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。      

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.     

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 Sliding-Mode Tracking Control for an Uncertain Nonlinear SISO Servo System with a Disturbance Observer

An adaptive sliding mode controller with a disturbance observer (ASMC-DO) is proposed for the control of a single-input and single-output (SISO) servo system which has uncertain parameters, nonlinear friction, disturbance and input saturation. It is difficult to choose the suitable value of the parameters. The newly designed adaptive method is used to reduce the effects of system time-varying parameters, such as the moment of inertia and the damp coefficient. The robustness of object is improved. A DO is selected to approximate the compound disturbance and to render the estimate error convergent in finite time. The stability and the convergence of the closed-loop system are proved by using the Lyapunov theory. Experimental results show that the proposed ASMC-DO can better satisfy the influence of variable parameters and external disturbance to the control precision of the SISO servo system than other two controllers. The effectiveness of the proposed controller is showed. The control input stability and robust performances of the input saturation system are enhanced and the chattering is reduced.     

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。     

An Adaptive Sliding Mode Tracking Controller Using BP Neural Networks for a Class of Large-scale Nonlinear Systems

A new type controller, BP neural-networks-based sliding mode controller is developed for a class of large-scale nonlinear systems with unknown bounds of high-order interconnections in this paper. It is shown that decentralized BP neural networks are used to adaptively learn the uncertainty bounds of interconnected subsystems in the Lyapunov sense, and the outputs of the decentralized BP neural networks are then used as the parameters of the sliding mode controller to compensate for the effects of subsystems uncertainties. Using this scheme, not only strong robustness with respect to uncertainty dynamics and nonlinearities can be obtained, but also the output tracking error between the actual output of each subsystem and the corresponding desired reference output can asymptotically converge to zero. A simulation example is presented to support the validity of the proposed BP neural-networks-based sliding mode controller.     

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.     

具有输入时滞的二轮自平衡车自适应滑模控制

对具有输入时滞的二轮自平衡车系统, 设计了一种自适应滑模控制算法; 采用拉格朗日函数建立二轮自平衡车系统的动力学数学模型, 并在系统模型中考虑实际中存在输入时滞, 以及在处理输入时滞时所引入的未知扰动; 对变换后的输入矩阵做奇异值分解, 进一步设计了对扰动参数具有自适应估计能力的自适应滑模控制器; 基于Lyapunov稳定性理论, 保证了闭环系统鲁棒渐近稳定; 试验采用陀螺仪MPU-6050以及加速度传感器构成小车姿态检测装置。分析结果表明: 当控制参数较小时, 系统的超调量较小, 然而系统的调节时间较长; 当控制参数较大时, 系统产生了较明显的超调量, 然而系统的调节时间缩短了; 当外加扰动较小时, 车体速度变化小于0.08 m·s-1, 倾角角速度变化小于0.6°·s-1; 当外加扰动较大时, 车体速度变化小于0.10 m·s-1, 倾角角速度变化小于0.8°·s-1; 初始倾角为5°时, 车体速度保持在0.005 m·s-1范围内, 倾角角速度保持在0.022°·s-1范围内; 初始倾角为10°时, 车体速度保持在0.007 m·s-1范围内, 倾角角速度保持在0.031°·s-1范围内。可见, 自适应滑模控制算法能在引入适量干扰和不同初始车体倾角的情况下, 使小车自主调整并迅速恢复稳定状态。      

基于误差交叉耦合的多电磁铁悬浮系统滑模协同控制

针对磁浮列车传统的单点悬浮控制方法没有考虑多电磁铁间的协调同步问题,将多电磁铁的跟踪误差交叉耦合来设计高精度的协同控制方法,在减少了多点悬浮系统的跟踪误差和同步误差的同时,提高了系统抗干扰能力. 首先,通过动力学分析了考虑未知扰动的4个电磁铁（2个控制模块）悬浮系统的动力学特征;其次,针对系统中的未知扰动,引入干扰观测器来估计扰动并进行扰动补偿;然后,考虑到相邻电磁铁控制模块之间存在耦合动力学特性,设计一种误差交叉耦合的滑模协同控制器;最后,在不作任何线性化处理的前提下,证明了闭环系统的渐近稳定性. 研究结果表明:通过多电磁铁的悬浮架实验证明所提方法可以考虑补偿电磁铁模块之间的协调关系,抑制扰动的影响,减小间隙跟踪误差达40%,显著减少了电磁铁之间的耦合扰动作用.      

基于模糊切换增益调节的汽车稳定性滑模控制

针对汽车稳定性控制系统,根据滑模控制原理并利用模糊系统的逼近能力,提出一种自适应模糊滑模控制方案。设计基于模糊逻辑的模糊控制器,通过隶属函数将滑模面切换函数模糊化,根据滑模到达条件对切换增益进行有效的估计和调整,再采用积分法求解模糊控制器的输出。仿真结果表明,模糊滑模变结构控制方法既能缩短响应时间,也能抑制系统颤振。     

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。      

基于线性矩阵不等式的船舶动力定位滑模控制

为了解决具有非线性和环境干扰的船舶动力定位系统的控制问题, 提出了一种基于线性矩阵不等式的滑模控制算法; 将跟踪误差设计为滑模函数, 设计线性矩阵不等式, 求解状态反馈增益; 基于二次型Lyapunov函数证明了闭环系统的稳定性; 设计切换函数, 使系统对不确定性和外加干扰具有较强的鲁棒性, 避免出现抖振现象; 对基于线性矩阵不等式的滑模控制器进行仿真, 计算出动力定位船舶在无扰动的匀速运动和有外界环境扰动的变速运动2种不同情况下的前进速度、横荡速度、艏向角速度、前进加速度、横荡加速度、艏向角加速度、前进控制力、横荡控制力和艏向控制力矩等; 分析了状态反馈增益线性矩阵、边界层、切换项增益等参数对控制性能的影响。研究结果表明: 采用基本滑模控制使前进速度达到期望值所需的上升时间为29s, 而新算法为15s, 节约了48.28%;采用基本滑模控制使横荡速度达到期望值所需的上升时间为24s, 而新算法为14s, 节约了41.67%;采用基本滑模控制使艏向角速度达到期望值所需的上升时间为13s, 而新算法为10s, 节约了23.08%。可见, 设计的控制器对有非线性和环境干扰的船舶动力定位系统都具有较强的鲁棒性, 具有控制输入连续、控制抖振小、不存在过高增益等特点。      

横向运动学综合反馈EPS模糊滑模控制

针对电控助力转向EPS电机电流的跟随性以及震颤问题,建立汽车转向系模型,提出模糊滑模结构控制算法。考虑到横向运动学信息对驾驶员操纵特性的影响,运用反馈和模糊滑模控制思想,设计了权系数模糊,自动调整横向运动学综合反馈的EPS模糊滑模控制器。仿真结果显示：横向运动学综合反馈模糊滑模控制的EPS电机电流具有良好的跟随性、快速性,且电流的震颤现象基本消失,系统具有良好的鲁棒特性,同时汽车的横摆角速度以及侧偏角的峰值明显下降,提高了汽车的操纵稳定性。     

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。     

基于路面识别的主动馈能悬架多目标控制与优化

针对主动悬架减振性能和馈能特性在不同等级路面适应性较差的问题,建立了非线性电磁主动悬架模型; 考虑车辆在行驶过程中悬架簧上质量存在不确定性,提出了一种主动悬架自适应滑模控制器; 基于不同路面下悬架动力学响应数据,采用自适应模糊神经网络算法识别路面等级,确定控制器目标系数,实现了主动悬架安全性和舒适性之间的协调; 研究了电磁主动悬架馈能特性及其切换控制策略,在此基础上,考虑电磁主动悬架安全性、舒适性和节能性的矛盾关系,采用多目标粒子群优化(MOPSO),以悬架动力学性能和馈能特性为设计目标综合优化控制器和悬架结构参数,并通过模糊集理论对多目标优化后的Pareto解集进行最优解选取。研究结果表明:模糊神经网络对不同等级路面下非线性电磁主动悬架的最大识别误差能够控制在10%以内,满足识别准确性要求; 在C级路面条件下,优化后的主动悬架与传统被动悬架相比,簧上质量振动加速度减小了35.3%,轮胎动行程增大了7.7%,但可以控制在10%的安全范围内; 与原主动悬架相比,优化后悬架簧上质量振动加速度减小了10.5%,馈能效率增大了1.7%,优化后自适应滑模控制器能够更好地协调悬架馈能特性和减振特性; 建立的非线性电磁主动悬架模型可实现不同路面等级下悬架系统安全性、舒适性和节能性的综合最优。      

前馈多源信息下异构动力学卡车队列协同控制系统

针对目前卡车队列动力学异构性所导致的系统弦稳定性、内部稳定性以及队列耦合性降低的问题,提出了一种异构协同自适应巡航系统控制器设计方法,建立了基于前馈多源信息的异构动力学卡车队列闭环耦合系统;考虑由异构车型所构成的卡车队列存在发动机执行器的饱和态异构问题,建立了发动机饱和性和状态约束条件;在上层协同控制器的基础上,建立了一种非线性下层异构发动机扭矩输出控制模型,用于控制车辆动力学仿真软件TruckSim中的真实车辆模型;建立了基于三维燃油特性图的车辆能耗模型,用于计算实时车辆油耗和节能性分析;通过频域分析法,结合已知异构动力学参数量化标定了协同自适应巡航系统控制器的增益,确保系统满足弦稳定条件。分析结果表明：相比同构动力学控制器,异构协同自适应巡航系统控制器可以确保距离误差在-0.01～0.15 m内,优于同构控制器作用下的-0.3～0.5 m,且当领航车进入匀速行驶状态时,跟随车辆能立刻收敛至相同的行驶状态,收敛性能优于同构协同自适应巡航控制系统;卡车队列节油率最大可达8.15%,随着车头时距减小至0.5 s,平均节油率最大可达8.10%。由此可见,多源前馈信息异构控制系统能有效降低车...     

双容液位滑模控制系统设计

探讨了滑动模态变结构控制(滑模控制)设计原则,设计了一种滑模控制器,实现了两输入两输出非线性液位系统控制,并用组态王(Kingview)编制该控制软件,解决系统难于控制和抗扰动的问题.在线运行,体现了滑模变结构控制自适应能力强,动态、静态品质优良,鲁棒性好等优点,与传统PID控制进行比较,证实变结构控制的优越性.     

Hierarchy-Based Adaptive Generalized Predictive Control for Aerial Grasping of a Quadrotor Manipulator

In this paper, an adaptive generalized predictive control(GPC) based on hierarchical control strategy is designed for a quadrotor with a robotic arm. For this nonlinear and coupled system, a two-layer control structure is adopted to achieve more precise trajectory tracking and keep the tracking performance after aerial grasping.The inner-layer controller is a proportional-derivative(PD) controller. The outer-layer subsystem is linearized by input-output linearization first and an adaptive generalized predictive controller is applied. The effectiveness of this approach is verified through the simulation using MATLAB/Simulink. A PD controller with feedforward control input is applied on such a system for a comparative study. Simulation results show that a better tracking performance can be achieved by the proposed strategy.     

Sliding mode control via system immersion and application in chaos control

This paper focuses on the stabilization of nonlinear systems using sliding mode control (SMC). Motivated by a newly proposed stabilization approach named system immersion and manifold invariance (I&I), a systemic design method is proposed to design the sliding surface. As well as the I&I stabilization approach, SMC method based on system immersion is applied to chaos control in the Lorenz chaotic system, and simulation results are provided to validate the proposed schemes.     

RSOFCPN: CONTROL SYSTEM STRUCTURE AND ALGORITHM DESIGN

IntroductionThe learning approaches of neural network canusually be distinguished into three classes:su-pervised learning,unsupervised learning and re-inforcement learning.The supervised learningscheme has the highest efficiency but requiresthe learning systems to provide with desired out-puts.Obviously,it is very difficultin many cas-es.Unsupervised learning methods constructin-ternal models at capture regularities in their in-puts without receiving any additional informa-tion.Therefore,its …