考虑模型不确定性和外部干扰等影响,基于径向基函数神经网络(radial basis function neural network,RBFNN)和改进的误差符号函数鲁棒积分(robust integral of signum error,RISE)技术,建立无人直升机(unmanned aerial helicopter,UAH)...考虑模型不确定性和外部干扰等影响,基于径向基函数神经网络(radial basis function neural network,RBFNN)和改进的误差符号函数鲁棒积分(robust integral of signum error,RISE)技术,建立无人直升机(unmanned aerial helicopter,UAH)轨迹跟踪控制设计方案。首先,建立包含模型不确定性和外部干扰的UAH非线性系统模型,利用跟踪误差作为RBFNN输入信号估计由模型不确定性和外部干扰组成的复合扰动。其次,将滤波信号及其变化率权重组合作为RISE输入信号设计控制器,从而降低控制设计方案对UAH动力学模型的依赖程度。进而,借助Lyapunov稳定性理论分析整合后闭环跟踪误差系统的稳定性,并给出控制参数的选取方法。最后,借助现有文献中UAH系统模型,仿真与比较结果均说明所提控制算法的有效性和优越性。展开更多
为提高电压源型逆变器的性能,针对其存在的动态未建模、参数不确定和负载扰动等不利因素,提出改进的误差符号积分鲁棒(robust integral of the sign of the error,简称RISE)控制策略.首先,根据电路理论建立包含匹配干扰和不匹配干扰在...为提高电压源型逆变器的性能,针对其存在的动态未建模、参数不确定和负载扰动等不利因素,提出改进的误差符号积分鲁棒(robust integral of the sign of the error,简称RISE)控制策略.首先,根据电路理论建立包含匹配干扰和不匹配干扰在内的系统模型;其次,通过引入辅助状态变量,将不匹配干扰转移至控制通道,从而得到等价的集总干扰;再次,设计改进的RISE控制,其中的积分鲁棒项可处理集总干扰,使系统获得渐近跟踪性能;最后,通过仿真验证该文改进RISE控制的优越性.仿真结果表明:相对于双环比例积分(proportional integral,简称PI)控制、传统RISE控制,改进RISE控制的阶跃响应性能更出色、d轴电压暂态波形更平滑、抗负载扰动能力更强、稳态性能更优异.展开更多
文摘考虑模型不确定性和外部干扰等影响,基于径向基函数神经网络(radial basis function neural network,RBFNN)和改进的误差符号函数鲁棒积分(robust integral of signum error,RISE)技术,建立无人直升机(unmanned aerial helicopter,UAH)轨迹跟踪控制设计方案。首先,建立包含模型不确定性和外部干扰的UAH非线性系统模型,利用跟踪误差作为RBFNN输入信号估计由模型不确定性和外部干扰组成的复合扰动。其次,将滤波信号及其变化率权重组合作为RISE输入信号设计控制器,从而降低控制设计方案对UAH动力学模型的依赖程度。进而,借助Lyapunov稳定性理论分析整合后闭环跟踪误差系统的稳定性,并给出控制参数的选取方法。最后,借助现有文献中UAH系统模型,仿真与比较结果均说明所提控制算法的有效性和优越性。
文摘为提高电压源型逆变器的性能,针对其存在的动态未建模、参数不确定和负载扰动等不利因素,提出改进的误差符号积分鲁棒(robust integral of the sign of the error,简称RISE)控制策略.首先,根据电路理论建立包含匹配干扰和不匹配干扰在内的系统模型;其次,通过引入辅助状态变量,将不匹配干扰转移至控制通道,从而得到等价的集总干扰;再次,设计改进的RISE控制,其中的积分鲁棒项可处理集总干扰,使系统获得渐近跟踪性能;最后,通过仿真验证该文改进RISE控制的优越性.仿真结果表明:相对于双环比例积分(proportional integral,简称PI)控制、传统RISE控制,改进RISE控制的阶跃响应性能更出色、d轴电压暂态波形更平滑、抗负载扰动能力更强、稳态性能更优异.
