谐波驱动系统自适应神经网络动态面控制

针对谐波驱动系统动力学模型中存在的非线性摩擦、柔性变形和外界未知干扰力矩等因素的问题,为了提高系统的位置跟踪精度,提出了一种基于径向基函数(RBF)神经网络的谐波驱动系统自适应动态面控制.采用LuGre摩擦模型描述系统的非线性摩擦特性,用RBF神经网络在线逼近摩擦参数变化和外界未知干扰力矩对系统的影响,并通过李雅普诺夫稳定性理论证明了闭环系统的所有误差最终一致有界.仿真结果表明:与普通动态面控制相比,本控制策略对摩擦参数变化和外界未知干扰力矩具有较强的鲁棒性,提高了系统的位置跟踪精度.     

船舶航向非线性系统自适应模糊补偿控制

摘要： 研究了船舶直航和谐波航向控制问题.基于Lyapunov稳定性理论,将自适应模糊补偿技术应用到船舶航向非线性响应模型中,利用万能逼近定理构造模糊系统逼近系统中的未知非线性,提出了一种基于自适应模糊补偿且带有物理约束二阶滤波器的鲁棒跟踪控制器.运动响应模型考虑了建模误差和外界干扰,模糊系统能有效地逼近非线性系统,控制器能够准确地跟踪预设航向和转首角速度.舵角控制结合舵机伺服系统模型,操舵情况符合物理现实. 数值仿真在相同控制参数下与传统比例 微分(PD)控制作比较,结果验证了自适应模糊控制器的有效性和优越性.     

输入受限下机器人关节神经网络自适应控制

针对机器人关节控制输入受限以及动力学模型中存在非线性摩擦、柔性变形和未知外部干扰力矩等问题,提出了一种基于径向基函数（radial basis function, RBF）神经网络的输入饱和指令滤波自适应控制方法。基于指令滤波反步法,采用饱和函数约束控制输入的幅值,使用RBF神经网络在线逼近未知干扰,并利用Lyapunov稳定性理论证明了闭环系统的所有误差最终一致有界。仿真结果表明,控制算法不仅使系统的控制输入幅值被严格约束在规定的范围之内,完成了对目标轨迹的高精度跟踪（跟踪误差约为±0.003 rad）,而且还可抵抗外部阶跃干扰力矩和建模误差对控制系统的不良影响,保证系统的高精度与强鲁棒性,性能优于PID (propotional integral derivative)控制和普通指令滤波反步控制（command filter backstepping control, CFBC）,对机器人关节在高精度领域应用与智能控制具有重要价值。     

基于LuGre模型的火炮伺服系统摩擦力矩自适应补偿

针对高精度火炮交流伺服系统中存在的非线性动态摩擦和电机力矩波动,为了提高火炮伺服系统的跟踪精度,提出了一种新的基于LuGre摩擦力矩模型的自适应补偿算法。该算法应用两个非线性观测器来估计摩擦模型中的未知状态变量,对系统参数进行自适应估计,采用Lyapunov方法证明了控制系统的全局渐进稳定性。该算法简单,适于实时控制。实验结果表明了该算法的合理性,火炮伺服系统的低速跟踪最大误差为50μrad,达到了指标要求。     

漂浮基空间机械臂抗死区与摩擦的动态面控制

针对存在关节力矩输出死区、摩擦与外部干扰的漂浮基空间机械臂系统,提出一种基于高斯模糊基的自适应动态面控制,使两关节铰能够跟踪期望运动轨迹.利用摩擦双观测器估计不可测的内部摩擦状态;设计动态面避免反演法带来的计算膨胀问题,简化计算;应用模糊逻辑函数逼近包含死区误差与外部干扰在内的动力学不确定项,并采用自适应律调整高斯基权值矩阵和LuGre摩擦参数.李雅普诺夫理论证明系统半全局最终一致有界.仿真结果为两关节铰的轨迹跟踪误差在仿真2 s之后均小于0.2°,表明控制方法有效.     

模糊逻辑及神经网络动态摩擦和死区补偿的机器人滑模变控制

针对机器人中存在非线性不确性项LuGre动态摩擦和非对称死区的问题,提出采用模糊RBF神经网络及模糊逻辑分别对动态摩擦及死区进行补偿,且实时、自适应训练非线性动态摩擦项及非对称死区项的参数,实现对实际机器人系统准确再现的滑模变鲁棒控制算法,并论证了该算法的Lyapunov稳定性。通过在2自由度机器人上的仿真,证明该算法提高了机器人轨迹跟踪精度、控制力矩及摩擦力矩两者的稳定性。同时发现了该机器人控制力矩的脉冲式补偿误差、摩擦模型中存在类菱形吸引子、缺乏死区补偿将导致控制系统极限环振荡等非线性动力学现象,以及死区逆模型中ε的估计对系统的精度有决定性作用。     

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.     

不确定非线性系统的自适应反推终端滑模控制

针对一类具有未知非线性函数的严格反馈型不确定非线性系统,提出了一种自适应反推终端滑模控制方法。反推控制的前n-1步结合动态面控制技术设计虚拟控制律,第n步仅采用一个神经网络函数逼近器补偿系统所有未知非线性函数,得到了基于全局快速终端滑模控制的自适应神经网络控制器；通过引入一阶滤波器，不仅避免了传统反推控制存在的复杂计算,提高了系统的收敛速度,而且通过引入逼近误差和不确定干扰上界的自适应补偿项来消除建模误差和参数估计误差的影响,改善了稳态跟踪精度。理论分析证明闭环系统所有信号半全局一致终结有界，仿真结果验证了该方法的有效性。     

基于指数饱和函数的非线性系统自适应模糊控制

为减小模糊逻辑系统的逼近误差,引入指数饱和函数项对一类未知非线性系统进行间接自适应模糊控制.直接用模糊逻辑系统逼近未知非线性函数,基于广义误差对模糊逻辑系统中的未知参数进行自适应调整,并用指数饱和函数项对逼近误差进行补偿.该方法不但能使跟踪误差收敛到原点的一个小邻域内,而且通过适当减小控制器中设计参数,可使跟踪误差减小.仿真验证了该方法的有效性.     

基于干扰观测器的不确定非线性系统的预定性能控制

针对一类带有外界干扰及未知参数的严反馈非线性系统,提出新型的预定性能控制策略。首先,设计新型的障碍Lyapunov函数,实现跟踪误差的预定性能;其次,采用自适应律对未知参数进行估计,并构造干扰观测器对系统中的外界干扰进行估计,在此基础上设计反步控制器;为消除传统反步控制的"计算爆炸"问题,设计新型的一阶滤波器对虚拟控制输入的导数进行估计;再次,基于Lyapunov稳定性理论证明闭环系统的稳定性和跟踪误差的预定性能;最后,通过对永磁同步电机控制系统进行仿真验证所设计控制策略的有效性。