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.     

欠控制方向的非线性系统自适应迭代学习控制

针对控制方向未知且具有周期扰动的非匹配非线性系统, 提出了一种自适应迭代学习控制策略. 控制算法具有以下3个特点:不需要控制方向的先验知识; 能够对系统的周期不确定性进行在线学习; 能够克服系统的非匹配不确定性. 随着迭代学习次数的增加, 系统跟踪误差渐近收敛于零. 仿真结果表明了控制算法的可行性和有效性.     

工业机器人轨迹跟踪的自适应模糊变结构算法

为提高工业机器人的轨迹跟踪控制性能,提出了一种自适应模糊变结构控制算法,即对滑模区中趋近运动的趋近律进行重新设计,新设计的趋近律能够随着机器人轨迹跟踪误差的改变而做出相应变化,从而使设计后系统的抖振减小,滑模过程中的趋近运动得到改善,控制性能也得到提高.针对该算法设计了自适应模糊变结构控制器,并与其他方法做了实验对比分析,结果表明该算法的响应速度、跟踪精度等更优.     

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。     

多关节机器人的自学习模糊全局滑模控制

针对模型不确定性多关节机器人的轨迹跟踪控制问题,研究多关节机器人全局滑模控制,为了削弱系统在滑动模态上的抖振,将模糊控制和全局滑模控制相结合,提出一种自学习模糊全局滑模控制方法.该方法利用模糊系统的输出代替全局滑模控制中的非连续开关切换量,并根据滑模变结构原理,设计自学习算法,动态调整模糊隶属函数的参数.通过对2关节机器人的仿真,结果表明在存在模型误差和外部扰动的情况下,该方法既能达到快速跟踪,又能很好地消除控制器的抖振.     

非线性系统开闭环PID型迭代学习控制的收敛性分析

针对一类参数未知非线性的迭代学习控制问题提出了一种开闭环PID型迭代学习控制律,这种迭代学习律同时利用了系统当前的跟踪误差和前次迭代控制的跟踪误差修正控制作用,给出了迭代学习控制算法收敛的充分性条件.分析表明,所给出的迭代学习控制律推广了现有的结果.     

线性离散时不变系统的分数阶相位校正迭代学习控制

针对带有随机干扰的线性离散时不变系统,提出一种分数阶相位校正迭代学习控制算法.设计一种新型相位超前校正与分数阶迭代学习控制相结合的迭代学习控制(ILC)学习律.基于频域分析方法,得到分数阶相位校正迭代学习控制在算法开、闭环两种情况下的频域收敛条件.结果表明:文中算法显著提高了ILC跟踪误差的收敛速度和收敛精度,具有先进性和有效性.     

永磁同步电机的积分型滑模变结构控制

在永磁同步电机(PMSM)的控制中,传统PI调节器存在动态性能和鲁棒性较差的问题.针对永磁同步电机控制的电流环和转速环,设计了采用带有积分控制项的滑模变结构控制方法(ISMC),不仅可以减少速度控制稳态误差,还能提高系统的响应速度.利用Matlab分别对PI控制和积分型滑模变结构控制进行了仿真分析.仿真结果表明,永磁同步电动机的积分型滑模变结构控制方法具有良好的动态性能和抗干扰能力.     

基于一阶低通滤波器滑模反步法的直流电机位置控制

针对直流电机位置控制系统在负载扰动情况下存在控制精度低、响应速度慢和鲁棒性差的问题,提出了基于一阶低通滤波器滑模反步法的直流电机位置跟踪控制算法.通过滑模反步法进行虚拟控制实现直流电机实际位置控制.利用一阶低通滤波器计算虚拟控制项的导数,消除微分膨胀,使控制器设计简单,但同时造成了相位滞后.通过前馈环节对一阶低通滤波器造成的相位滞后进行补偿.考虑位置跟踪、虚拟控制和滤波误差设计线性动态滑模面,改进滑模变结构控制律的切换控制项,提高滑模趋近速度,同时降低系统输出抖振.定义了Lyapunov函数,证明系统稳定性.仿真实验对比了比例积分微分(proportion integration differentid,PID)控制和传统滑模控制算法,结果表明,该方法能够快速、准确地跟踪给定位置信号,同时具有较好的鲁棒性.     

高超声速再入滑翔飞行器的模糊变结构控制

针对高超声速再入滑翔飞行器的再入姿态控制,设计了模糊变结构姿态控制器.根据控制系统的任务,建立了面向控制的模型.将模糊控制与滑模变结构控制的思想相融合,研究了模糊滑模变结构控制器的设计方法.通过在稳定的误差相平面内构造稳定的滑模面,模糊控制器根据误差状态与滑模面的相对位置输出控制信号,使得系统的轨迹能趋近稳定的滑模面,从而使得误差沿着滑模面收敛到原点.将模糊滑模变结构控制方法应用于高超声速滑翔洲际飞行器,给出了再入滑翔姿态控制器的设计方案,分别对攻角、侧滑角和倾侧角设计了独立的模糊变结构控制器,提出了分段线性控制分配方法.在Matlab中进行了整个控制系统的仿真测试,验证了该方法的可行性.     

迭代学习控制与等效的反馈控制

基于算子理论推导迭代学习控制（ILC）收敛的充分条件和跟踪误差，研究表明对于任何因果时不变线性系统（TLI）的ILC都存在等效反馈控制，可获得相同的跟踪误差，并且反馈控制器的参数仅与ILC的参数有关而与系统参数无关，即使被控制系统未知，ILC方法也没有比传统反馈控制有更大的优越性。     

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.     

变结构滑模飞行控制

飞机飞行的范围广泛，复杂，不可能得到精确的飞机数学模型，所以，常规的控制理论应用于飞行控制，效果不佳，模型跟踪变结构控制理论不依赖数学模型，而能对理想模型进行跟踪，使飞机具有良好的性能，本文研究了变结构滑模控制在飞行控制系统的应用，首先，对滑模进行极点配置，使滑模有良好的动态特性，设计了一个比例积分切换超平面，确保消稳态误差，采用饱和控制技术，消除了抖振现象，对系统进行了数字仿真，表明系统不仅实现了无抖模型跟踪，而且具有很中的鲁棒性。     

预制装配式架桥机的起重小车复合滑模同步控制

预制装配式架桥机对预制墩柱架设过程中存在精度低、效率低等问题,针对这一问题基于时变滑模扰动观测器,提出变增益移动滑模控制方法。首先,通过分析架桥机起重小车架设墩柱的运动过程,得出了起重小车起升机构与走行机构的同步运动关系式,然后设计了一种结合交叉耦合控制策略的移动滑模控制器,提升了系统的鲁棒性;其次,设计了变增益趋近律,加快了误差收敛速度并抑制了抖振;同时,为了使架桥机起重小车适应不同工况下的扰动,设计了一种新的时变滑模扰动观测器,从而对产生扰动项进行实时的估计和补偿。Lyapunov理论可以证明上述控制器具有收敛性,数值仿真则可以表明,该控制方法对于提高起重小车的架设精度与速度是有效的。     

基于等效滑膜控制的永磁同步电机矢量控制

针对永磁同步电机在直接转矩控制中存在的磁链和转矩脉动等问题,提出了一种基于矢量控制和等效滑模变结构相结合的控制方法,在等效滑模变结构中采用等效控制保证系统状态在滑模面上,用切换控制项保证系统的状态不离开滑模面,使系统处于一个动态稳定的状态.仿真结构表明该方法具有使系统响应速度快、超调小、对外部的负载扰动和参数变化鲁棒性强等优点.     

一类混沌系统的终端滑模控制

基于反步设计思想提出一种终端滑模控制方法,通过对混沌系统进行状态的变换,构造出快速收敛且收敛时间可以估计和计算的控制器,使得存在外部干扰的混沌系统输出能够在有限时间内跟踪上n阶可微的期望信号,保证系统的跟踪误差收敛至平衡点.并以Genesio为例进行了系统仿真.结果表明,该终端滑模控制器不仅具有良好的性能,而且具有较强的鲁棒性.     

基于正交多项式的迭代学习控制算法及其应用

针对存在不确定扰动的线性系统的轨迹跟踪控制问题,提出了基于正交多项式的迭代学习算法．该算法利用正交多项式级数将系统参数化,运用其积分运算矩阵,导出了一种基于多项式级数的线性系统的近似模型．在此模型基础上,用迭代学习的方式来修正输入量的多项式展开系数,并运用LMI方法求解学习增益矩阵．所得算法在系统不满足正则性或无源性时,仍可以用输出误差信号来构造学习律．将该方法运用到直线电机的控制中,仿真结果表明,新算法能明显地提高直线电机的控制精度。