刘品杰[1]2007年在《基于混合仿真平台的智能变结构控制及其应用研究》文中指出变结构控制本质上是一类特殊的非线性控制,其非线性表现为控制的不连续性,这种控制策略与其它控制的不同之处在于系统的“结构”并不固定,而是可以在动态过程中根据系统当前的状态(如偏差及其各阶导数等)有目的地不断变化,迫使系统按照预定“滑动模态”的状态轨迹运动。由于滑动模态可以进行设计且与对象参数及扰动无关,这就使得变结构控制具有快速响应、对参数变化及扰动不灵敏、无需系统在线辩识,物理实现简单等优点,越来越受到研究人员的关注。本文针对工业控制过程中的实际问题,对变结构控制进行了深入的研究,并结合智能控制算法,提出了两种新的变结构控制方法。第一是针对时滞系统的滞后特性,设计了特殊的线性变换,使时滞系统变成无时滞系统,并用RBF神经网络设计了控制算法;第二是使用智能控制结合多模变结构控制设计了多变量的变结构控制。本文共分六章,主要内容和结论如下:第一章系统地回顾了变结构控制的发展概况、研究现状。第二章详细介绍了混合仿真平台的原理与实现过程。介绍了混合仿真平台的系统配置、RTW下实时代码生成的过程、RTWT实时内核的功能及其对数据采集卡的支持,以及如何使用RTW进行实时仿真。第三章介绍了变结构算法的基本原理与设计方法,以及离散时间系统的滑模控制。并有针对性的使用了三种方法设计了滑模控制器。第四章介绍了两种基于智能控制的滑模变结构控制算法。针对离散系统和滑模控制在实现过程中所必须要克服的抖振问题。然后结合模糊控制设计滑模控制器,在保证良好控制效果的基础上,有效地削弱了抖振。最后,给出了针对时滞系统的一种RBFNN滑模控制实现,在半实物仿真平台上显示出了良好的性能第五章结合智能控制算法,通过对系统进行辨识设计了带有时序逻辑,误差反馈目标优化和模糊监督控制器的多模变结构控制器。通过在仿真平台上的仿真试验验证,算法充分考虑到系统对快速型和稳定性的要求,满足了稳态和暂态多个性能指标,仿真效果优异。第六章给出了本文的主要结论及创新点,并提出了进一步研究的问题和方向。
周颖[2]2000年在《基于模糊滑动面的滑动模态控制方法研究》文中提出近年来，模糊控制成为智能控制的一个重要分支。模糊控制的优势在于它对于那些难以建立数学模型或根本不可能用解析模型描述的复杂工业过程具有很好的适应性和鲁棒性。出现于50年代的滑模控制是指当系统状态在达到滑模平面后，会自动沿着滑动平面滑向控制目标，不受系统参数的摄动和外界干扰的影响。它的不足主要表现为系统运动状态在到达滑动平面后，会在滑动平面附近产生高频抖振，同时使系统达到滑动运动的控制量也产生高频振荡。 本论文对滑模控制进行了一些研究，将模糊控制与滑模控制结合，提出了一些新的设计方法，仿真结果表明能够取得较好的控制效果。具体工作主要有： 第一，根据滑动模态原理，将模糊控制系统的输入量简化为广义跟踪误差的一个超平面，并基于三角形划分语言变量的隶属度，根据这种划分得到模糊控制器，针对二阶振荡系统的被控对象，分析了系统的上升时间、超调量、调整时间及相位裕量等方面，模糊控制器优于一般的PID控制器。 第二，针对一类仿射非线性系统，提出了一种新的模糊逻辑滑模控制器的设计方法，该方法在隶属度划分上采用非线性划分，减小了系统到达滑动面时的“颤动”问题，同时到达滑动面的速度得到了改善，提高了控制精度。 第三，在对非线性系统进行滑模控制中，采用根据误差信息，调整滑动面中的参数，结果提高了系统的跟踪速度，减小了跟踪误差，同时到达滑动面的速度明显地提高。
何雅静[3]2011年在《两轮自平衡小车变结构控制性能改进的研究》文中研究说明两轮自平衡小车是一种本质不稳定的特殊轮式移动机器人,其动力学系统具有多变量、非线性、强耦合、参数不确定等特性,它不但运动环境复杂、运动学方程受到非完整约束,而且控制任务复杂。因此,两轮自平衡小车是研究各种控制方法的理想平台。目前对小车的控制普遍采用模糊控制、最优控制、PID控制等,很少有人将变结构控制理论应用于两轮自平衡小车系统的控制中。本文采用变结构控制对两轮自平衡小车进行控制。主要工作有以下几个方面:首先,深入分析两轮自平衡小车的动力学特性以及电机的动力学特性,在借鉴国内外机器人系统建模的基础上对两轮自平衡小车系统进行建模。其次,对原系统的非线性模型分别进行模糊加权线性化和反馈线性化,在反馈线性化模型的基础上分析了系统的能控、能观性及稳定性。通过比较泰勒级数线性化模型、模糊加权线性化模型以及反馈线性化模型的能控性矩阵的条件数,说明了反馈线性化模型更逼近原非线性系统。最后,根据变结构理论可知,变结构控制器虽然具有很好的鲁棒性,但不可避免地产生了抖振。基于此,文中首先分别设计了常规准滑模控制器和动态准滑模控制器,仿真发现:后者较前者虽然更有效地削弱了系统的抖振,但同时抗干扰性能也随之变差;然后通过改进动态准滑模变结构控制器设计出带扰动补偿项的动态准滑模控制器,这种控制器不但有效地削弱了变结构控制的最大障碍——抖振,同时还很好保证了系统的抗干扰性及动态性能。仿真比较泰勒级数线性化模型与模糊加权线性化模型,说明当系统存在摄动时,基于模糊加权线性化模型设计的变结构控制器比基于泰勒级数线性化模型设计的变结构控制器更容易使系统稳定。
陈峰[4]2008年在《滑模变结构控制理论及其在机器人中的应用研究》文中研究说明滑模变结构控制出现在50年代,由于变结构系统的滑动模态运动对系统的参数摄动、外界的扰动、系统不确定模态和模型不确定性具有不变性,也就是完全鲁棒性,滑模变结构控制才引起了人们的极大关注。它的不足主要是当系统运动状态在到达滑动平面后,会在滑动平面附近产生高频抖振,同时系统的控制量也产生高频振荡。为了解决这一问题,许多其他的先进控制技术如自适应控制、模糊控制、神经网络等也被综合应用到滑模变结构控制系统的设计中。论文的具体工作如下:第一,本文在参考大量的国内外文献的基础上,分析了滑模变结构控制的基本原理以及基本概念,总结了滑模变结构控制的发展历史、现状和发展前景。第二,本文针对一类n阶非线性系统,将模糊控制和传统的滑模变结构控制相结合,构成了模糊滑模变结构控制,从而抑制了滑模变结构控制中所固有的抖振现象。同时本文给出了自适应模糊滑模变结构控制算法,并从李亚普诺夫理论的角度给出了算法的证明,在该算法中,自适应律用来在线动态调整控制规则,从而降低了模糊控制器设计中人为因素的限制。通过仿真实验证明了该自适应模糊滑模变结构控制算法的鲁棒性和优越性。第三,针对一类未知的单输入单输出仿射非线性系统,提出了一种基于神经网络的滑模自适应控制方法。该方法利用神经网络学习系统中的非线性函数,神经网络的权值由Lyapunov稳定性理论导出,并且在线调整;考虑到网络逼近误差和外部干扰的存在,文中利用滑动模态对参数和扰动不敏感的特点,实现了系统的鲁棒输出跟踪。第四,滑模变结构控制由于算法简单,对系统参数和外部扰动具有不变性等优点,因此非常适合于机器人控制。本文首先针对机器人设计了一种全局快速终端滑模控制器。快速终端滑模控制综合了终端滑模和传统线性滑模的优点,能在有限时间内到达平衡点,并降低系统稳态误差。其次提出了一种基于滤波的机器人模糊滑模变结构控制方法。首先通过利用一阶滤波器抑制机器人滑模变结构控制中控制力矩的高频抖振,其次利用模糊控制和全局滑模变结构控制的方法来抑制系统在滑动模态阶段的抖振。并通过仿真证实了上述方法的有效性。
刘成菊[5]2007年在《线性时滞不确定性系统的滑模变结构控制》文中认为时滞和不确定性广泛存在于各类实际系统中，是导致系统不稳定和动态性能下降的重要因素。所以充分考虑时滞和不确定性因素对系统控制效果的影响，设计具有较强鲁棒性的控制器具有重要的理论意义和实际应用价值。滑模变结构控制的突出优点是滑动模态对于匹配的参数不确定性以及外界扰动具有完全的鲁棒性，并且滑动模态的动态品质是可以预先设计的。同时设计方法简单，易于实现。它为不确定性系统、非线性、时滞、时变以及干扰源多的系统的鲁棒设计提供了一种有效的方法。本文关注时滞不确定系统的滑模变结构控制，针对不同类型的时滞不确定系统，研究其滑模控制器的设计问题。研究内容概括如下：1．研究一类存在控制时滞的不确定性系统的最优滑模控制问题。定义线性无时滞变换，将时滞系统转化为无时滞系统，在新坐标下，研究基于二次型性能指标的最优滑模面的设计方法，设计了动态不连续控制律，保证滑模存在条件和到达条件，并有效削弱抖振。数值算例及在化工反应过程中的应用研究验证该设计方法的有效性。2．研究一类存在状态时滞的不确定性系统的全滑模控制器的设计问题。提出了一种积分滑模面的设计方法，实现了不确定时滞系统的全局鲁棒滑模控制。系统地给出了全滑模控制器的设计过程。仿真研究验证了设计控制策略的有效性。3．以同时存在状态时滞和控制时滞的不确定性系统为研究对象，基于线性变换，提出了一种设计全滑模控制器的新思路。首先定义线性变换将系统转化为只显含状态时滞的不确定性系统，在新坐标下，进行全滑模控制器的设计。设计的积分滑模面，消除了趋近阶段，实现了全滑模控制。设计控制律确保滑模的存在条件，并能有效克服不确定性的影响。以延时网络控制系统为对象，设计全滑模控制器，仿真结果表明该控制方法鲁棒性好，是镇定延时网络控制系统的有效方法。4．总结论文的主要工作，并指出今后的研究方向。
张红[6]2008年在《非线性系统的滑模变结构控制理论研究》文中研究表明变结构控制作为一个相对独立的研究分支,在实际应用中逐渐得到推广和应用,如电机与电力系统控制、机器人控制、飞机控制、卫星姿态控制等。目前对非线性系统控制的研究已成为国内外研究的前沿和热点问题,因而对滑模变结构控制的研究具有重要的理论意义和应用价值。本文主要研究了非线性系统的滑模变结构控制,基于滑模变结构控制自身的特点,将其与神经网络控制及模糊控制相结合。主要工作如下:首先,针对神经网络的学习功能和对非线性系统的强大映射能力,将神经网络用于非线性系统的滑模变结构控制,实现了自适应滑模控制。针对非线性不确定时滞系统,设计了基于神经网络的自适应滑模变结构控制器,根据Lyapunov理论,证明给出的控制器可使系统稳定,与一般的滑模控制器相比较,仿真结果表明,神经网络自适应滑模控制器能够有效的抑制抖振,并减少跟踪误差。其次,针对模糊控制特别适用于难以建立数学模型的复杂的非线性系统这一特点,将其与滑模控制的优点紧密的结合,利用模糊控制来柔化控制信号,减轻或避免了一般滑模控制中的抖振现象。针对非线性系统,设计了基于模糊控制的自适应滑模控制器,并证明了该控制器能使系统稳定,仿真结果表明,自适应模糊滑模控制器与一般的控制器相比,能够有效的抑制抖振。最后,针对模糊神经网络结合了神经网络与模糊控制的优点,给出了基于模糊神经网络的滑模变结构控制,模糊神经网络滑模控制器不仅能消除颤动而且有很强的鲁棒性。通过该方案设计的控制器,有效的减少了抖振,并且系统具有了较强的抗干扰性。
赵国亮[7]2015年在《欠驱动非线性系统的张量积模糊自适应控制》文中指出欠驱动系统广泛应用于交通、冶金、国防和装备制造等重要领域,经济的发展使得这些领域的竞争变得日趋激烈,对设备的要求也越来越高,从而导致对控制系统的性能有了更高的要求,尤其是控制器的自适应性.在倒立摆这类欠驱动系统控制领域,变论域模糊自适应理论已被证明存在较高的自适应性,是应用较为成功的模糊理论之一.本文从分析变论域模糊自适应控制局限于半严格纯反馈模型出发,首先深入研究了避免变论域模糊自适应控制器使用半严格纯反馈模型的问题,发现了影响该自适应理论用于更一般模型,比如拟线性参变模型的制约因素并提出了张量积自适应模糊控制算法；针对存在结构不确定的纯反馈系统,应用张量积模型逼近误差为舍弃奇异值有界函数这一性质,提出了针对结构不确定纯反馈系统的张量积自适应积分滑模控制方法；其次针对欠驱动系统存在多个控制目标和耦合变量的问题,借鉴变论域自适应伸缩因子的设计只基于误差和误差变化的思想,将目标因素纳入到由主滑模面和辅助滑模面构成的混合滑模面,研究了可直接由张量积模型状态变量设计自适应控制器的方法；最后为了提高变论域模糊自适应控制器的控制精度以及泛化能力,进一步揭示变论域模糊控制思想的自适应机理,针对存在未建模部分的欠驱动系统,提出A2-C1型模糊自适应控制方法,进一步改善变论域模糊自适应控制器对高频参考信号的自适应跟踪能力.本文的主要工作归纳如下：1)以张量积模型变换和逼近理论为背景,以避免变论域模糊自适应控制器使用半严格纯反馈模型为目标,发现张量积模型能够将变论域模糊自适应控制对象不再局限于半严格纯反馈模型,且该模型的张量积并行分布补偿方法还可以为伸缩因子提供时变综合增益,提出了张量积模糊自适应算法.为解决上述问题,首先得到欠驱动系统的拟线性参变形式,结合张量积并行补偿控制方法求取的误差和误差变化增益及衰减参数,设计了两种模糊自适应控制器.模糊自适应控制器的误差和误差变化增益由权重隶属度函数动态给出.此外,利用张量积并行补偿控制方法计算得到衰减率,从而使用衰减因子构建了新的Lyapunov函数.应用σ-自适应策略的张量积模糊自适应控制方法去除了对系统扰动上界已知的约束.为了提高张量积模糊自适应控制方法处理结构不确定欠驱动系统的能力,对于n阶不确定纯反馈欠驱系统,首先采用张量积模型去逼近原系统,将n阶不确定系统变换成拟线性参变形式的标称部分与集总不确定两部分,标称部分的拟线性参变模型是一个多面体组合模型且组合系数满足归一化条件.然后利用积分滑模面能够在开始时刻就进入滑动模态的特性,结合σ-自适应方法和线性矩阵不等式,设计了基于张量积模型变换的自适应积分滑模控制器,减少了系统状态到达平衡点的到达时间,解决了实际系统不存在理想滑模面而导致控制器自适应增益持续增加的问题.2)以张量积模型变换理论为背景,针对欠驱动系统存在多个控制目标和耦合变量的问题,对于欠驱动系统的拟线性参变模型,借鉴变论域自适应理论中的伸缩因子设计思想,提出将多个目标纳入到一个滑模面的混合滑模面设计方案,研究了可直接由张量积模型状态变量设计自适应控制器的方法.针对单输入多输出欠驱动非线性系统,首先采用张量积模型变换,得到欠驱动系统的拟线性参变模型.该模型是一个数值型拟线性参变模型,由于此时的拟线性参变模型保留了所有奇异值,因此该模型是欠驱动系统的精确描述.针对该数值模型的每一子系统,设计了不同滑模面,保证子系统有限时间进入滑动模态.对于张量积模型变换下的解耦终端滑模控制,滑模面和控制律的设计不需要系统的解析模型,直接由张量积模型的状态变量设计,体现了张量积模型变换方法优异的模型变换能力.3)为了提高变论域模糊自适应控制器的控制精度,将模糊集扩展为Ⅱ型模糊集,进一步增强变论域自适应方法对高频参考信号的自适应跟踪能力,揭示变论域模糊控制思想的自适应机理.对于半严格纯反馈非线性系统,利用变论域自适应方法和Ⅱ型模糊集理论设计了A2-C1型进化自适应模糊控制器,进化自适应模糊控制器的反馈控制器中的伸缩因子能够根据误差和误差变化自适应地调节.对于A2-C1型进化自适应模糊控制器,使用量子细菌觅食算法离线优化区间Ⅱ型模糊集,提出的A2-C1型进化模糊系统可被当作直接自适应模糊控制器使用.为验证混合滑模面思想的有效性,进一步研究了存在未知非线性部分的二阶欠驱动系统,利用动态模糊神经网络估计未建模部分.首先根据混合滑模面的设计思想,把该系统划分为两个二阶子系统,对每个系统设计了不同的滑模面,从而保证每个子系统的收敛特性.在此基础上给出了一种间接自适应解耦滑模控制方法,该方法克服了系统存在未知非线性部分的困难,将耦合的变量转化为混合滑模面的设计,提高了解耦滑模控制器的自适应能力.针对上述控制方法,本文在一级倒立摆、平行双倒立摆、旋转激励的平移振荡器等系统上进行了仿真和实验验证.结果证实了本文方法的有效性.
敖俊卿[8]2007年在《模糊滑模控制应用方法研究》文中提出根据模糊滑模理论发展的研究现状和应用,以及对模糊滑模控制理论研究提出的新要求,本文针对滑模控制研究中存在的一些问题进行了深入的研究,并最终得出了一系列相应的研究结果。首先结合滑模控制和模糊控制,提出了四种模糊滑模控制器设计方法,通过数字例子证明了方法的有效性。其次通过引入自适应控制思想,设计了两种自适应模糊滑模控制器,用倒立摆这一典型非线性性系统例证了该算法的优越性。最后基于李亚普诺夫稳定性、大规模系统分散控制和滑模控制理论设计的分散并行扰动补偿滑模控制器,保证了一类模糊大规模闭环系统渐近稳定。
顾洲[9]2007年在《DGR-5A机器人伺服控制技术研究》文中提出教学机器人作为机器人技术、计算机技术和机电一体化技术教育的教学工具,对人才培养和高新技术的推广应用有着重要的意义。而机器人的伺服控制技术又是其中非常关键的问题,本文对机器人的伺服控制系统做了较为全面的工作。本文所采用的机器人伺服控制采用三环控制,即电流环、速度环和位置环,考虑到系统的响应速度以及控制器设计的方便性,电流环和速度环采用模拟闭环,位置环采用数字闭环。本文从两个方面对系统进行设计,分别为:硬件系统设计和位置环的控制方案的设计与仿真。硬件系统设计主要有:各个反馈信号的调理电路以及速度环的控制模块、电流环的控制模块和电源模块,并设计了PWM伺服放大模块。对于位置环控制模块,本文所做的工作主要是控制方案的设计和方案的比较研究,考虑到机器人关节电机的伺服控制系统具有很多的不确定性,以及多关节电机在低速运行下,由于摩擦力作用出现的爬行现象,在位置环的伺服控制中采用了具有PID结构形式滑模面的模糊滑模自适应控制方案,经过多种控制策略仿真比较研究表明:该方案具有准确的跟踪性能、和很强的鲁棒性,克服了低速爬行现象;同时,有效地抑制了滑模变结构控制固有的抖振现象,具有令人满意的动静态性能。
朱计华[10]2007年在《水下机器人近水面运动的变结构控制技术研究》文中指出水下机器人是一个典型的强非线性、强耦合和不确定系统，其精确的运动模型通常难以获得。而当水下机器人近水面航行时，复杂的波浪干扰将使其运动状态发生明显的改变，水动力特性也更为复杂，运动的非线性更加显著。在二阶波浪力的抽吸作用下，水下机器人会出现逐渐上浮的现象。因此，水下机器人近水面的定深控制是比较困难的。变结构控制作为控制的综合方法，其优点在于可采用不精确的数学模型进行控制器设计，且其滑动面的设计与控制对象的参数以及各种外干扰变化无关，成为水下机器人近水面控制的有效方案。论文旨在探讨变结构控制技术在水下机器人近水面运动控制中的应用，并设计出性能优良的水下机器人运动控制系统。首先在水下机器人六自由度动力学模型基础上，根据实际需要进行了适当简化，采用波浪频谱的方式对近水面航行时所受到的波浪干扰力进行了数值计算和仿真研究；接着研究了一类可控正则型非线性系统的变结构控制问题。对于可控正则型多输入系统，选择分散滑模控制模式，将可控正则型系统化为线性简约型。采用极点配置法设计了切换函数，应用指数趋近率和光滑函数法来削弱变结构控制系统中的抖振现象，并为了消除波浪干扰下可能出现的稳态误差，在变结构控制器中加入积分项；最后对所设计的水下机器人积分变结构控制器分别进行了静水域和波浪干扰下的仿真试验。系统仿真表明，所设计的控制系统动态品质良好，有较强的抗波浪干扰能力，同时也验证了积分变结构控制方法对于水下机器人近水面运动控制是可行的和有效的。
参考文献：
[1]. 基于混合仿真平台的智能变结构控制及其应用研究[D]. 刘品杰. 河北工业大学. 2007
[2]. 基于模糊滑动面的滑动模态控制方法研究[D]. 周颖. 河北工业大学. 2000
[3]. 两轮自平衡小车变结构控制性能改进的研究[D]. 何雅静. 西安电子科技大学. 2011
[4]. 滑模变结构控制理论及其在机器人中的应用研究[D]. 陈峰. 江南大学. 2008
[5]. 线性时滞不确定性系统的滑模变结构控制[D]. 刘成菊. 青岛科技大学. 2007
[6]. 非线性系统的滑模变结构控制理论研究[D]. 张红. 大庆石油学院. 2008
[7]. 欠驱动非线性系统的张量积模糊自适应控制[D]. 赵国亮. 大连理工大学. 2015
[8]. 模糊滑模控制应用方法研究[D]. 敖俊卿. 华北电力大学（北京）. 2007
[9]. DGR-5A机器人伺服控制技术研究[D]. 顾洲. 南京航空航天大学. 2007
[10]. 水下机器人近水面运动的变结构控制技术研究[D]. 朱计华. 哈尔滨工程大学. 2007
标签：自动化技术论文; 模糊控制论文; 自适应论文; 滑模变结构论文; 模糊神经网络论文; 线性系统论文; 反馈控制论文; 模糊算法论文; 模糊理论论文; 自适应控制论文; 系统仿真论文; 线性模型论文; 人工智能论文; 机器人论文; 滑模论文; 非线性论文;