基于模糊类神经网络的双轴伺服电机运动控制

为了消除双轴线性伺服电机同步运动的相对速度误差,提出模糊类神经网络控制器,以取代传统的比例-积分-微分交叉耦合控制器。首先对双轴线性伺服电机系统进行建模,其次采用2个模糊类神经网络速度控制器提供需要的控制动作,以保持双轴线性伺服电机同步运动且追随速度命令。仿真结果证明,该控制方法在无载和有载时分别在0.4 s和0.5 s后两电机速度相对误差几乎为零,可适应的速度范围宽且对负载干扰具有高鲁棒性。

船舶横向运动鲁棒PID控制及优化

针对船舶横向运动控制特点,为达到航向舵控制航向同时达到减横摇的目的,提出了一种基于闭环增益成形和模糊优化算法的鲁棒PID控制器设计方法。根据具有工程实际意义的横摇和艏摇带宽直接构造出横摇、艏摇鲁棒PID控制器,并基于横摇与艏摇频谱,组合成横向控制器。由于用舵来减摇不可避免地增加了舵机的工作负担造成较大的舵机损耗,为此提出对横摇和艏摇控制器输出加入权重分配,采用模糊算法优化横向控制器权系数的方法,达到系统性能综合最优。仿真结果表明所设计的控制器具有较强的鲁棒性,合理的权系数选择,不但可以达到降低舵机损耗的目的,而且提高了航向控制精度。该控制器设计简单,易于船舶横向运动控制的实际工程应用,具有一定的研究价值。

智能RLED动态目标中机器手的模糊鲁棒控制系统(英文)

给出了一种电机驱动机器手中非线性机电模型的模糊鲁棒闭环控制系统 ,此控制系统可处理非结构环境下的三个主要的智能机器人导航问题 :自动化规划、快速连续导航中的避障、处理结构和 (或 )

基于FBFN的鲁棒仿生学习系统设计及在运动平衡控制中的应用

针对两轮直立式机器人的运动平衡控制问题,结合OCPA仿生学习系统,基于模糊基函数,设计了一种鲁棒仿生学习控制方案.它不需要动力学系统的先验知识,也不需要离线的学习阶段.鲁棒仿生学习控制器主要包括仿生学习单元、增益控制单元和鲁棒自适应单元3部分.仿生学习单元由模糊基函数网络(FBFN)实现,FBFN不仅执行操作行为产生功能,逼近动力学系统的非线性部分,同时也执行操作行为评价功能,并利用性能测量机制提供的误差测量信号,产生取向值信息,对操作行为产生网络进行调整.增益控制单元的作用是确保系统的稳定性和性能,鲁棒自适应单元的作用是消除FBFN的逼近误差及外部干扰.此外,由于FBFN的参数是基于李亚普诺夫稳定性理论在线调整的,因此进一步确保了系统的稳定性和学习的快速性.理论上证明了鲁棒仿生学习控制器的稳定性,仿真实验结果验证了其可行性和有效性.