半主动悬架系统控制仿真

基于李雅普诺夫稳定性理论，设计了汽车半主动悬架的模型参考自适应控制器．自适应控制器包括可调前置控制器和状态反馈控制器．推导了自适应控制律与约束条件．结果表明：该控制器具有很好的鲁棒性和抗干扰性，对系统非线性和模型参数的不确定性具有广泛的适应性．仿真证实了控制器设计的有效性．     

高速列车的自适应容错跟踪控制

针对执行器故障下高速列车的速度和位移跟踪控制问题,考虑模型参数的不确定性,引入自适应控制技术,设计了列车的自适应容错跟踪控制器.该控制器不依赖于列车模型参数的先验知识,不需要故障检测与诊断设备,可以有效克服列车模型参数未知以及执行器故障的影响,实现执行器故障下高速列车对目标速度和位移曲线的精确跟踪.基于Lyapunov稳定性理论证明了闭环系统的稳定性.仿真结果说明该控制器具有良好的容错跟踪控制能力.     

时变拓扑结构复杂动力学网络的同步

首先构造一类时变拓扑结构复杂动力学网络模型,其次设计自适应控制器对该网络进行控制,应用Lya-punov稳定性定理,证明该类动力学网络的同步中,这种自适应控制器的可行性.最后利用Matlab进行仿真,结果证实该控制器的有效性和这类网络的可控性.     

未知负载和转子电阻的交流感应电机自适应控制

基于自适应观测控制器设计了三相交流感应电机调速系统,该控制器在未知电机转子电阻和负载及不需要测量磁链情况下,可同时且不受限制地单独控制电机转速(转矩)和磁链.控制器只测量转速、电压和电流信号自适应估计磁链和未知参数.用该控制方法设计了两相坐标轴磁场定向电机模型,系统不存在非线性,因此适合离散化和DSP系统的数字实现.     

车辆自适应巡航控制算法的设计与仿真

为实现智能车辆的自适应巡航功能,基于车速跟踪及PID控制理论设计了具有上下两层结构的自适应巡航控制系统.下层控制器根据上层控制器计算出的期望车速对节气门开度和制动力矩进行协调控制.在保证控制精度的前提下简化了算法.多种工况下的仿真实验表明控制器的控制效果良好.     

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.     

神经元自适应PID控制

在神经非模型控制的基础上，结合PID控制的优点，提出了神经非模型自适应PID控制方法，确定了神经元网络的输入信号，并设计出自适应系数的在线修正算法，结合实例，给出了该控制器三个初始权系数的设定方法，仿真结果表明，该控制器不权算法非常简单，而且适应性和鲁棒性很强，控制系统具有良好的动态性和稳态性能。     

适用于非线性对象的神经元非模型控制方法

改进了神经控制器的输入信号处理函数，设计出一种非线性转换器，能有效提高神经元非模型控制器对非线性对象的适应能力。仿真试验表明，新的神经元控制器能有效地克服非线性的不利影响，具有响应快速和强鲁棒性，对过程参数的变化和负荷干扰都有较好的自适应能力。同时该控制器保留了简单，实用，无需对象模型等优点，能方便地应有竽具有非线性的工业过程控制。     

用于汽车制动稳定性的主动横摆力矩Fuzzy-PID控制

利用主动横摆力矩控制汽车制动稳定性,确立了控制目标和控制策略,建立了基于车道偏移距离的Fuzzy-PID控制模型和轮胎神经网络辨识模型,设计了Fuzzy-PID控制器并利用模糊推理方法对PID控制器的3个参数进行在线自适应调整.仿真与试验结果表明,利用主动横摆力矩Fuzzy-PID控制方法,能减少汽车在对开路面制动时的侧滑和激转等危险,使汽车在制动偏驶后能快速恢复正确行驶车道,且Fuzzy-PID方法比PID控制方法具有更好的控制效果.     

基于自适应动态面的航向跟踪控制器设计

针对船舶航向控制非线性系统模型中存在的不确定性和外界干扰的影响,采用动态面控制算法设计了一种鲁棒自适应控制器。由于在反步法设计过程中加入了一阶低通滤波器使得该方法无需对模型非线性多次微分,因而设计方法简单。所设计的鲁棒自适应控制器不仅能保证闭环系统的半全局渐近稳定,使得输出渐进跟踪期望轨迹;而且,跟踪误差可以通过控制器的设计参数加以调整。以中远集装箱船COSCO Shanghai号为例进行仿真研究,结果证明所设计的控制器是有效的。     

Real-Time Discrete Adaptive Control of Robot Arm Based on Digital Signal Processing

A discrete model reference adaptive controller of robot arm is obtained by integrating the reduced dynamic model of robot, model reference adaptive control (MRAC) and digital signal processing (DSP) computer system into an electromechanical system. With the DSP computer system, the control signal of each joint of the robot arm can be processed in real time and independently. The simulation and experiment results show that with the control strategy, the robot achieved a good trajectory following precision, a good decoupling performance and a high real-time adaptivity.     

Adaptive path following controller of underactuated ships using serret-frenet frame

This paper presents an adaptive path following control law to steer underactuated ships along a predefined path at a constant forward speed with uncertain parameters due to changes of added mass matrices. The proposed controller is based on analytic model predictive control and model reference adaptive control. The Serret-Frenet frame is used to describe the ship dynamics. The analytic model predictive control provides a systematic method rather than try-and-error method to get appropriate control parameters to guarantee the stability of the closed-loop system, and the well-defined relative degree is guaranteed by introducing output-redefinition. An identification algorithm based on model reference adaptive control is used to identify the uncertain parameters. Numerical simulations are provided to demonstrate the validity of the proposed control law.     

基于改进的BP神经网络模型参考自适应控制

针对传统BP算法的神经网络模型参考自适应控制实时性差、精度不高、收敛慢等不足,结合BP改进算法和非线性系统的可逆性,提出了基于改进的双向权值调整BP算法的神经网络模型参考自适应控制.基于此算法设计的系统辨识器和控制器的网络结构简单,精度高,仿真结果表明该算法的辨识和控制效果均很理想,可应用于工程实际.     

On-line adaptive repetitive controller for power factor correction systems

When the fundamental frequency is shifting, it is hard for traditional repetitive controller to work at the resonant frequencies. In this paper, a novel adaptive repetitive controller for power factor correction systems is proposed to suppress the current harmonics. Through the controller, the shifting sampling times of the repetitive controller in a fundamental period can be obtained. Mathematical analysis, simulations and physical experiments have validated the effectiveness of the adaptive repetitive controller.     

基于自适应非奇异终端滑模的悬浮控制策略

针对采用传统线性滑模控制的电磁悬浮系统存在响应速度慢以及抗干扰能力差的问题，提出了一种基于自适应非奇异终端滑模的悬浮控制方法，该方法将自适应控制引入到终端滑模控制，结合滑模控制对扰动不敏感的优点，利用自适应控制对滑模趋近律系数进行在线自适应调节，改善悬浮系统的动态性能. 首先，建立了电磁悬浮系统数学模型；然后，利用李雅普诺夫稳定理论证明了所设计控制器的稳定性；最后，进行了仿真和实验验证. 实验结果表明:自适应非奇异终端滑模对信号跟踪具有更快的响应速度和更小的稳态误差，对峰峰值为2 N的正弦或锯齿干扰力气隙波动可限定在0.2 mm以内，进行0.1 kg加减载实验时气隙波动为0.6 mm，各项性能均优于终端滑模和线性滑模.      

Adaptive robust sliding mode control for ship straight-line tracking in random waves

Since complex controllers do not suit for application,we design a simple controller with robustness in changeable sea state.The characteristics of ship motion are large inertia,strong nonlinearity and large time delay.This paper employs adaptive sliding mode technique.We focus on a class of underactuated ship systems with parametric uncertainties and wave efects.Random wave efects are seldom considered in former studies.Various simulations validate the adaptive characteristics and robustness of the proposed controller.The closed-loop system is stable and tracking error can be arbitrarily small by Lyapunov approach.     

神经网络在车辆半主动控制中的应用

针对车辆半主动悬挂模型的非线性特性，研究了采用神经网络的自适应控制在车辆悬挂半主动控制中的应用，设计了采用前馈神经网络的辩识器和控制器，对控制器网络采用的学习规则进行了分析。仿真计算表明，采用神经网络自适应控制方法能有效改善车辆的平稳性，采用的神经网络辩识器和控制器的改进BP算法是有效的。     

电液伺服系统模型参考自适应控制器研究

对电液伺服系统进行了模型参考自适应控制研究 ,根据系统输入输出调整某一特定结构控制器的参数 ,从而补偿对象传递函数的变化 ,并给出了仿真结果。     

车辆多目标自适应巡航显式模型预测控制

为了兼顾车辆自适应巡航控制(ACC)系统的跟踪控制效果和实时性, 提出了基于显式模型预测控制(EMPC)理论的车辆多目标自适应巡航控制方法; 基于车辆间运动学关系建立自适应巡航控制运动学模型, 根据预测控制理论推导预测时域内的跟踪误差预测模型, 并确定车辆安全性、跟踪性、经济性和舒适性等多性能目标函数和约束条件; 运用显式模型预测控制中的多参数规划理论, 将基于反复在线优化计算的闭环模型预测控制系统转化为与之等价的显式多面体分段仿射(PPWA)系统, 通过离线计算获得期望加速度与距离误差、速度误差、自车加速度和前车加速度等状态变量之间的最优控制律, 并设计在线查表的搜索流程, 通过定位当前状态所处分区, 并应用该分区的显式控制律实现自适应巡航控制; 进行了纵向跟踪工况仿真验证, 并与传统MPC-ACC控制方法进行对比。对比结果表明: 在前车正弦加减速工况下, EMPC-ACC控制器单步运算速度比MPC-ACC控制器平均提升了53.51%, EMPC-ACC控制下的平均距离跟踪误差为0.220 3 m, 平均速度误差为0.340 1 m·s-1; 在前车阶跃加减速工况下, EMPC-ACC控制器单步运算速度比MPC-ACC控制器平均提升了72.96%, EMPC-ACC控制下的平均距离跟踪误差为0.331 9 m, 平均速度误差为0.399 1 m·s-1。可见, 提出的EMPC-ACC控制算法在保证纵向跟踪性能的前提下, 有效地提高了自适应巡航控制的实时性。