不确定非线性系统的鲁棒滑模控制方法_百度百科
清除历史记录关闭
声明：百科词条人人可编辑，词条创建和修改均免费，绝不存在官方及代理商付费代编，请勿上当受骗。
不确定非线性系统的鲁棒滑模控制方法
本词条缺少名片图，补充相关内容使词条更完整，还能快速升级，赶紧来吧！
在控制领域的研究中，非线性系统的控制问题一直是国内外学者研究的热点。〖JP2〗滑模控制由于其特有的变结构特性，在解决非线性系统的控制问题中具有一定的优越性。本书以非线性系统滑模控制为研究对象，通过线性矩阵不等式技术、Backstepping方法、自适应控制方法、Lyapunov-Krasovskii泛函等研究工具，对混沌系统的有限时间同步问题、中立系统的控制问题、非线性系统的滑模控制、非仿射系统的控制问题和离散系统的滑模控制问题进行了较为深入的阐述。本书适合从事非线性控制理论的研究人员使用和参考，也可作为相关院校控制科学与工程专业教师和研究生的参考书。[1]
书名不确定非线性系统的鲁棒滑模控制方法
书号978-7-118-09547-0
作者李杨、吴学礼、张建华
出版时间2014年6月
版次1版1次
中图分类TP273
不确定非线性系统的鲁棒滑模控制方法目录
第1章绪论1　　1.1研究的背景及意义1　　1.2非线性控制2　　1.2.1不确定混沌系统有限时间同步控制4　　1.2.2带有非线性扰动的不确定中立系统鲁棒滑模控制5　　1.2.3非仿射非线性系统神经网络滑模控制5　　1.2.4不确定离散非线性系统滑模控制7　　第2章不确定混沌系统有限时间同步9　　2.1不确定一致混沌系统有限时间同步9　　2.1.1系统描述和预备知识9　　2.1.2有限时间鲁棒反馈控制11　　2.1.3仿真研究13　　2.2未知参数不确定混沌系统有限时间同步19　　2.2.1系统描述和预备知识19　　2.2.2自适应滑模控制20　　2.2.3仿真研究26　　2.3本章小结34　　第3章不确定非线性中立系统鲁棒滑模控制35　　3.1不确定非线性中立系统稳定性分析35　　3.1.1系统描述和预备知识35　　3.1.2稳定性分析36　　3.1.3仿真研究40[1]
3.2不确定非线性中立系统鲁棒滑模控制41　　3.2.1系统描述和预备知识41　　3.2.2鲁棒滑模控制42　　3.2.3仿真研究48　　3.3本章小结50　　第4章非仿射非线性系统神经网络滑模控制51　　4.1不确定时变时滞细胞神经网络稳定性分析51　　4.1.1系统描述和预备知识51　　4.1.2稳定性分析53　　4.1.3仿真研究60　　4.2非仿射非线性系统神经网络自适应滑模控制63　　4.2.1系统描述和预备知识63　　4.2.2神经网络自适应滑模控制66　　4.2.3仿真研究69
4.3非仿射非线性时滞系统神经网络自适应滑模控制73　　4.3.1概述73　　4.3.2系统描述和预备知识73　　4.3.3神经网络自适应滑模控制76　　4.3.4仿真研究85　　4.4本章小结89　　第5章不确定离散非线性系统滑模控制90　　5.1带有匹配扰动的离散非线性系统滑模控制90　　5.1.1系统描述和预备知识90　　5.1.2滑模控制90　　5.1.3仿真研究94　　5.2不确定时变时滞离散非线性切换系统滑模控制99　　5.2.1系统描述和预备知识99　　5.2.2稳定性分析102　　5.2.3鲁棒滑模控制106　　5.2.4仿真研究108　　5.3本章小结110　　结论111　　参考文献112&[1]
．国防工业出版社[引用日期]
清除历史记录关闭上传用户：cbowpojvau文档下载 ：『』&&『』『』所属分类：机构：重庆大学机械传动国家重点实验室基金：国家自然科学基金资助重点项目();国家自然科学基金资助项目(05191)分类号：TP242.6文献出处：关 键 词 ：&&&&&权力声明：若本站收录的文献无意侵犯了您的著作版权，请点击。摘要：结合非线性、强耦合的机器人动力学模型,提出了采用3个模糊RBF神经网络对机器人中的不确定项——LuGre动态摩擦进行分块补偿的机器人数字鲁棒滑模控制算法,在线自适应训练非线性动态摩擦项的参数,并分析了该算法的Lyapunov稳定性。通过在二自由度机器人上的仿真,证明了该算法具有高精度、高可靠性、高品质、稳定、强鲁棒性等特点。同时发现了该机器人的摩擦模型中存在类菱形吸引子等非线性动力学现象。Abstract：According to the nonlinear and strong coupling dynamic model of the robot, the three fuzzy RBF neural network for robot uncertainties, LuGre dynamic friction are divided into block compensation digital robot robust sliding mode control algorithm, on-line adaptive training nonlinear dynamic friction parameters, and analyzes the Lyapunov stability of the algorithm. Based on the simulation of two degree of freedom robot, it is proved that the algorithm has high precision, high reliability, high quality, stability, robustness and so on. At the same time, it is found that the nonlinear dynamic phenomena such as the class of the diamond like attractors exist in the friction model of the robot.正文快照：0引言随着非线性、强耦合、多输入多输出机器人,数控机床,以及动力传动系统等精密机械系统对定位精度要求的不断提高,因摩擦的存在而引发的跟踪误差(特别是低速的情况下)、黏滑运动以及极限环振荡等非线性现象,对系统控制性能的影响越来越大。特别是对于一些重载的机器人[1],分享到：相关文献|文档分类：
下载后只包含 1 个 PDF 格式的文档，没有任何的图纸或源代码，
下载前请先预览，预览内容跟原文是一样的，在线预览图片经过高度压缩，下载原文更清晰。
您的浏览器不支持进度条
下载文档到电脑，查找使用更方便
还剩?页未读，继续阅读
播放器加载中，请稍候...
该用户其他文档
下载所得到的文件列表基于反步与阻尼法的机械臂光滑鲁棒控制器设计与仿真.pdf
文档介绍：
2 2 2 Ζ 1 1 1
第 10卷第 13期 2010年 5月科学技术与工程 Vol 10 No 13 May 2010
(0 06 Science Technology and Engineering 2010 Sci Tech Engng
基于反步与阻尼法的机械臂光滑
鲁棒控制器设计与仿真
(华南理工大学自动化科学与工程学院,广州 510641)
摘要为了抵消动力学不确定性,摩擦力和干扰的影响,目前机器人类系统的鲁棒控制器大多使用了滑模控制,而且很多
都未论述滑模控制的颤振问题,仿真也是在理想化的切换情况下获得,并不能准确反应实际的物理系统效果。而且在物理实
现时,使用滑模控制需要切换装置,频繁切换对装置的性能要求较高。现以典型的机器人类系统机械臂为例,使用反步控制
结合自适应神经网络和非线性阻尼技术,给出了一种光滑的鲁棒自适应控制器来跟踪给定参考轨迹,避免了控制器的切换。
仿真结果验证了该方法具有很好的控制性能及鲁棒性,并且同一般的控制器做了性能比较。最重要的是得到了光滑的鲁棒
控制电机电压。
关键词机械臂反步法阻尼法鲁棒控制计算机仿真
中图法分类号 TP273. 5; 文献标志码 A
在机械臂的诸多控制方法中,主要有这样几种结合的角度系统地研究了机器人系统的神经网路
典型方法: P ID控制[ 1 ] ,鲁棒控制[ 2 ] ,自适应控制[ 3 ] 。稳定自适应控制理论与方法,提出了扇区神经变结
其中 P ID控制由于实现简单,所以实际应用也最广, 构控制的设计思想。文献[ 5 ]中作者将变结构原理
但是动态性能不好,鲁棒性也会随着控制对象的自引入网络控制器的鲁棒性设计,该类控制器可自动
由度的增加而降低; 鲁棒控制,自适应控制尽管能补偿由于不精确学习或系统参数变化而引起的动
获得较好的动态性能,但是需要机械臂数学模型方态特性不足,降低了与网络学习精度相关的学习次
面的先验知识,鲁棒控制需要事先知道不确定的范数。然而这些方法都未考虑驱动器的动力学,如文
围,自适应控制要求知道机械臂的动力学结构形献[ 6 ]指出,忽视驱动器动力学可能影响实际的控
式。而这些条件在实际的机械臂操作过程中难以制性能。文献[ 7 ]考虑了电机驱动的机械臂鲁棒控
满足,因为机械臂常常伴随着不完全信息和不精确制问题,但是和上述方法相同,鲁棒控制中使用了
开关信号而且设计过程比较复杂对于颤振问题
参数,比如负载的变化导致的动力学变化。这些基, ,
于模型的方法往往对复杂环境下的机械臂操作不也未考虑。
本文中通过将反步控制同自适应神经网络和
适用,不能保证系统的稳定性,动态性能以及鲁棒
阻尼方法结合[ 8 ] 设计了一个光滑的鲁棒自适应控
性。神经网络由于其良好的学习能力和并行分布,
制器,其中神经网络和阻尼项分别用于逼近未知动
式的结构,成了机械臂研究中的一个重要方向,相
力学和抵消不确定的影响,通过该方法能够保证系
比前面的方法,整个控制过程不需要系统的数学模
统的稳定性和良好的动态特性及鲁棒性。该控制
型。目前已有很多鲁棒自适应神经网络控制方法,
方法设计过程程式化,清晰明了,可被用于一大类,
如孙富春[ 4 ] 等从神经网络自适应控制与变结构相
如结构的参数未知机器人类系统,而无须进行复杂
的控制器重新设计过程可被视为能够广泛重新使
2010年 1月 23日收到,
作者简介:顾武军(1982—) ,男,渐江省仙居且人,硕士,研究方向: 用的控制器。
机器人的智能学习控制。
ÛÛ Û Û
Û Û
Û Û
Û Û Û Û
Û Û
Û Û
Û Û
Û Û
Û Û
13期顾武军:基于反步与阻尼法的机械臂光滑鲁棒控制器设计与仿真 3111
1, ?, N ) 是状态空间的不同点称作中心点。
1 问题描述及基础知识设计控制器之前我们先做如下几个假设:
假设 1: 惯性矩阵的导数有界,即存在 km 使得
一个 n关节机械臂动力学模型如下: ‖M ‖≤ km 。
M ( q) q¨ +Vm ( q, q) q +G ( q) + F ( q) + TL = KT I; 假设 2: 摩擦力项 F ( q) 为连续函数,从而可用
L I + R ( I, q) + TE = U E (1) 神经网络逼近。
式(1)中 q, q, q¨ ∈ R 分别表示关节位置,速度和加假设 3: 动力学不确定性有界,即存在φ1 ,φ2 &
n × n
速度, M ( q) ∈ R 是惯性矩阵并且对称正定有界, 0使得‖TL ‖≤φ1 , ‖TE ‖≤φ2 。
Vm ( q, q) ∈ R 表示向心力矩阵, G ( q) ∈ R 是重力
矩向量, F ( q) ∈ R 表示摩擦力项, TL 表示有界的 2 鲁棒自适应控制器设计
n n × n
动力学不确定性, I ∈ R 表示转子电流, KT ∈ R
为对角常数正定阵表示电流与力矩的转换关系, 第一步:定义位置误差为 e1 = x1 - xd , 可得导
L ∈Rn n 为对角常数正定阵表示电感, R ( I, q) ∈Rn 数
表示电阻和反电动势, TE ∈ R 为有界电压干扰, e1 = x23 - xd (4)
n 根据反步控制方法的思想将视为系统的虚拟
UE ∈R 表示电机输入电压。, x2 e1
定义 x1 = q, x2 = q, x3 = I。于是,从(1)式可得控制输入,考虑候选 Lyapunov函数 V1 = (1 /2) e1 e1 ,
到其导数为
x1 = x2 V1 = e1 e1 = e1 ( x2 - xd ) 。
- 1 那么存在理想的反馈控制
x2 = F2 ( x1 , x2 ) + G2 ( x1 ) x3 - M ( x1 ) TL
α1 = - c1 e1 + xd (5)
x3 = F3 ( x2 , x3 ) + G3 UE - G3 TE
式( )中是设计的正常数使得 T ≤。
(2) 5 c1 , V1 = - c1 e1 e1 0
由于只是虚拟控制并不是子系统的实际
式(2)中, x2 , e1
- 1 - 1 控制输入,引入误差变量
F2 = - M [Vm x2 + G + F ], G2 = M KT , F3 =
- 1 - 1 e2 = x2 - α1 (6)
- L R ( x2 , x3 ) 和 G3 = L 均假设未知。
则方程变为
控制目标是设计一个光滑的鲁棒自适应控制 e1
内容来自淘豆网www.taodocs.com转载请标明出处.
文件大小：0 KB
下载次数： 上传我的文档
 下载
 收藏
粉丝量：16
该文档贡献者很忙，什么也没留下。
 下载此文档
正在努力加载中...
级联式滑模观测器的永磁同步电机鲁棒滑模控制
下载积分：2990
内容提示：级联式滑模观测器的永磁同步电机鲁棒滑模控制
文档格式：PDF|
浏览次数：2|
上传日期： 19:58:35|
文档星级：
全文阅读已结束，如果下载本文需要使用
 2990 积分
下载此文档
该用户还上传了这些文档
级联式滑模观测器的永磁同步电机鲁棒滑模控制
关注微信公众号