基于递归模糊神经网络的移动机器人滑模控制

针对非完整移动机器人轨迹跟踪控制问题,提出了一种Backstepping运动学控制器与自适应动态递归模糊神经滑模控制器相结合的控制结构。采用遗传算法对运动学控制器的参数进行了优化选取,有效地抑制了因初始位姿过大而引起的初始速度及输出力矩过大的问题;采用动态递归模糊神经网络(Adaptive dynamic recurrent fuzzy neural network,AD-RFNN)对动态非线性不确定部分进行在线估计,使不确定性估计误差大大减小;通过与自适应鲁棒控制器结合应用,不但解决了移动机器人的参数与非参数不确定性问题,同时也消除了在滑模控制中的输入抖振现象;基于Lyapunov方法的设计过程,保证了控制系统的稳定与收敛;仿真结果表明了该方法的有效性。

永磁同步电机调速系统的积分型滑模变结构控制

传统的比例积分微分(proportion integral derivative,PID)控制由于控制方法简单,被广泛应用于永磁同步电机(permanent magnet synchronous motor,PMSM)调速系统当中,但其难以满足高精度的控制要求。传统的滑模控制(sliding mode control,SMC)虽然在一定程度能达到较好的控制效果,但需要对速度信号进行微分,而这一过程会引入高频扰动。为了实现PMSM的高精度控制,该文设计了一种积分型滑模变结构控制器,针对负载扰动的问题,依据龙伯格线性观测器的原理设计了负载转矩观测器,并将其观测值反馈到滑模控制器的设计中。通过仿真及实验可以看出,负载观测器能跟踪实际负载的变化,滑模控制器使系统在负载波动时转速保持不变。因此,基于负载转矩观测器设计的积分型滑模控制器使系统具有快速性、无超调等优点,且对负载扰动具有较强的鲁棒性。