基于模糊神经网络滑模控制的船用螺旋桨磨抛并联机器人抗抖振研究

为了解决船用螺旋桨高阶曲面打磨问题,避免传统手工操作生产效率低、劳动强度高、精度难以保证的问题.采用并联机器人控制系统,考虑了模型外部扰动的非线性多变量系统,提出了基于模糊神经网络的非线性系统自适应滑模控制策略,设计了滑模控制法控制器.通过比较控制的多种方式,建立了RBF的辨识模型,仿真分析其逼近能力,在此基础上,设计神经网络滑模控制器,并进行仿真验证.在保证机器人控制系统具有抗干扰性和鲁棒性的基础上,削弱常规滑模控制的抖振问题.仿真结果证明:非线性系统自适应滑膜控制策略具有良好的抗负载扰动、参数摄动的特点,为智能控制在并联机器人滑模控制中的应用提供了很好的理论依据.     

船舶航行自适应滑模控制器的PID优化研究

传统船舶航行自适应滑模控制器的PID优化研究对于自适应滑模控制器的数据管理能力较差,研究成本较高,无法达到系统自主优化效果。针对以上问题,提出一种新式船舶航行自适应滑模控制器的PID优化研究,利用模型规则与数据分析系统进行模型构建与数据解析。在此基础上完善优化操作系统,利用相应的系统算法进行模型数据运算,实现对控制器优化数据的分析,完成对滑模控制器的PID优化研究。为验证优化研究方法的优化效果,与传统优化研究方法进行实验研究。结果表明,船舶航行自适应滑模控制器的PID优化研究具有良好的数据掌控性,复合实验操作要求。     

基于单片机的水下机器人传感器故障检测仪设计

针对OUTLAND1000无人水下机器人,采用自适应滤波器FIR对水下机器人进行在线自适应建模,利用LMS算法调节和分析滤波器的权系数实时监测水下机器人传感器的故障.以单片机C8051F120为核心设计故障检测器,数据采集和控制信号通过设计的键盘发送给机器人,传感器数据通过RS-232传送到控制器进行数据分析,并在液晶上显示出相应的故障检测结果.     

无模型自适应控制算法在ROV定深控制中的仿真

将无模型自适应控制方法应用于ROV(Remote Operated Vehicle)定深控制当中。该控制方案的设计仅利用ROV的垂向推力输入数据和深度输出数据，用动态线性化时变模型替代ROV非线性系统模型，算法中不包含ROV模型及水动力参数信息。因此，解决了ROV因系统复杂，水动力参数难以确定所导致的控制器设计复杂度高，控制效果不理想的问题。为了便于仿真，本文建立含有补偿参数的ROV简化模型，模型仅用于产生系统的I/O数据，不参与控制器的设计。仿真结果表明，在ROV定深控制当中，无模型自适应控制(Model-free adaptive control，MFAC)比PID控制具有更强的抗扰能力。此外，在欠阻尼ROV系统中，基于偏格式动态线性化的无模型自适应控制(partial form dynamic linearization based Model-free adaptive control，PFDL-MFAC)方案相比于基于紧格式动态线性化的无模型自适应控制(compact form dynamic linearization based Model-free adaptive control，CFDL-MFAC)方案具有更好的控制效果。     

遗传学算法在船舶航线自适应控制器中的应用

为了提高大型海上运输船在复杂海上交通条件的航行能力和运载能力,研究船舶航线自适应控制器具有重要意义。随着船舶结构和功能的复杂化,船舶航线控制的准确度和可靠性的难度越来越大。本文系统介绍遗传学算法,并利用该算法的自适应搜索能力和参数优化技术,设计和优化船舶航线自适应控制器,提高其控制精度和鲁棒性。     

一个新混沌系统的自适应Backstepping控制

研究了一个新的混沌系统的控制问题，根据Lyapunov稳定性理论方法构造一个新的自适应控制器，给出了控制器及未知参数的自适应律解析式，识别了系统的全部4个参数，同时将系统控制到一个稳定点，方法简单，控制效果好。数值模拟证明了该方法的可行性和有效性。     

可调螺距螺旋桨的自适应模糊控制系统研究

在常规模糊控制器的基础上，通过自适应控制优化模糊控制器的控制规则，获得了反映被控对象过程状态特征的自适应模糊控制器，并且通过MATLAB软件仿真实验的方法，研究了该自适应模糊控制器用于可调螺距螺旋桨系统时的控制性能，取得了比较令人满意的仿真效果。     

基于遗传算法和CMAC的双电机协调控制

提出一种小脑模型神经网络(CMAC)和自适应在线遗传算法(GA)相结合的新型控制算法,应用于机器人中两轴永磁无刷直流电机的速度协调控制,利用MATLAB/SIMULINK仿真,结果证明了GA和CMAC复合控制器可以有效的消除协调控制中的转矩脉动。     

基于区间约束GPC的船舶SCR脱硝系统多工况控制

不同工况下的船舶柴油机脱硝系统具有很强的非线性和时变性，常用的单一控制器难以准确控制，因此对船舶选择性催化还原（SCR）脱硝系统进行自适应控制研究尤为重要。从SCR的反应微分方程入手，建立船舶柴油机SCR脱硝系统的机理模型，并通过模型仿真的离线数据辨识建立不同工况下该系统的ARMAX模型；设计基于该模型的广义预测控制器以实现多工况的自适应控制。考虑到执行机构的使用寿命，加入区间约束算法，提出并设计带区间约束算法的广义预测控制（GPC）控制器。研究结果表明：与传统的GPC和模型预测控制（MPC）控制器相比，带区间约束的GPC控制器不仅能在变工况时保持较高的脱硝率，而且能显著减少执行器的动作次数，从而提高船舶柴油机SCR脱硝系统的使用寿命。     

复杂环境下球形机器人深度控制研究

为使油浸式变压器内部检测机器人在巡检作业时具有较高的稳定性与机动性,分析机器人在变压器油中的受力及运动的基础上,建立机器人在变压器油中的垂向运动模型。考虑存在外界未知扰动情况,提出一种基于非线性干扰观测器的自适应反步深度控制器,并通过Lyapunov函数证明了控制器的稳定性。仿真实验结果表明,所设计的控制器能够准确实现目标深度控制,有效解决了机器人在复杂环境下未知干扰造成的振荡问题,具有鲁棒性好、可靠性高的特点。     

带有死区补偿的欠驱动AUV深度控制

由于舵桨联合操控的水下机器人舵机传动系统死区非线性的存在,严重影响了某水下机器人的深度控制效果。文章以该水下机器人为研究对象,同时考虑了其欠驱动的运动特性及外界有界干扰和模型参数摄动,设计了具有自适应补偿功能的PID控制器,利用Lyapunov稳定性理论,证明在该控制器作用下,该控制系统是全局稳定的。最后进行了仿真实验。实验结果表明该控制器具有很好的控制效果,是行之有效的。     

基于单神经元PI的船用异步电机无速度传感器仿真

针对船用异步电机转速辨识不精确而导致的控制系统不稳定问题,使用基于模型参考自适应系统的无速度传感器技术取代传统的转速检测装置对转速信号进行估测。根据神经网络的自学习和自适应能力,设计了一种单神经元自适应PI调节器以实现控制参数的在线自整定,克服了传统PI控制器在非线性和时变系统中控制能力差的缺陷。结合异步电机矢量控制技术,使用基于转子磁链模型的转速辨识算法对电机转速进行估测,将单神经元PI控制器应用于转速估测系统,实现对电机转速的精确估计。仿真结果表明,相对于传统控制器,设计的单神经元自适应PI调节器响应速度快,参数自调节性能强,转速估测更为精确。     

基于参数自适应方法的同步发电机双模糊逻辑励磁控制

为了克服常规PI和PI+PSS控制器在时变系统中的缺点,设计了一种新型的同步发电机参数自适应的双模糊逻辑励磁控制器,即基于同步发电机每个瞬间的速度偏差及加速度偏差,电压偏差及电压偏差的微分,按照相平面上的标准模糊隶属度函数构建双模糊逻辑控制器.运用Simulink分别对基于参数自适应的双模糊逻辑控制器和常规PI、PI+PSS控制器在同步发电机励磁系统中进行仿真,结果表明,基于参数自适应方法的双模糊逻辑控制策略在励磁系统中具有较好的控制性能.     

基于单神经元自适应PID的矢量控制系统研究

转子磁场定向矢量控制中,转速PI调节器在控制对象参数变化时其鲁棒性能较差,而单神经元具有自学习、自适应能力,为了进一步改善矢量控制系统的性能,文章提出了用单神经元自适应PID控制器代替传统PI调节器。为了提高单神经元PID控制器的学习能力,将无监督的Hebb学习规则与有监督的Delta学习规则相结合,实现单神经元控制器的参数优化与在线自调。仿真结果表明,该系统不仅具有很好的静、动态性能,而且还具有很强的自适应性和鲁棒性。     

船用起重机中的工业机器人波浪补偿系统

船舶在海上作业受恶劣自然环境的影响程度较大,对船用起重机的安全操作提出了更高的要求,而将工业机器人领域广泛采用的PLC控制器应用到波浪补偿控制系统中,能够增强对波浪补偿系统的智能控制功能,满足高速可靠通讯的需求,提高船舶控制系统的自动化水平。本文从概述船用起重机与波浪补偿系统入手,提出船用起重机中工业机器人波浪补偿系统的设计方案,即运用PLC控制器进行波浪补偿系统设计,通过仿真实验表明波浪补偿系统具备良好的稳定性和快速响应能力。     

基于自适应KF算法的模态切换水下机器人导航系统

针对新型水下检测以及作业机器人在导航精度、体积方面的要求,设计了一套基于微机电器件的组合导航系统.系统为抑制陀螺漂移而采用了互补滤波方法,以四元数为估计对象设计卡尔曼滤波器.文中采用改进的自适应卡尔曼滤波器,增大新近数据的作用,减小陈旧数据的作用,避免滤波发散,提高导航精度.通过水池实验表明互补滤波和自适应卡尔曼滤波结合能够获得比较精确、稳定的水下机器人导航信息.同时,基于实测数据进行的算法仿真表明改进后的渐消记忆指数加权自适应卡尔曼滤波可以在一定程度上改善导航效果.     

基于反馈线性化的船舶航向自适应模糊滑模控制与仿真

针对非线性船舶航向控制中船舶参数不确定性以及外界干扰随机性的特点,基于反馈线性化方法和模糊系统的逼近能力,提出了一种新的基于反馈线性化的自适应模糊滑模控制器的设计方法,并在李雅普诺夫稳定性理论的基础上导出了自适应律。以某船为例,并利用Matlab进行仿真研究,仿真结果表明所设计的控制器是有效的。     

风帆助航船舶直线航迹跟踪的自适应非线性迭代滑模控制

针对风帆助航船舶易受风、浪等因素的影响产生航线偏离的特点,提出一种自适应非线性迭代滑模直线航迹跟踪控制方法。该方法利用双曲正切函数设计系统状态的非线性迭代滑动模态,采用模糊系统对滑模控制参数进行优化,增强控制器的自适应能力。通过定义一种控制量抖振测量变量和自适应启发评价函数,对模糊系统的结构参数进行在线调整,很好地抑制控制量的抖振。将该控制器应用到风帆助航船舶直线航迹控制领域中,结果表明,该控制器能有效地处理风、浪等外界扰动,跟踪控制性能良好,具有较强的鲁棒性。     

基于RBF神经网络的TCSC自适应PID控制

针对可控串联补偿(Thyristor Controlled Series Capacitor,TCSC)的传统PID控制器存在鲁棒性差和自学习能力不强的问题,利用径向基函数(Radial Basis Function,RBF)神经网络可以无限逼近非线性系统的特性,提出了一种基于RBF神经网络设计的TCSC自适应PID控制器.该自适应PID控制器不仅具有传统PID控制器结构简单、易于工程实现等特点,而且通过RBF神经网络辨识的被控系统Jacobian信息来在线实时调整PID控制的参数,对被控系统参数和运行状态改变有较强的适应性,克服了常规PID控制器鲁棒性不强的缺点.两机五节点系统和四机两区域系统的仿真结果表明所设计的控制器控制效果明显优于传统PID控制器,具有较好的适应性和鲁棒性,对系统低频振荡的阻尼特性有很大地改善.     

多模式船舶电网电能供电稳定性控制系统

由于传统系统受到负载瞬间变化和系统短路故障的影响,导致稳定性控制效果较差,提出了自适应多模式船舶电网电能供电稳定性控制系统的设计。根据系统总体框架设计了电能数据分发平台,利用可集成的访问接口和媒介构造了电能稳定性控制器,改善系统短路故障受到的影响。对控制器进行软件功能设计,根据自适应模糊控制基本流程,获取自适应论域范围,保证其在论域范围内可承受负载瞬间变化,达到稳定控制目的。通过对比结果可知,该系统最高控制效果可达到98%,具有良好应用前景。