神经网络在电液伺服系统控制上的应用

液压伺服系统固有的高度非线性特性使其成为应用各种类型复杂控制器的理想试验对象，而用神经控制器控制电液伺服系统则是一项全新的课题，本文简要介绍神经网络的构成及其控制原理，并以三种不同复杂程度的应用为例对其在存在非线性摩擦或高度耦合负载条件下的电液伺服系统上实施实时控制的效果作一考察。     

具有神经网络自适应补偿的位置伺服系统的PID控制

本文提出一种具有神经网络自适应补偿的、位置伺服系统的、ＰＩＤ控制结构模式。在该系统中，控制器由两部分构成：一部分是常规的ＰＩＤ算法；第二部分是由前馈神经网络构成的自适应补偿器。数字仿真试验和实际测试的结果表明：本文提出的方法对存在系统参数不易准确确定及飞线性因素不易定量描述的位置伺服系统的控制问题，显示出了较好的效果。系统输出精度高，响应速度快并具有相当强的鲁棒性和客错性。     

角伺服系统模糊自适应PID控制研究

将模糊控制和PID控制相结合,提出了一种智能复合控制策略,并将其应用于某型导弹系统角伺服系统的控制。利用模糊控制在线自适应调整PID控制器的参数,从而使系统的静态和动态性能指标较为理想。在Simulink中的仿真结果表明,这种模糊PID控制器的控制效果优于单纯的PID控制,超调量小,抗干扰性能强,对变参数系统的鲁棒性强,满足在线实时自适应控制的要求。     

一种电液伺服系统非线性补偿方法

分析了一类电液伺服阀的中立位非线性特征及其对电液伺服系统的影响,提出了一种非线性补偿方法。根据电液伺服阀的非线性特性,推导出补偿方法的函数并且进行计算,结合传统的PID控制获得具有非线性特征的补偿控制器。以某型电液伺服阀和液压缸组成的电液伺服系统为例,进行仿真与分析。仿真结果表明提出的方法具有较好的补偿作用,能够减少电液伺服阀非线性对电液伺服系统的影响。     

力均衡式余度电液伺服系统的优化设计

 本文论述了驱动同一负载的余度电液伺服系统的优化设计问题。基于解耦理论提出多通道系统的均衡技术,以此来消除通道间力的纷争,其结论非常便于工程实现。     

BTT导弹的神经网络自适应反馈线性化控制

提出基于反馈线性化理论的BTT导弹自动驾驶仪设计方法。并提出由俯仰过载命令产生攻角命令的方法。应用CMAC神经网络构成一种自适应反馈线性化方案,使具有不确定性的实际系统获得要求的跟踪性能。闭环系统的稳定性由李雅普诺夫稳定性理论得到保证。该方法适合于控制导弹作全空域飞行。     

变后掠机翼电液伺服加载系统的智能控制

 变后掠机翼加载控制系统是一类复杂系统,具有非线性、弱阻尼、强干扰、以及刚性部件和弹性部件互相关联的特征。系统控制的难点表现在:当系统缺乏阻尼的情况下稳定振动、抑制关联干扰,并使得系统具有较高的加载控制精度。本文给出互相关联电液加载系统智能控制具有优良的动态性能和很强的鲁棒性。     

控制系统的神经网络鲁棒设计方法

拓展了基于一个给定的模型考虑系统的摄动问题的这种传统的鲁棒控制设计方法,给定多个模型,设计多个鲁棒控制器,将有更大的容许摄动范围,针对多个不同控制器用传统方法很难同时实现的状况,用具有定性和定量多模态控制能力的神经网络同时实现了多个传统控制器的功能,方法简单,实现容易。将该方法用于飞机增稳系统的控制设计,仿真结果证明控制效果良好。     

航空发动机多变量三层神经网络控制

提出了一种发动机多变量神经网络控制方法。采用三层前向神经网络对非线性项进行补偿,神经网络权重自适应律采用在线学习算法。控制系统的设计不需要知道精确模型,适应于全飞行包线。仿真研究表明发动机多变量神经网络控制具有良好的动、静态性能。      

非线性MIMO系统神经网络自适应方法及其在飞控中的应用

提出了一种非线性系统的对角自回归神经网络模型。为了实现MIMO系统自适应控制,采用自回归辨识网络对未知非线性系统进行辨识,并将被控对象的误差灵敏度信息用于对角自回归控制网络训练。辨识网络和控制网络都用动态BP算法训练。实际某型飞机纵向模型的仿真结果表明,运用这种控制结构可得到较好的控制效果。     

机械手的神经网络自适应滑动模控制器设计

 针对多关节机械手的鲁棒跟随控制器设计问题，提出了一种新的机械手神经网络自适应滑动模控制器设计方法，机械手的动力学非线性假设是完全未知的。在提出的控制结构中，高斯径向基函数神经网络用于在线补偿机械手的动力学非线性，参数学习律由稳定性理论得到。给出了系统稳定性和参数收敛性的证明。最后提出方法的可行性通过仿真得到验证。     

NONLINEAR DYNAMIC INVERSION CONTROL WITH ADAPTIVE COMPENSATION FOR FLIGHT CONTROL SYSTEM

ＮＯＮＬＩＮＥＡＲＤＹＮＡＭＩＣＩＮＶＥＲＳＩＯＮＣＯＮＴＲＯＬＷＩＴＨＡＤＡＰＴＩＶＥＣＯＭＰＥＮＳＡＴＩＯＮＦＯＲＦＬＩＧＨＴＣＯＮＴＲＯＬＳＹＳＴＥＭＸｕＪｕｎ，ＺｈａｎｇＭｉｎｇｌｉａｎ，ＬｉＹｏｕｌｉａｎｇ（ＤｅｐａｒｔｍｅｎｔｏｆＡｕｔｏ...     

基于径向基神经网络的不确定非线性系统的鲁棒自适应控制

 针对能够采用仿射非线性表示的含有不确定动态的非线性系统 ,提出了一种鲁棒自适应控制方法 ,该方法根据离线辨识出的受控对象的已知部分 ,采用神经网络在线辨识其未知部分 ,并针对辨识得到神经网络模型采用反馈线性化方法设计出自适应控制器 ,同时引入滑模控制方法以增强控制系统的鲁棒性 ,从而实现鲁棒自适应控制。通过对具有未建模动态的非线性直升机空气动力学模型 ,设计了总距通道系统。仿真表明该方法是有效的。     

基于模糊逻辑系统的转子振动控制方法研究

电流变液作为一种智能材料在振动控制工程领域有着广泛的应用。由于电流变效应具有非线性特性,使得难以设计基于常规控制理论的控制律。本文利用模糊逻辑系统能够逼近非线性函数的特性,设计了电流变阻尼器-转子振动系统自适应模糊控制方案。针对该转子系统的仿真计算表明,转子系统的振幅能够得到有效的抑制,自适应模糊控制器性能良好。      

飞行/推进系统自适应神经网络综合控制仿真研究

 提出一种基于发动机喘振裕度自适应的飞行 /推进系统综合控制。在发动机喘振裕度较大的某些飞行条件或飞行包线内,通过调整喷口面积,使发动机喘振裕度保持在一个较小值,既保证发动机稳定工作,又增加发动机推力,从而改善飞机的性能。采用分散控制方案,综合控制系统由 5个控制子系统组成。各控制子系统的设计采用自适应控制和神经网络相结合的方法,所提出的参数和权重的自适应调整律保证系统的稳定性。全包线范围内飞机平飞加速和爬升数字仿真结果表明,该综合控制方法可缩短飞机的平飞加速时间和爬升时间。