基于神经网络滑模控制光伏系统最大功率点跟踪

在光照强度和环境温度变化的情况下,难以有效跟踪太阳电池的最大功率点。针对这个问题提出一种基于神经网络滑模控制技术的最大功率点跟踪方法。首先建立以太阳电池输出功率为状态量的数学模型,并选择实际输出功率、理想光照和温度下输出功率的差值构造滑模面。然后为消除时变和非线性不确定对控制系统的影响,利用RBF神经网络逼近滑模控制器的不确定部分,并通过Liyapulov稳定性理论求取RBF神经网络权值的自适应律。仿真和实验结果表明:该方法能同时实现光伏发电系统的最大功率点跟踪和变流器控制,具有良好的鲁棒性。

基于模糊神经网络滑模控制的xy平台轮廓控制

永磁同步直线电机(PMLSM)直接驱动xy平台数控系统曲线轨迹跟踪时,其轮廓精度会受负载扰动以及曲线轨迹轮廓误差模型复杂等问题的影响。针对此问题,采用具有自学习能力的模糊神经网络滑模控制(FNNSMC)进行单轴位置控制器的设计,在不失滑模控制鲁棒性的情况下,有效地削弱该控制所产生的抖振;两轴之间运用实时轮廓误差计算法建立曲线轨迹的轮廓误差模型并采用交叉耦合控制(CCC)进行轮廓控制器的设计,实现跟踪误差与轮廓误差的同时减小。仿真结果表明:该控制方案基本消除了抖振,保证xy平台具有较强的鲁棒性和较高的轮廓精度。

四旋翼偏航系统的优化神经网络滑模控制

针对四旋翼偏航控制系统,提出了一种运用遗传算法优化的神经网络滑模等效控制方法。此方法采用遗传算法对神经网络的权值和阈值进行优化,提高了四旋翼偏航系统的动态控制品质;利用BP神经网络输出代替传统离散滑模控制趋近律中的到达速度常数和趋近速度指数,有效地克服了传统离散滑模控制的趋近律中参数选取不合适会导致系统状态发散或产生剧烈抖振问题。Matlab仿真分析表明,这种控制方法拥有较好的控制跟踪性能,不但使控制系统对外部扰动具有很强的鲁棒性,而且保证了良好的动态品质并消除了系统的高频抖振。

机械手RBF神经网络滑模迭代学习控制

在机械手的轨迹控制的迭代学习控制中,迭代学习的学习律难以选择。本文结合RBF神经网络滑模变结构控制和迭代学习控制的基本思想,提出采用RBF神经网络滑模变结构控制确定学习律的方法。并运用Matlab软件Simulink对该方法应用于机械手轨迹跟踪控制的情况进行了仿真研究,结果表明该方法具有学习速度快、跟踪精度高、鲁棒性强等优点。

永磁同步风电机组神经网络滑模多目标优化控制

将永磁同步风力发电机组中的变流器和电网用等效负载代替并对控制回路进行简化,得到非线性仿射形式的机组模型,利用反馈线性化方法对系统进行精确线性化。固定参数离散指数趋近律滑模控制算法主要缺陷是如两个参数匹配不当,可能会使求得的控制量过大,同时系统在滑模面附近剧烈的高频抖振会导致机组所要承受的机械应力增加,动态性能变差,利用神经网络的自适应学习能力对这两个控制参数进行实时优化,根据机组控制目标定义一个综合性能指标,通过优化该指标得到网络权值修正算法。仿真结果表明,该方法可以使系统快速到达滑模面,实现了机组对最优转速的快速跟踪;同时有效抑制了系统的抖振,减小了额外的疲劳载荷,实现了多目标优化控制。

基于神经网络滑模观测器的飞控系统故障诊断

为了提高控制系统的安全性和可靠性,针对含有扰动的飞控系统执行器微小故障诊断问题,基于神经网络滑模观测器,提出了一种对系统执行器故障进行检测及估计的办法,并证明了该神经网络滑模观测器的稳定性.通过坐标变换将线性系统解耦成两个子系统:一个子系统不含扰动,对其设计神经网络观测器,实现对微小故障的检测;另一个子系统受到扰动和微小故障的双重影响,对其设计滑模观测器,消除未知扰动的影响,保证系统的强鲁棒性.通过飞控系统故障诊断试验平台验证了该方法的有效性.

基于DOB的炮管RBF神经网络滑模控制研究

针对坦克炮身管精确定位和平衡问题,提出了一种基于干扰观测器(DOB)的RBF神经网络滑模控制策略。由于炮控身管平衡系统模型中存在某些时变的不确定参数,所以利用RBF神经网络的万能逼近特性来辨识该参数。为了更好地提升系统的抗干扰性能,引入了干扰观测器,对系统外部扰动进行实时观测。通过仿真试验可知,该控制策略有效地提高了系统的稳定性,消除了滑模控制过程中固有的抖振现象,并大大提高了电液伺服系统的跟踪性能,使系统具有良好的鲁棒性。

改进型RBF神经网络滑模控制在DC/DC变换器中的应用研究

针对DC/DC变换器容易受到参数摄动以及外部负载扰动的问题,传统的双闭环PI控制无法得到满意的动态性能和鲁棒性,因此提出一种改进型RBF神经网络滑模控制策略。将加入积分项的滑模控制(ISMC)与RBF神经网络结合,利用RBF神经网络去同时逼近ISMC两个未知项中f(x)和g(x),设计出一种具有较好鲁棒性的电压外环RBF-ISMC控制器,在一定程度上抑制了稳态误差和抖振,进而去提高Buck变换器的输出动态响应性能。通过Matlab/Simulink仿真验证了所设计的RBF-ISMC控制策略的可行性和优越性。

坦克炮控系统神经网络自适应滑模控制方法

针对坦克炮控系统的时变性和非线性,设计一种神经网络自适应滑模控制方法。基于滑模控制强鲁棒性的优点,用RBF神经网络对系统摄动参数和未建模动态进行自适应逼近,可有效地降低切换增益,抑制系统的抖振。将滑模控制和神经网络逼近相结合,既保证了系统的鲁棒性又削弱了系统的抖振。仿真结果表明该设计能够有效地提高系统的动静态性能,优于经典的控制方法,为坦克炮控系统的设计提供了一种可行的设计方法。

基于扰动观测的客车ESC自适应神经网络滑模控制

为了提高客车电子稳定性控制系统(ESC)的控制精度,针对实际车辆系统建模中存在各种非线性扰动项以及传统滑模控制(Sliding Mode Control,SMC)中抖振较大的问题,提出一种自适应神经网络滑模控制算法。基于2自由度车辆模型,首先设计一个二阶滑模(Second-order Sliding Mode,SOSM)估计器对车辆的质心侧偏角进行估计,然后利用径向基(Radial Basis Function,RBF)神经网络对车辆系统建模中的各种非线性扰动项进行实时估计,并进行Lyapunov稳定性证明,RBF神经网络估计车辆系统建模的各种非线性扰动项可以有效减小滑模控制符号项的系数,从而减小滑模抖振水平。为了更进一步优化传统滑模控制的参数调节过程,减小滑模抖振并提高系统控制精度,再次利用RBF神经网络对传统滑模控制中的关键参数进行自适应调节。最后为了验证算法的有效性,搭建客车电控气压制动系统硬件在环试验台,在硬件在环试验台上对算法的有效性和精度进行试验验证。研究结果表明:客车ESC在自适应神经网络滑模算法的控制下,横摆角速度和质心侧偏角能够较好地跟随上理想的横摆角速度和理想质心侧偏角,横摆角速度和质心侧偏角的跟随误差降低;利用RBF神经网络估计客车建模中的各种非线性扰动项和利用RBF神经网络自适应调节传统滑模控制的关键参数,可以有效提高客车ESC的控制精度。

柔性关节双臂空间机器人的滑模神经网络控制

研究参数不确定、外部扰动影响下柔性关节双臂空间机器人的滑模神经网络控制问题。采用线性扭转弹簧等效描述关节弹性,根据系统线、角动量守恒原理及拉格朗日法,推导柔性关节双臂空间机器人的动力学模型。利用奇异摄动法对柔性补偿后的系统进行分解,得到两个可独立控制的子系统。为实现系统末端操作器在两种不确定性因素干扰下的轨迹精确追踪及关节振动抑制,提出一种刚性运动滑模神经网络控制、柔性运动反馈控制相结合的混合控制方案。仿真结果显示,所提方案具有较强的抗扰动及抗参数不确定能力,可使系统完成所期望的圆周运动并抑制关节的弹性振动。

一种基于滑模—神经网络观测器的故障检测和诊断方法

本文针对一类非线性系统 ,提出了一种用于故障检测和诊断的滑模观测器方法 .其中 ,观测器中的滑模项保证了该系统在无故障情况时的鲁棒性 ,并且系统运行的滑动区域提供了故障检测的条件 .当检测出故障之后 ,观测器中的故障估计部分被启动 ,利用RBF神经网络估计故障 ,从而能在线辨识故障的形态 .

双臂空间机器人捕获航天器后的镇定运动分块滑模自适应神经网络控制

讨论了双臂空间机器人捕获航天器后闭链混合体系统姿态和关节的受扰运动镇定控制及双臂协调操作问题。根据冲量定理及闭环约束条件,分析了双臂空间机器人捕获操作结束后受到的冲击效应,建立了闭链混合体系统动力学方程。以此为基础,针对星载计算机运算能力有限的问题,基于神经网络控制理论设计了分块滑模自适应控制方案。将混合体系统动力学方程考虑为多个非线性关联子系统的集合,因此可同时并行地利用神经网络来分别逼近各子系统未知动力学模型,即通过并行处理来提高计算效率。设计了自适应滑模控制器来抵消交联项及神经网络逼近误差的影响。为了保证各臂杆的协同操作,基于最小权值范数法分配了各臂关节控制力矩。通过系统数值仿真验证了所提控制方案的有效性。

虚拟锚泊神经网络模糊滑模控制器的设计

针对虚拟锚泊浮标在目标点位置难以进行锚泊的问题,设计了一种神经网络模糊滑模控制器。通过引入虚拟锚泊圆,将在锚泊点一定范围内虚拟锚泊的问题转变为对虚拟锚泊圆进行路径跟踪的问题,应用Fossen矩阵建立虚拟锚泊浮标动力学模型,采用Serret-Frenet坐标变换和重新定义输出变量,将单输入多输出非线性系统转变为单输入单输出非线性系统,进而构建滑模控制器,采用模糊算法对滑模开关量进行在线调整,削弱滑模控制器的'抖振',采用神经网络对滑模控制器进行优化,摆脱对系统模型的依赖性,提高控制器的鲁棒性,并对该控制器进行仿真实验和分析,结果表明该控制器具有很好的虚拟锚泊性能。

存在关节力矩输出死区及外部干扰的漂浮基空间机械臂积分滑模神经网络自适应控制

探讨了载体位置和姿态都不受控时,漂浮基空间机械臂在带有关节力矩输出死区及外部干扰情况下轨迹跟踪的控制算法设计问题。死区与外部干扰影响系统的跟踪精度与稳定性。为此引入积分型切换函数,减少外部干扰引起的稳态误差,并利用径向基函数神经网络逼近动力学方程的未知部分,设计了一种积分滑模神经网络控制方案。控制算法的优点是,在死区斜率与边界参数不确定及最优逼近误差上确界未知的条件下,可以利用最优逼近误差、死区及干扰的补偿项来消除影响。李亚普诺夫稳定性分析证明了闭环系统的稳定性,且轨迹跟踪误差将收敛到0的某个小邻域内。仿真算例证实了该控制算法的有效性,实现了空间机械臂的轨迹跟踪控制。

基于混合轨迹的柔性空间机械臂神经网络控制

讨论了基于混合轨迹的漂浮基柔性空间机械臂的载体姿态、关节协调运动及柔性振动的滑模神经网络控制器设计问题。为了对柔性空间机械臂系统的柔性振动进行主动控制,基于虚拟控制力观念生成了能同时反映姿态、关节运动的期望轨迹和柔性振动的混合轨迹。基于该混合轨迹,利用神经网络逼近系统未知部分,提出了柔性空间机械臂协调运动的滑模神经网络器控制方案,该控制方案可在保证轨迹跟踪的同时对柔性杆的振动进行主动抑制。对一平面刚柔空间机械臂系统进行了数值仿真,仿真结果证实了所设计控制器的有效性。

基于滑模模糊神经网络感应电动机矢量控制的研究

感应电机矢量控制采用滑模模糊神经网络控制,使系统具有自学习、自调整的能力和强鲁棒性。通过改进模糊神经网络的学习方法,精简了网络的结构,减少了训练的时间,为模糊神经网络用于实时性控制系统提供了可能的条件。

滑移扰动下轮式移动机器人神经滑模跟踪控制研究

针对轮式移动机器人在滑移扰动下模型的不确定性,提出了一种基于RBF神经滑模控制的跟踪控制策略。建立机器人在滑移扰动下的动力学模型,利用运动学反步控制器得到虚拟线速度和角速度,基于虚拟输入设计了神经滑模动力学控制器,最后对所设计的控制器进行仿真与实验,结果表明该控制方法能快速准确地在滑移扰动下跟踪期望轨迹,具有良好的误差收敛效果。

高速动车组强耦合模型的分布式滑模控制策略

高速动车组是由多节车辆与钩缓装置链接而成的复杂系统.将钩缓装置等效成弹簧?阻尼器系统,分析动车组运行过程中钩缓装置对相邻车辆作用的动力学机理,明确作用方式,建立高速动车组的强耦合模型.根据列车模型动力或制动力输入的分散特征,设计分布式神经网络滑模控制策略,对高速动车组进行速度跟踪控制.为减小速度跟踪过程中未知因素对高速动车组控制精度的影响,利用列车历史运行数据,采用历史工况数据中心对当前控制律输出进行补偿以提高控制精度与实用稳定性.采用高速动车组运行仿真平台的仿真实验结果表明,该建模方法较以往多质点模型更能体现高速动车组运行特性,且采用补偿规则的控制策略优于传统控制效果.

基于逆系统方法的带SMSE的静态无功补偿器的RBF滑模控制研究

在并网点接入无功补偿器是提高电压稳定保证风电可靠运行的有效方法。设计一种带超导储能的静态无功补偿器,应用逆系统方法实现系统反馈线性化解耦,再采用RBF神经网络滑模控制对解耦逆系统进行控制。仿真结果表明:采用逆系统方法和RBF神经网络滑模控制对提高系统的动态响应速度和改善系统鲁棒性具有良好的效果,所得结果符合带超导储能的静态无功补偿器的动态响应特性。