无模型自适应滑模控制的微波加热过程温度控制

微波加热模型具有无限维、非线性和时变等特点,导致控制器难于设计和实现。针对此问题,提出了一种适用于微波加热过程的无模型自适应滑模控制方法。首先,对微波加热过程传热数学模型进行分析,建立了微波加热过程输入功率与温度之间的全格式动态线性化数据模型。然后,根据该数据模型设计了无模型自适应滑模控制器,并给出了数据模型中相关未知时变参数和未知干扰的估计算法。最后,利用COMSOL和MATLAB进行仿真,仿真结果验证了所提控制方法的有效性。

考虑轴颈倾斜与空泡运动的径向滑动轴承油气润滑分析

由于重载作用及制造误差而导致的轴颈倾斜现象会改变轴承不同截面处的偏心率及油膜厚度,滑动轴承高速运转时,油膜间隙中会不可避免地混入微小气泡,因此探究轴颈发生倾斜时油气两相流对径向滑动轴承润滑特性的影响很有必要。将考虑空泡运动的、修正后的Rayleigh-Plesset(mRPS)方程与雷诺方程共同联立,通过编写相应算法求解耦合后的方程,分析含气率、气泡参数以及轴颈倾斜程度对滑动轴承静特性参数的影响。结果表明:在不同转速下,随着含气率的增加,最大油膜压力、承载力、端泄流量、摩擦力等静特性参数呈下降趋势;气泡参数对润滑性能的影响与偏心率有关,增大气泡的表面膨胀黏度与减小初始气泡半径对轴承润滑会产生相同的效果;轴颈倾斜会改变油膜压力分布及数值大小,同时使空化区域发生倾斜;随着轴颈倾斜程度的增加,滑动轴承静特性参数逐渐增大,且在大偏心率大倾斜度时更为显著;适当改变气泡参数与油液含气率会在一定程度上削弱由轴颈倾斜带来的影响。

基于自适应滑模的欠驱动无人艇轨迹跟踪控制算法

针对欠驱动水面无人艇在航行过程中存在的海洋环境干扰、数学模型参数不确定、执行器故障等问题,提出了一种基于扰动观测器与神经网络技术的自适应滑模轨迹跟踪控制算法;在欠驱动无人艇的三自由度模型基础上,结合视线制导律,提出了一种新的轨迹跟踪制导策略;采用自适应滑模控制技术设计了欠驱动无人艇的轨迹跟踪控制器,有效地抑制了执行器衰减故障对无人艇控制系统产生的影响;同时运用了非线性扰动观测器和自适应径向基函数神经网络分别对无人艇受到的外界时变干扰和模型参数不确定性进行补偿和拟合,提高了无人艇控制系统的鲁棒性;基于Lyapunov定理证明了所设计的控制算法的稳定性,并在MATLAB中进行了仿真测试;仿真结果表明,所提出的轨迹跟踪控制算法可以在较为复杂的环境下实现对欠驱动无人艇的精准控制;相较于对比算法,欠驱动无人艇在文章算法下的位置平均跟踪误差减小了80%以上,具备较高的稳定性和容错能力。

智能汽车轨迹跟踪MPC-RBF-SMC协同控制策略研究

针对自动驾驶车辆行驶过程中模型失配以及外部环境干扰导致车辆轨迹跟踪环节精确性不高的问题,提出了一种结合车辆运动学模型预测控制(MPC)、径向基(RBF)神经网络和滑模控制(SMC)的轨迹跟踪控制策略。通过建立车辆运动学MPC模型计算当前状态车辆期望横摆角速度,并将其与实际横摆角速度的偏差输入RBF-SMC控制器,利用RBF快速逼近非线性模型的特点,结合滑模控制输出前轮转角,实现车辆的横向轨迹跟踪控制。仿真结果表明,与传统的控制器相比,该方法轨迹跟踪精度显著提高,并在不同行驶工况下表现出较好的鲁棒性。

基于RBF神经网络补偿的ROV运动控制算法

针对作业型遥控水下航行器(ROV)在模型参数不确定和外部环境干扰下的运动控制问题,提出了一种基于径向基函数(RBF)神经网络的自适应双环滑模控制策略。首先,对于ROV外环位置控制采用改进趋近律的积分滑模控制方法,对于ROV内环速度控制采用指数趋近律的积分滑模控制方法;其次,为进一步改善滑模控制的抖振问题,引入双曲正切函数作为滑模切换项;然后,利用RBF神经网络控制技术对ROV模型的不确定参数和外部扰动进行估计与补偿;最后,利用李雅普诺夫稳定性理论证明了整个闭环系统的稳定性,并对作业型ROV的运动控制进行了数值仿真。仿真结果验证了所设计的控制器可以实现ROV航行的精确控制,并能够有效抑制模型不确定参数和外部扰动对ROV运动的影响。

基于改进三元模型的波纹管型气动软体驱动器神经网络滑模控制

针对一款波纹管型气动软体驱动器,提出了一种基于改进三元模型的滑模控制方法,并使用RBF神经网络补偿扰动以实现该型驱动器在竖直方向上对期望轨迹的跟踪控制。首先搭建波纹管型气动软体驱动器实验平台,测试并分析该驱动器的动态特性,基于上述动态特性提出波纹管型气动软体驱动器的改进三元模型;然后利用采集到的实验数据,基于最小二乘算法对其进行参数辨识,从而获得所提模型的参数;进而结合改进三元模型设计滑模控制器,使用RBF神经网络对集总扰动进行补偿,并利用Lyapunov方法分析系统的稳定性;最后通过一系列实验验证了所提方法的有效性。

基于递归径向基神经网络滑模的多功能柔性多状态开关控制方法

近年来,新能源和电动汽车的渗透比例逐渐增高,给配电网的潮流优化和电能质量治理带来严峻挑战。针对分布式电源的随机性和间歇性问题,设计一种基于递归径向基神经网络(RRBFNN)滑模的多功能柔性多状态开关(FMS)控制方法,在实现功率交互和多端单相接地故障柔性消弧的同时,增强FMS的抗扰能力。首先考虑扰动的影响,设计一种改进RRBFNN滑模控制方法,以克服传统滑模控制固有的抖振现象和对系统精确数学模型的依赖,并减小并网暂态冲击;柔性消弧控制采用微积分型滑模面,理论推导出0轴电压控制律,提高故障电流抑制率;进一步通过李雅普诺夫定理证明所设计方法的稳定性和收敛性。最后,在Matlab/Simulink中搭建三端口FMS及其控制系统的仿真模型,通过对比仿真验证了所提策略的可行性和有效性。

基于神经网络滑模的欠驱动船舶路径跟踪与避障协同控制

【目的】针对存在模型不确定性和外界环境干扰的欠驱动船舶路径跟踪与避障问题,结合反演法与径向基函数(RBF)神经网络技术,提出一种神经网络滑模自适应控制律和改进的人工势场。【方法】首先根据误差方程设计辅助纵荡速度和艏摇角,然后分别对控制输入设计滑模面,并利用RBF神经网络逼近总未知项,设计控制律和自适应律。【结果与结论】Lyapunov稳定性分析证明闭环系统误差是一致最终有界的。对静态、动态障碍物分别改进人工势场,克服局部极小值问题以及未考虑船舶和障碍物的位置、相对速度关系问题。仿真对比结果表明,在海浪干扰下船舶路径跟踪误差收敛精度更高,且避障更安全。所提控制方法可改善路径跟踪与避障控制效果,验证了所提控制算法的有效性和鲁棒性。

基于神经网络的自主水下航行器滑模控制方法

针对传统滑模控制在自主水下航行器(AUV)的控制过程中存在抖振以及执行机构饱和对其控制性能的不利影响,提出一种基于神经网络的滑模控制方法。采用径向基函数神经网络(RBFNN)和自适应观测器对运动模型中的不确定项和未知外界干扰进行在线估计,削弱滑模抖振;采用RBFNN对控制输入受限前后的差值进行逼近,克服执行机构饱和引起的控制振荡。仿真结果表明,该控制方法相较于传统滑模控制具有更好的适应性和控制精度。

重载列车运行过程的建模与RBFNN滑模控制

【目的】为解决重载列车在复杂线路条件下难以实现高精度轨迹跟踪控制的问题,提出了一种重载列车多质点模型和径向基函数神经网络滑模控制(RBFNNSMC)方法。【方法】首先,考虑空气制动和钩缓装置约束,建立重载列车多质点模型,并对人为测量误差和车辆参数差异等导致的模型不确定性问题,利用RBFNN对其进行估计。其次,设计一种非线性干扰观测器(NDO)对列车运行中受强风、雨雪等外界快时变干扰进行实时估计。然后,设计Lyapunov函数对整个系统进行稳定性证明。【结果】基于大秦线的实际线路数据,进行RBFNNSMC方法、PID方法和SMC方法的速度跟踪对比实验。仿真结果表明,RBFNNSMC方法的速度误差在±0.15 km/h以内,优于其他两种方法。加入NDO后,RBFNNSMC方法的抗干扰能力也更强。【结论】基于NDO的RBFNNSMC方法的跟踪精度相较于SMC方法在无干扰和受干扰情况下分别提升27.3%和28.9%,鲁棒性有所提升。

基于RBF神经网络的电子节气门滑模控制器

为解决车辆电子节气门在复杂环境下发生的模型参数不确定和外部扰动问题,根据电子节气门的非线性特性,选择了基于RBF神经网络的滑模控制器。通过RBF神经网络对节气门的非线性部分进行逼近,并采用Lyapunov方法设计系统的自适应律。同时系统通过对扩张状态观测器的设计,达到对阀板角速度变化的准确观测。仿真结果表明,在复杂环境下,该控制器可以对不精确的节气门模型,保持较快的响应速度和对期望开度的准确跟踪,神经网络的自学习能力提高了节气门系统的鲁棒性。

面向线控转向车辆的横向稳定性分层控制

针对线控转向车辆转向时前轮转角跟踪及车辆稳定性控制问题,提出了关于车辆横向稳定性的分层控制策略。建立了线控转向执行机构二阶模型,通过构造Lyapunov函数设计转向执行机构径向基函数网络自适应滑模控制器来保证控制器的稳定性,以保证前轮转角跟踪的准确性;其次基于扩张状态观测器设计滑模控制器进行上层控制,用以跟踪期望横摆角速度,决策出转向执行机构的最终前轮转角,从而改善车辆转向时的操纵稳定性;通过MATLAB/Simulink和Carsim联合仿真结果显示,所提出的控制策略提升了车辆转向性能和行驶稳定性。

模型不确定和未知扰动下四旋翼无人机位置与姿态控制

在模型不确定和未知扰动下,针对由六个自由度组成的四旋翼无人机控制问题,提出一种自适应滑模控制方法,该方法能实现位置与姿态跟踪控制。首先,根据四旋翼无人机动力学系统,将其分为全驱动、欠驱动子系统,充分考虑无上下限约束的模型不确定和未知扰动,提炼出各子系统的集合干扰项;然后,借助于径向基函数神经网络对包含集合干扰项的等效控制器进行实时逼近和估计,同时运用自适应控制方法估计逼近误差项,设计带有等效控制器和逼近误差项估计值的滑模控制器和对应的自适应更新律,并根据Lyapunov理论,对各子系统状态轨迹所在滑模面的可达性及其收敛性进行了分析说明;最后,所提方法的有效性通过对比仿真得到了验证。

新型弦支空间结构施工过程受力分析

西北大学长安校区体育馆为新型弦支空间结构,其屋盖结构部分上部由辐射状倒三角管桁架结构组成,下部由环向索及径向索组成,上部结构与下部结构之间通过竖向撑杆连接,是一种复杂的空间预应力结构体系.采用有限元软件对该结构进行了施工过程仿真分析,研究了不同施工阶段结构的应力和变形;并对拉索分级张拉产生的结构应力与变形进行了分析,研究了不同卸载方案对结构性能的影响,提出了合理的结构卸载方案.结果表明:结构安装所采用的旋转累积滑移施工成型方案是合理的,施工过程中结构应力和变形较小;结构整体刚度随施工过程不断增大,应力呈现不均匀分布.施工过程仿真分析可以为结构现场安装提供指导与预警,为同类工程建造提供技术参考.

扫路车线控转向前轮转角的双闭环控制策略

针对智能扫路车线控转向系统前轮转角跟踪精度不高的问题,提出一种基于遗传算法_PID控制与RBF网络自适应滑模控制结合的双闭环控制策略。采用层次分析法得到遗传算法适应度函数的多个控制目标的权重,将适用于扫路车的遗传算法_PID控制器作为内环,用于转角跟踪;采用基于横摆角速度的RBF网络自适应滑模控制作为外环,逼近系统中的不确定成分,提高运行的稳定性。将该控制策略与其他控制策略对比,实验结果表明,该控制策略在提高车辆运行稳定性以及前轮转角跟踪上更具优势。

地铁列车空转的PSO-RBF滑模控制方法研究

地铁列车在频繁的牵引提速过程中,其加速阶段易发生轮对空转现象。为恢复空转后黏着控制性能并提高列车轮轨黏着利用率,文章对轮对空转再黏着控制进行深入研究。首先,通过搭建列车单轴动力学仿真模型,并结合全维状态观测器和极值搜索算法对列车状态进行估计。其次,提出基于POS-RBF神经网络的滑模控制器。最后,通过仿真对列车空转再黏着控制性能进行验证。仿真结果表明,相比固定切换增益滑模控制器,基于PSO-RBF神经网络可实时调节切换增益的滑模控制器具有更快的再黏着恢复速度、更小的稳定后抖振优点。这一改进有效提升地铁列车在空转时的黏着控制性能,可为列车安全、高效运行提供有力的技术保障。

纵滑工况下不同带束层角度轮胎胎面弹性应变能分析

采用ABAQUS软件建立225/60R18子午线轮胎有限元模型并进行纵滑试验,分析纵滑工况下不同带束层角度的轮胎胎面弹性应变能变化情况。当滑移率在-20%~20%区间变化时,不同带束层角度下轮胎胎面弹性应变能均呈现出先增后减的变化趋势,并且在滑移率为0时出现凹点;当滑移率为±20%工况时,胎面弹性应变能分布均匀度降低,在接地区域内的应变能峰值超过200 kJ,在65°和67°带束层角度下达到250 kJ,此时胎面易产生横向变形;轮胎路径节点上的弹性应变能变化趋势呈“M”形,当滑移率在-20%~20%范围变化时,弹性应变能变化曲线从“左低右高”向“左高右低”变化;在65°和67°带束层角度下,弹性应变能更加稳定,轮胎更不易出现磨损,车辆行驶安全性更高。

基于神经网络的机械臂高阶滑模控制

针对多关节机械臂控制系统的设计中机械臂模型参数未知和外在干扰的抖振问题,提出一种基于神经网络的机械臂高阶滑模控制,并在快速终端滑模面的基础上,利用饱和函数解决了奇异问题,采用径向基神经网络(RBFNN)近似估计系统参数,增加了误差估计器补偿估计误差和外部干扰。同时,设计了一种具有适当更新律的自适应有限时间控制律。实验表明:该控制方法在机械臂轨迹跟踪表现更优,具有可行性和优越性。

基于滑模观测器与径向基网络的电液位置伺服系统反步控制

针对传统电液伺服系统中存在的未知扰动、非线性动态以及参数不确定性等共性问题,提出了一种基于滑模观测器和径向基函数(RBF)神经网络的反步控制(BC)方法。首先,构建了阀控缸系统三阶严反馈状态空间模型,并采用具有有限时间收敛特性的滑模观测器,估计系统的未知速度状态和非匹配项集总扰动;然后,基于系统的严反馈模型和指令滤波技术,设计了反步控制器,利用径向基神经网络(RBFNN)补偿系统速度/扰动的估计误差、滤波偏差以及系统的匹配项扰动,并根据Lyapunov稳定性定理证明了闭环系统跟踪误差的渐进有界收敛;最后,搭建了阀控缸电液控制系统实验平台,通过仿真和实验验证了该控制方法对多频率参考信号的跟踪性能。研究结果表明:该控制方法在传统PI控制器的基础上进一步改善了电液伺服系统的轨迹跟踪精度,实验跟踪误差最大值M e、跟踪误差平均值μ和跟踪误差均方值σ分别降低了66.7%、80%、83.3%;该滑模干扰观测器和RBF补偿器能够有效降低不确定性扰动的影响。

复合式空气悬架多模式切换终端滑模控制

针对车辆空气悬架系统在复杂工况下车身高度与悬架阻尼难以协调的问题,提出一种复合式空气悬架多模式切换终端滑模控制策略。考虑悬架系统非线性及外界干扰的影响,建立复合式空气悬架非线性动力学模型;设计多模式切换控制器以确定不同车身高度下的最优阻尼控制模式;采用未知输入观测器估计悬架系统状态量,并设计一种基于径向基神经网络的非奇异快速终端滑模控制器,控制直线电机输出对应模式下的电磁推力;最后,对多模式切换终端滑模控制策略下的悬架动态性能进行仿真与台架试验。仿真结果表明:该控制策略可有效协调车身高度与悬架阻尼,提高车辆在复杂工况下的平顺性和操稳性。试验结果表明:相比于被动悬架,系统的簧载质量加速度在时域和频域内分别降低了32.5%和33.7%,验证了该控制策略的有效性。