基于移动分层滑模面的桥吊模型参考自适应滑模控制

桥式吊车系统的数学模型是一个非线性时变的欠驱动系统模型,其执行机构数少于自由度个数,并且桥式吊车系统模型的参数信息无法精确获得。针对上述问题,提出了一种基于移动分层滑模面的模型参考自适应滑模控制策略。首先,针对桥式吊车系统的参考模型,设计了一种移动分层滑模面以提高参考模型的暂态性能;然后,针对带有不确定性的桥式吊车系统,设计了一种带有参数估计的自适应滑模控制方法,在模型参数信息无法精确获得时确保小车到达期望位置并消除负载摆角;最后,利用李雅普诺夫稳定性理论,证明了该控制系统的闭环稳定性。仿真结果表明,所提方法不仅有效,而且具有较强的鲁棒性。

基于模型参考自适应控制的钻压控制的研究

针对目前深海钻井作业钻柱运动难以实现钻压调整的问题,该文对钻柱运动补偿系统进行了实验研究,把基于钻压反馈的钻柱补偿思想应用于系统设计中,建立了补偿动载的液压缸实验台。设计了具有自动调整补偿控制结果的模型参考自适应控制器,建立了该液压系统的数学模型。通过在平台运动模拟缸静止研究了钻压跟踪控制的可行性,并在平台模拟缸运动情况下对钻压补偿效果进行实验研究。研究结果表明,通过设计适应性好的控制器,可以有效减小负载运动时对控制效果的影响,其结果对钻柱运动补偿器的进一步研究具有重要参考意义。

神经网络模型参考自适应控制算法研究

分析了基于BP算法的神经网络模型参考自适应控制器对大惯性环节被控对象的控制效果 ,发现该算法使控制器存在严重的“过学习”现象 .为避免这一现象 ,设计了一种新的误差函数结构 ,得到改进的BP算法 .针对一个存在大惯性环节的线性时变系统 。

定位器模型参考自适应控制系统设计

为了消除飞机大部件调姿系统中大部件质量难以在定位器间均衡分配引起的定位器位置伺服控制的不确定性,提出基于模型参考自适应控制的闭环位置伺服控制系统.在控制系统的设计中,根据李雅普诺夫稳定理论求解控制律和自适应律,确定自适应律算法所涉及矩阵的类型.为避免激发系统的高频未建模动态,引入低通滤波器,以保证运动的平稳性和准确性.实验结果证明：基于模型参考自适应控制的伺服系统可以在定位器负载发生变化时保持控制系统性能的一致性,保证动态误差在0-0.05mm,稳态误差为零.

RBF网络模型参考自适应控制在温度控制中的仿真研究

减压塔侧线温度系统是一个时变非线性复杂系统,采用常规的PID控制回路难以达到较好的控制品质。针对克拉玛依石化厂原油蒸馏装置中的减压塔,根据实际控制要求,提出了RBF神经网络模型参考自适应控制策略,设计了减压塔减三线温度控制系统,给出了RBF神经网络控制器和模型辨识网络参数的学习算法。仿真结果表明,采用提出的控制策略,控制效果非常好,完全达到控制要求。

改进模型参考自适应控制及其在解耦控制中的应用

提出了一种基于扩张状态观测器(extended state observer,ESO)的任意参考模型自适应控制方法,解决了被控对象状态信息不可测以及存在不确定因素导致模型参考自适应控制(model reference adaptive control,MRAC)效果变差甚至使系统不稳定的问题。在简述ESO教学模型的基础上提出了基于ESO的模型参考自适应控制方法并进行了严格的稳定性分析,仿真结果表明所设计方法具有跟踪速度快、稳态误差小、控制量小以及参考模型容易选择等特点。然后,提出基于改进MRAC的解耦控制方法并应用于三输入三输出的四旋翼飞行器姿态控制系统解耦控制,仿真结果表明该解耦控制方法具有鲁棒性好的特点。该方法无需按照通常的做法设计神经网络对不确定因素导致的误差进行补偿,大大简化了控制器设计过程。

两轮自平衡小车模型参考自适应控制平衡算法

两轮自平衡小车是一类非完整的本征不稳定系统,其动力学方程具有复杂非线性、高阶次、强耦合、欠驱动等特点,采用牛顿力学分析法进行系统建模,利用前馈、反馈以及输入量构成自适应机构,在此基础上提出模型参考自适应控制(Model Reference Adaptive Control,MRAC)策略对两轮自平衡小车的姿态和速度进行控制。通过仿真,结果表明采用MRAC算法能够在保证系统稳定的前提下,获得接近于给定理想参考模型的动态性能,并使系统在平衡点附近具有良好的鲁棒性。

永磁同步电机的模型参考模糊自适应控制

采用模糊基函数形式,将永磁同步电机时变参数的辨识转化为对模糊基函数权系数的辨识问题,经过离线学习和在线自适应调节的模糊估计器具有对永磁同步电机时变参数的逼近能力。利用参数跟踪误差和控制预测误差信息,设计模型参考模糊自适应速度控制器,基于Lyapunov稳定性理论分析了控制器的收敛性,仿真及dSPACE实验结果表明:所设计的永磁同步电机控制系统具有较好的参数跟踪及控制性能。

基于扩张状态观测器滤波的坦克炮控系统模型参考自适应控制

坦克炮控系统是一类不确定、非线性的复杂系统。针对其在低速运行时产生"爬行"、振荡等的问题,依据扩张状态观测器(ESO)滤波和Popov超稳定理论,提出了一种基于ESO滤波的模型参考自适应控制方法。研究了坦克炮控系统的数学模型,给出了基本假设,设计了ESO滤波器和模型参考自适应控制器,并证明了其稳定性,最后通过仿真验证了该方法的有效性。仿真结果表明,该方法有效地消除了系统的未建模动态及外界扰动的影响,增强了系统的快速性,解决了系统的低速"爬行"问题,改善了系统的稳态性能,为炮控系统实际设计提供了一个可行的解决方案。

基于强化学习的模型参考自适应控制

提出了一种基于强化学习的模型参考自适应控制方法,控制器采用自适应启发评价算法,它由两部分组成:自适应评价单元及联想搜索单元.由参考模型给出系统的性能指标,利用系统反馈的强化信号在线更新控制器的参数.仿真结果表明:基于强化学习的模型参考自适应控制方法可以实现对一类复杂的非线性系统的稳定控制和鲁棒控制,该控制方法不仅响应速度快,而且具有较高的学习速率,实时性较强.

交流电机模型参考自适应控制系统的仿真

分析了模型参考自适应控制系统的结构特点。利用简单实用的飞升曲线法建立交流电机的数学模型,并以此为基础建立被控对象的参考模型。运用Narendra模型参考自适应控制理论,设计了交流电机转速控制的模型参考自适应控制系统。此控制系统可以抑制干扰,具有较快的响应速度。并通过仿真实验验证所设计系统的可行性。

可调增益的模型参考自适应控制及其仿真

针对一类实际工业受控对象的增益呈现缓时变的情况 ,本文采用了一种自适应控制方案——具有可调增益的模型参考自适应控制系统 .通过对其在 Matlab之 Simulink中进行仿真 。

FNN模型参考自适应控制在轧机液压弯辊系统中的应用

UC轧机液压弯辊系统的数学模型具有很强的时变性和不确定性,是典型的非线性过程;针对UC轧机液压弯辊系统的特性,提出模糊神经网络模型参考自适应控制策略,并将其应用到液压弯辊控制系统中;仿真结果表明,模糊神经网络模型参考自适应控制能够很好的跟踪参考模型的设定,系统的响应快。

基于改进BP的神经网络模型参考自适应控制

由于传统BP算法存在收敛速度慢,容易陷入局部极小值等弊端,目前的BP优化算法又使得控制过程变得复杂,继而基于BP神经网络的模型参考自适应控制过程也存在实时性差,收敛性慢,精度不高等不足。现针对改进的BP算法和非线性系统的可逆性,分析设计了一种基于激励函数自寻优的BP网络模型参考自适应控制,并通过Matlab仿真结果表明,在满足控制精度的情况下控制系统中的辨识器和控制器效果都很理想。因此,对工程应用有很大的实际参考利用价值。

液压升降台同步运行模型参考自适应控制中模型建立及研究

双片液压升降台两侧升降的不一致性导致了台面的倾斜 ,直接影响其舞台演出效果。针对此问题 ,应用模型参考自适应方法 ,提出了两侧升降台升降系统共用同一参考模型的系统结构 ,对系统进行了综合和控制 ,以期达到了良好的升降同步演出效果。

基于跟踪微分器的模型参考自适应控制

为了处理二阶系统模型参数的大范围不确定性,提出了基于跟踪微分器的模型参考自适应控制,利用两个非线性跟踪微分器分别得到系统输出的微分信号和误差的微分信号,同时抑制了高频噪声放大效应。根据被控对象的数学模型,自适应调节律能自动实时调节控制律中的参数。实验结果表明,当雷达伺服系统被控对象模型的参数在较大范围内变化时,该新型控制器有效补偿了二阶系统参数的不确定性,提高了伺服系统稳态和动态跟踪精度,保证了系统的全局渐近稳定。

神经网络模型参考自适应控制及其在带材板形控制系统中的应用

通过对某轧机液压弯辊系统特性的分析，提出了神经网络模型参 考自适应控制策略，兼顾了系统的动态特性和静态特性，成功地解决了未知、不确定、非线 性系统的辨识与控制问题；并将其用于液压弯辊系统仿真，结果表明该系统的性能良好，将 会明显提高产品质量。

矩阵分解的多变量模型参考自适应控制

研究了基于高频增益矩阵分解的多变量模型参考自适应控制 .为此首先基于矩阵分解构造出新的参数化方程 ,选取必然等价自适应控制律 .然后 ,引入规范化信号和类Lyapunov函数 ,获得了规范化自适应律 .并进一步给出了虚拟规范化信号的有用性质 .最后 。

机械臂轨迹跟踪控制——基于EC-RBF神经网络的机械臂模型参考自适应控制

针对机械臂运动轨迹控制中存在的跟踪精度不高的问题,采用了一种基于EC-RBF神经网络的模型参考自适应控制方案对机械臂进行模型辨识与轨迹跟踪控制。该方案采用了两个RBF神经网络,运用EC-RBF学习算法,采用离线与在线相结合的方法来训练神经网络,一个用来实现对机械臂进行模型辨识,一个用来实现对机械臂轨迹跟踪控制。对二自由度机械臂进行仿真,结果表明,使用该控制方案对机械臂进行轨迹跟踪控制具有较高的控制精度,且因采用EC-RBF学习算法使网络具有更快的训练速度,从而使得控制过程较迅速。

一种基于小波网络模型参考自适应控制系统的设计与应用

根据神经网络内模控制的思想,提出了一种基于小波网络的模型参考自适应控制方法。该方法选用两个小波神经网络,分别作为系统模型的辨识器和控制器。此外,为了减小系统误差,在控制器和辨识器之间加入一个小波神经网络,作为非线性自适应滤波器。仿真结果和应用实例表明了该方法的有效性和合理性。