柔性臂空间机器人基于虚拟力概念的神经网络L_2增益鲁棒控制

探讨本体位置不控、姿态受控的漂浮基柔性臂空间机器人系统在惯性参数不确定情况下的动力学建模与控制问题。根据系统位置几何关系、动量守恒关系和第二类拉格朗日方程,由假设模态法,建立漂浮基柔性臂空间机器人的系统动力学模型。利用该模型,针对系统惯性参数不确定情况,提出具有L2扰动抑制的刚性运动神经网络L2增益鲁棒控制策略,以使柔性臂空间机器人的本体姿态到达期望位置的同时,机械臂各关节铰能够协调地跟踪关节空间的期望轨迹。为了主动抑制柔性振动,运用虚拟力的概念,构造同时反映柔性模态和刚性运动轨迹的混合期望轨迹,通过改造原有的控制方案,提出基于虚拟力概念的神经网络L2增益鲁棒控制策略。提出控制器的优点在于,既不要求系统动力学方程关于惯性参数呈线性函数关系,也无须预知系统精确的动力学模型;由于运用了虚拟力的概念,从而仅通过设计一个控制输入便可同时保证刚性轨迹跟踪并对柔性振动进行主动抑制,更适应于空间机器人系统的实际应用。理论分析及仿真算例均表明了控制方法的可行性。

一类不确定系统的神经网络L_2-增益鲁棒控制

对于一类具有三角结构的单输入单输出的不确定非线性系统,用反步法(backstepping)和动态面控制方法(dynamic surface control technique)设计了一种使用神经网络补偿未知非线性的L2--增益鲁棒控制器.控制器设计中没有直接解HJI(Hamilton-Jacobi-Isaac)不等式.合理的选择了L2--增益性能指标,将被控系统各个状态变量的跟踪误差和神经网络各权值的跟踪误差看作整个控制系统的各个状态变量,并用Lyapunov定理和HJI不等式证明了使用提出的控制器后,这些状态变量具有小于等于事先规定的正实数γ的L2--增益.当系统的扰动信号为零向量时,提出的控制器在原点是大范围渐近稳定的.仿真研究结果表明所提出的控制器具有很好的跟踪性能和很强的鲁棒性.

基于神经网络的现代感应电机自适应L_2鲁棒控制

提出一种用于现代感应电机调速的自适应L2鲁棒控制方法。采用反步法(backstepping)推导出2个自适应L2鲁棒控制器,这2个控制器1个控制转速和磁链外环,1个控制定子电流内环。考虑了由感应电机定转子电阻、转动惯量和负载转矩的不确定性造成的扰动,采用RBF(radialbasisfunction)神经网络来补偿这些扰动。提出的控制器可以和1个转子磁链观测器联用。应用转子磁链定向模型固有的解耦性质和HJI(Hamilton-Jaccobi-Issacs)不等式,从全局上证明了控制系统的鲁棒性。仿真结果表明,提出的控制方法对感应电机的不确定性有很强的鲁棒性,且具有很高的动态性能。

感应电机的神经网络自适应L_2鲁棒控制

针对感应电机控制中存在的参数不确定性,基于反步法(backstepping)设计了感应电机的神经网络自适应L2鲁棒控制器,提出了控制器和一个转子磁链观测器联用,考虑了磁链估计误差。控制器用径向基函数神经网络(RBFNN)补偿定、转子电阻,及负载转矩和磁链估计误差的不确定性。根据HJI(hamilton-jaccobi-issacs)不等式证明了该控制系统的鲁棒性和稳定性,避免了直接解HJI不等式。仿真结果表明,提出的控制方法对于所考虑的不确定性是鲁棒的,对转速和转子磁链参考信号跟踪精确度高,不必假设所有的状态变量可测量,适用于高性能的感应电机控制系统。

不确定性的非线性系统神经网络L_2增益控制

针对具有不确定性的仿射非线性系统,设计了神经网络L2增益控制器,使得控制系统为有限增益L2稳定的.利用Fourier神经网络的函数拟合能力,给出了满足HJI不等式的存储函数的一般结构,并利用遗传算法对神经网络权系数进行优化,设计相应的神经网络L2增益抗干扰控制器,使得闭环系统满足相应的L2性能准则.对于L2输入信号,要求控制系统设计为使得输入-输出映射为有限增益L2稳定的并有尽量小的L2增益参数.针对搅拌式化学反应器控制实例,通过数字仿真,证明此方法能够达到预期的L2性能准则.

非线性系统神经网络L_2增益控制

针对很难求解HJ偏微分不等式解析解的问题,采取一种新的思想,给出了利用神经网络构造HJ不等式解的一种方法,并利用遗传算法进行神经网络权值的优化,使得Lyapunov函数满足HJ不等式,避免了求解HJ偏微分不等式。并在此基础上,给出基于HJ不等式的仿射非线性系统神经网络L2增益抗干扰控制器设计方法,以神经网络的形式给出L2增益控制器的一般结构。仿真结果表明,提出的控制器设计方法是可行的,实现了闭环系统为从外界干扰到系统输出是有限增益L2稳定的。

具有不确定性的非线性系统自适应神经网络L_2增益控制

针对存在不确定性的非线性系统,提出了自适应神经网络L2增益控制器设计方法,将基于Hamilton-Jacobi-Issacs(HJI)不等式和自适应神经网络策略相结合,有效地克服了需要被控对象精确建模的局限性.神经网络对系统模型的偏差进行拟合;为了补偿拟合误差,引入补偿控制器和神经网络权值自适应调节律,通过在线自适应修正神经网络权值,来保证闭环系统满足相应的L2性能准则.仿真结果表明提出的控制器设计方法是有效的,克服了一般方法需要被控对象精确建模的局限性.

基于神经网络和L_2增益的船舶航向自动舵设计

对一类带建模误差和不确定性外界干扰的船舶运动非线性系统,提出了一种基于神经网络和L2增益方法的航向自动舵设计。对模型中的建模误差采用在线神经网络予以辨识和补偿,避免了建模误差界定函数的经验选择;而对不确定外界干扰力项则采用L2增益设计,保证了闭环跟踪系统的鲁棒性。控制器设计步骤应用Lyapunov函数递推法,航向跟踪误差和神经网络权值误差被证明是一致终值有界的。合理的控制器参数选择保证了控制系统的跟踪精度。数值仿真结果验证了控制器设计的有效性。

受扰Hopfield神经网络L_2增益稳定性分析

运用研究控制系统有限增益稳定的方法 ,讨论受扰Hopfield神经网络关于扰动的增益L2 稳定 .所给条件不但保证受扰网络L2 增益稳定 ,且总能保证网络未受扰时唯一平衡点的存在性和全局渐近稳定性 ;文中结论还包含从扰动到状态的L2 增益估计 ,它们用网络有关参数明确表达 .

一类非线性系统的神经网络L_2鲁棒自适应控制

对于一类具有三角结构的单输入单输出不确定非线性系统的跟踪控制问题,用反步法和动态面控制方法设计了一种神经网络L_2鲁棒自适应控制器.控制器设计中没有直接解HJI(Hamilton-Jacobi-Isaac)不等式,而是合理地选择了L_2增益性能指标,将被控系统各个状态变量的跟踪误差和神经网络各权值的跟踪误差看作整个控制系统的各个状态变量,并用李亚普诺夫定理和HJI不等式证明了使用提出的控制器后,这些状态变量具有小于等于事先规定的正实数γ的L_2增益,并且当所考虑的干扰向量为零向量时,提出的控制器在原点大范围渐近稳定.仿真研究结果表明所提出的控制器具有很好的跟踪性能和很强的鲁棒性.

基于自适应模糊神经网络辨识的电液伺服系统L_2增益设计

为克服电液伺服系统不确定性、非线性、估计误差和干扰等因素对系统稳定性和精度的影响,提出了基于自适应模糊神经网络辨识的电液伺服系统L2增益设计方法。用自适应模糊神经网络在线估计包括系统不确定性和非线性在内的未知动态特性,同时用增益自适应变结构补偿自适应模糊神经网络的估计误差,用系统L2增益设计方法抑制干扰对系统的影响,以期使系统对不确定性和非线性具有鲁棒性,而且从干扰到描述系统跟踪误差的评价函数的L2增益小于指定值。

感应电机的L_2增益鲁棒控制

电机电阻在运行过程中会发生较大范围的未知变化,对感应电机的控制性能造成不利影响。该文针对工程中常用的三阶感应电机模型,根据L2增益干扰抑制理论设计了鲁棒控制器。在误差动态方程中,将由未知电阻引起的不确定项看作系统的干扰,设计控制器使得干扰信号对评价信号的L2增益小于给定的性能指标。仿真结果表明,即使转子电阻偏离其标称值很多,控制器仍然能够保持优良的转速与磁链跟踪性能。

船舶减摇鳍闭环成形滤波L2增益鲁棒控制

针对船舶横摇运动存在不确定参数摄动,模型误差和海浪强外界干扰等问题,提出了一种基于闭环成形滤波方法的船舶减摇鳍L 2增益鲁棒控制器设计方案。通过闭环成形滤波器的引入对系统模型的不确定参数摄动进行有效补偿控制。同时外界干扰也通过L 2增益鲁棒控制器设计方法进行了抑制,Lyapunov函数的引入更是在整个控制器设计过程中保证了控制器设计的稳定性。最后通过对育鲲轮在规则波与多向不规则波下的仿真对比实验结果表明:该减摇鳍控制方案具有结构简单,参数物理明确,易于实现,鲁棒性强和控制性能良好等优点,可在充分考虑系统鲁棒性和控制性能的条件下简化船舶减摇鳍控制器设计方案和控制器结构。

L_2增益约束下跳变系统鲁棒控制

不确定跳变系统的L2增益条件与系统可镇定性和鲁棒性密切相关,本文阐述利用依赖于模态的状态反馈鲁棒控制律,以实现闭环系统输入输出L2增益约束的要求,一方面用凸多面体界定跳变系统各模态间的跳变转移率的变化,另一方面,用L2增益界定对象状态方程中时变不确定参数,在一定概率空间下,获得的反馈控制律对不确定跳变概率和时变参数具有鲁棒性.反馈控制律的设计利用线性矩阵不等式技术,通过凸优化计算易于实现,最后给出了数值计算示例.

柔性关节和柔性臂空间机器人的L_2增益鲁棒控制

讨论了臂杆与关节均具有柔性的漂浮基空间机器人运动及其关节、臂双重振动的控制问题,利用系统动量守恒关系和拉格朗日法得到系统动力学模型。采用积分流的思想对系统动力学模型进行奇异摄动分解,将其分解为:通过设计速度差值反馈控制来抑制关节柔性振动的快变子系统,通过设计线性二次最优控制来抑制臂杆柔性振动的快变子系统,描述空间机器人关节刚性运动且使得外部干扰对系统性能输出具有L_2增益鲁棒控制的慢变子系统,以避开直接求解HJI(Hamilton-Jacobi Inequality)不等式计算量大的困难。通过系统数值仿真,表明该算法有效。

开关磁阻电机伺服系统的L_2增益鲁棒控制方法

通过对开关磁阻电机非线性特性分析,提出了开关磁阻电机(SRM)伺服系统L2鲁棒控制器设计方法。建立速度误差动态方程,结合L2鲁棒控制器理论,通过L2控制器的设计解决了SRM的负载扰动和转速跟踪问题。设计存储函数证明L2控制器实现了扰动抑制和渐进稳定。仿真结果表明,该控制器能够保证系统达到很好的扰动抑制和转速跟踪效果。

永磁直线伺服电机L_2鲁棒控制的研究

对永磁直线电机伺服系统提出非线性L2鲁棒控制。给出电机的非线性数学模型,在此基础上,为实现对速度和电流的准确跟踪,建立了误差系统的动态模型;将跟踪和干扰抑制归结为L2设计问题,通过构造适当的存储函数得到描述系统L2控制器的两个定理;证明定理给出的控制器能满足干扰抑制和系统的渐进稳定。仿真结果表明,用该方法设计的系统能很好的抑制扰动和跟踪给定,满足对高性能永磁直线伺服系统控制的要求。

一类不确定非线性系统的鲁棒自适应L_2-增益控制

基于 Backstepping递推设计方法对一类复杂不确定非线性系统提出了鲁棒自适应 L2 -增益控制方法。该方法结合了自适应控制和 L2 -增益控制≤ γ的优点 ,它不仅使系统具有鲁棒性还使其对干扰具有 L2 -增益控制。同时 ,把常规设计方案需要过多参数进行辨识问题简化为只需与未知干扰个数相同参数进行辨识 ,简化了控制器结构。本文由于所研究对象为一般非线性系统 ,因此其结果具有一般性。最后 。

挠性卫星姿态跟踪自适应L_2增益控制

针对在轨挠性卫星姿态跟踪时存在参数不确定、外部干扰以及控制输入受限等问题,提出了一种自适应L2增益控制方法.首先利用神经网络来逼近系统中的未知非线性动态特性,设计自适应控制律来处理系统中的不确定参数;其次设计了一鲁棒控制器使得干扰力矩对系统性能输出具有L2增益,从而实现对干扰的抑制控制.最后通过引入附加的输入误差系统,设计自适应L2增益控制器,使得当控制输入一旦超出幅值限制时能够立刻恢复到限制范围内,实现对输入受限问题的解决.仿真结果表明,该控制方法能够实现高精度的姿态跟踪控制,具有一定的可行性和有效性.

机电复合调速系统反演自适应L_2增益控制

建立了含多个不确定参数和外部扰动的机电调速系统非线性模型,并提出一种基于附加控制变量和可调参数自修正的反演非线性自适应L_2增益速度控制方法,通过引入K类函数和附加控制变量,既提高了机电复合调速系统的稳定控制速度,也克服了在传统反演设计中各子系统虚拟函数设计时都要考虑耗散不等式的不足,与常规调速控制方法进行的仿真结果对比表明,新提出的控制方法能够提高速度控制套等执行部件的响应速度,减小速度控制的超调,有利于提高机电复合调速系统的稳定控制能力。