月球机器人高精度定位模糊神经网络直接自适应控制

针对常规模糊控制的不足 ,提出一种模糊神经网络直接自适应控制 ,它结合了模糊控制、神经网络控制和自适应控制的优点 ,实现了模糊控制的智能化 ,并将其应用于月球机器人的定位控制中。仿真结果证明了该控制方案的优越性、有效性和可行性。

航天器位姿运动一体化直接自适应容错控制研究

针对航天器近距离操作过程中追踪航天器位姿控制系统执行器故障问题,提出了一种直接自适应容错控制方法,保证了追踪航天器在发生执行器故障下的自身稳定性和对目标航天器位姿状态的渐近跟踪性能.基于对偶四元数的航天器位姿一体化控制系统模型,首先,假设故障已知,设计标称控制信号;然后,设计自适应更新律对标称控制信号中的未知参数进行估计,构成自适应控制信号;最后,利用多Lyapunov函数对多故障模式下的系统性能进行分析.仿真结果表明了所提方法的有效性.

基于等效滑移率变化率的汽车防抱制动系统模糊直接自适应控制

针对汽车防抱制动系统(Antilock brake system,ABS)车轮角减/加速度和滑移率逻辑门限值控制方法以及常规汽车ABS模糊控制方法的滑移率控制精度不高的缺点,提出汽车ABS模糊直接自适应控制。针对通常将滑移率跟踪误差变化率,或车轮角加/减速度跟踪误差作为汽车ABS模糊控制器输入量其计算值不够准确的缺点,提出车轮等效滑移率变化率的概念和算法,采用车轮滑移率跟踪误差和等效滑移率变化率作为ABS模糊控制系统的输入量,设计出常规ABS模糊控制器,作为ABS闭环控制系统的模糊逼近控制器;采用直接自适应控制方法设计出ABS模糊补偿控制器:它们组成ABS闭环控制系统模糊直接自适应控制器。仿真研究和实车试验表明,该控制器应用于汽车ABS系统取得良好的控制效果,且算法简单、具有实际应用价值。

基于直接自适应控制的重构飞控系统研究

通常,飞控系统重构设计需知系统的故障信息,而使用直接自适应控制技术可在不知道系统故障信息的情况下,对飞控系统操纵面损伤进行重构,并且可使故障飞机很好地跟踪参考模型的输出.采用优化算法设计反馈补偿器以保证故障系统的严格正实性,并利用Lyapunov函数证明重构系统的渐近稳定性.将该方法用于某型飞机侧向控制系统的设计,仿真结果表明,在操纵面严重受损的情况下,飞机仍能保持良好的性能.

一类非线性非最小相位系统的直接自适应控制

针对一类不确定的离散时间非线性非最小相位动态系统,提出了一种基于神经网络和多模型的直接自适应控制方法．该控制方法由线性直接自适应控制器,神经网络非线性直接自适应控制器以及切换机构组成．线性控制器用来保证闭环系统输入输出信号有界,非线性控制器用来改善系统性能．切换策略通过对上述两种控制器的切换,保证闭环系统输入输出有界的同时,改善了系统性能．理论分析以及仿真结果表明了所提出的直接自适应控制方法的有效性．

一种新的直接自适应控制方法及其在制导系统中的应用

基于CGT的直接自适应控制器结构简单,不需要滤波器,但要求被控对象是几乎严格正实的,这一点限制了它的应用.通常的改进方法是采用并联前馈补偿器,但这种前馈补偿器有时很难求,甚至找不到.为此,本文提出了一种改进的方法,其思想是:把被控对象按结构分解为满足几乎严格正实性要求和不满足这一要求的两部分,然后,分别对其采用基于CGT自适应控制方法和鲁棒控制方法设计控制器,从而避免了求被控对象并联前馈补偿器这一棘手问题.文中给出了这种方法在某导弹制导系统的应用,仿真结果表明该方法正确可行.

一种直接自适应控制方法在某炮控系统中的应用

针对坦克火炮稳定系统提出了一种新的直接自适应控制器设计方法。该方法应用基于CGT的直接自适应控制原理,采用加并联前馈补偿器的方法,将非严格正实的被控对象转化为严格正实的对象,满足了基于CGT的直接自适应控制方法的要求。该算法无需采用辨识系统的参数,算法简单。

坦克高低向炮控系统直接自适应控制方法研究

提出了某坦克火炮高低向稳定系统的直接自适应控制方法,应用基于CGT的直接自适应控制原理,采用结构分解的方法,将被控对象中严格正实部分和其余部分分解开来,分别对它们设计基于CGT的自适应控制器和鲁棒控制器,从而实现对火炮高低向的控制。该算法无需辨识系统的参数,结构简单,对参数变化的适应能力强。仿真实验表明,这种方法正确可行。

熔化极气体保护焊的直接自适应控制

焊接电流和电弧长度是熔化极气体保护焊(GMAW)焊接过程的主要状态变量,决定了熔滴的过渡过程、热量输入和焊缝成形.文中在分析GAMW焊接工艺过程的基础上,建立了焊接电流和电弧长度的数学模型,采用基于二次型性能指标的直接自适应控制算法,通过调节焊接电源输出电压和送丝速度的大小,使焊接电流和电弧长度能跟踪参考模型的输出.同时,针对实际应用中难以检测的电弧长度,建立了电弧长度估计模型,实现了对电弧长度的软测量.结果表明,该算法可以实现弧长和电流的精确控制.

混合的直接型模型参考自适应控制(英文)

本文研究了具有混合自适应律的直接型模型参考自适应控制 .对这种混合的MRAC方案 ,我们严格地证明了闭环系统的所有信号都有界 ,同时得到了跟踪误差满足e1 ∈S(μ2 (Δ2 +Δ2 ∞) +d20 +1/a20 ) .同文献 [1]的控制方案相比 ,这种具有混合自适应律的直接型模型参考自适应控制具有如下优点 :1)实现过程中计算量大大减小 ;2 )具有更好的鲁棒性 .

一类非线性系统的直接自适应控制

在模糊神经网络滑模控制器（ＦｕｚｙＮｅｕｒａｌＮｅｔｗｏｒｋｓＳｌｉｄｉｎｇＭｏｄｅＣｏｎｔｒｏｌｅｒ）的基础上提出了一种设计方法，将ＦＮＮＳＭＣ与模糊神经网络（ＦｕｚｙＮｅｕｒａｌＮｅｔｗｏｒｋｓ）有机结合，通过平滑切换实现自适应控制．这种方法增强了系统的鲁棒性且能有效地消除高频颤动．

基于拉盖尔模拟神经网络的过热汽温直接自适应控制系统

提出一种Laguerre(拉盖尔)模拟复合正交神经网络并应用于电厂过热汽温的直接自适应控制。模拟神经网络被作为直接自适应控制器,这种单隐层正交神经网络是基于Laguerre复合正交多项式函数,并具有在线连续学习的简单算法,且学习算法与被控对象模型无关。由于采用3层网络结构,输入层与隐层之间不用权值调整,在学习算法中只要在输出层与隐层之间寻找最佳权值,因此网络学习速度较快。网络隐层节点(处理元)是Laguerre多项式展开项,展开项的多少决定着网络的学习速度和精度。通过对具有严重参数不确定性、扰动以及大迟延的电厂过热汽温被控对象进行仿真研究,结果表明控制系统性能优于常规的PI控制系统。

基于e-修正神经网络的直接自适应控制设计

针对一般非线性不确定系统设计了一种e-修正神经网络直接自适应控制方法。首先采用虚拟控制量的方法,并将其分解成参考模型输出、线性动态补偿输出与神经网络自适应输出三项;然后针对传统σ-修正神经网络在权值更新时的不足,设计了一种基于e-修正方法的权值自适应更新律,并设计了输出反馈误差观测器用以对神经网络进行训练;最后对基于σ-修正与e-修正两种权值自适应更新律进行仿真对比。仿真结果表明基于e-修正神经网络方法在跟踪误差、不确定性逼近等效果上均优于基于σ-修正神经网络方法。

直接自适应控制在自旋导弹制导系统中的应用研究

文中将基于 CGT 的直接自适应控制方法应用于某自旋导弹制导系统的设计,其特点是不需要任何估计器或滤波器,控制器结构简单,仿真结果表明该方法正确可行。

坦克炮控系统直接自适应控制器设计

应用基于CGT的直接自适应控制原理,设计了一种坦克炮控系统自适应控制器。采用并联补偿的方法,解决了被控对象的非严格正实性问题,满足了基于CGT的直接自适应控制方法的要求。该算法无需辨识系统的参数,结构简单,对参数变化的适应能力强。仿真试验表明,这种方法正确可行。

基于分段线性逼近网络的直接自适应控制

对一类单输入单输出系统的控制问题进行了研究 ,设计了对这类系统的直接自适应控制方案。控制方案的一部分是采用分段线性逼近神经网络逼近给定的非线性系统 ,利用已经发生的实际数据对网络的权值进行训练 ;另一部分是结合神经网络的一步预测输出和系统的参考输出 ,通过梯度优化器计算得到系统的控制输入。数值仿真结果表明 。

基于高木—关野型模糊系统的直接自适应控制

对高阶非线性系统设计了模糊直接自适应控制器。用高木—关野型模糊系统作为控制器 ,用鲁棒控制项对未知的逼近误差进行补偿以减小逼近误差对跟踪精度的影响。所给方法不但能保证闭环系统稳定而且可使跟踪误差收敛到原点或其小邻域内 。

过热汽温的模拟柔性神经网络直接自适应控制系统

提出一种模拟复合正交柔性神经网络,并应用于电厂过热汽温的直接自适应控制方法。模拟柔性神经网络被用作为过热汽温控制系统中的主、副调节器,以改善控制系统的动态性能。神经网络采用3层网络结构,网络隐层节点采用带参数的Sigmoid函数构成的Laguerre(拉盖尔)复合正交多项式。网络在学习过程中,输入层与隐层之间不用调整权值,仅连续调整输出层与隐层之间的权值和隐层中Sigmoid函数的参数,以提高网络的学习适应性。网络隐层节点(处理元)是复合正交多项式的展开项,展开项的多少决定着网络的学习速度和精度。通过对具有严重参数不确定性、扰动以及大迟延的电厂过热汽温被控对象进行仿真研究,结果表明控制系统的干扰和超调明显减小,在控制系统的动态性能上,所提控制方法优于常规控制方法。电厂过热汽温控制取得了令人满意的效果。

随机系统的多模型直接自适应解耦控制器

针对多变量离散时间随机系统,提出了一种采用广义最小方差性能指标的多模型直接自适应解耦控制器.该多模型控制器由多个固定控制器和两个自适应控制器构成.固定控制器用以覆盖系统参数的可能变化范围,自适应控制器用以保证系统的稳定性和提高暂态性能.该多模型控制器利用矩阵的伪交换性和拟Diophantine方程性质,基于广义最小方差性能指标,将随机系统辨识算法和最优控制器设计相结合,直接辨识出控制器的参数,通过广义最小方差性能指标中加权多项式的选取,不但实现了多变量系统的动态解耦控制,而且消除了稳态误差、配置了闭环极点.文末给出了全局收敛性分析.仿真结果表明该方法明显优于常规自适应控制器.