反馈式自适应逆模型及应用

在解决非线性系统的逆控制问题上,一般逆模型的建立都采用带有神经网络结构的滤波器来设计。由于采用带有神经元的滤波器存在结构复杂、运算量大等缺点,在实际运用上受到了很多限制。提出了一种基于线性逆模型的反馈式自适应逆模型控制方法来解决上述问题,该结构具有算法相对简单、结构易实现等特点,同时也给出了其在三代移动通信Turbo码译码中的应用。仿真结果表明:该方法在运算量和控制性能上均取得了较好的效果。

非线性结构自适应模型逆飞行控制律设计研究

文章结合自适应控制、模型参考控制和动态逆控制理论提出了结构自适应模型逆非线性控制系统,设计了飞行控制器。通过李亚普诺夫稳定性定理推导了自适应规律,保证了闭环系统的稳定性。仿真表明该方法对模型参数不准确和外界干扰具有很好的自适应能力,能够满足飞机在过失速机动条件下的控制指令跟踪,且系统具有良好的控制性能及鲁棒性。

动态载荷识别的自适应延迟逆模型方法

为减小载荷识别问题对原系统先验知识的依赖,采用系统的自适应延迟逆模型识别时域载荷。采用自适应算法辨识延迟逆模型,代替了一般识别方法中的系统特性矩阵求逆过程,避免了病态问题。随后将工作状态下的响应作为逆模型的输入,则其输出就是时域载荷的延迟估计。通过对两端简支梁结构进行载荷识别的仿真研究,以及对双层隔振试验台架的试验研究,识别了稳态激励和瞬态激励,验证了该方法的有效性。该方法不需要了解系统的数学模型及参数,因此能够应用于工程实践中。

基于T-S模糊模型的模型参考自适应逆控制

针对非线性系统,提出一种基于T-S模糊模型的模型参考自适应逆扰动消除控制方法。所提方法根据模糊辨识理论与模型参考自适应逆控制各自的特点,将两者相结合。首先,根据模糊系统理论,分别采用模糊对角线划分和递推最小二乘算法进行前提和结论参数辨识,离线辨识得到对象模糊模型和逆对象模糊模型。将辨识出的对象逆设为原始控制器,与被控对象串联;为了分离出系统扰动信号,将辨识出的对象模型与被控对象并联,通过被控系统与对象模型输出做比较,再通过逆对象模型反馈到系统输入端,组成扰动消除环节。用最小均方差算法在系统运行过程中在线调节逆对象模糊模型参数,使其输出误差最小。最后,使用所提方法对一混合非线性系统及输入/输出非线性系统进行仿真试验,仿真结果验证了所提方法的有效性。

一种基于RBF网络的非线性自适应逆控制系统

改进了原有的ε-滤波自适应逆控制系统,引入自适应扰动消除器和反馈补偿,构成一种新的自适应逆控制系统.反馈补偿能消除自适应逆控制系统中的直流零频漂移,自适应扰动消除器能最大限度地消除扰动.将神经网络引入自适应逆控制系统,采用基于径向基函数网络的非线性滤波器,对非线性系统进行建模、逆建模、控制器及自适应扰动消除器的设计.仿真结果验证了该方法的有效性.

多激励识别的自适应延迟逆系统方法

针对现有逆系统方法依赖状态空间模型的缺点提出采用系统自适应延迟逆模型识别多激励时间历程。采用自适应算法对系统进行延迟逆模型辨识,结合逆模型利用工作状态响应数据识别时域载荷。以简支梁为研究对象用无噪声干扰、有噪声干扰加速度响应识别多点稳态激励及多点非稳态激励。仿真结果表明,噪声干扰时识别精度有所降低,但较满意,验证该方法对多激励源识别的可行性。

考虑间隙特性的双机械臂模糊自适应鲁棒控制

为了克服间隙特性和未知扰动对双机械臂系统抓取物体性能的影响,设计了模糊自适应鲁棒控制律。首先建立了双机械臂系统数学模型和间隙特性模型,然后引入自适应律来估计未知扰动,利用模糊系统来估计系统模型参数,同时设计了自适应间隙逆模型来补偿间隙特性,并对系统进行了稳定性分析,最后实现了考虑间隙特性的双机械臂系统精确控制。仿真结果表明,设计的控制方法具有更好的快速性和准确性,能够确保物体在0.5 s内稳定跟踪轨迹指令,最大跟踪误差仅为0.5 cm;设计的自适应律能够快速准确估计未知扰动,最大估计误差仅为0.3 N·m,估计精度较高。

神经网络在伺服系统中进行摩擦力补偿的方法

由于非线性摩擦力的存在,很难用传统的方法对其进行建模。首先讨论了摩擦力及其描述方法,在通过用神经网络对被控对象进行建模的基础之上,利用自适应逆模型神经网络控制器并联PID反馈控制器对控制对象中的摩擦力进行了补偿,并通过一直流伺服系统的仿真试验,验证了该方法是可行的。