具有未知死区和增益符号的自适应神经网络控制
“Siasia”通过精心收集，向本站投稿了10篇具有未知死区和增益符号的自适应神经网络控制，下面是小编为大家整理后的具有未知死区和增益符号的自适应神经网络控制，仅供大家参考借鉴，希望大家喜欢!
篇1：具有未知死区和增益符号的自适应神经网络控制
具有未知死区和增益符号的自适应神经网络控制
针对一类具有未知死区和未知控制增益符号的单输入单输出非线性系统,根据滑模控制原理,并利用Nussbaum函数的性质,提出两种自适应神经网络控制器的.设计方案. 通过引入示性函数,提出一种简化死区模型,取消了死区模型的倾斜度相等的条件. 通过引入逼近误差的自适应补偿项来消除建模误差和参数估计误差的影响. 理论分析证明闭环系统是半全局一致终结有界. 仿真结果表明该方法的有效性.
作 者：梅建东 张天平王芹 MEI Jian-dong ZHANG Tian-ping WANG Qin 作者单位：梅建东,MEI Jian-dong(扬州职业大学,信息工程学院,江苏,扬州,225009)张天平,王芹,ZHANG Tian-ping,WANG Qin(扬州大学,信息工程学院,江苏,扬州,225009)
刊 名：扬州大学学报（自然科学版） ISTIC PKU英文刊名：JOURNAL OF YANGZHOU UNIVERSITY(NATURAL SCIENCE EDITION) 年，卷(期)： 11(3) 分类号：O231.2 TP273.5 关键词：死区 神经网络控制 自适应控制 滑模控制 Nussbaum函数篇2：航空发动机自适应神经网络PID控制
航空发动机自适应神经网络PID控制
本文提出了一种航空发动机多变量自适应神经网络PID控制方法,采用基于共轭梯度的`神经网络学习算法在线整定控制器参数.该控制器的设计无需知道发动机精确模型,具有响应速度快、抗干扰能力强和鲁棒性好等优点.控制器不仅算法简单,实现容易,而且适用范围广.
作 者：蒋衍君 黄金泉 Jiang Yanjun Huang Jinquan 作者单位：南京航空航天大学203教研室,江苏,南京,210016 刊 名：航空动力学报 ISTIC EI PKU英文刊名：JOURNAL OF AEROSPACE POWER 年，卷(期)： 15(3) 分类号：V233.7 关键词：航空发动机 神经网络 多变量控制 自适应控制篇3：发动机神经网络自适应控制仿真及分析
发动机神经网络自适应控制仿真及分析
针对航空涡喷发动机, 给出了一种神经网络自适应控制结构.研究了该控制回路中辨识网络和控制网络的结构、离线训练以及初始权值的'确定等问题.发动机控制系统仿真表明:该方法用于发动机稳态控制能取得较好的控制品质,当偏离设计点时, 通过神经网络很强的学习、适应能力,在线修正网络参数, 使控制系统仍保持良好性能,鲁棒性好.
作 者：吕建国 冀邦杰 陈涛 LV Jianguo JI Bangjie CHEN Tao 作者单位：水下信息处理与控制国家重点实验室,西安,710075 刊 名：弹箭与制导学报 PKU英文刊名：JOURNAL OF PROJECTILES, ROCKETS, MISSILES AND GUIDANCE 年，卷(期)： 28(5) 分类号：V233.7 关键词：航空发动机 神经网络 控制与仿真篇4：冗余度TT-VGT机器人的神经网络自适应控制
摘要：提出了采用神经网络进行模型参考自适应控制（MRAC）的方案，建立了自适应控制的状态模型，并推导出相应的自适应算法；最后对冗余度TT-VGT机器人自适应控制进行了仿真。
关键词：冗余度 TT-VGT机器人 神经网络 模型参考自适应控制
TT-VGT（Tetrahedron-Tetrahedron-Variable Geometry Truss）机器人是由多个四面体组成的变几何桁架机器人，图1所示为由N个四面体单元组成的冗余度TT-VGT机器人操作手，平面ABC为机器人的基础平台，基本单元中各杆之间由较铰连接，通过可伸缩构件li(i=1,2,…，n)的长度变化改变机构的构形。图2所示为其中的两个单元的TT-VGT机构，设平面ABC和平面BCD的夹角用中间变量qi(i=1,2,…,n)表示，qi与li(I=1,2,…，n)的关系如下[2]：
(本网网收集整理)
式中，d表示TT-VGT中不可伸缩构件的长度，
li表示机器人可伸缩构件的长度。
TT-VGT机器人关节驱动力F与力矩τ的.关系为：
F=Bττ (2)
式中，Bτ为对角矩阵，对角元素Bτi为：
1 状态模型
机器人的自适应控制是与机器人的动力学密切相关的。机器人的动力学方程的一般形式可如下表示（不考虑外力的作用）：
τ=D（q）q+C(q,q)q+G(q)q (4)
式中，D（q）∈R n×n为广义质量矩阵（惯性矩阵），
C（q,q）∈Rn×(n×n)为向心力及哥氏力作用的矩阵，
G（q）∈R n为重力矩阵，
τ∈R n表示机器人的驱动力矩。
对于TT-VGT机器人，用杆件变量li,ii,Li（i=1,2…，n）代替中间变量qi，qi，qi（i=1,2…，n）（见式（1）），则试（4）可表示为：
F=D（l）l+C（l,i）i+G(l)l (5)
式中，F∈Rn表示机器人的驱动力。
可把式（5）表示为下列状态方程：
x=A(x,t)x+B(x,t)F （7）
式中，
上述机器人动力学模型就是机器人自适应控制器的调节对象。
考虑到传动装置的动力学控制系统模型如
下式所示：
式中，u、l――传动装置的输入电压和位移矢量，
Ma、Ja、Ba――传动装置的驱动力矩比例系数、转动惯量和阻尼系数（对角矩阵）。
联立求解式（5）和式（9），并定义：
可求得机器人传动系统的时变非线性状态模型如下：
2 Lyapunov模式参考自适应控制器设计
定理 设系统的运动方程为：
e=Ae+Bφr （13）
φ=-RB T Per (14)
式中，e为n维向量，r为l维向量，A、B、φ分别为（n×n）、（n×m）、（m×l）维满秩矩阵，R与P分别为（m×m）、（n×n）维正定对称矩阵。
假若矩阵P满足Lyapunov方程：
PA+A TP=-Q （15）
式中，Q为（n×n）维正定对称矩阵。
同该系统的平衡点e，φ是稳定的。
如果向量r又是由l个或更多不同频率的分量所组成，那么该平衡点还是渐近稳定的。其证明可参看文献[4]。选择如下的稳定的线性定常系统为参考模型：
y=Amx+Bmr （16）
式中，y――参考模型状态矢量：
式中，∧1――含有ωi项的（n×n）对角矩阵，
∧2――含有2ξωi项的n×n对角矩阵。
式（18）表示n个含有指定参数ξ和ωi的去耦二除微分方程式：
yi+2ξiωiyi+ωi2yi=ωi2r （19）
令控制器输入为：u=Kxx+Kur （20）
式中，Kx、Ku――可调反馈矩阵和前馈矩阵。
根据式（20）可得式（11）的闭环系统状态模型为：
x=As(x,t)x+Bs(x,t)u （21）
>
式中，As(x,t)=Ap(x,t)+Bp(x,t)Kx，Bs(x,t)=Bp(x,t)Ku (22)
将式（12）代入式（22），可得：
适当地设计Kxi、Ku，能够使式（11）所示系统与式（16）所代表的参考模型完全匹配。
定义状态误差矢量为：
e=y-x （24）
则e=Ame+（Am-As）x+(Bm-Bs)r （25）
控制目标是为Kx和Ku找出一种调整算法，使得状态误差趋近于零，即：
对脚式（13）与式（14），选取正定Lyapunov函数V为：
式中，P――正定矩阵，
FA和FB――正定自适应增益矩阵。
对上式微分，得
根据Lyapunov稳定性理论，保证满足式（24）为稳定的充要条件是V为负定，由此可求得：
将式（22）求导并与式（30）联立求解，同时考虑到控制器稳定时式（11）所示系统与式（16）所代表的参考模型完全匹配，可得
由此已得到控制器的自适应控制律。
篇5：冗余度TT-VGT机器人的神经网络自适应控制
本文采用直接MRAC（模型参考自适应控制）神经网络控制器对TT-VGT机器人进行控制。在图3中，NNC（神经网络控制器）力图维持机器人输出与参考模型输出之差e（t）=l(t)-lm(t) →。即通过误差反传，并采用上节的自适应算法，调节NNC，使得其输出控制机器人运动到误差e(t)为0。
神经网络模型如图4所示。
4 实例分析
以四得四面体为例，如图5所示建立基础坐标系，末端参考点H位于末端平台EFG的中点。设参考点H在基础坐标系中，从点（0.8640，-0.6265，0.5005）直线运动到点（1.8725，0.5078，0.7981），只实现空间的位置，不实现姿态。运动的整个时间T设定5秒，运动轨迹分为等时间间隔的100个区间。不失一般性要求，末端在轨迹的前40个区间匀加速度运动（a=0.2578），中间20个工间匀速度运动，最后40个区间匀减速度运动（a=-0.2578），开始和结束时的末端
速度为。设各定长构件长度为1m，机构中各杆质量为1kg，并将质量向四面体各顶点对称简化。
传动装置的参数如下：
Ma=4.0×10e -3kg・m/V；Ba=0.01N・m/(rad・s -1)；
近似认为各关节电动机轴上的总转动惯量在运动过程中保持不变，其值分别为：
J1=0.734kg・m2;J2=0.715kg・m2；
J3=0.537kg・m2；J4=0.338kg・m2
末端位置误差曲线如图6所示。从误差曲线可看出，采用神经网络自适应控制的机器人位置控制精度较高，稳定性较好。
本文提出采用直接MRAC神经网络自适应器对机器人进行轨迹控制的方案；建立机器人状态模型，推导出自适应控制算法，并对冗余度TT-VGT机器人轨迹控制进行了仿真。结果表明，该方案控制误差较小，稳定性较好。
篇6：一类非线性系统的神经网络自适应控制
一类非线性系统的神经网络自适应控制
针对一类单输入单输山不确定非仿射型非线性系统,基于多层神经网络提出了一种直接自适应控制方法.该设计方法首先应用多层神经网络自适应模拟逼近逆解中的.未知部分,然后应用逆设计和自适应反演设计出虚拟控制量,最后应用反馈线性化设计方法和神经网络设计了直接自适应控制律.并利用Lyapunov稳定性定理推导了神经网络的参数调节律,保证了闭环系统的所有信号均最终一致有界.
作 者：晋玉强 梁瑞胜 申浩 JIN Yuqiang LIANG Ruisheng SHEN Hao 作者单位：晋玉强,JIN Yuqiang(海军航空工程学院控制工程系,山东,烟台,264001)梁瑞胜,LIANG Ruisheng(海装驻沈阳地区航空军事代表室,辽宁,沈阳,110034)
申浩,SHEN Hao(91336部队,河北,秦皇岛,066326)
刊 名：海军航空工程学院学报 ISTIC英文刊名：JOURNAL OF NAVAL AERONAUTICAL ENGINEERING INSTITUTE 年，卷(期)： 22(2) 分类号：V232.4 关键词：非线性系统 神经网络 自适应控制 反演篇7：冗余度TT-VGT机器人的神经网络自适应控制
冗余度TT-VGT机器人的神经网络自适应控制
摘要：提出了采用神经网络进行模型参考自适应控制（MRAC）的方案，建立了自适应控制的状态模型，并推导出相应的自适应算法；最后对冗余度TT-VGT机器人自适应控制进行了仿真。关键词：冗余度 TT-VGT机器人 神经网络 模型参考自适应控制
TT-VGT（Tetrahedron-Tetrahedron-Variable Geometry Truss）机器人是由多个四面体组成的变几何桁架机器人，图1所示为由N个四面体单元组成的`冗余度TT-VGT机器人操作手，平面ABC为机器人的基础平台，基本单元中各杆之间由较铰连接，通过可伸缩构件li(i=1,2,…，n)的长度变化改变机构的构形。图2所示为其中的两个单元的TT-VGT机构，设平面ABC和平面BCD的夹角用中间变量qi(i=1,2,…,n)表示，qi与li(I=1,2,…，n)的关系如下[2]：
式中，d表示TT-VGT中不可伸缩构件的长度，
li表示机器人可伸缩构件的长度。
TT-VGT机器人关节驱动力F与力矩τ的关系为：
F=Bττ (2)
式中，Bτ为对角矩阵，对角元素Bτi为：
1 状态模型
机器人的自适应控制是与机器人的动力学密切相关的。机器人的动力学方程的一般形式可如下表示（不考虑外力的作用）：
τ=D（q）q+C(q,q)q+G(q)q (4)
式中，D（q）∈R n×n为广义质量矩阵（惯性矩阵），
C（q,q）∈Rn×(n×n)为向心力及哥氏力作用的矩阵，
G（q）∈R n为重力矩阵，
τ∈R n表示机器人的驱动力矩。
对于TT-VGT机器人，用杆件变量li,ii,Li（i=1,2…，n）代替中间变量qi，qi，qi（i=1,2…，n）（见式（1）），则试（4）可表示为：
F=D（l）l+C（l,i）i+G(l)l (5)
式中，F∈Rn表示机器人的驱动力。
[1] [2] [3] [4]
篇8：平流层飞艇巡航姿态自适应神经网络补偿控制
平流层飞艇巡航姿态自适应神经网络补偿控制
研究了一种基于自适应神经网络补偿的平流层飞艇前向速度与姿态控制系统设计方法.针对近似模型进行常规线性动态补偿器设计,并引入自适应径向基函数(RBF,radial basis function)神经网络对模型误差进行补偿.根据Lyapunov方法得到神经网络权值自适应律,保证了闭环系统误差信号一致最终有界.仿真结果表明对于两类不同的`飞艇模型,所设计的控制器在响应性及对未知环境风速作用的鲁棒性方面均具有良好的效果.
作 者：刘其睿 李勇 LIU Qirui LI Yong 作者单位：刘其睿,LIU Qirui(北京控制工程研究所,北京100190;空间智能控制技术国家级)李勇,LI Yong(中国空间技术研究院研究发展中心,北京,100094)
刊 名：空间控制技术与应用 英文刊名：AEROSPACE CONTRD AND APPLICATION 年，卷(期)： 35(4) 分类号：V448 关键词：平流层飞艇 巡航姿态 神经网络 自适应篇9：具有自修复功能间接自适应飞行控制系统研究
具有自修复功能间接自适应飞行控制系统研究
分析了具有自修复功能的推力矢量飞机自适应控制系统的结构功能特点,利用RHO优化控制算法实现在线控制器设计,利用MSLS辨识算法实现在线飞行参数辨识,采用等价空间算法、传感器信息融合技术和概率统计理论实现FDI算法.依据系统各个部分的'算法开发了仿真平台,对飞机存在舵面故障情况下的飞行控制系统进行仿真,解决了舵面损伤后气动参数变化问题.仿真表明,该控制系统是一个完整、鲁棒、收敛系统.
作 者：宋述杰 苏浩秦 邓建华 SONG Shu-jie SU Hao-qin DENG Jian-hua 作者单位：宋述杰,邓建华,SONG Shu-jie,DENG Jian-hua(西北工业大学,航空学院,陕西,西安,710072)苏浩秦,SU Hao-qin(西北工业大学,航空学院,陕西,西安,710072;清华大学,汽车安全与节能国家重点试验室,北京,100084)
刊 名：飞行力学 ISTIC PKU英文刊名：FLIGHT DYNAMICS 年，卷(期)： 24(3) 分类号：V249.1 关键词：推力矢量飞机 自适应控制 自修复飞行控制 仿真平台篇10：具有未建模动态和有界干扰系统的鲁棒自适应控制(Ⅱ)
具有未建模动态和有界干扰系统的鲁棒自适应控制(Ⅱ)
考虑一类同时具有未建模动态和有界干扰的连续时间系统,在推广的加权最小二乘法中嵌入一个带相对死区函数的'时变加权因子,并以此算法估计系统建模部分的参数.对建模部分的相对阶,n*=n-m=1的情况,设计出不含微分环节的自适应控制器,系统输出直接跟踪所给定的参考信号,证明所构成的闭环系统是全局稳定的.
作 者：郭祖胜 GUO Zu-sheng 作者单位：三峡大学理学院,湖北宜昌,443002 刊 名：湖北大学学报（自然科学版） ISTIC PKU英文刊名：JOURNAL OF HUBEI UNIVERSITY（NATURAL SCIENCE EDITION） 年，卷(期)：2008 30(2) 分类号：O157.7 O241.84 关键词：连续时间系统 未建模动态 有界干扰 鲁棒自适应控制 全局稳定性【具有未知死区和增益符号的自适应神经网络控制】相关文章：
9.生产的计划和控制
10.控制和消除大班额工作汇报
文档为doc格式
