一、基于动态逆模糊神经网络的准滑模控制(论文文献综述)
王天鹤[1](2021)在《永磁直线同步电机伺服系统智能二阶滑模控制》文中提出高性能永磁材料的快速发展以及电力电子技术的不断完善促进了永磁直线同步电机(PMLSM)的飞速进步。由于PMLSM具有无机械摩擦力、机械构造简单、推力大和体积小等优点,因此适合于高速度高精度伺服应用场合。但因其缺乏齿轮组、滚珠丝杠等间接机械传动环节,使PMLSM伺服系统更易受到外部扰动、参数变化、非线性摩擦力等不确定性的影响。为了克服不确定性对系统的不利影响,将具有强鲁棒性的滑模控制方法和具有较强学习能力的神经网络控制方法相结合,设计智能二阶滑模控制方法。首先,详细阐述了PMLSM的基本结构和工作原理,建立了含有不确定性的PMLSM数学模型。接着建立了PMLSM矢量控制系统,并对系统中存在的不确定性进行分析。然后,针对系统易受外部扰动、参数变化、非线性摩擦力等不确定性因素影响的问题,采用PID型二阶滑模面,设计了二阶滑模控制(SOSMC)系统,保证了位置跟踪误差的有限时间收敛性,进而提高系统的控制性能。由于滑模控制存在抖振问题,选择准滑动模态控制方法来削弱抖振,分别采用饱和函数边界层控制方法和正弦饱和函数边界层控制方法。通过仿真结果表明,所提出的SOSMC方法明显削弱了抖振,同时有效可行地提高了位置跟踪性能,并增强了系统的鲁棒性能。最后,针对系统中外部扰动、参数变化、非线性摩擦力等不确定性难以估计,使系统参数较难选取的问题,采用神经网络对不确定性进行估计,进而提高系统的鲁棒性。以径向基神经网络(RBFNN)为基础,分别采用递归径向基神经网络和动态递归径向基神经网络与SOSMC相结合的智能SOSMC方法,以实现控制系统的最佳性能。同时,设计鲁棒补偿器抑制逼近误差、最优参数向量和高阶泰勒级数等不确定性,以便进一步提高系统鲁棒性。仿真结果表明,与SOSMC方法相比,智能SOSMC方法既具有快速准确的位置跟踪性能,又具有较强的抗干扰能力,对系统具有优异的控制效果。
姚苏华[2](2020)在《不确定并联机构时空伸缩同步串级滑模控制研究》文中研究指明相对串联机构,并联机构具有刚度大、承载能力强、定位精度高等优点,在运动模拟、精密加工及高速装配作业等多种应用领域具有较大优势。并联机构为具有刚性约束的多支路耦合非线性对象,且存在建模误差、摩擦力及外界随机干扰等多种不确定因素,其中,建模误差包含参数摄动、高频快变(高频或快时变)内扰等,摩擦力中含有本质非线性的库伦摩擦成分,外界随机干扰中含有多种周期性、高频快变外扰等。由于并联机构多支路之间不仅存在时变约束内力耦合,而且未知不确定因素总和作用对并联机构各支路运动影响也不总保持一致,因此,在并联机构结构性因素及内外不确定因素的综合影响下,如果各支路关节误差仅在自身控制回路中得以纠正,而其他回路不响应,则易引起各支路运动之间的不同步。由于并联机构末端执行精度由所有运动支路共同决定,因此,各关节运动之间的不同步必然引起末端运动精度下降,情况严重时甚至导致机构损坏。目前在并联机构的不确定性问题和同步控制研究方面还存在一些难点,主要包括:已有并联机构结合干扰观测器的滑模控制方法,能较好解决并联机构不确定性问题,但存在控制参数较多难以实际调试问题、控制量抖振问题、以及微分膨胀问题等,不利于控制带宽的提升;针对并联机构,已有方法将解决同步问题的交叉耦合控制与解决不确定问题的控制方法在李雅普诺夫稳定下结合,但存在控制参数耦合且物理意义不明确等问题,且对不同并联机构不具普适性。为此,本文研究提出一种利用时空伸缩变换解决并联机构同步问题的控制律构造方法,并基于该构造方法,依次提出不确定并联机构结合扩张状态观测器的时空伸缩同步滑模控制方法、不确定并联机构时空伸缩同步串级滑模控制方法、不确定并联机构基于扩张状态观测器的时空伸缩同步串级滑模控制方法,以同时解决并联机构的不确定性问题和同步问题。论文完成的主要工作如下:1.提出不确定并联机构结合扩张状态观测器的时空伸缩同步滑模控制方法针对并联机构不确定性问题,已有结合干扰观测器的滑模控制方法,但存在参数较多难以实际调试的问题,为此,本文首先建立不确定并联机构动力学模型,并通过动态线性化将不确定并联机构动力学模型转化为积分器串联型,进而提出一种仅需调整一维带宽参数的不确定并联机构结合扩张状态观测器的滑模控制方法。为进一步解决不确定并联机构同步问题,针对不同并联机构,已有方法将交叉耦合控制与解决不确定性问题的不同控制方法在李雅普诺夫稳定下结合,但存在控制参数耦合且物理意义不明确等问题,且对不同并联机构不具普适性。为此,本文探索交叉耦合控制、一致性控制与时间尺度控制间的相互联系,并在此基础上,研究提出利用时空伸缩变换解决并联机构同步问题的控制律构造方法,即对原有控制方法进行时空伸缩变换,构造仅需调节时间尺度参数的时空伸缩同步控制,因此无需调整多个控制参数,且物理意义明确,并能解决交叉耦合控制与不同控制方法结合的普适性问题。基于利用时空伸缩变换解决并联机构同步问题的控制律构造方法,本文提出不确定并联机构结合扩张状态观测器的时空伸缩同步滑模控制方法,通过将扩张状态观测器滑模控制方法与时空伸缩同步控制构造方法相结合,以同时解决并联机构的不确定性问题和同步问题。仿真实验结果表明,与不确定并联机构结合扩张状态观测器的滑模控制方法相比,结合扩张状态观测器的不确定并联机构时空伸缩同步滑模控制方法,不仅能以较少控制参数实现良好跟踪性能,而且能提升不确定并联机构的同步性能。2.提出不确定并联机构时空伸缩同步串级滑模控制方法所提出的不确定并联机构结合扩张状态观测器的时空伸缩同步滑模控制方法,由于滑模切换项的存在,导致驱动控制量存在抖振,不利于滑模控制带宽的提升,为此,本文为解决并联机构不确定性问题,首先提出一种仅需调整一维带宽参数、且能提升带宽的不确定并联机构串级滑模控制方法,通过将若干相同的一阶准滑模面依次串联,以分层削弱抖振,且由于抖振的削弱,因而能提升带宽。为进一步解决不确定并联机构同步问题,基于利用时空伸缩变换解决并联机构同步问题的控制律构造方法,研究提出不确定并联机构时空伸缩同步串级滑模控制方法,通过将串级滑模控制方法与时空伸缩同步控制构造方法相结合,以同时解决并联机构的不确定性问题和同步问题。仿真实验结果表明,与不确定并联机构结合扩张状态观测器的时空伸缩同步滑模控制方法相比,所提控制方法,不仅由于带宽的提升能使并联机构具有更好的跟踪与同步性能,而且能有效削弱抖振。3.提出不确定并联机构基于扩张状态观测器的时空伸缩同步串级滑模控制方法所提出的不确定并联机构串级时空伸缩同步滑模控制方法,由于一阶准滑模面多次嵌套,因此需多次对输出求导,导致控制对噪声敏感,并引起微分膨胀问题,不利于串级滑模控制带宽的提升,为此,本文首先提出一种仅需调整一维带宽参数、且能进一步提升带宽的不确定并联机构基于扩张状态观测器的串级滑模控制方法,通过将串级滑模控制设计在与系统并联的扩张状态观测器中,以解决微分膨胀问题,且由于微分膨胀问题的解决,因而能进一步提升带宽。为进一步解决不确定并联机构同步问题,基于利用时空伸缩变换解决并联机构同步问题的控制律构造方法,提出不确定并联机构基于扩张状态观测器的时空伸缩同步串级滑模控制方法,通过将基于扩张状态观测器的串级滑模控制方法与时空伸缩同步控制构造方法相结合,以同时解决并联机构的不确定性问题和同步问题。仿真实验结果表明,与不确定并联机构的时空伸缩同步串级滑模控制方法相比,所提控制方法不仅能同时解决滑模控制抖振和微分膨胀问题,而且由于带宽的进一步提升,能使并联机构的跟踪与同步性能更优。4.基于汽车电泳涂装输送并联机构样机系统的时空伸缩同步串级滑模控制方法实验研究基于“PC+UMAC”分布式汽车电泳涂装输送并联机构样机系统实验平台,对本文提出的不确定并联机构结合扩张状态观测器的时空伸缩同步滑模控制、时空伸缩同步串级滑模控制、基于扩张状态观测器的时空伸缩同步串级滑模控制方法进行实验对比。实验结果表明,基于扩张状态观测器的时空伸缩同步串级滑模控制方法,具有综合较优的控制性能。
郭振嘉[3](2020)在《智能动物医疗监护设备的研究与开发》文中指出智能动物医疗监护设备主要针对于动物的康复和治疗,给病弱和病危的动物提供一个适宜的监护和恢复环境。设备主要是由相对封闭的监护仓、传感器和控制器等组成。动物在监护仓中将会获得可以设定的适宜的温度、湿度和氧气浓度,同时设备将会提供灯光照明、断电保护和故障告警等功能。设备在研发过程中的重点和难点在于监护仓的温湿度控制,一方面是需要控制温湿度达到设定目标值,另一方面是控制目标达到后,需要维持恒温恒湿的状态。温湿度的控制属于多输入多输出(MIMO)系统,具有非线性、大迟滞和强耦合的特点,控制起来十分复杂且具有挑战性。本文首先深入分析设备的物理结构和系统组成,在掌握各种可能对温度和湿度造成影响的因素后,根据热力学第一定律列写能量守恒方程,建立了温度模型,根据空气中水蒸气的质量变化列写水蒸气质量守恒方程,建立了湿度模型。并在建立的温湿度模型的基础上,使用Matlab的Simulink组件搭建仿真实验环境,验证了所建立的温湿度模型的合理性和准确性。其次在已经建立的温湿度模型的基础上,研究分散式神经网络前馈补偿解耦方法。利用神经网络拟合非线性函数的能力去拟合温度和湿度控制通道之间的耦合作用,再参考了前馈补偿解耦方法的结构,提出分散式的神经网络前馈补偿的连接方案,使得神经网络的训练变得简单且易于实现。最后利用Simulink进行仿真实验,仿真实验的结果证明了分散式神经网络前馈补偿解耦方法准确性和有效性。然后在已经解耦的温湿度控制模型的基础上,针对PID控制算法对复杂模型控制效果不太理想的缺点,使用模糊控制对PID控制进行参数优化,实现了PID控制的参数在线自整定。最后使用已经解耦的温湿度模型进行控制对比的仿真实验,实验结果表明,使用经过模糊控制优化的PID算法的控制效果更优,系统响应更快。最后在工程实现上,设备将AVR单片机作为控制核心,围绕核心控制器设计了相关的硬件电路。针对设备需要实现的功能,分别设计了电源模块给设备提供电源,串行通信模块和人机界面交互,控制输出模块实现对控制信号输出,传感器采集模块去获取各类传感器的信息。在程序设计上基于已经实现的硬件电路,设计并实现了各个子模块的功能,并将子模块按照一定流程进行组合,完成了单片机程序的设计开发工作。最后针对人机界面的设计与实现工作进行了详细说明,完成了整个智能动物医疗监护设备的开发研制任务。
黎炜天[4](2020)在《基于滑模控制的龙门式高精密运动平台的同步控制系统设计》文中研究指明传统的“旋转电机+滚动丝杠”的龙门式运动平台由于传动精度和稳定性不够高,已经难以满足高精密自动化加工的需求。而使用永磁同步直线电机(Permanent Magnet Linear Synchronous Motor,PMLSM)的龙门式运动平台由于具有简单机械结构、强环境适应力、高速下优越运动特性等优点,越来越受到工业自动化行业的青睐。但龙门平台的特殊结构,使两平行轴电机会存在机械耦合,而PMLSM本身易受外界负载扰动,推力波动等不确定因素影响,这些问题都严重制约了运动平台往高效率、高精度的方向发展。因此需要设计一种高可靠性、高精度的控制算法去解决直线电机龙门平台的发展困境。本文研究对象为由3组PMLSM组成的高精密龙门式运动平台。在其相互平行的Y轴上,分别搭配性能参数一致的PMLSM和直线传动导轨。两Y轴电机的次级与横梁两端相接,横梁上承载X轴PMLSM以及末端执行装置。该平台存在的问题首先是单轴电机位置跟踪精度不足,其次是由于平台运转时X轴电机往复运转,对两边Y轴产生了不一致的负载扰动,引起较大的同步位置误差。为此,本文开展了以下几方面的工作:1、调研高精密龙门式运动平台的国内外发展趋势和研究现状,探讨平台驱动方式与扰动影响方式,总结归纳常用的龙门平台运动控制算法。结合PMLSM控制原理,对本文研究的龙门式运动平台进行动力学分析,进行相应的模型简化,以降低问题求解的复杂度。最终在Matlab/Simulink软件平台上搭建平台数学模型,仿真验证其模型的可行性。2、结合反演控制原理,使用终端滑模控制方法对龙门平台的单Y轴位置控制器进行改进,以提高位置跟踪精度,加快系统响应速率和改善由于离散开关控制产生的抖振问题,设计合适的自适应率来抑制外界扰动对系统的影响。在MATLAB平台上进行仿真,将实验结果与普通滑模控制器下的结果进行对比,以验证该单轴控制器的有效性。3、继续改进单轴运动控制器,引入非线性扰动观测器以强化对负载扰动,推力波动等不确定项的等效补偿。在MATLAB平台上进行仿真,观察在加入突变扰动后电机位置曲线的变化,以证明该方法能有效提高系统鲁棒性和抗干扰能力。4、针对龙门平台双轴同步控制精度低的特点,结合模糊控制原理,提出基于自适应模糊滑模控制的同步控制方法。以滑模面及其变化率作为模糊控制的输入,并分别对切换控制和模糊控制的增益参数进行自适应估计。在MATLAB平台上进行仿真,通过对比新方法与普通滑模同步控制算法的实验结果,证实了该方法能够有效改善同步位置精度,减少系统抖振现象。
骆继发[5](2020)在《弹丸协调臂的电液伺服控制研究》文中研究指明作为自动装填系统中的关键部件,弹丸协调臂的回转速度和到位精度影响着装填系统的可靠性、火炮的射击速度和射击精度,但是在运行过程中系统参数的非线性变化、液压系统的固有特性等因素对弹丸协调臂的位置控制带来一定的难度,因此对弹丸协调臂的精确位置控制研究具有实际工程意义。本文主要包括以下几个方面的研究内容:(1)详细介绍了弹丸协调臂的基本组成和工作流程,并提出工作过程中需要满足的精度要求。结合弹丸协调臂的机械系统方程和电液系统方程,推导出被控系统的动力学方程,明确被控系统的复杂性和控制器的设计难度。(2)使用AMESim搭建了弹丸协调臂的虚拟样机模型,为提高模型与实际系统的接近程度,采用Isight优化模型中的部分关键参数;搭建MATLAB/Simulink与AMESim的联合仿真平台,规划弹丸协调臂的运动轨迹并采用PID进行控制。(3)在传统PID控制无法满足控制要求的情况下,本研究结合系统动力学方程,提出了自适应滑模控制方法,它可以有效地降低动态误差并保证到位精度;在上述研究基础上,引入RBF神经网络算法逼近系统未知参数,有效提高了控制器的鲁棒性;为了提高RBF神经网络算法对未知项的逼近精度,采用差分进化算法寻优设置网络参数,仿真结果表明了参数优化的有效性。(4)搭建弹丸协调臂实验平台,将优化后的控制算法运用到实际系统中。实验结果表明,优化后的RBF神经网络自适应滑模控制器能够保证响应速度和到位精度,并且具有较好的鲁棒性,满足控制要求。
高阳[6](2019)在《基于滑模控制的异步电动机矢量控制系统的研究》文中研究说明随着异步电动机应用的推广,人们对其控制性能也提出了更高的要求,矢量控制作为异步电动机高性能控制方法之一已逐步得到应用并趋于完善。本文以异步电动机矢量控制系统为研究对象,通过对其速度控制器和观测器两个方面的研究,为提高矢量控制系统的鲁棒性、准确性以及响应速度提供了新的实践探索。针对异步电动机矢量控制系统中传统的PI速度控制器动态性能受限的问题,本文首先设计了一种快速双幂次滑模速度控制器,由于快速双幂次趋近律的趋近速度可变而使得该速度控制器的抖振相对较小。为了进一步抑制抖振,将滑模控制和模糊控制相结合,用模糊控制器的输出代替滑模控制中的符号函数,这样不仅可以使不连续的切换信号连续化,达到柔化滑模控制的目的;还可以通过设计模糊规则调节趋近速度的大小,从而削弱了抖振。针对异步电动机矢量控制系统中传统的机械测量法获取转速、磁链增加成本,破坏电动机结构特点的问题,本文首先提出了基于高阶非奇异终端滑模设计观测器的方案。该方法可以将不连续的符号函数加在输出量的一阶导数上,经过积分后可有效地抑制抖振。为进一步削弱抖振,引入了准滑模控制,即用饱和函数代替符号函数,这样可以使系统在滑模面的邻域内连续化以减弱抖振。最后,为了避免反正切将误差直接引入至除法中,本文采用软件锁相环技术提取转子磁链角。根据本文的设计方案,搭建了基于Matlab/Simulink软件下的仿真模型。通过仿真对比,表明本文设计的速度控制器鲁棒性较强,响应速度较快,抑制抖振效果更明显;观测器的收敛速度更快,观测误差更小,抖振更弱。
张勇[7](2019)在《智能车辆的车道保持与换道协同控制研究》文中进行了进一步梳理随着人工智能研究的成果落地应用,5G通讯技术的成熟,都极大地推动汽车在智能化、网联化方面的发展。有关无人车辆的研究比赛和实路测试日益增多,在智能车辆的车道保持和换道中控制问题也逐步暴露出来。本文以研究智能车辆的车道保持与换道的协同控制为中心,搭建前后转向整车单轨横向动力学模型,并结合驾驶员预瞄模型,建立车道保持的整车控制模型。考虑车辆不确定性参数有界时变和慢变的两种情况,设计不同的车道保持控制律,基于准滑模变结构控制能抑制抖振的优点,设计含有饱和函数的切换函数,完成车道保持控制器的设计,并运用Lyapunov稳定性理论验证了控制系统的稳定性。通过Matlab软件仿真,验证了车道保持控制器的效果。设计智能车辆换道期望的横向加速度率,进而求解换道的轨迹。考虑车辆换道的侧滑问题,基于终端滑模变结构控制方法,设计了以车辆横摆角误差和车辆侧滑位移为控制目标的控制器,用直接自适应方法对车辆不确定性参数进行在线估计。运用Lyapunov函数分析控制系统的稳定性,用Matlab软件仿真,验证了车辆换道控制器的效果。搭建一个兼顾精度和实时性的二自由度稳态回转车辆动力学模型,通过Carsim软件验证其计算出轨迹的准确性。将主车当做一个独立单元的情况下,在主车车体坐标系中,建立包含周围交通车辆动态信息的搜索空间,并考虑交通车辆运动不确定性因素,周围车辆概率性轮胎转角轨迹簇组成搜索空间的动态障碍物,预测出基于主车轮胎转角的轨迹簇,使用安全性与舒适度评价指标,进行轨迹决策,选取了最优轨迹。结合智能车辆的车道保持控制和换道控制,设计了过渡式的协同控制器,仿真验证了过渡式控制器的可行性。通过考虑不确定性因素的轨迹预测方法规划出车道保持和车辆换道的轨迹,采用全局快速终端滑模控制方法,设计了基于前后丶转向的协同控制器,分析其控制系统的稳定性,并用Matlab软件仿真,验证了对预测出的轨迹的跟踪效果。结合目前车辆发展情况,设计出仅前轮转向的协同控制器,并仿真验证了高车速下的控制效果。
段美君[8](2019)在《临近空间拦截器开关制导控制方法研究》文中研究说明临近空间高超声速飞行器因飞行速度快和持续机动能力强,发展迅速。精确制导拦截器通过“直接碰撞杀伤”技术可将其彻底摧毁。这就需要有限时间收敛的精确制导技术。实际中拦截器的发动机只能提供带延迟的开关形式推力,而且目标导引头只能测量视线角信息。本文基于有限时间收敛理论和观测器,研究了临近空间拦截器开关制导控制方法。考虑发动机控制受限和末制导时间有限,基于有限时间控制理论,设计了两种有限时间收敛制导律。其一是bang-bang制导律。在二维平面和三维空间中,严格证明了有限时间收敛的充分条件。根据充分条件和制导周期,设计了带滞环开关的制导律。仿真结果表明,视线角速率有限时间收敛到原点,验证了有限时间收敛条件。提出的制导律可以避免视线角速率抖振,降低发动机开关频率。其二是有限时间收敛制导律和变开关门限的PWPF调节器。理论分析和仿真结果表明提出的制导律对机动目标具有鲁棒性,视线角速率收敛到原点更快,发动机工作时间增加、开关次数减少。考虑弹体动态延迟特性对制导性能的影响,设计了考虑发动机动特性的有限时间收敛制导律。其一,将发动机动特性视为具有开关工作形式的一阶环节,与目标-拦截器相对运动模型,建立了制导模型以设计制导律。采用bang-bang非奇异滑模制导律,严格证明了有限时间收敛的充分条件。基于最小工作时间和有限时间收敛的充分条件,设计了带滞环开关的非奇异滑模制导律。两者组成组合制导律。仿真结果表明提出的制导律能有效补偿动态延迟的影响。其二,建立了不以视线角加速度为状态变量的制导模型,采用bang-bang线性滑模制导律,证明了有限时间收敛条件。相应地,给出了滞环线性滑模制导律和组合制导律。仿真结果表明在存在测量噪声时,提出的制导律具有更好的制导性能。其三,建立了考虑发动机二阶动特性的制导模型。设计了带滞环开关的滑模制导律,可保证视线角速率有限时间收敛到原点的邻域。仿真结果表明,考虑发动机二阶动特性的制导律,与未考虑动特性或只考虑一阶动特性的制导律比较,制导精度更高。考虑目标导引头只能测量视线角信息,将目标机动项扩张为未知状态,设计了两种扩张观测器,在不需要假设目标机动模型的条件下,即可估计视线角速率和目标加速度。其一,基于考虑发动机一阶动特性的制导模型,设计了线性扩张状态观测器。基于估计值,实现了bang-bang非奇异滑模制导律和带滞环开关的非奇异滑模制导律。其二,基于考虑发动机控制受限的数学模型,设计了扩张高增益观测器。基于估计值,实现了有限时间收敛制导律和PWPF调节器。仿真结果表明,观测器可有效地估计视线角速率和目标加速度,基于估计值的复合制导律满足拦截精度要求。考虑拦截器质心偏移,在控制受限条件下,设计了两种鲁棒姿态控制律,并解决了滚转和偏航通道发动机共用问题。其一,针对解耦的三通道姿控模型,采用bang-bang线性滑模控制律,严格证明了有限时间收敛的充分条件。引入边界层去除了抖振,给出了三通道带死区的姿态控制律。仿真结果验证了控制律有限时间收敛条件,发动机分配方案满足要求。其二,应用backstepping方法设计了非线性姿态控制律,将非线性扰动观测器的估计值补偿到控制律中,提高了复合控制律的鲁棒性。PWM将控制律转换为发动机的开机时间。仿真结果验证了观测器和复合控制律的性能,PWM有良好的调制效果。考虑姿态控制和制导控制是密切相关的,针对临近空间两种典型目标,研究了拦截器制导控制方法。反X-51A,姿态控制采用了基于扰动观测器的非线性控制律,制导控制采用了基于线性扩张状态观测器的考虑发动机一阶动特性的组合制导律。反HTV-2,姿态控制采用了bang-bang线性滑模控制律,制导控制采用了基于扩张高增益观测器的有限时间收敛制导律和PWPF调节器。蒙特卡洛仿真中考虑了拦截器质心偏移、发动机推力偏心和导引头测量噪声。结果表明,提出的制导控制方案均可实现“直接碰撞杀伤”拦截目标。
邹永涛[9](2019)在《面向具有状态约束的刚性机械臂自适应神经网络控制》文中研究指明机械臂是工业上最常用的一类机器人。根据末端执行器是否与操作对象接触,可将机械臂的工作任务分为受限和非受限两种类型。受限机械臂的工作任务受到环境约束,需要对其位置、速度等边界进行限制。面向状态受限的机械臂控制器设计是现今机器人控制领域极具挑战和热点的研究课题。本文重点研究了具有全状态约束刚性机械臂的自适应神经网络控制问题。从模型是否精确已知和是否考虑外部扰动四种情况详细地讨论了受限机械臂系统的控制方案设计问题。首先根据机械臂位置和速度的实际约束条件,提出了一种新型的状态转换函数,巧妙地将受限的机械臂系统转换为新的不受限机械臂系统,然后对转换后的机械臂系统进行了控制方案设计,具体的工作内容概述如下:首先针对机械臂模型精确已知的情况,将后推法与动态面控制相结合,提出了全状态受限刚性机械臂的控制方案,不仅避免了传统后推法对虚拟控制器求导可能造成的计算量爆炸问题,而且在安全工作区间内实现了机械臂末端位置的跟踪控制;其次在机械臂模型未知的情况下,采用RBF神经网络技术,对系统的部分未知动态进行局部准确建模。为了解决控制器增益未知对系统稳定性分析造成的困难,本章应用了机械臂系统固有的结构特点,最终成功地实现了控制目标,取得了类似于机械臂模型精确已知时的控制效果;进一步地针对机械臂系统模型精确已知但是含有未知外部扰动的情况,在每个关节控制输入的前向通道设计了扰动观测器,并结合动态面控制技术提出了面向状态约束和外部干扰的机械臂系统控制方案。所提出的控制方案不仅有效地抑制了干扰对系统控制性能的影响,而且在不违背状态约束的前提下实现了机械臂系统的高精度跟踪控制;最后考虑了结构不确定项和外部扰动同时存在的情况下,全状态受限刚性机械臂基于扰动观测器的自适应神经网络控制方案。为了解决机械臂系统惯性矩阵未知,给扰动观测器的设计造成的困难,我们创新地提出了增广系统动态的方法,然后,结合动态面与神经网络控制,设计了具有状态约束和外部干扰的刚性机械臂系统的自适应神经网络控制方案。所述方案在不违背状态约束的前提实现了机械臂系统的高精度跟踪控制。
徐传忠[10](2012)在《非线性机器人的智能反演滑模控制研究》文中研究说明机器人是由机械本体、控制器、伺服驱动系统和检测传感器装置构成的,一种能仿人操作、可自动控制、重复编程、并能在三维空间完成各种作业的机电一体化设备。机器人的应用是潜力无限的,所有人类所从事的领域机器人基本都可以从事,从人们的日常生活、工农业生产到海洋探测、太空探测,机器人都发挥着越来越重要的作用。多关节机器人也称为机械臂、机械手,是指一端与基础固定的一系列具有空间运动能力的刚体的连接组合。根据其运动方式,多关节机器人是一个十分复杂的多输入多输出非线性系统,具有时变性、耦合性和非线性等动力学特征。其控制问题就是要使机器人的各关节或末端执行器位置能够以理想的动态品质跟踪给定的轨迹或稳定在指定的位置上。针对具有建模误差和不确定干扰的机器人控制,目前主要有:(1)PID控制;(2)自适应控制;(3)鲁棒控制;(4)变结构控制;(5)智能控制;(6)反演控制等等。本文主要研究了基于反演的滑模控制与模糊控制、神经网络控制相结合的控制方法,主要有以下研究成果。(1)针对具有建模误差和不确定干扰的机器人轨迹跟踪问题,分别研究了反演线性滑模控制、反演非线性终端滑模控制和反演准滑模控制,并利用李亚普诺夫稳定性定理证明了系统的稳定性。反演的线性滑模控制采用传统的线性滑模面,其缺点无法在有限时间内收敛到平衡点。反演非线性终端滑模控制采用非线性终端滑模面,使得系统状态在滑模面上能够在有限时间内到达平衡点零。反演准滑模控制是在反演滑模控制律的基础上将符号函数改为饱和函数,即变成准滑模控制律。最后通过仿真实验验证了上述控制方法的有效性。(2)将模糊控制、反演控制和滑模控制相结合,针对有建模误差和干扰的的多关节机器人轨迹跟踪控制问题,研究了全局PID模糊滑模控制、PID反演自适应模糊滑模控制、基于模糊补偿的反演滑模控制和反演非奇异终端模糊滑模控制,并利用李亚普诺夫稳定性定理证明了系统的稳定性。前两种控制方法利用自适应模糊控制器在线估计不确定性上界值,实现对建模误差和干扰的自动跟踪,削弱了抖振。模糊补偿的反演滑模控制通过设计模糊补偿器逼近建模误差和外界干扰,减弱干扰的影响,从而削弱控制器的抖动。反演非奇异终端模糊滑模控制采用非线性终端滑模面,克服了终端滑模面存在奇异点的缺点,基于反演方法设计控制系统,为了削弱抖振设计了模糊控制器对建模误差和干扰的自动跟踪。最后通过仿真实验验证了上述控制方法的有效性。(3)将反演控制、滑模控制和神经网络相结合,针对有建模误差和干扰的的多关节机器人轨迹跟踪控制问题,研究了RBF神经滑模控制、全局PID神经滑模控制、积分反演神经滑模控制、反演非奇异终端神经滑模控制和反演非奇异快速终端神经滑模控制,并基于Lyapunov理论证明了系统的稳定性。RBF神经滑模控制是将切换函数作为RBF神经网络的输入,利用RBF神经网络直接作为滑模控制器,实现多入多出的神经滑模控制。全局PID神经滑模控制设计了全局PID滑模面,用RBF神经网络调节滑模控制的切换增益,通过在线调整控制器参数,实现对建模误差和干扰的自动跟踪,从而消除了抖动。积分反演神经滑模控制采用了RBF网络在线估计不确定性上界值,并且设计了网络权值的自适应律。反演非奇异终端神经滑模控制采用非线性终端滑模面,设计了神经网络控制器在线估计不确定性上界值,削弱了抖动。为了进一步减少系统收敛时间,设计了反演非奇异快速终端神经滑模控制。最后通过仿真实验验证了上述控制方法的有效性。
二、基于动态逆模糊神经网络的准滑模控制(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于动态逆模糊神经网络的准滑模控制(论文提纲范文)
(1)永磁直线同步电机伺服系统智能二阶滑模控制(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景及意义 |
1.2 PMLSM伺服系统控制方法研究现状 |
1.3 滑模控制方法研究现状 |
1.4 课题主要研究内容 |
第2章 PMLSM伺服控制系统 |
2.1 PMLSM的基本结构和工作原理 |
2.1.1 PMLSM的基本结构 |
2.1.2 PMLSM的工作原理 |
2.2 PMLSM的数学模型 |
2.2.1 坐标变换 |
2.2.2 数学模型 |
2.3 PMLSM矢量控制系统 |
2.4 PMLSM伺服系统不确定性分析 |
2.5 本章小结 |
第3章 PMLSM二阶滑模控制 |
3.1 滑模控制 |
3.1.1 滑模控制基本原理 |
3.1.2 滑模控制的常用削抖方法 |
3.2 PMLSM滑模控制器设计 |
3.2.1 滑模控制器设计 |
3.2.2 滑模控制器稳定性分析 |
3.3 PMLSM二阶滑模控制器设计 |
3.3.1 二阶滑模控制器设计 |
3.3.2 二阶滑模控制器稳定性分析 |
3.3.3 二阶滑模控制器控制律设计 |
3.4 系统仿真分析 |
3.5 本章小结 |
第4章 PMLSM智能二阶滑模控制 |
4.1 径向基神经网络 |
4.1.1 径向基神经网络结构 |
4.1.2 径向基神经网络学习算法 |
4.2 递归径向基神经网络 |
4.2.1 递归径向基神经网络结构 |
4.2.2 递归径向基神经网络学习算法 |
4.3 动态递归径向基神经网络 |
4.3.1 动态递归径向基神经网络结构 |
4.3.2 动态递归径向基神经网络学习算法 |
4.4 鲁棒补偿器 |
4.5 PMLSM智能二阶滑模控制器设计 |
4.5.1 智能二阶滑模控制器设计 |
4.5.2 基于鲁棒补偿器的智能二阶滑模控制器设计 |
4.5.3 智能二阶滑模控制器稳定性分析 |
4.6 系统仿真分析 |
4.7 本章小结 |
第5章 结论 |
参考文献 |
在学研究成果 |
致谢 |
(2)不确定并联机构时空伸缩同步串级滑模控制研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 选题背景及意义 |
1.2 汽车电泳涂装输送机构应用概述 |
1.3 并联机构应用与研究概述 |
1.3.1 并联机构应用 |
1.3.2 并联机构运动学分析 |
1.3.3 并联机构动力学分析 |
1.3.4 并联机构控制方法 |
1.4 并联机构问题分析及研究现状 |
1.4.1 并联机构的不确定性问题研究 |
1.4.2 并联机构的同步协调性问题研究 |
1.5 论文研究内容及组织结构 |
第二章 并联机构运动学与动力学分析 |
2.1 引言 |
2.2 运动学分析 |
2.3 同步目标分析 |
2.4 动力学分析 |
2.4.1 动力学分析 |
2.4.2 并联机构积分器串联型动力学模型 |
2.4.3 仿真分析 |
2.5 本章小结 |
第三章 不确定并联机构结合扩张状态观测器的时空伸缩同步滑模控制方法 |
3.1 引言 |
3.2 不确定并联机构结合扩张状态观测器的滑模控制方法 |
3.2.1 不确定并联机构基于扩张状态观测器的扰动估计 |
3.2.2 不确定并联机构结合扩张状态观测器的滑模控制方法 |
3.2.3 稳定性分析 |
3.2.4 不确定并联机构结合扩张状态观测器的滑模控制带宽参数化方法 |
3.2.5 仿真实验与分析 |
3.3 不确定并联机构结合扩张状态观测器的时空伸缩同步滑模控制方法 |
3.3.1 交叉耦合同步误差与拉普拉斯矩阵 |
3.3.2 复合误差与时空伸缩同步控制 |
3.3.3 时空伸缩同步控制目标的可实现性 |
3.3.4 不确定并联机构结合扩张状态观测器的时空伸缩同步滑模控制方法 |
3.3.5 仿真实验与分析 |
3.4 本章小结 |
第四章 不确定并联机构时空伸缩同步串级滑模控制方法 |
4.1 引言 |
4.2 不确定并联机构串级滑模控制方法 |
4.2.1 针对积分器串联型系统的滑模控制一般形式及其抖振的削弱 |
4.2.2 不确定并联机构串级滑模控制方法 |
4.2.3 稳定性分析 |
4.2.4 不确定并联机构串级滑模控制带宽参数化方法 |
4.2.5 仿真实验与分析 |
4.3 不确定并联机构时空伸缩同步串级滑模控制方法 |
4.3.1 不确定并联机构时空伸缩同步串级滑模控制方法 |
4.3.2 仿真实验与分析 |
4.4 本章小结 |
第五章 不确定并联机构基于扩张状态观测器的时空伸缩同步串级滑模控制方法 |
5.1 引言 |
5.2 不确定并联机构基于扩张状态观测器的串级滑模控制方法 |
5.2.1 不确定并联机构基于扩张状态观测器的串级滑模控制方法 |
5.2.2 仿真实验与分析 |
5.3 不确定并联机构基于扩张状态观测器的时空伸缩同步串级滑模控制方法 |
5.3.1 不确定并联机构基于扩张状态观测器的时空伸缩同步串级滑模控制方法 |
5.3.2 仿真实验与分析 |
5.4 本章小结 |
第六章 不确定并联机构时空伸缩同步串级滑模控制方法实验研究 |
6.1 引言 |
6.2 汽车电泳涂装输送并联机构样机系统 |
6.3 控制系统软件设计 |
6.3.1 应用层软件环境 |
6.3.2 控制层自定义算法 |
6.4 基于样机系统的并联机构时空伸缩同步串级滑模控制方法实验研究 |
6.4.1 实验方案 |
6.4.2 实验结果与分析 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 全文总结 |
7.2 研究展望 |
参考文献 |
致谢 |
攻读博士学位期间发表的论文成果 |
(3)智能动物医疗监护设备的研究与开发(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第—章 绪论 |
1.1 研究意义 |
1.2 研究历史与现状 |
1.2.1 智能动物医疗监护设备的特点分析 |
1.2.2 解耦控制方法的研究历史与现状 |
1.2.3 温湿度控制方法的研究历史与现状 |
1.3 设备功能要求与性能指标 |
1.4 论文主要内容与安排 |
第二章 系统分析与建模 |
2.1 系统分析 |
2.2 温湿度建模 |
2.2.1 温度模型 |
2.2.2 湿度模型 |
2.3 仿真模型的搭建及验证 |
2.3.1 仿真模型的搭建 |
2.3.2 实验结果及分析 |
2.4 本章小结 |
第三章 分散式神经网络前馈补偿解耦控制 |
3.1 解耦控制基础 |
3.2 前馈补偿解耦 |
3.3 神经网络基础 |
3.3.1 神经元模型 |
3.3.2 多层神经网络 |
3.3.3 误差逆传播 |
3.3.4 避免局部最优 |
3.4 分散式神经网络前馈补偿解耦 |
3.4.1 基本原理 |
3.4.2 训练过程 |
3.5 仿真及结果分析 |
3.5.1 解耦效果仿真 |
3.5.2 控制效果仿真 |
3.6 本章小结 |
第四章 基于模糊控制的PID控制优化 |
4.1 PID控制 |
4.2 模糊控制 |
4.2.1 模糊控制的思想 |
4.2.2 模糊控制器的结构 |
4.2.3 模糊集合与隶属度函数 |
4.2.4 模糊控制规则和模糊推理 |
4.2.5 模糊化和去模糊化 |
4.2.6 量化因子和比例因子 |
4.3 模糊PID控制器的结构与设计 |
4.3.1 模糊PID控制器的结构 |
4.3.2 模糊PID控制器的设计 |
4.4 仿真对比实验及结果分析 |
4.4.1 仿真实验的环境搭建 |
4.4.2 实验结果与分析 |
4.5 本章小结 |
第五章 智能动物医疗监护设备的工程设计及实现 |
5.1 系统总体设计方案 |
5.2 硬件设计 |
5.2.1 处理器选型 |
5.2.2 电源模块 |
5.2.3 串行通信接口模块 |
5.2.4 控制输出模块 |
5.2.5 传感器采集模块 |
5.2.6 其它模块 |
5.3 程序设计 |
5.4 人机界面设计 |
5.4.1 人机界面开发流程 |
5.4.2 人机界面效果展示 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
作者简介 |
(4)基于滑模控制的龙门式高精密运动平台的同步控制系统设计(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究背景和意义 |
1.2 龙门式运动平台研究现状与发展趋势 |
1.2.1 龙门平台国内外发展现状 |
1.2.2 智能控制方法在龙门平台中的研究现状 |
1.3 龙门式运动平台同步控制的研究 |
1.3.1 .影响同步控制的扰动 |
1.3.2 同步控制结构的研究 |
1.4 本文主要研究内容 |
第二章 龙门运动平台数学模型建立 |
2.1 永磁同步直线电机模型搭建 |
2.1.1 永磁同步直线电机的工作原理 |
2.1.2 永磁同步直线电机的数学模型 |
2.1.3 永磁同步直线电机的控制方法 |
2.2 龙门式运动平台模型搭建 |
2.2.1 龙门式运动平台的组成 |
2.2.2 龙门式运动平台的工作原理 |
2.2.3 龙门式运动平台的数学模型 |
2.2.4 平台模型仿真与分析 |
2.3 本章小结 |
第三章 基于扰动观测器的反演终端滑模控制 |
3.1 反演终端滑模控制算法的提出 |
3.1.1 滑模变结构控制原理 |
3.1.2 滑模变结构控制的抖振现象 |
3.1.3 削弱抖振的方法 |
3.1.4 反演控制原理 |
3.2 龙门平台的ABTSMC设计 |
3.2.1 ABTSMC设计 |
3.2.2 仿真与结果分析 |
3.3 基于扰动观测器的ABTSMC设计 |
3.3.1 ABTSMC改进 |
3.3.2 扰动观测器 |
3.3.3 非线性扰动观测器的设计 |
3.3.4 仿真与结果分析 |
3.4 本章小结 |
第四章 龙门式平台自适应模糊滑模同步控制 |
4.1 改进型交叉耦合控制器设计 |
4.1.1 滑模同步控制器 |
4.1.2 仿真与结果分析 |
4.2 自适应模糊滑模同步控制器设计 |
4.2.1 模糊滑模控制理论 |
4.2.2 自适应模糊滑模控制原理 |
4.2.3 AFSMC设计 |
4.2.4 仿真与结果分析 |
4.3 本章小结 |
结论与展望 |
1 总结 |
2 展望 |
参考文献 |
在学研究成果 |
致谢 |
(5)弹丸协调臂的电液伺服控制研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题背景与意义 |
1.2 研究现状与发展趋势 |
1.2.1 大口径火炮自动装填系统 |
1.2.2 相关控制理论与应用 |
1.3 本文主要研究内容 |
2 弹丸协调臂系统的总体分析和动力学建模 |
2.1 引言 |
2.2 自动装填系统简介 |
2.2.1 自动装填系统基本组成 |
2.2.2 自动装填系统工作流程 |
2.3 弹丸协调臂实验平台系统介绍 |
2.3.1 弹丸协调臂实验平台基本组成 |
2.3.2 弹丸协调臂实验平台工作流程和需求分析 |
2.4 弹丸协调臂实验平台动力学分析 |
2.4.1 弹丸协调臂机械系统基本方程 |
2.4.2 弹丸协调臂电液系统基本方程 |
2.4.3 弹丸协调臂实验平台动力学方程 |
2.5 本章小结 |
3 弹丸协调臂模型校验及联合仿真平台搭建 |
3.1 引言 |
3.2 弹丸协调臂AMESim模型建立及模型校验 |
3.2.1 弹丸协调臂AMESim模型的建立 |
3.2.2 基于Isight的模型关键参数优化 |
3.2.3 优化结果与分析 |
3.3 联合仿真平台搭建和PID控制 |
3.3.1 基于MATLAB和 AMESim联合仿真平台搭建 |
3.3.2 弹丸协调臂仿真平台的PID控制 |
3.4 本章小结 |
4 控制器设计与仿真分析 |
4.1 引言 |
4.2 弹丸协调臂自适应滑模控制 |
4.2.1 自适应滑模控制器设计 |
4.2.2 自适应滑模控制器联合仿真平台搭建 |
4.2.3 仿真结果及分析 |
4.3 基于RBF神经网络的弹丸协调臂自适应滑模控制 |
4.3.1 基于RBF神经网络的自适应滑模控制器设计 |
4.3.2 基于RBF神经网络的自适应滑模控制器联合仿真平台搭建 |
4.3.3 仿真结果及分析 |
4.4 基于差分进化算法优化的RBF神经网络自适应滑模控制 |
4.4.1 差分进化算法的原理和应用 |
4.4.2 差分进化算法的优化结果 |
4.4.3 仿真结果及分析 |
4.5 本章小结 |
5 实验验证与分析 |
5.1 引言 |
5.2 弹丸协调臂实验平台搭建 |
5.3 实验结果及分析 |
5.3.1 PID控制结果分析 |
5.3.2 RBF-ASMC控制结果分析 |
5.3.3 实验结果总结 |
5.4 本章小结 |
6 总结与展望 |
6.1 全文工作总结 |
6.2 论文不足与展望 |
致谢 |
参考文献 |
附录 |
(6)基于滑模控制的异步电动机矢量控制系统的研究(论文提纲范文)
摘要 |
abstract |
变量注释表 |
1 绪论 |
1.1 论文研究的背景及意义 |
1.2 国内外研究现状 |
1.3 本文主要工作及创新点 |
2 异步电动机矢量控制系统 |
2.1 引言 |
2.2 异步电动机的数学模型及坐标变换 |
2.3 异步电动机矢量控制系统 |
2.4 两电平空间矢量脉宽调制技术 |
2.5 异步电动机矢量控制系统的仿真 |
2.6 本章小结 |
3 异步电动机速度控制器的研究 |
3.1 引言 |
3.2 滑模控制的理论基础 |
3.3 快速双幂次模糊滑模速度控制器的设计 |
3.4 仿真分析 |
3.5 本章小结 |
4 异步电动机观测器的研究 |
4.1 引言 |
4.2 传统滑模观测器的缺陷分析 |
4.3 高阶非奇异终端准滑模观测器的设计 |
4.4 仿真分析 |
4.5 本章小结 |
5 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
作者简历 |
致谢 |
学位论文数据集 |
(7)智能车辆的车道保持与换道协同控制研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究的背景和意义 |
1.2 国内外在该方向的研究现状及分析 |
1.2.1 智能汽车发展 |
1.2.2 车道保持控制理论的研究现状 |
1.2.3 车辆换道的国内外研究现状 |
1.2.4 车道保持及换道协同控制研究现状 |
1.3 本文主要研究内容 |
第2章 车辆车道保持控制 |
2.1 车辆横向动力学模型 |
2.1.1 车辆横向受力分析 |
2.1.2 车辆横向模型及简化 |
2.1.3 车道保持控制模型 |
2.2 滑模变结构控制方法 |
2.2.1 滑模变结构控制基本原理 |
2.2.2 滑模面设计 |
2.2.3 趋近律设计 |
2.2.4 滑模可达条件 |
2.3 车道保持控制律设计 |
2.4 稳定性分析 |
2.5 车道保持仿真 |
2.6 本章小结 |
第3章 车辆自动换道控制 |
3.1 车辆自动换道动力学模型 |
3.2 设计换道期望的侧向加速度率 |
3.3 换道控制律设计 |
3.4 稳定性分析 |
3.5 换道仿真研究 |
3.6 本章小结 |
第4章 考虑交通车辆运动不确定性的轨迹预测 |
4.1 车辆稳态转向模型及验证 |
4.2 车辆轨迹预测 |
4.3 交通车辆的概率性轨迹预估 |
4.4 轨迹决策 |
4.5 本章小结 |
第5章 车道保持及换道协同控制 |
5.1 基于控制量连续切换的车道保持和换道协同控制器 |
5.1.1 未加入过渡式协同控制器的控制 |
5.1.2 过渡式协同控制器的设计及仿真验证 |
5.2 基于预测轨迹的协同控制器 |
5.2.1 四轮转向协同控制器的控制律设计及仿真研究 |
5.2.2 前轮转向的协同控制律设计及仿真研究 |
5.3 控制方式综合分析 |
5.4 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表的论文及其它成果 |
致谢 |
(8)临近空间拦截器开关制导控制方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题背景及研究的目的和意义 |
1.1.1 课题背景 |
1.1.2 研究的目的和意义 |
1.2 制导控制方法研究现状 |
1.2.1 姿态控制方法研究现状 |
1.2.2 制导方法研究现状 |
1.2.3 估计方法研究现状 |
1.3 带约束的制导律国内外研究现状 |
1.3.1 在控制受限下制导律国内外研究现状 |
1.3.2 有限时间收敛制导律国内外研究现状 |
1.3.3 有动态延迟的制导律国内外研究现状 |
1.3.4 带扩张观测器制导律国内外研究现状 |
1.4 本文的主要研究内容 |
第2章 控制受限的有限时间收敛制导律 |
2.1 引言 |
2.2 基础知识 |
2.2.1 常用坐标系 |
2.2.2 常用坐标系的转换 |
2.2.3 拦截器直接侧向力描述 |
2.2.4 拦截中的运动方程 |
2.3 目标-拦截器相对运动数学描述 |
2.3.1 二维平面制导方程 |
2.3.2 三维空间制导方程 |
2.3.3 空间和平面制导模型的关系 |
2.4 有限时间控制理论 |
2.5 控制受限的有限时间滞环制导律 |
2.5.1 平面有限时间稳定条件 |
2.5.2 三维有限时间稳定条件 |
2.5.3 滞环制导律设计 |
2.5.4 仿真分析 |
2.6 控制受限的有限时间收敛PWPF调制制导律 |
2.6.1 PWPF调节器介绍 |
2.6.2 有限时间稳定制导律 |
2.6.3 变开启门限PWPF调节器 |
2.6.4 仿真分析 |
2.7 本章小结 |
第3章 考虑发动机动特性的制导律 |
3.1 引言 |
3.2 考虑一阶动特性的非奇异滑模制导律 |
3.2.1 考虑一阶动特性的制导方程 |
3.2.2 非奇异滑模制导律有限时间收敛条件 |
3.2.3 滞环非奇异滑模制导律 |
3.2.4 仿真分析 |
3.3 考虑一阶动特性的线性滑模制导律 |
3.3.1 考虑一阶动特性的制导模型 |
3.3.2 线性滑模制导律有限时间收敛条件 |
3.3.3 滞环线性滑模制导律 |
3.3.4 仿真分析 |
3.4 考虑二阶动特性的滑模制导律 |
3.4.1 考虑二阶动特性的制导方程 |
3.4.2 滑模制导律有限时间收敛条件 |
3.4.3 滞环滑模制导律 |
3.4.4 仿真分析 |
3.5 本章小结 |
第4章 基于扩张状态观测器的制导律 |
4.1 引言 |
4.2 数学模型 |
4.3 基于LESO的滞环非奇异滑模制导律 |
4.3.1 线性扩张状态观测器 |
4.3.2 基于LESO的制导律有限时间收敛条件 |
4.3.3 基于LESO的滞环非奇异滑模制导律 |
4.3.4 仿真分析 |
4.4 基于扩张HGO的 PWPF调制制导律 |
4.4.1 扩张高增益观测器 |
4.4.2 基于扩张HGO的有限时间制导律 |
4.4.3 基于扩张HGO的变开启门限PWPF调节器 |
4.4.4 仿真分析 |
4.5 本章小结 |
第5章 控制受限的鲁棒控制律 |
5.1 引言 |
5.2 控制受限的有限时间收敛滑模控制律 |
5.2.1 解耦的姿态运动模型 |
5.2.2 有限时间收敛滑模控制律 |
5.2.3 姿态控制发动机分配 |
5.2.4 仿真分析 |
5.3 基于扰动观测器的非线性姿态控制律和PWM |
5.3.1 跟踪误差的姿态运动模型 |
5.3.2 非线性姿态控制律 |
5.3.3 非线性扰动观测器 |
5.3.4 PWM设计 |
5.3.5 仿真分析 |
5.4 本章小结 |
第6章 临近空间拦截器制导控制系统仿真 |
6.1 引言 |
6.2 拦截器参数与性能指标 |
6.3 反临近空间X-51A |
6.4 反临近空间HTV-2 |
6.5 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
致谢 |
个人简历 |
(9)面向具有状态约束的刚性机械臂自适应神经网络控制(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 机械臂发展概述 |
1.3 机械臂控制的研究现状 |
1.3.1 基于反馈线性化的控制 |
1.3.2 滑模变结构控制 |
1.3.3 自适应控制 |
1.3.4 自适应神经网络控制 |
1.4 受限机械臂控制的研究现状 |
1.5 本文的主要工作 |
第二章 基于模型精确已知的全状态受限刚性机械臂控制 |
2.1 问题描述 |
2.2 系统转换 |
2.3 全状态受限刚性机械臂的控制方案设计 |
2.3.1 控制器设计 |
2.3.2 稳定性分析 |
2.4 仿真研究 |
2.5 本章小结 |
第三章 全状态受限刚性机械臂的自适应神经网络控制 |
3.1 问题描述 |
3.2 RBF神经网络及其万能逼近特性 |
3.3 全状态受限刚性机械臂的自适应神经网络控制 |
3.3.1 控制器设计 |
3.3.2 稳定性分析 |
3.4 仿真研究 |
3.5 本章小结 |
第四章 基于扰动观测器的全状态受限刚性机械臂控制 |
4.1 问题描述 |
4.2 系统转换 |
4.3 基于扰动观测器的控制方案 |
4.3.1 扰动观测器设计 |
4.3.2 控制器设计 |
4.3.3 稳定性分析 |
4.4 仿真研究 |
4.5 本章小结 |
第五章 基于扰动观测器的全状态受限刚性机械臂的自适应神经网络控制 |
5.1 问题描述 |
5.2 系统转换 |
5.3 基于扰动观测器的自适应神经网络控制 |
5.3.1 增广系统动态 |
5.3.2 控制器设计 |
5.3.3 稳定性分析 |
5.4 仿真研究 |
5.5 本章小结 |
第六章 结论与展望 |
6.1 论文主要工作与创新点 |
6.2 工作展望 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
附件 |
(10)非线性机器人的智能反演滑模控制研究(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 课题的背景与研究意义 |
1.2 国内外研究概况 |
1.3 论文的主要工作 |
1.4 论文的组织 |
第2章 非线性机器人系统 |
2.1 机器人运动学 |
2.1.1 机器人坐标系变换 |
2.1.2 绕任意轴转动的旋转矩阵 |
2.1.3 齐次坐标变换 |
2.1.4 运动学正向问题 |
2.1.5 运动学逆向问题 |
2.1.6 机器人的雅可比矩阵 |
2.2 机器人动力学模型 |
2.2.1 拉格朗日方程 |
2.2.2 多关节机器人动力学模型 |
2.2.3 包括电机动态的机械臂动态模型 |
2.3 本章小结 |
第3章 多关节机器人的反演滑模变结构控制 |
3.1 滑模变结构的一般特性 |
3.1.1 滑模控制基本原理 |
3.1.2 一般滑模控制的定义 |
3.1.3 滑动模态的到达条件 |
3.1.4 滑动模的不变性 |
3.2 抖动问题及其削弱 |
3.2.1 抖动产生的原因 |
3.2.2 削弱抖动的方法 |
3.3 反演控制基本理论 |
3.4 线性滑模面的反演滑模控制 |
3.4.1 反演滑模控制器设计 |
3.4.2 稳定性分析 |
3.4.3 仿真实验 |
3.5 非线性终端滑模面的反演滑模控制 |
3.5.1 快速终端反演滑模控制 |
3.5.2 全局快速终端反演滑模控制 |
3.6 反演准滑模控制 |
3.6.1 反演准滑模控制器设计 |
3.6.2 仿真实验 |
3.7 机器人的动态反演滑模控制 |
3.7.1 动态反演滑模控制器设计 |
3.7.2 稳定性分析 |
3.8 本章小结 |
第4章 多关节机器人的反演模糊滑模控制 |
4.1 模糊控制基本理论 |
4.1.1 模糊控制器的组成 |
4.1.2 模糊控制器的数学描述 |
4.2 模糊滑模控制理论 |
4.3 非线性机器人模糊滑模控制 |
4.4 PID全局模糊滑模控制 |
4.4.1 PID全局模糊滑模控制器设计 |
4.4.2 模糊参数自适应调节 |
4.4.3 仿真实验 |
4.5 PID反演自适应模糊滑模控制 |
4.5.1 PID 反演滑模控制 |
4.5.2 自适应模糊控制 |
4.5.3 稳定性分析 |
4.5.4 仿真实验 |
4.6 基于模糊补偿的反演滑模控制 |
4.6.1 反演滑模控制器设计 |
4.6.2 模糊补偿器 |
4.6.3 稳定性分析 |
4.6.4 仿真实验 |
4.7 反演非奇异终端模糊滑模控制 |
4.7.1 反演非奇异终端模糊滑模控制器设计 |
4.7.2 稳定性分析 |
4.7.3 仿真实验 |
4.8 三种控制方法的比较 |
4.9 本章小结 |
第5章 多关节机器人的反演神经滑模控制 |
5.1 神经网络理论 |
5.1.1 神经网络发展概况 |
5.1.2 神经元模型 |
5.1.3 神经元常用的基函数与激励函数 |
5.1.4 神经元学习算法 |
5.1.5 神经网络的典型结构 |
5.2 神经滑模变结构控制 |
5.3 RBF神经滑模控制 |
5.3.1 RBF 神经网络 |
5.3.2 RBF 神经滑模控制器设计 |
5.3.3 仿真实验 |
5.4 PID全局神经滑模控制 |
5.4.1 PID全局滑模控制器设计 |
5.4.2 RBF神经网络的增益调节 |
5.4.3 仿真实验 |
5.5 积分反演神经滑模控制 |
5.5.1 积分反演神经滑模控制器设计 |
5.5.2 稳定性分析 |
5.5.3 仿真实验 |
5.6 反演非奇异终端神经滑模控制 |
5.6.1 反演非奇异终端神经滑模控制器设计 |
5.6.2 稳定性分析 |
5.6.3 仿真实验 |
5.7 反演非奇异快速终端神经滑模控制 |
5.7.1 反演非奇异快速终端神经滑模控制器设计 |
5.7.2 仿真分析 |
5.8 三种控制方法的比较 |
5.9 本章小结 |
第6章 总结与展望 |
参考文献 |
致谢 |
个人简历、在学期间发表的学术论文与研究成果 |
四、基于动态逆模糊神经网络的准滑模控制(论文参考文献)
- [1]永磁直线同步电机伺服系统智能二阶滑模控制[D]. 王天鹤. 沈阳工业大学, 2021
- [2]不确定并联机构时空伸缩同步串级滑模控制研究[D]. 姚苏华. 江苏大学, 2020
- [3]智能动物医疗监护设备的研究与开发[D]. 郭振嘉. 西安电子科技大学, 2020(05)
- [4]基于滑模控制的龙门式高精密运动平台的同步控制系统设计[D]. 黎炜天. 广东工业大学, 2020(07)
- [5]弹丸协调臂的电液伺服控制研究[D]. 骆继发. 南京理工大学, 2020(01)
- [6]基于滑模控制的异步电动机矢量控制系统的研究[D]. 高阳. 山东科技大学, 2019(05)
- [7]智能车辆的车道保持与换道协同控制研究[D]. 张勇. 哈尔滨工业大学, 2019(01)
- [8]临近空间拦截器开关制导控制方法研究[D]. 段美君. 哈尔滨工业大学, 2019(02)
- [9]面向具有状态约束的刚性机械臂自适应神经网络控制[D]. 邹永涛. 华南理工大学, 2019(01)
- [10]非线性机器人的智能反演滑模控制研究[D]. 徐传忠. 华侨大学, 2012(06)