基于RBFN的伺服系统前馈控制器设计和仿真研究

 以转台伺服系统为控制对象, 采用RBF 神经网络前馈控制和比例反馈相结合的方法, 并利用单神经元对系统模型进行在线辨识, 为前馈控制器提供Jacobian 参数。将该方法运用在速度环控制中, 仿真结果表明, 采用了该方法的控制系统, 具有较高的跟踪精度和动态性能。     

基于改进的CMAC的电动加载系统复合控制

 由于电动加载系统的非线性和时变性,特别是在运动干扰下传统的前馈控制方法很难得到满意的控制效果。针对电动加载系统的非线性及多余力矩强扰动的特点,依据神经网络的非线性逼近和自学习特性,提出了基于改进小脑模型关联控制器(CMAC)的复合控制策略,结合改进的CMAC与PID实现复合控制,由CMAC实现前馈控制,PID控制实现反馈控制,既保证了快速实时,又进一步减小了多余力矩干扰。改进的CMAC利用存储单元的先前学习次数作为可信度,消除了常规前馈型CMAC的过学习现象。文中建立了电动加载系统的数学模型,给出了具体的控制结构和算法。系统的动态仿真表明,该方法可有效地抑制多余力矩,改善电动加载系统的动态加载性能,有很强的鲁棒性。     

导弹块对角控制器的组合设计法

利用小脑关节模型控制器 ( CMAC)神经网络辨识了导弹控制系统的几个重要空气动力参数,证明了估计误差、权误差有界,然后用解析逆解设计方法、模糊神经网络变结构控制方法设计了块对角控制器。仿真结果显示了该算法的有效性。     

基于BOWA小脑模型的高精度稳定 电动加载系统

 随着电动加载系统的不断发展,对控制精度、动态特性和稳定性提出了更高的要求,常规的小脑模型(CMAC)和PD控制相结合的复合控制策略难以满足加载指标要求。针对无人机舵机电动加载系统的控制需求,提出了一种基于平衡学习、最优权值和自适应学习率的新型小脑模型(BOWA-CMAC)复合控制策略,它在保留小脑模型算法正常学习过程的同时,避免了算法的过学习现象,保证了系统的稳定,同时提高了跟踪精度和动态特性。仿真和实验结果表明,BOWA-CMAC复合控制策略具有很强的鲁棒性,抑制了加载系统的多余力矩,保证了系统的稳定性,有效提高了系统的跟踪精度和动态特性,非常适合于实时控制。     

一种新的干扰力矩补偿方法在测试转台中的应用

为提高转台位置跟踪精度,提出了一种新的复合控制方法:电机中摩擦模型采用摩擦参数为非一致性变化的LuGre动态模型。控制器采用参数自适应律和CMAC神经网络来估计未知LuGre模型参数和辨识位置周期摩擦扰动并给与补偿。该方法保证了闭环系统全局稳定性和对期望位置信号的渐进跟踪,提高了转台位置跟踪精度。     

基于CMAC与PID并行控制的舵伺服系统的优化设计

针对导弹飞行中的舵伺服系统所存在的不确定性和非线性时变等特点,采用常规控制系统难以适应这种不确定性,文中提出采用现代控制理论与经典相结合的方法——自适应神经网络CMAC与PID并行控制对舵机伺服系统进行优化设计。首先,在分析舵系统基础上,设计出了具有一定适应性的舵伺服系统的总体方案;然后,建立了基于CMAC与PID并行控制的舵系统控制器;最后,经MATLAB仿真,结果表明并行控制能够较好适应多种不确定性;并能够快速准确的对舵机进行跟踪控制。     

CMAC-PID控制在飞机防滑刹车中的应用

提出了一种基于CMAC神经网络与PID相结合的控制方法,利用传统的PID控制器实现反馈控制,保证系统的稳定性并抑制扰动;利用CMAC神经网络控制器实现前馈控制,保证系统的控制精度和响应速度。以某型飞机为例,针对不同的跑道(干、湿、冰)情况,将该方法和传统的PID控制方法在MATLAB环境下进行了数字仿真。仿真结果表明:基于CMAC-PID控制方法较传统的PID控制方法,可以大大地提高飞机防滑刹车效率,具有更好的刹车控制效果,并具有较强的鲁棒性,为飞机防滑刹车系统的控制提供一条新的思路。     

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。     

一类非线性系统的反演变结构控制及应用

针对一类非线性系统 ,将其变换为易于设计变结构控制规律的规范型。利用小脑关节神经网络( CMAC)估计系统中的不确定函数 ,利用 CMAC神经网络和多面滑模技术估计出变换后系统的状态 ,最后利用变结构控制技术设计出控制器 ,特点是无需已知不确定性函数及其各阶导数的上界 ,与经典设计方法相比 ,所提出的方案允许非参数化不确定性。最后将此方法应用于空空弹控制系统的设计中 ,仿真结果表明了该方法的有效性     

基于鲁棒迭代学习的四旋翼无人机轨迹跟踪

针对四旋翼无人机高精度轨迹跟踪问题,充分考虑外部扰动等因素,提出了一种带遗忘因子的基于可变增益的前馈-反馈鲁棒迭代学习控制算法。其中,前馈迭代学习控制器采用选择迭代学习方案,弥补了传统的基于遗忘因子迭代学习控制方法的不足,且控制器学习增益可随迭代变化,可以加快算法的收敛性。反馈控制器采用比例-微分控制器,可以保持系统稳定并且加快跟踪误差收敛速度。最后通过收敛性分析和四旋翼仿真试验验证了所提出算法的有效性,所设计算法具有很好的鲁棒性和较高精度。     

基于系统分解的三自由度直升机控制仿真研究

三自由度直升机模型是多变量、非线性、强耦合的复杂控制对象,针对对象维数较高,控制器不易设计的问题,提出了一种基于系统分解的控制方法。首先建立了直升机的数学模型,并通过输入-状态线性化方法将模型线性化;其次将模型分解为两个子系统;最后分别采用无静差跟踪方法与PD控制方法设计子系统控制器。该方法通过模型分解,可大大降低控制器设计难度。仿真结果表明直升机姿态轨迹跟踪效果良好。     

基于名义模型的飞行模拟转台反演滑模控制

针对飞行模拟转台这一实际的不确定伺服系统,提出一种新型控制策略,该控制策略是建立在名义模型基础上的一种新型全鲁棒滑模控制器.控制系统由两种控制器构成,一种是针对实际对象的全鲁棒滑模控制器,另一种是针对名义模型的积分反演滑模控制器.采用名义模型与实际对象之间的建模误差设计全鲁棒滑模控制器,采用积分反演滑模控制器来保证控制精度,全鲁棒性能由全局滑模控制器来保证.采用Lyapunov方法实现了两种控制器的稳定性分析.以飞行模拟转台伺服系统为被控对象,针对正弦和阶跃响应的仿真结果表明,采用所提出的控制方法,可实现全局鲁棒性并保证较高的位置跟踪精度.     

高速开关阀控电液位置伺服系统自适应鲁棒控制

为研究高精度的液压缸位置跟踪控制问题,设计了高速开关阀和换向阀组合控制液压缸的结构方案,并通过实验分析了高速开关阀的静态流量特性。建立了液压缸的连续可微摩擦模型,利用粒子群优化算法对其参数进行辨识。建立了系统的非线性数学模型,基于非连续参数映射和反步法设计了直接自适应鲁棒控制器,通过参数在线自适应调节来更新估计值和鲁棒反馈项支配参数不确定性,实验结果表明:在跟踪幅值为5mm,频率为0.4Hz的正弦信号时,最后一个周期的最大跟踪误差、平均跟踪误差及其标准差分别为0.638、0.25mm和0.405mm,与传统PID控制器相比,控制精度显著提升,旨在为实现高精度的数字阀控位置伺服技术提供有价值的参考。      

火箭弹电动舵机模糊单神经元PID控制算法

针对制导火箭弹电动式舵机,为提高其响应速度和精度,文章在模糊PID控制基础上,提出了模糊单神经元PID控制方法。首先,建立了火箭弹舵机系统模型;然后,将模糊推理、单神经元自学习算法和PID控制相结合,建立智能控制系统,以实现对舵机输入指令的精确、快速响应。经仿真实验表明:在此智能控制下,舵机位置在阶跃响应的调节时间、超调量以及正弦跟踪上相对于传统模糊PID控制均得到有效改进,具有良好的动静态性能、自适应性和稳定性。     

抗扰动复合非线性伺服控制器的设计与应用

针对典型的电机伺服系统,提出了一种鲁棒复合非线性伺服控制器的离散域设计方案。把系统的扰动和不确定性归结为一个斜坡信号(其变化率恒定),设计一个降维线性扩展状态观测器,对系统未测量状态和未知扰动加以估计。把设计的控制律应用于永磁同步伺服电机,先在MATLAB上进行仿真分析,随后基于TMS320F28335DSC进行试验测试。结果表明系统在各种类型扰动作用下,对目标位置都能实现快速、平稳和准确的跟踪,具有较好的鲁棒性。     

Two freedom linear parameter varying μ synthesis control for flight environment testbed

To solve the problem of robust servo performance of Flight Environment Testbed(FET)of Altitude Ground Test Facilities(AGTF) over the whole operational envelope, a two-degree-offreedom μ synthesis method based on Linear Parameter Varying(LPV) schematic is proposed, and meanwhile a new structure frame of μ synthesis control on two degrees of freedom with double integral and weighting functions is presented, which constitutes a core support part of the paper. Aimed at the problem of reference command's rapid change, one freedom feed forward is adopted, while another freedom output feedback is used to meet good servo tracking as well as disturbance and noise rejection; furthermore, to overcome the overshoot problem and acquire dynamic tuning,the integral is introduced in inner loop, and another integral controller is used in outer loop in order to guarantee steady errors; additionally, two performance weighting functions are designed to achieve robust specialty and control energy limit considering the uncertainties in system. As the schedule parameters change over large flight envelope, the stability of closed-loop LPV system is proved using Lyapunov inequalities. The simulation results show that the relative tracking errors of temperature and pressure are less than 0.5% with LPV μ synthesis controller. Meanwhile, compared with non-LPV μ synthesis controller in large uncertainty range, the proposed approach in this research can ensure robust servo performance of FET over the whole operational envelope.     

基于模型辨识的数控机床专用伺服电机位置控制

数控机床精密加工要求伺服电机具有精度高和响应快等特性,而传统的伺服控制器位置环采用的是简单的误差比例(P)控制,这种控制方法的响应性不能满足加工要求。提出一种基于模型辨识的伺服电机角位移控制方法。首先,采用最小二乘法辨识出传统闭环控制系统的模型;然后,分析模型的零、极点,根据模型特性设计补偿控制器;最后,通过试验结果说明所提方法能快速、准确地跟随系统输入。