鲁棒性,并能削弱抖振的发生,仿真结果表明该方法对非线性不确定性系统控制的有效性。     

基于多目标优化的模糊滑模变结构控制及应用

摘要：结合滑模变结构控制和模糊逻辑技术，提出一种基于多目标优化的模糊滑模变结构控制。以滑模开关函数及其变化量作为模糊调节器的输入量，滑模面边界层的宽度作为输出量，设计一个二堆模糊边界层宽度调节器}以稳态误差和切换频率构造多目标优化函数，运用多目标优化算法对滑模变结构控制器参数进行优化。应用于液压位置系统控制的仿真结果表明，所提出的控制方法能缓解滑模变结构控制高稳态精度与平滑抖振之间的矛盾，提高液压位置滑模变结构控制系统的综合性能。     

理想跟踪准滑模变结构参考模型自适应控制

对一类有界的不确定的非线性动态系统 ,提出了一种基于具有连续函数特性的准滑动模态变结构控制的自适应控制方法。该方法在对象参数未知的情况下 ,利用变结构原理来学习在 L yapunov意义下系统的不确定界 ,从而实现对系统参数未知界的估计 ,并确保跟踪误差满足预先给定的性能要求。仿真结果表明该方法是有效的 ,并且使系统的抖振有较大程度的削弱     

基于滑模变结构的迭代学习控制器算法

迭代学习控制是一种新型控制算法,它不依赖于动态系统的精确数学模型,通过重复执行同一任务来减少误差,使系统输出尽可能逼近理想值的方法.滑模变结构控制具有很强的鲁棒性,将滑模控制算法引入ILC,提出两种基于滑模变结构的迭代学习控制算法.仿真结果表明随着迭代次数的增加,误差逐渐减小并趋于平稳,得到较好的跟踪效果.     

Acrobot系统基于滑模的离散时间变结构控制

研究了将离散时间变结构控制应用于Acrobot系统的平衡控制器设计的问题.首先给出了Acrobot在垂直向上平衡点处的离散化数学模型.分析了离散指数趋近律存在抖振的机理,针对其不足给出了一种改进的趋近律,并将其应用于Acrobot系统的控制中,设计了离散时间变结构平衡控制器.仿真结果表明,改进的趋近律可有效地减小系统的抖振,并保证系统渐近稳定,实现了Acrobot系统基于滑模的离散时间变结构控制.     

基于滑模变结构的TCR控制系统数学建模及仿真

为了方便分析与系统设计,将非线性的TCR型SVC控制系统进行线性化,建立了基于滑模变结构的控制系统模型,为了检验模型的准确性,并运用Matlab软件进行了仿真.     

基于网络远程控制滑模变结构控制策略

基于网络远程控制循环中存在随机通信延迟时间,影响控制循环的稳定性.提出采用滑模变结构控制来消除控制循环中随机通信延迟时间对稳定性的影响,研究了滑模变结构控制的实现方法、滑动平面求解、控制函数的实现等.滑模变结构控制的仿真结果与远程机器人直接控制结果的对比表明,前者能够保证在存在随机通信延迟时间时控制系统的稳定,证明了滑模变结构控制应用于机器人远程控制的合理性.     

滑模变结构控制在交流伺服系统中的应用

分析了伺服系统控制过程中存在的问题以及滑模变结构控制的特点,重点阐述了几种集成滑模控制策略。     

一个混沌系统的自适应滑模变结构控制

研究了一个混沌系统的控制问题,应用自适应滑模变结构控制的方法将混沌系统的状态渐进稳定到指定的平衡点,该控制律对外界扰动俱有鲁棒性.数字仿真表明了其控制的有效性.     

基于滑模变结构控制的异步电机调速系统研究

为提高异步电机调速系统抗干扰能力,改善其动态特性,以异步电机矢量控制系统为基础,针对电流环和转速环分别设计了电流滑模控制器和转速滑模控制器,并利用指数趋近律来削弱抖振,详细阐述了控制器设计步骤。利用MATLAB／SIMULINK对滑模控制系统进行仿真,并与PI控制系统进行对比分析。最后利用dSPACE实时仿真系统对异步电机滑模变结构控制系统进行实验验证。结果表明,所设计的异步电机滑模变结构控制系统动态特性更好,抗干扰能力更强。     

基于二阶Adaline网络的滑模变结构控制器

针对一般神经网络滑模控制系统在线训练时间长、实时性差的问题,提出一种自适应神经滑模变结构控制系统。该系统主要由二阶Adaline网络辨识器、滑模控制器和变结构二阶学习算法估值器组成。其中二阶Adaline网络是对原Adaline网络的改进,在其输入样本向量中增广了有关样本的二次项,相当于用时变二次多项式去逼近非线性系统,既有原Adaline网络训练速度快的优点,又具有一定非线性逼近能力;滑模控制器根据辨识误差自适应调整趋近律中的增益参数;而变结构二阶学习算法首先对递推近似Newton法进行简化,然后将其改造成一种新型的变结构算法,具有较快的收敛速度。针对同一非线性系统,采用常规神经滑模变结构控制存在较小的抖振,平均调节误差为0.0913;而采用自适应神经滑模变结构控制很快趋于平稳,几乎消除高频抖振,平均调节误差为0.0109。仿真结果证明了该方案的有效性。     

Cuk型DCAC逆变器的滑模变结构控制

本文提出一种组合式的新型Cuk型DC-AC逆变器,并采用滑模变结构控制策略。应用Matlabe/Simulink平台,进行仿真验证理论的正确性和可行性。     

关于滑模变结构控制系统中滑动状态可达性探讨

推导出了被控对象的状态方程为一般形式下的滑动状态可达性条件,并在滑模变结构控制的直流调速系统中得到了数字仿真验证。