基于新型积分自适应滑模控制策略的永磁同步电机控制

设计了一种永磁同步电机(PMSM)参数扰动和负载扰动的新型控制策略。通常PMSM控制是通过PI控制设计的,控制效果不佳,因此提出一种新型积分滑模控制(SMC)策略进行转速控制器设计。积分SMC具有较强的抗干扰性,不仅可以抑制控制系统的高频微分扰动,而且可以降低系统稳态误差,使控制更精确。设计趋近律函数对滑模控制器进行优化,使SMC参数自适应调节,提高系统响应速度。考虑到系统参数和负载扰动对控制性能的影响,将自抗扰环节引入SMC,提高了系统的抗扰性。最后通过仿真试验验证了控制系统良好的控制性能。     

永磁同步电机的改进快速终端滑模控制

针对线性滑模控制永磁同步电机不能实现有限时间控制以及终端滑模控制不能实现快速收敛的问题,提出了一种改进快速终端滑模控制方法。所提控制方法经理论证明能实现更快的收敛速度。滑模控制律通过Lyapunov稳定性定理计算得出。对所提方法进行了仿真验证,并与终端滑模控制作对比,结果证明了所提改进快速终端滑模控制能有效地提高系统的起动性能和抗扰动性能。     

基于积分滑模控制的对称六相永磁同步电机调速系统研究

为了提高对称六相永磁同步电机对参数变化和负载扰动的鲁棒性,在积分滑模面的基础上,提出一种基于积分滑模控制算法的对称六相永磁同步电机调速系统。通过Lyapunov定理证明了积分滑模控制器的稳定性,并进一步分析了控制器的性能。仿真结果表明:相比于PI控制算法,所提算法具有更好的抗干扰能力和稳定性。     

基于两阶段优化的初至波自动拾取算法

拾取初至波是近地表建模方法中的重要步骤。初至波的精确拾取可以影响到很多方面的工作,例如静校正和速度建模等,但是初至波受到强烈的背景噪声和复杂的近地表结构的影响,拾取的精确性会减低。本文提出了基于两阶段优化的初至波自动拾取算法。本文把初至拾取问题分成了两个子问题,分别产生两个优化目标,根据优化目标,生成优化函数。算法采用两个步骤:(1)先用纵向滑动窗口把初至波可能存在的范围带找出来;(2)改进了能量比率算法,在第1步找到的范围带中拾取初至波。在两个数据集上,将FPTO算法与反向传播神经网络方法(Backpropagation neural networks method,BNN)、直接相关方法(Direct correlation method,DC)以及Coppens的改进方法(Modified Coppens’s method,MCM)3种算法进行了对比,精确度得到了很大提升,算法的稳定性得到证明。     

基于模糊神经网络干扰观测器的组合体航天器姿态控制

针对非合作目标存在对抗性力矩输出情况下的组合体航天器姿态控制系统,提出了一种基于模糊神经网络干扰观测器(Fuzzy Neural Network Disturbance Observer, FNNDO)的非奇异终端滑模(Nonsingular Terminal Sliding Mode, NTSM)有限时间控制策略。首先以服务航天器为基准,建立组合体航天器姿态数学模型,然后针对包含惯量不确定性、目标对抗性力矩等的等效干扰力矩,设计了一种具有自适应能力的FNNDO,可以实现对等效干扰的有效跟踪。在FNNDO的基础上,设计NTSM控制器,利用Lyapunov理论证明闭环系统的有限时间稳定性。最后,仿真实验结果表明了控制策略的有效性和观测器在观测性能上的优越性。     

统一混沌系统的指数型超曲面terminal滑模同步控制

讨论了一类统一混沌系统的指数型超曲面terminal滑模控制同步问题,并且针对初始状态离原点的不同,设计了3种超曲面,使得在系统初始状态远离平衡点和接近平衡点的情况下,均能较快地实现同步,从而弥补了接近平衡点收敛速度慢的不足。而且由于指数自适应环节的引入,使得滑模面的形式得到统一与简化,收敛性能得到进一步优化。最后仿真结果表明了该方案的有效性。     

高超声速再入飞行器的特征建模及自适应递推滑模控制

针对高超声速再入飞行器非线性程度高、参数不确定性大、快时变等特点,提出一种基于神经网络特征模型的自适应滑模姿态控制方案。首先,采用现有特征建模方法,将对象模型中的非线性、时变不确定性压缩至特征参量中;进一步,结合模糊神经网络,将快时变特征显式地表征在特征模型中,使得待估计的特征参量具有时不变特性,从而易于其自适应律的设计。然后,在该神经网络特征模型的框架下,设计递推形式的自适应滑模控制律,以进一步提高飞行控制系统的鲁棒性。最后,通过仿真校验了所提出控制方法的正确性和有效性。     

永磁同步电动舵机系统滑模变结构控制器设计

针对电动舵机系统,建立表贴式永磁同步电机(SPMSM)矢量控制模型。设计基于指数趋近律的滑模变结构控制器,并在此基础上进行抖振抑制。利用变指数趋近律滑模控制器与比例-积分-微分(PID)控制器相结合,设计组合控制器,既可最大程度地发挥滑模变结构控制的快速性与鲁棒性,又可利用PID控制的优势减小系统最后的抖振。最后,通过与基于指数趋近律的滑模控制器进行仿真对比,验证组合控制器对电动舵机系统抖振的抑制效果。仿真结果表明:设计的组合控制器将系统静差减小了85%,并基本消除了滑模末端的抖振。     

变结构航天器模糊神经网络滑模控制器设计

变结构航天器是目前航天领域的重要发展方向,航天器结构的变化将导致质量分布发生明显变化,这对航天器动力学建模和控制器设计都提出新的问题。针对这种情况,采用混合坐标法和拉格朗日方程建立了航天器刚柔耦合动力学模型,利用几种典型工况的参数近似得到变结构过程中动力学参数的变化规律。设计滑模控制器对航天器变结构过程进行姿态控制,为提高滑模控制器的适应性,设计模糊神经网络（FNN）自适应调节滑模控制器参数,并利用径向基函数（RBF）神经网络逼近动力学模型,得到控制力矩与姿态变化之间的近似关系,用于FNN的优化。通过仿真得到航天器变结构期间无控、滑模控制和模糊神经网络滑模控制的姿态变化,仿真结果对比验证了模糊神经网络滑模控制对于滑模控制的优势,证明了其在变结构航天器姿态控制方面的有效性。     

无人机编队的高阶滑模控制方法研究

在未知干扰环境下,对无人机编队飞行的稳定性和精度提出了更高的要求,采用常规滑模控制的编队算法由于"抖振"等问题,不适应高精度和稳定性的要求.针对此问题,提出了一种基于高阶滑模控制的编队飞行控制方法,以三架无人机编队为例,建立了三维空间高阶滑模控制编队控制模型,实现了长机的航路跟踪及僚机的编队队形控制和保持.仿真结果表明...