基于神经网络的重力卸载系统控制器设计

吊挂系统是地面模拟空间机械臂重力卸载试验的重要方法之一。针对传统PID控制方式动作响应慢、鲁棒性差等缺点，提出了一种基于径向基函数（RBF）神经网络的智能控制方式。该方式有很强的非线性拟合能力，且学习规则简单，可映射任意复杂的非线性关系，便于计算机实现。利用该特性，设计了一种重力卸载精度较PID控制方式更高的控制器。该控制器应用正交最小二乘法辨识的控制模型，在带负荷的伺服电机数学模型条件下，使用基于梯度下降法更新权重的RBF神经网络，最后通过s 函数编写，得到Matlab仿真图像。仿真结果与PID控制方法相比响应迅速，鲁棒性强，重力卸载精度更高（98%）。     

高精度交流伺服系统的模糊PID双模控制

交流位置伺服系统因其存在参数时变、负载扰动以及电机的非线性等缺点 ,很难为其建立准确的模型.模糊(fuzzy)控制具有无需建立被控对象的数学模型、鲁棒 性好等优点,但稳态精度差.将模糊控制和PID控制相结合,设计了Fuzzy-PID双模控制器. 在论域内用不同的控制方式分段实现控制,这样就综合了模糊控制和PID控制的优点,克服 了各自的缺点.该控制器结构简单、易于实现.在半闭环交流位置伺服系统上所做的实验表 明,采用Fuzzy-PID双模控制器与采用经典PID控制器相比,阶跃响应的调整时间减少了33.7% ,并且无超调,轨迹跟踪误差减小了47.2%.      

基于神经网络自适应稳定PID控制方法的研究

经典的基于对象精确数学模型的PID控制方法的自适应性较差,难以适应具有非线性、时变不确定性的被控对象.神经网络控制算法的稳定性又受到迭代初值的影响,且算法复杂.为此提出了一种基于RBF神经网络的、结构简单的、稳定的PID直接自适应控制方法.讨论了控制器参数迭代初值选取的基本原则,并给出了在保证系统稳定性前提下参数的迭代算法.仿真研究结果表明,该方法的鲁棒性和跟踪性能均优于经典PID方法.      

基于变系数PID的无刷直流电动机双闭环系统

针对应用于直接驱动阀的电气双余度无刷直流力矩电动机控制系统,提出在位置环采用变系数PID(Proportion Integration Differentiation)控制算法,根据位置偏差改变调节参数,逐步加强比例和积分作用以快速消除系统稳态误差而又不引起系统抖动;为了保证系统的稳定性,对位置偏差的积分项进行了限制.实验结果表明:位置环采用该变系数PID控制算法的双闭环系统能够有效地保证系统的稳定性能和响应精度.同幅值的位置阶跃响应,位置环/电流环双闭环系统的上升时间比位置环/速度环双闭环系统的上升时间减小了32%;位置环/速度环双闭环系统具有优良的负载适应性能,鲁棒性强.     

四旋翼的改进PSO-RBF神经网络自适应滑模控制

针对非线性、强耦合并带有不确定性干扰的四旋翼无人机模型，提出了一种改进粒子群算法-径向基(PSO-RBF)神经网络自适应滑模控制器。在对RBF神经网络自适应滑模控制器进行控制量平滑改进的基础上，利用改进的具有全局寻优能力的PSO算法来调整RBF神经网络的拟合参数，从而进一步提升网络的拟合能力。根据实际四旋翼的模型参数，搭建四旋翼的动力学模型，通过Lyapunov理论验证了系统的稳定性。仿真结果表明：与RBF神经网络自适应滑模控制器和双闭环PID控制器相比，改进PSO-RBF神经网络自适应滑模控制器可以在一个控制周期内寻找到合适的控制量，其调节时间分别提升约50%和75%；改进PSO-RBF神经网络自适应滑模控制器具有轨迹跟踪速度快且准、抗干扰能力强和鲁棒性好的特点。     

RBF神经网络在静电悬浮位置控制中的应用

静电悬浮位置控制系统具有非线性、时变性的特点,传统的控制方法不能有效抑制扰动的影响。针对该问题提出了一种神经网络与PID相结合的RBF-PID控制策略。以球形样品为例分析其受力情况,推导出静电悬浮位置控制系统的机理模型。搭建基于RBF-PID控制器的静电悬浮位置控制系统,并根据仿真结果实时在线调整控制参数。仿真结果表明,当样品带电量从10–9 C突变至3×10–9 C时,RBF-PID控制器只需0.12 s即可使样品达到稳定状态。实验结果表明,当样品处于加热状态时,实时调整参数后系统的平均绝对误差为0.0416 mm,控制效果比传统PID控制策略提高了70%。所提出的控制方法辨识精度高,具有比传统PID方法更强的鲁棒性和稳定性。      

基于内模PID鲁棒控制的飞行仿真伺服系统设计

针对飞行仿真伺服系统高频响、宽调速、高精度、超低速和鲁棒性要求，提出了内模PID鲁棒控制的有效方法。在探讨伺服系统数学模型的基础上，推导出一种飞行仿真伺服系统的内模PID鲁棒控制律，并将其应用于某型飞行仿真伺服系统，该伺服系统采用了电流、速度和位置三闭环控制结构。仿真试验表明：文中提出的内模PID鲁棒控制律使飞行仿真伺服系统获得了优良的跟踪性能，具有很强的抗干扰性和鲁棒性，可以很好地满足飞行仿真伺服系统的各项性能指标要求。     

冗余直接驱动阀系统的余度控制策略

针对冗余直接驱动阀伺服系统中由于余度降级所造成的性能降低问题,提出一种神经网络自适应滑模余度控制策略.利用径向基函数神经网络RBFNN(Radial Basis Function Neural Network) 的在线学习功能,对系统发生的变化进行快速自适应补偿,使系统状态趋近于滑模面,提高跟踪精度和鲁棒性;并通过与比例微分PD(Proportional-Derivative)算法的并行控制,促进RBFNN的收敛,增强系统的稳定性.通过与PID(Proportional-Integral-Derivative)切换控制策略的对比研究,表明RBFNN自适应滑模余度控制方法不但设计简单,而且能够有效克服余度降级带来的系统性能下降的问题,极大地改善了系统的品质.      

基于扩张状态观测器的泵控电液伺服系统滑模控制

以泵控电液伺服系统为研究对象，提出了一种基于扩张状态观测器的滑模位置跟踪控制策略。首先，利用奇异扰动理论对泵控电液伺服系统的数学模型进行降阶处理，得到降阶泵控电液位置伺服系统数学模型。其次，针对泵控电液伺服系统工况的复杂性及外负载干扰问题，设计了扩张状态观测器对系统干扰在线观测，同时该观测器还可以对活塞杆的位置和速度信号进行估计。然后，利用观测到的干扰信号及速度信号，基于滑模控制理论设计了滑模变结构控制算法，对所提出的控制策略的稳定性进行了理论分析。最后，利用MATLAB/Simulink和AMESim仿真平台，搭建了泵控电液伺服系统的联合仿真模型，对算法的可行性及有效性进行了仿真验证。仿真结果表明，所设计的扩张状态观测器能对干扰进行精确估计，基于扩张状态观测器的滑模控制策略的位置跟踪性能显著优于PID控制器和传统滑模控制器，且对外部干扰力具有较强的鲁棒性，提高了泵控电液伺服系统的控制性能。      

高超声速飞行器预设性能反演控制方法设计

为解决吸气式高超声速飞行器的飞行控制问题,提出了一种新型预设性能神经反演控制器设计方法。通过构造预设性能函数,保证速度跟踪误差和高度跟踪误差能够按照预设的收敛速度、超调量及稳态误差收敛至期望的区域,同时满足系统预设的瞬态性能和稳态精度。在反演控制设计结构下,引入径向基函数（RBF）神经网络对模型未知函数及不确定项进行逼近,提高了控制系统的鲁棒性。引入的RBF神经网络中仅有一个参数需要在线更新,有效提高了控制准确性,避免了通常反演控制方法中经常出现的"微分膨胀问题",并降低了计算量。通过仿真实验验证了所设计控制系统的有效性和可行性。      

Stribeck模型模糊整定及其在转台控制中的应用

为了实现飞行仿真转台中框阀控马达机构的高精度低速伺服,提出了模糊整定Stribeck摩擦模型状态参数的等效控制电压超前补偿和PID(Proportion Integral Differential)相结合的控制策略.为了规避常规摩擦前向补偿对系统模型及参数的依赖性,提出利用转台中框本身的控制环节直接测定用于摩擦超前补偿的Stribeck电压模型参数;针对系统超低速伺服时速度信号难以检测的特点,设计了模糊整定系统用于改进模型运行状态参数的整定;将设计好的控制器用于中框低速伺服.实验结果表明,系统响应以三角波表示的正反向最小稳定速度为0.000006(°)/s时,跟踪误差在95%时间在0.0002°内,并对其他形式信号也有很高的动态跟踪精度.     

基于参数自整定速度控制器SGCMG框架伺服控制系统

针对控制力矩陀螺框架伺服系统传统PI控制对干扰、负载变化等不确定因素的控制能力不足,设计了模糊PI控制器,利用参数自整定速度控制器实时调整参数,实现了框架伺服系统的高稳定性控制.仿真结果表明,相比传统的PI控制策略,响应快,超调小,无需修改参数,有更好的动静态特性,能更好地满足控制力矩陀螺框架伺服控制系统的鲁棒性要求,并有很好的跟踪性能.