基于ANN逆模型的非线性系统内模控制结构方案及仿真研究

基于逆模型的非线性系统控制器设计方法已得到了快速发展,并成为设计控制系统的一种重要方法。但对大量复杂、未知和不确定的非线性对象,建立具有一定通用性的逆模型控制器,在实际非线性系统设计中是非常困难的。文中基于系统内模控制（IMC）原理和神经网络（ANN）的非线性映射、大规模并行处理等特性,设计了非线性系统的ANN正模型辨识器及逆模型控制器,基于IMC原理和ANN理论建立了非线性系统的IMC结构方案。大量仿真研究表明,设计的基于ANN逆模型的IMC结构方案是有效的,ANN逆模型控制器具有良好控制性能,且其结构简单,具有一定通用性。     

Adaptive recurrent-neural-network control for linear inductionmotor

In this study an adaptive recurrent-neural-network controller (ARNNC) is proposed to control a linear induction motor (LIM) servo drive. First, the secondary flux of the LIM is estimated with an adaptive flux observer on the stationary reference frame and the feedback linearization theory is used to decouple the thrust force and the flux amplitude of the LIM. Then, an ARNNC is proposed to control the mover of the LIM for periodic motion. In the proposed controller, the LIM servo drive system is identified by a recurrent-neural-network identifier (RNNI) to provide the sensitivity information of the drive system to an adaptive controller. The backpropagation algorithm is used to train the RNNI on line. Moreover, to guarantee the convergence of identification and tracking errors, analytical methods based on a discrete-type Lyapunov function are proposed to determine the varied learning rates of the RNNI and the optimal learning rate of the adaptive controller. The effectiveness of the proposed control scheme is verified by both the simulated and experimental results. Furthermore, the advantages of the proposed control system are indicated in comparison with the sliding mode control system     

有输入未建模动态的导弹鲁棒控制器设计

在导弹系统俯仰通道中存在输入未建模动态情况下，提出了一种基于RBF神经网络和反演控制技术的非线性鲁棒控制器的设计方法。首先应用两个RBF神经网络对输入未建模动态设计了神经网络逆补偿器．然后利用反演控制技术设计了导弹非线性控制器．最后应用Lyapunov稳定性理论推导出RBF神经网络权重矢量调节律，证明了系统的所有信号均有界且全局指数收敛至原点。最后给出的BTT导弹非线性六自由度数字仿真结果显示了该设计方法的有效性。     

Adaptive controller design for a linear motor control system

Three different adaptive controllers for a permanent magnet linear synchronous motor (PMLSM) position-control system are proposed. The proposed controllers include: a backstepping adaptive controller, a self-tuning adaptive controller, and a model reference adaptive controller. The detailed systematic controller design procedures are discussed. A PC-based position control system is implemented. Several experimental results including transient responses, load disturbance responses, and tracking responses of square-wave, sinusoidal-wave, and triangular-wave commands are discussed and compared. The proposed system has a good robustness performance even though the inertia of the system is increased to 10 times. The experimental results validate the theoretical analysis.     

Decoupling and tracking control of induction motor drive

This work introduces an adaptive observation system and a robust control system for achieving the favorable decoupling control and high-precision speed tracking property of an induction motor (IM) drive system. First, an adaptive observation system with an inverse rotor time-constant observer is derived on the basis of model reference adaptive system (MRAS) theory to preserve the decoupling control characteristic of an indirect field-oriented IM drive. The adaptive observation system is implemented using a digital signal processor (DSP) with a high sampling rate to make it possible to achieve good dynamics. Moreover, a robust control system is developed based on the principle of computed torque control. In the robust control system, a grey uncertainty predictor is utilized to adapt the lumped uncertainty on line to relax the requirement of the lumped uncertainty in the design of a computed torque speed controller. In addition, the effectiveness of the proposed observation and control systems is verified by simulated and experimental results.     

RFNN control for PMLSM drive via backstepping technique

A robust fuzzy neural network (RFNN) control system is proposed in this study to control the position of the mover of a permanent magnet linear synchronous motor (PMLSM) drive system to track periodic reference trajectories. First, an ideal feedback linearization control law is designed based on the backstepping technique. Then, a fuzzy neural network (FNN) controller is designed to be the main tracking controller of the proposed RFNN control system to mimic an ideal feedback linearization control law, and a robust controller is proposed to confront the shortcoming of the FNN controller. Moreover, to relax the requirement for the bound of uncertainty term, which comprises a minimum approximation error, optimal parameter vectors and higher order terms in Taylor series, an adaptive bound estimation is investigated where a simple adaptive algorithm is utilized to estimate the bound of uncertainty. Furthermore, the simulated and experimental results due to periodic reference trajectories demonstrate that the dynamic behaviors of the proposed control systems are robust with regard to uncertainties.     

自由漂浮空间机器人点到点避奇异运动控制方法

针对具有冗余机械臂的自由漂浮空间机器人（Free Floating Space Robot, FFSR）点到点避免奇异性规划和控制问题,提出了一种冗余FFSR的点到点避免奇异控制方法。首先,该方法基于离散状态依赖李卡提方程（DSDRE）控制器设计方法,利用FFSR的动力学和运动学方程实现了FFSR系统方程的伪线性重构;然后,基于伪线性重构系统及DSDRE状态调节器设计方法实现了FFSR的关节角速度和末端位姿的同时跟踪控制;其次,根据跟踪控制器对FFSR广义雅克比矩阵（GJM）行满秩的设计要求,定义FFSR的奇异性判别依据,构造了避奇异约束函数;再次,由于冗余FFSR系统具有多逆运动学解特点,考虑关节角及关节角速度约束,结合避奇异约束函数设计了FFSR的期望轨迹在线规划器,进一步将设计的跟踪控制器与规划器相结合提出了冗余FFSR末端点到点避奇异运动控制方法。最后,为验证所提方法的有效性同时考虑简化计算,采用平面4连杆FFSR模型进行数值仿真,仿真结果表明所提点到点避奇异运动控制方法能够有效实现冗余FFSR系统的点到点避奇异运动。     

基于数据驱动的变循环发动机多变量自适应控制算法研究

本文针对变循环发动机包线范围大,自适应控制需求高的问题,在增广线性二次型调节器(ALQR)基础上,提出一种基于数据驱动的自适应ALQR(DA-ALQR)控制算法。构建了多变量系统自适应控制准则函数,以梯度下降法对控制器参数进行调整,借助基于数据驱动的动态线性化建模方法,递推进行输出对输入梯度的近似计算,实现了对ALQR控制参数的自适应调整。仿真结果表明,所设计的DA-ALQR控制器参数随发动机状态变化得到了有效调整,相较于ALQR控制算法,闭环系统动态性能得到了大幅度提升,推力在单外涵模式表现出较快的响应速度,在双外涵模式表现出更小的超调,转速同样表现出了超调减小和响应速度加快特性,验证了所提出方法的有效性。     

永磁同步电机积分反步自适应控制

针对外界干扰导致永磁同步电机(PMSM)固有参数发生变化的问题,将新型的智能控制理论引入到PMSM控制系统中,提出了一种新颖的带有积分环节的反步自适应法的控制方法。该控制器能够利用交轴电流动态抑制或消除参数的变化对系统的影响,基于Lyapunov稳定性原理设计被控系统的控制律和自适应律,并引入积分环节,增强被控系统的稳定性,缩短速度响应的时间。仿真试验证明,该控制器能够有效地抑制电机固有参数的变化对被控系统的影响,保证了系统的强鲁棒性和动静态性能。     

变旋翼转速飞行控制对涡轴发动机输出响应的影响

为探明变旋翼转速条件下飞行控制对涡轴发动机输出响应的影响,在变旋翼转速直升机/传动机构/发动机综合仿真平台的基础上,考虑系统不确定因素的存在,提出并设计了增量式非线性动态逆飞行控制器,提高对系统的控制效果,控制器主要包括角速率控制器、姿态角控制器和航迹控制器;由于执行机构的物理限制,引入伪控制模块,以提高系统的稳定性。典型的飞行任务下的仿真结果表明：相对于增量式非线性动态逆飞行控制器而言,伪控制模块不仅可显著提升飞行控制效果,使爬升速度的超调量减小50%以上,还可有效减小动力涡轮转速的超调量9.0%左右,有助于增强发动机的动态控制品质。     

表贴式永磁直线同步电机控制系统参数自动整定方法

针对表贴式永磁直线同步电机矢量控制系统参数设置需反复测量和调试的问题,提出一种自动整定的方法。测量电流控制器输出波形并计算相应的沃尔什一阶系数,反复迭代反电动势常数和定子电感,直至沃尔什一阶系数收敛到零,自动辨识表贴式永磁直线同步电机的电气参数;随后让电机自由运行辨识出机械参数;最后计算出速度和电流控制器的PI参数。样机测试结果验证了提出方法的有效性。     

有输入未建模动态和不确定性导弹控制器设计

在考虑导弹控制系统同时存在输入未建模动态和参数不确定性的情况下,提出了一种基于RBF神经网络和反演技术的鲁棒自适应控制器的设计方法。首先用两个RBF神经网络对未建模动态进行了补偿,然后利用反演技术设计了鲁棒自适应控制器,对不确定性进行了处理,并用Lyapunov稳定性理论推导出RBF神经网络的权重矩阵调节率以及相关的自适应律,证明了系统的全局稳定性,最后通过仿真计算验证了设计的正确性。     

永磁同步曳引机变频调速系统的内模控制

永磁同步曳引机是典型的非线性多变量强耦合系统,在同步旋转坐标系下dq轴电流存在耦合,传统的PI控制器无法实现解耦,提出一种基于内模控制原理和空间矢量算法相结合的高性能永磁同步曳引机解耦控制方法,用内模控制策略控制理想电机模型,对定子电流交叉耦合电势动态解耦,提高系统的动态响应性能,同时在整个电流闭环过程中对参数摄动和外扰动具有良好的鲁棒性,这种方法不需要额外的电机参数和检测硬件,试验结果验证了这种方法有效可行。     

惯性参数不确定的自由漂浮空间机器人自适应控制研究

针对自由漂浮空间机器人系统惯性参数不确定问题,提出一种笛卡儿空间内的自适应轨迹跟踪控制方法。采用扩展机械臂模型建立了自由漂浮空间机器人关节空间动力学方程,进而推导笛卡儿空间中的自由漂浮空间机器人动力学方程。在基于逆动力学法的自由漂浮空间机器人自适应控制器设计中,利用标称控制器离线固定控制参数与补偿控制器在线补偿方法,既可以保证惯量矩阵可逆,又可以使控制参数实时估计。采用Lyapunov方法的稳定性分析表明系统是稳定且渐进收敛的。最后,应用该控制方法对两杆平面自由漂浮空间机器人进行了仿真研究。仿真结果显示自由漂浮空间机器人末端执行器在笛卡儿空间具有良好的轨迹跟踪能力。     

带有广义不确定性的导弹非线性控制系统设计

 在导弹系统存在广义不确定性情况下,提出了一种基于反演设计技术和RBF神经网络的导弹非线性自适应控制系统设计方法。设计过程中将不确定性对系统的影响合成为一项,然后应用RBF神经网络消除了其对系统的影响,有效地解决了控制系数矩阵未知时控制器设计问题,同时放松了现有文献中对控制系数矩阵不确定性的要求。应用Lypunov稳定性定理推导出神经网络权重矩阵的自适应调节律,并证明了闭环系统的所有信号均有界且指数收敛至系统原点的一个邻域。最后给出的BTT导弹非线性六自由度数字仿真结果验证了该算法的有效性。     

有输入未建模动态的非线性系统自适应逆设计

对于一类存在输人未建模动态的非线性系统,提出了一种基于RBF神经网络的自适应逆补偿器设计方法。首先用两个神经网络设计了补偿器,一个用来估计输入未建模动态,另一个用来作为未建模动态的自适应逆补偿器。该设计放宽了对未建模动态的一些苛刻的要求,如相对度为零,满足小增益条件等。文中仅要求D(u)逆稳和连续光滑。然后应用反演设计技术设计了控制器,并应用Lyapunov稳定性理论推导出神经网络权重向量的调节律,同时证明了闭环系统的渐近稳定性。最后给出的仿真研究证明了该设计方法的有效性。     

基于二阶滑模算法的永磁电机直接转矩控制

针对传统直接转矩控制(DTC)方法低速控制精度差、转矩脉动大、开关频率不稳定等问题,提出了一种基于二阶滑模控制的永磁电机DTC方法。该控制方法基于二阶滑模控制原理,将传统磁链控制器与转矩控制器以滑模控制器替代,对空间电压进行矢量调制,提高了开关频率的稳定性,获得了良好的动态稳定性,改善了电机输出性能。仿真与试验结果表明,该控制方法能够有效减小电流脉动与转矩脉动,同时提高了控制系统的抗干扰能力,实现了电机的快速动态响应,具有较强的鲁棒性能。     

MF型音圈电机驱动的微进给机构伺服方法研究

采用高频响、长行程MF(质量-阻尼)型音圈电机驱动的微进给机构,建立了非圆数控车削系统,分析了MF型音圈电机的数学模型,研究了该类电机的伺服控制方法。提出基于P-D控制的双闭环控制器,增强了系统的抗干扰能力,并采用幅相调整前馈控制及前馈误差补偿技术达到了高精度跟踪的要求。实验结果表明:该方法能够满足非圆数控车削系统高频响、高精度和强鲁棒性的要求。     

基于自适应不对称高斯基函数网络的可靠飞行跟踪控制

针对歼击机操纵面结构故障,提出了一种基于自适应不对称高斯基函数网络（AGBFN）的可靠跟踪控制方案。该方案的特点是在传统的线性控制器的基础上,引入基于自适应AGBFN的自适应控制器,用于在线补偿由于建模误差、外扰、以及操纵面卡死或损伤所造成的影响,并且采用控制隔离技术来处理执行机构的饱和问题。完全自适应AGBFN采用不对称高斯基函数,并且可以在线更新网络所有参数,克服了传统RBF网络对称性约束,提高了网络的适应性和学习能力,从而保证歼击机的操纵品质,且输出较好地跟踪参考模型输出。飞行仿真结果表明,文中采用的控制方法使飞机在正常状态和故障状态下均可获得满意的控制效果。     

基于自适应神经模糊推理算法的无人机电推进燃料电池供气系统性能优化

本文针对某无人机基于聚合物交换膜燃料电池和锂离子电池的混合动力电推进系统的应用,研究开发了一种基于自适应神经模糊推理系统的电源管理系统控制技术,以控制混合动力电力推进系统,同时优化燃料电池供气系统的性能。本文以所建立的某无人机混合电推进系统数学模型为研究对象,研究了燃料电池电流与燃料电池供气系统压缩机功率之间的关系,建立了燃料电池电流与最佳压缩机功率关系的参考模型。在参考模型的基础上,引入自适应控制器来优化燃料电池供气系统的性能。基于自适应神经模糊推理系统的控制器将压缩机的实际运行功率动态调整到参考模型中定义的最佳值。自适应控制器的在线学习和训练能力用来辨识燃料电池电流的非线性变化,并产生压缩机电机电压的控制信号,以优化燃料电池供气系统的性能。在Matlab 仿真环境中开发了质子交换膜燃料电池和锂离子混合动力电推进系统模型并对所设计的控制器进行了仿真分析,结果表明基于自适应神经模糊推理系统的控制器为燃料电池供气系统压缩机性能优化提供了一种新颖而全面的途径,使燃料电池供气系统获得最大净功率输出。将燃料电池系统的净功率输出与最佳压缩机功率和恒定压缩机功率进行了比较,结果表明优化的压缩机功率配置比恒定的压缩机功率配置节能2.62%。同时,燃料电池自适应神经模糊推理系统控制器优化了燃料电池供气系统的能量利用。