具有切换自适应律和静态补偿器的模型参考自适应控制

提出了一种旨在改进自适应控制系统性能的模型参考自适应控制新方案,通过引入切换自适应律和静态补偿器,减少系统在自适应调整的初始阶段振荡的幅度和调节时间,提高系统收敛的速度,改善系统跟踪误差的瞬态行为,从而显著地提高系统的鲁棒性和跟踪性能.     

非线性自适应控制的鲁棒性

用锥-扇形理论研究非线性系统的自适应控制的鲁棒性.设计系统时首先对非线性环节进行补偿,补偿误差归入建模误差,在此基础上提出一种修正的投影算法,并用锥-扇形理论证明了算法的鲁棒性.仿真结果表明,该算法的参数容易选择,控制精度高,具有一定的实用性.     

基于模糊滤波算法的时滞系统温度控制及误差补偿

利用自适应滤波算法调整模糊控制的输出,可解决大时滞温控系统的稳态振荡问题,但无法消除系统稳态误差.提出新的误差补偿算法,可以进一步消除稳态误差,减小参数整定工作量.将其应用于全自动化学发光免疫分析仪的试剂仓恒温控制.仿真结果表明,该算法能使大时滞温控系统得到稳定控制并增强系统的自适应能力和鲁棒性.     

不确定非线性系统的鲁棒自适应模糊滑模控制

对一类不确定非线性系统,利用滑模控制与模糊自适应控制相结合的方法,设计了基于模糊逻辑的鲁棒自适应模糊控制器.所提出的设计方法是用模糊模型逼近系统的不确定性项,根据滑模控制原理构造出模糊模型的参数自适应律,在线调节模糊模型的参数,同时处理存在逼近误差时的干扰抑制问题.该方法不仅能有效地消除高频抖振,对逼近误差具有较强的鲁棒性和对参考输入具有良好的跟踪性能,而且该方法不需要求取Lyapunov方程的公共解,且对不确定性的知识要求不高.该文用Lyapunov方法证明了闭环系统信号的全局有界性,以及整个系统的稳定性和鲁棒性.     

神经元自适应PSD控制器在直流调速系统中的应用

在神经元PSD控制器的基础上 ,给出了一种改进的神经元自适应PSD控制算法 ,这种改进的算法能够根据控制过程中的误差变化改变神经元的权值增益 ,进一步提高控制器的自适应能力 对基于改进神经元自适应PSD控制器的直流调速系统进行了仿真研究 ,并与普通神经元PSD算法进行比较 ,结果表明该系统具有良好的动、静态性能 ,很强的鲁棒性和自适应能力     

自适应鲁棒控制系统研究

本文提出了一种自适应鲁棒控制方法,该方法在一般鲁棒控制系统结构的基础上,将鲁棒控制器中的部分增益矩阵改为在线调整的自适应增益,使得自适应机构在系统出现大误差时作用、小误差时切除,并在保留了常规鲁棒控制系统的优良品质之前提下,进一步改善了这类系统的动态品质、提高了鲁棒性.文中给出了相应的定理,分析了各变量的有界性,并进行了实时仿真.     

基于模型参考的自适应PID控制器

提出了一种基于模型参考的自适应 PID控制器 ,通过引入一自适应误差信号 ,根据模型参考自适应控制原理的方法 ,推导了 PID参数整定的自适应率 .仿真结果表明 ,该控制器与典型的PID控制器相比 ,显著提高了系统的动态响应性能 ,系统输出能够很好地跟踪参考模型的输出 ,具有一定的抗干扰性 ,鲁棒性较好     

基于NDO的高阶非线性系统自适应反推滑模控制

针对一类高阶非匹配不确定非线性系统轨迹跟踪问题,将反推控制和滑模控制相结合,设计一种基于非线性干扰观测器(NDO)的自适应反推滑模控制方案.通过设计每一步的李雅普诺夫函数保证闭环系统全局渐进稳定,且跟踪误差一致且有界.设计NDO对非匹配干扰进行补偿,建立系统建模误差自适应律并引入双曲正切函数.仿真表明:闭环系统能够实现对指定轨迹的稳定跟踪,且对非匹配干扰和建模误差同时具有鲁棒性,并有效降低控制抖振.     

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。     

非线性系统的自适应模糊调节器的设计与分布

对于未知的非线性系统,利用误差滤波方法,提出了一种自适应模糊调节器的设计方法。根据模糊系统的逼近性质,非线性系统可以表示为线性参数化模型加上一建模误差项。当建模误差项满足线性增长条件时,分析了算法的鲁棒性,利用李亚普诺夫稳定性理论,证明了算法的全局稳定性,并且系统的状态收敛于零的某一领域内。     

鲁棒自适应波束形成算法比较与实验研究

传统的自适应波束形成算法对基阵的轻微误差非常敏感,为提高自适应波束形成技术对阵列误差的鲁棒性,在分析线性约束最小方差波束形成的基础上,研究并比较了对角加载算法和支持向量机算法对自适应波束形成器鲁棒性能的改善,和对对角加载算法和支持向量机算法进行了鲁棒性能分析与比较。水池实验结果表明,传统的对角加载算法能够提高波束形成器对信号导向向量失配与样本协方差矩阵误差的鲁棒性。而基于支持向量机算法的波束形成器在波达方向失配的较高信噪比或存在大量干扰信号时表现出更好的鲁棒性,为提高波束形成器的鲁棒性提供了一种新的有效途径。     

非线性系统的自适应模糊调节器的设计与分析

对于未知的非线性系统 ,利用误差滤波方法 ,提出了一种自适应模糊调节器的设计方法 .根据模糊系统的逼近性质 ,非线性系统可以表示为线性参数化模型加上一建模误差项 .当建模误差项满足线性增长条件时 ,分析了算法的鲁棒性 .利用李亚普诺夫稳定性理论 ,证明了算法的全局稳定性 ,并且系统的状态收敛于零的某一邻域内     

一种新型三自由度液压伺服关节的动力学模型

建立了一种新型三自由度液压伺服关节的动力学空间模型,提出了一种自适应控制补偿方法,该方法能够消除死区造成的位置跟踪误差．利用Madab对该动力学模型进行了仿真试验研究,仿真试验结果表明,死区对位置跟踪误差有直接影响,该关节的动力学系统是稳定的,采用自适应控制补偿方法,可以使位置跟踪精度误差小于0．1％,且系统输出无超调．同时,系统对负载变化不敏感,具有较强的鲁棒性．     

基于小波网络的高超音速飞行器鲁棒自适应积分反步控制

针对高超音速飞行器非线性模型具有不确定性的问题,提出一种基于小波网络的鲁棒自适应积分反步控制方法。该方法运用反步法设计非线性控制律,并引入积分项以减小系统跟踪误差;用小波网络在线逼近系统不确定项,提高系统鲁棒性;设计鲁棒项消除小波网络逼近误差。通过Lyapunov稳定性分析,该方法能够保证闭环系统跟踪误差最终收敛。通过与常规反步、积分反步、自适应反步进行仿真对比,结果表明：所设计的控制律可以有效抑制系统不确定性的影响,设计方法可行。     

一种自适应阵列指向误差校正方法

在自适应阵列处理中,指向误差将使阵列处理性能严重下降,必须进行校正。在分析指向误差对自适应波束形成性能影响的基础上,提出一种利用阵列接收数据和指向误差不确定度的指向误差校正方法,通过牛顿法迭代求解用于修正阵列导向矢量的因子,然后进行自适应波束形成。理论分析和仿真结果表明：新方法对指向误差具有较好的鲁棒性。     

基于DSP的全数字直流位置伺服控制系统

提出一种基于数字信号处理器（ＤＳＰ）的全数字直流位置伺服控制系统。充分利用ＤＳＰ周边接口丰富、运算速度快的特点,采用神经元自适应控制策略对系统进行控制。实验结果表明,该系统对于对象参数大范围变化具有很强的鲁棒性和自适应能力, 系统的动、静态性能良好, 定位误差小于０．３°     

神经元自适应PSD控制器在直流调速系统中的应用

在神经元ＰＳＤ控制器的基础上，给出了一种改进的神经元自适应ＰＳＤ控制算法，这种改进的算法能够根据控制过程中的误差变化改变神经元的权值增益，进一步提高控制器的自适应能力。对基于改进神经元自适应ＰＳＤ控制器的直流调速系统进行了仿真研究，并与普通神经元ＰＳＤ算法进行比较，结果表明该系统具有良好的动、静态性能，很强的鲁棒性和自适应能力。     

自适应控制用于机器人伺服驱动

本文提出一种适用于机器人关节驱动的无刷直流电动机自适应位置伺服控制系统.提出的方法基于双自适应控制环的设计,能迅速抑制由于参数变化和扰动所引起的状态误差.在实验系统中,采用以8031单片机控制系统和功率MOSFET逆变器组成的无刷直流电机伺服系统,试验证明所提出的方法对于提高系统的鲁棒性是有效的.     

基于自适应动量因子的区间神经网络建模方法

区间神经网络建模是区间控制的核心部分,也是提高系统鲁棒性的重要方法.针对区间神经网络算法收敛速度慢的问题,提出一种自适应动量因子算法.算法利用区间运算建立输入与输出数据的映射模型,通过引入具有自适应特性的动量项,使用最速下降法对动量项进行自适应更新,在加快系统收敛速度的同时,克服系统稳态误差大和容易陷入局部最小值的弊端.典型算例实验表明:区间神经网络能够较为精确地建立区间网络模型,自适应动量因子算法提高了区间神经网络整体性能.     

永磁直线同步电机自适应变结构位置控制器的研究

针对永磁直线电机参数变化和外部扰动对伺服系统的影响,提出了自适应变结构位置控制设计方法.用电机的位置误差信号及其导数构造切换函数,利用自适应律对系统不确定性扰动因数的极限进行估算.经过分析验证,与基于SVPWM的矢量控制系统相比较,自适应变结构位置控制算法明显减少了由系统参数变化和外部扰动引起的推力脉动,能快速、准确地跟踪给定信号,增强了整个系统的自适应性和鲁棒性.