船舶航向非线性迭代滑模变结构PID控制

针对一类不确定非线性受扰动系统,提出非线性迭代滑模变结构PID控制方法.通过对系统输出迭代设计非线性滑模函数,并引入传统PID控制,综合了滑模变结构控制与PID控制的鲁棒性强的特点,避免了传统PID控制积分引起的超调以及变结构控制的抖振问题.设计了船舶航向控制器.仿真结果表明,非线性迭代滑模变结构PID控制下的系统阶跃响应超调明显减小,定常干扰下的静态误差得到消除,稳定时间明显缩短并可通过设计参数调节,表明控制算法具有强鲁棒性.     

一种鲁棒滑模自适应跟踪控制

对一类具有未知有界干扰与未知参数的单输入单输出最小相位线性离散系统，基于滑模变结构控制，设计了一种鲁棒滑模跟踪控制器，可使系统全局渐近稳定（即输入输出有界）.     

基于SMC的大型光电跟踪平台直流调速系统算法

为克服大型光电跟踪平台直流调速系统的非线性因素影响,利用变结构控制响应速度快,针对系统的参数变化和外部扰动不灵敏的特点,设计了滑模变结构控制器。通过Simulink 仿真并与PID(Proportional_Integral_Differential)控制方法相比较得出,采用SMC(Sliding Mode Control)设计系统稳态跟踪的误差减小到PID控制系统的1/3,调节时间缩短为原来的1/7,由超调3％变为无超调,由对参数摄动和外部扰动敏感变为不敏感。从而证明了在大型光电跟踪平台直流调速系统中,滑模变结构控制能显著减小系统反应时间和稳态跟踪误差,对参数摄动和外部扰动具有良好的鲁棒性。     

电子机械制动系统的滑模控制研究

建立了基于电子机械制动(EMB)系统的车辆单轮动力学模型,针对制动过程的非线性特征和路面条件的复杂性,设计了基于滑移率的滑模变结构控制器以充分利用地面的附着力及适应制动的全工况要求,并采取了相应的措施削弱抖振现象.在单路面与变路面条件下的仿真计算验证了滑模控制器的可行性和有效性,同时也表明滑模变结构控制器的控制性能及对路面的适应性均优于PID控制器.     

电动轮汽车驱动系统的滑模-PID控制

针对电动轮汽车驱动系统响应时间过长,响应不稳定,鲁棒性差等问题,建立简化了的电动轮汽车整车动力学模型和永磁无刷直流轮毂电动机驱动模型.以滑模变结构理论和PID控制理论为基础,根据电动轮汽车驱动系统运行的动态特性品质及滑模运行的动、静态特性要求,分别设计系统外环滑模-PID决策控制器及内环PID跟踪控制器,通过内、外环控制的有效结合,使系统具有了兼顾滑模变结构控制稳定性好、鲁棒性高和PID控制简单易行、响应迅速的特点,提高了系统的控制品质.仿真结果表明:基于滑模-PID控制的驱动系统能够迅速控制整车驱动系统和轮毂电动机的运行,明显改善了汽车动力学特性和轮毂电动机特性.     

滑模变结构控制在惯性平台稳定回路中的应用

为了与新型高精度惯性平台相匹配,解决传统PID控制的稳定回路抗干扰性能不高的问题,设计了滑模变结构控制器.滑模变结构控制器的主要特点是:当系统状态穿越状态空间的不同区域时,反馈控制器的结构按照一定的规律发生变化,使得控制器对系统的内在参数变化和外在扰动等因素具有较强的鲁棒性,从而保证系统能够达到期望的性能指标要求.MATLAB仿真结果表明,滑模变结构控制器在很多指标上均优于传统PID控制器,特别表现在超调量,动态性能以及对干扰的抑制能力方面,是平台系统的理想控制器.     

Boost变换器PWM模糊滑模变结构控制器设计

针对Boost变换器的强非线性,传统控制方法不易取得良好的控制效果,设计了Boost变换器PWM模糊滑模变结构控制器。该控制器结合PWM调制、模糊推理和滑模变结构控制三者的优点,通过在线模糊逻辑推理调整滑模变结构控制的切换面参数,从而使系统状态点的滑模运动保持稳定,逐渐趋向平衡点,提高滑模变结构控制器的控制效果。通过Matlab仿真比较,该控制器较好地解决了系统抖振问题,具有良好的动态性和较强的鲁棒性。     

时滞系统的T-S模糊PID控制

以输出误差e、误差积累Σe、误差变化率△e为控制器输入,设计了三输入单输出的T-S模糊PID控制器。针对时滞系统,分别采用传统PID控制器、Smith预估补偿器、T-S模糊PID控制器进行控制并仿真比较,结果表明:T-S模糊PID控制器具有控制精度高、响应快速、适应性强的特点;当时滞系统的时滞发生较大变化时,控制器仍具有很好的控制效果,系统稳定。     

液压挖掘机自适应模糊滑模控制的研究与仿真

为了解决滑模控制中的抖振问题,设计了自适应模糊滑模变结构控制器.为了使滑模控制的等效控制不依赖于挖掘机工作装置的精确数学模型,引入自适应模糊控制连续逼近等效控制器,增强对不确定性控制系统的鲁棒性,并将其用于液压挖掘机工作装置的轨迹跟踪控制.控制规则包括等效控制、切换控制和调整控制三个部分.在Matlab7.4/Simulink环境下对自适应模糊滑模控制进行了挖掘轨迹的跟踪仿真,给出了跟踪性能及控制输入.     

基于动态滑模控制的移动机械臂输出跟踪控制

为实现移动机械臂的输出跟踪控制,设计了一种动态滑模控制器．文中首先给出了包括驱动电机动态特性的移动机械臂简化动态模型,然后通过微分同胚和非线性输入变换将系统分解为4个低阶子系统,并给出了用于移动机械臂输出跟踪的动态滑模控制器的设计方法．仿真结果表明,所设计的动态滑模控制器不仅能很好地跟踪给定轨迹,而且能有效地削弱滑模控制系统的抖振．     

滑模变结构控制及其在直流伺服系统中的应用

论述了滑模变结构控制的基本方法及其在直流伺服系统中的应用．仿真结果表明,滑模变结构控制的性能优于常规的PID控制,在系统参数变化时表现出更强的鲁棒性。     

基于离散时间滑模控制器的自动变速器滑差控制

设计离散时间系统滑动模态变结构控制器,对闭锁离合器进行滑差控制以提高整车燃油经济性,消除发动机扭矩波动造成的传动系统冲击.采用零相位数字滤波器,以抑制滑模控制系统中的抖振.建立传动系统仿真模型对滑模控制器进行验证,并与传统比例-积分-微分(PID)控制器进行比较;通过硬件在环仿真测试车辆在十五循环工况(ECE)下有无滑差控制时的燃油消耗量.结果表明,滑差控制有效吸收传动系冲击,液力变矩器在滑差控制下的传递效率高于纯液力传动,可降低整车燃油消耗;基于滤波的滑模控制器,控制律平滑变化,具有更好的响应速度和跟踪指令信号的能力.     

基于滑模变结构的风电机组一次调频算法研究

针对并网风电场中,经典一次调频控制方法存在抗干扰能力弱、机组易脱网的问题,本文提出一种基于滑模变结构的风电机组一次调频控制算法。首先,在永磁同步风电机组工作原理的基础上,建立含有大电网的风电机组模型。其次,为了解决传统PID控制下抗干扰能力弱的问题、引入经典滑模变结构控制器。然后,针对经典滑模变结构控制器导致执行机构存在抖振较多的缺点,本文提出一种基于Sigmoid函数趋近率的滑模变结构一次调频控制算法。最后,通过MATLAB/SIMULINK对风电机组一次调频进行建模仿真,并与经典控制算法相比,验证了所提算法的可行性,在风速波动和电网故障的环境下,滑模变结构一次调频控制算法更具有效性。     

永磁无刷直流电动机非奇异终端滑模控制系统设计

为了提高无刷直流电动机控制系统的鲁棒性和控制精度,将非线性滑模控制方法引入控制系统中,设计了全局非奇异终端滑模控制律,并证明了所设计控制律可以控制系统从任意初始状态在有限时间内到达平衡点,在滑模面上,控制系统对外界扰动完全免疫.Matlab仿真结果表明,非奇异终端滑模控制方法比线性滑模和传统PID控制方法具有更好的控制效果.     

基于气动人工肌肉的混合位置跟踪控制

针对一种气动人工肌肉驱动的弹簧质量位置控制系统,设计了一个带有自适应模糊小脑模型（Cerebellar Model Articulation Controller,CMAC）在线逼近的离散趋近律滑模混合控制器.该混合控制器中离散趋近律滑模策略产生控制器的输出;自适应模糊CMAC用以逼近气动人工肌肉系统中的不确定项.CMAC网络权值的在线学习调整保证了自适应模糊CMAC的逼近性能.对离散抗饱和PID控制器（DASPID）与自适应模糊CMAC离散滑模混合控制器（HybridC）的位置跟踪控制性能进行了对比实验.实验结果表明,HybridC较之DASPID有更好的位置跟踪控制性能.当期望参考输入为正弦信号时,DASPID的最大位置跟踪误差为±15 mm;而HybridC的最大位置跟踪误差仅为±07 mm,平均位置跟踪误差大约仅为±02 mm.并且,离散滑模所固有的抖振现象得到了有效的抑制.     

无人动力翼伞双环积分滑模控制器设计与仿真

无人动力翼伞系统具有非线性和较强耦合性的特点,飞行状态难以控制.为了对无人动力翼伞进行更好的控制,首先,建立了无人动力翼伞6-DOF数学模型.其次,以此模型为基础,针对无人动力翼伞三轴角速度和角度的控制设计了一种双环积分滑模控制器,并针对其三轴惯性位移的控制设计了一种滑模控制器.最后,通过MATLAB软件将比例-积分-微分(proportional-integral-derivative,PID)控制器与双环积分滑模控制器进行仿真对比分析.结果表明,建立的双环积分滑模控制器相较于工程中常用的PID控制器具有更快的响应速度以及更小的超调量,能够更好满足对无人动力翼伞飞行状态的控制需求.     

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。