欠驱动船舶自适应迭代滑模轨迹跟踪控制

针对欠驱动船舶轨迹跟踪控制问题,考虑系统存在未知参数和外界扰动,提出了一种带强化学习的神经网络自适应迭代滑模控制方法;利用轨迹跟踪的横向和纵向误差信息构造非线性迭代滑模面,分别设计了船舶柴油机转速和舵角的神经网络迭代滑模控制器;根据船舶柴油机转速和舵角的实时测量值,计算了反映控制量抖振状态的强化学习信号,在线优化了神经网络的结构和参数,以抑制控制量的抖振,进一步增强控制系统的自适应性;建立了5446TEU集装箱船舶数学模型,分别对圆轨迹和正弦轨迹进行了跟踪控制。仿真结果表明:在风浪扰动下圆轨迹跟踪时,与迭代滑模控制策略相比,采用提出的控制策略250s左右能跟踪上目标轨迹,速度提高约1倍,最大跟踪偏航距离为250m,误差减小约30%,控制舵角在400s后基本平稳,波动幅值约为2°,舵角和柴油机转速的抖振变化幅值均减小了50%以上,柴油机转速控制参数和舵角控制参数分别在38~45和3.3~3.9之间实现了自适应调节;在正弦轨迹跟踪时,与模糊迭代滑模控制策略相比,采用提出的控制策略纵向跟踪平均误差小于20m,减小了50%以上,舵角抖振量平均幅值小于10°,减小了60%以上,柴油机转速控制参数和舵角控制参数分别在5.7~5.8和0.8~2.5之间实现了自适应调节。     

Serret-Frenet框架下的神经滑模船舶路径跟踪控制

针对欠驱动船舶在恒定速度航行下的路径跟踪问题,提出了一种在Serret-Frenet框架下,基于输入输出线性化的神经滑模控制算法.该算法利用Serret-Frenet框架下船舶运动方程的推导形式,将其转换为类似于直线航迹控制的问题,采用神经网络对基于趋近律的滑模控制进行优化,解决了趋近律滑模控制对系统模型的依赖性,提高了控制器的鲁棒性,并设计了状态观测器对控制对象状态进行重构,以解决系统状态量测量误差对控制效果的影响.在无干扰和存在干扰及参数摄动的条件下分别进行了仿真,结果表明该控制律具有良好的跟踪性能.     

基于遗传优化的水面无人船艇神经网络智能控制

利用GA智能优化算法和RBF神经网络逼近算法设计了一种USV运动滑模理想跟踪控制方法.首先利用改进的遗传算法对RBF网络参数进行在线寻优以进而提高其逼近性能.其次,将学习速度较快的局部RBF神经网络对滑模控制设计中存在的船舶运动系统函数不确定项进行逼近,使得由于滑模面的不间断切换引起的控制输入抖振问题得到有效地解决.对比实验说明了在同等条件下,上述智能控制系统稳定时间更快,超调量更小,以及输入舵角更平滑.     

欠驱动船舶非线性滑模靠泊控制器

为了准确控制典型靠泊操纵,分析了带有加速度非完整约束的欠驱动水面船舶的自动靠泊问题,设计了动态输出反馈控制器。利用递归分解迭代设计方法,在扩展状态空间定义了非线性滑模,将控制系统的轨迹设计与跟踪问题转化为标量零阶系统的镇定控制问题,结合增量反馈技术,无需对不确定模型参数以及风、流干扰进行估计,完成典型靠泊操纵的自动控制。仿真结果表明:控制器对干扰变化不敏感,具有强的鲁棒性,且船舶平面运动轨迹设计过程简单,可以仅通过一个参数进行轨迹调节。     

船舶航迹迭代非线性滑模增量反馈控制算法

分析了带有状态变量及控制输入约束条件的欠驱动船舶航迹控制问题,结合增量反馈技术,对控制系统输出进行动态非线性滑动模态分解迭代设计,提出了一种基于分解迭代非线性滑模的船舶航迹增量反馈控制方法,以避免定常干扰引起的稳态误差及变结构控制的抖振问题,无需对不确定风、流干扰以及模型参数进行估计,能够同时稳定船舶的航向和航迹。应用“育龙”轮的系统模型进行了仿真,结果表明,控制器对系统参数摄动及外界干扰不敏感,具有强的鲁棒性,且其设计参数物理意义明显,易于调节。     

基于模糊神经网络的滑模变结构控制方法的研究与实现

针对交流传动不确定非线性复杂系统,结合滑模变结构和模糊神经网的优点,提出了一种模糊神经网络滑模变结构的跟踪控制方法.采用等值控制型切换超平面设计滑模变结构控制系统,使用模糊神经网络系统自适应调节切换增益,得到模糊神经网络滑模变结构模型跟踪控制器.仿真结果表明,所设计的控制器不但能使被控对象较好地跟踪参考模型,而且对系统的不确定性具有不变性,保证了被控系统在整个控制阶段都具有较强的鲁棒性.     

吊舱推进电机的无模型自适应滑模矢量控制

为解决半潜船吊舱推进电机控制系统中负载扰动造成的转速跟踪性能差的问题, 提出一种基于数据驱动的吊舱推进电机转速矢量控制方法; 对包含未知负载扰动的推进电机转速方程进行离散化处理, 给出关于输出转速与输入电流离散后的非线性转速系统; 由于非线性转速系统方程中变量较多且负载扰动模型未知, 设计了基于数据驱动的无模型自适应控制器, 并给出了伪偏导数估计算法; 采用滑模观测器观测螺旋桨负载扰动, 同时给出了滑模控制器; 结合无模型自适应控制和滑模控制给出了负载扰动下的无模型自适应滑模(MFASM)控制方案; 构建了吊舱推进电机无模型自适应滑模矢量控制调速系统, 并在MATLAB/Simulink环境下给出了仿真结果。研究结果表明: 在船舶正常作业恒定转速下, 在0.3~0.5 s时间区域内, 采用MFASM矢量控制方案和PI矢量控制方案的吊舱推进电机的转速误差分别为2、6 r·min-1; 在0.8~1.0 s时间区域内, 采用无模型自适应滑模矢量控制方案和PI矢量控制方案的吊舱推进电机的转速误差分别1、3 r·min-1; 对于船舶操车作业的可变转速情形, 采用MFASM矢量控制方案的推进电机转速和转矩达到稳态的时间比PI矢量控制方案少0.01~0.03 s。可以看出, 采用MFASM矢量控制方案可改善吊舱推进电机转速跟踪性能, 是一种有效的抑制负载扰动的数据驱动控制方法。      

不确定条件下基于神经网络的船舶航向滑模鲁棒控制

设计了一种不确定条件下基于神经网络的船舶航向滑模鲁棒控制算法.该算法能够有效决解模型不确定及外界扰动情况下的船舶运动控制问题.从船舶的非线性响应型运动数学模型出发,采用RBF神经网络对船舶系统函数及外部扰动进行有效逼近,再利用Lyapunov稳定性理论和Backstepping方法设计船舶航向控制器.仿真结果表明该控制算法能够很好地跟踪设定信号,并具有很好的鲁棒性.     

永磁同步电机位置伺服系统的滑模控制

介绍了一种基于指数趋近率的滑模变结构控制(SMC)方法.速度环采用PI控制,消除系统稳态误差和提高响应速度,位置环采用滑模控制,抑制参数摄动及负载扰动.仿真结果表明:该控制策略具有良好的响应速度并能快速准确的跟踪位置给定.     

基于模型扰动抑制的直线伺服电机滑模鲁棒控制

针对直接驱动的交流永磁直线电机直接驱动伺服系统,提出一种将模型扰动抑制方法和滑模控制相结合构成的鲁棒跟踪控制策略.滑模控制器保证了系统对给定的快速跟踪性能;而模型扰动抑制补偿器在很大程度上抑制了速度闭环系统内的各种扰动(包括负载及直线电机的端部效应力等),从而削弱滑模控制的抖振对系统稳态性能的影响.仿真结果表明该方案在保证伺服系统的快速性同时,对系统参数变化和阻力扰动具有很强的鲁棒性.