基于半物理仿真的RBF神经网络滑模控制

合集下载

基于RBF网络的开关磁阻电动机自适应滑模控制

ｆｅｂａｋ—ｌｎａｚｎｓｄｓｇｄ，ｈｅｎＲＢＦｎｅｒｌｎｅｗｏｋｗａｓｄｏｅｔｍａｅｓｒｃｕｅｐｒｍｅｅａｉｔｏｓｉｅｌｅｄｃｉｅｒｉｇｗａｅｉｎｅｔｎａｕａｔｒｓｕｅｔｓｉｔｔｕｔｒａａｔｒｖｒａｉｎｎｒａ－
ｄｐｉｅｓｄｎ－ｄｏｔｌｓｈｍｅｆｒｓｉｈｄｒｌｃａｃａｒｐｓｄＦｒｔａｓｄｎ－ｄｏｔｏｌｒｂｓｄｏｈａｔｌｉｇｍｏｅｃｎｒｃｅｏｗｔｅｅｕｔｎｅｗｓｐｏｏｅ．ｉ，ｌｉｇｍｏｅｃｎｒｌａｅｎｔｅｖｉｏｃｓｉｅ
定子、子的双凸极结构及开关形式供电电源，得转使
开关磁阻电动机驱动系统（Ｒ成为一个多变量高ＳＤ）度耦合、非线性严重的系统，决ＳＭ的非线性耦解Ｒ
，
（）［，＝１一ｅ ‘ ］一。１
≥０
Ｉ喊持之棚２１第期０年７１
… … … … … … … … … … 一 … … … … … … … … …
… … … … … … … … … … … … … … … … … －
驱动控制
∥ 倒 … 一
基于ＲＦ网络的开关磁阻电动机自适应滑模控制Ｂ
ｔ．ｈｓｔｅｅｅｔｏｔｃｕｅｐｒｍｅｅａｉｔｎｎｃｎｒｌｅｆｒｎｅａｅｒｄｃｄＴｅｒｔａａａｙｉａｄｓｌ— ｉｍｅＴｕ，ｆｃｓｆｓｕｔｒａａｔｒｖｒｉｓｏｏｔｒｏｍａｃｒｅｕｅ．ｈｏｅｉｌｎｌｓｓｎｉａｈｒａｏｏｐｃｍｕ

基于RBF神经网络的半主动悬架滑模控制

基于RBF神经网络的半主动悬架滑模控制半主动悬架滑模控制是一种有效的方式来改善汽车悬架系统的性能。

而基于RBF神经网络的悬架滑模控制是一种新型的控制方法。

本文将会探讨基于RBF神经网络的半主动悬架滑模控制方法。

首先，什么是半主动悬架滑模控制呢？在汽车悬架系统中，常见的控制方法有主动悬架和被动悬架。

主动悬架是指通过操纵悬架系统的空气压力和电调压力等主动控制车身姿态，从而实现舒适性和稳定性的平衡。

而被动悬架则是指悬架系统靠弹簧和减震器等的被动阻尼来减少车身的颠簸。

半主动悬架则是介于主动悬架和被动悬架之间的一种控制方式，即通过电子液压系统控制减震器的硬度来实现悬架的主动控制。

而悬架滑模控制则是一种利用滑动模态控制悬架系统的控制方法。

它通过引入一个扰动项来使系统进入滑动模式，从而让整个系统在滑动轨迹上运动。

通过控制滑动模式的变量，实现对系统状态和输出的控制。

基于RBF神经网络的半主动悬架滑模控制则是一种集成了神经网络技术和滑模控制的控制方法。

RBF神经网络是一种基于径向基函数的神经网络，它能够对非线性的系统进行建模和控制。

通过将RBF神经网络与滑模控制相结合，可以实现对悬架系统的精确控制，从而提高系统的舒适性和稳定性。

该方法的实现步骤如下：首先，通过RBF神经网络来建立模型，并通过神经网络的学习算法，不断地优化网络的权重和偏置，从而得到更加准确的模型。

然后，根据悬架系统的特性，设计出适当的滑动模态来实现系统的控制。

最后，通过控制滑动模态的变量，来控制悬架系统的状态和输出。

该方法的优点在于能够对非线性的悬架系统进行精确的建模和控制。

同时，基于RBF神经网络的模型具有高精度和鲁棒性，能够应对复杂的控制环境，提高悬架系统的性能。

总之，基于RBF神经网络的半主动悬架滑模控制是一种新型的控制方法。

它能够将神经网络技术与滑模控制相结合，实现自适应的悬架系统控制，提高系统的舒适性和稳定性。

高超声速飞行器 RBF 神经网络滑模变结构控制

高超声速飞行器 RBF 神经网络滑模变结构控制王建敏;董小萌;吴云洁【摘要】针对高超声速飞行器高度非线性及强耦合的特点，提出了一种基于RBF神经网络调参的滑模变结构控制器。

滑模变结构控制器能够使高超声速飞行器稳定飞行，但在系统状态到达滑模面后会产生剧烈的抖振现象，不利于工程应用。

RBF神经网络在一定条件下可以任意精度逼近非线性函数，且具有较强的自学习、自适应和自组织能力。

将RBF神经网络与滑模变结构控制相结合，一定程度上能够消除滑模控制的抖振问题。

在高超声速飞行器的巡航状态下，分别加入高度阶跃指令和速度阶跃指令进行了仿真。

仿真结果表明，所设计的RBF神经网络滑模变结构控制器使高超声速飞行器在保证快速性、鲁棒性和抗干扰性的同时，克服了执行机构的抖振问题。

%According to hypersonic flight vehicle of highly nonlinear and strong coupling characteristics, sliding mode variable structure control based on RBF neural network regulating parameters was proposed. Sliding mode variable structure controller makes the hypersonic flight vehicle stably fly,but when the sys-tem states arrived at the sliding mode surface,it will emerge severe chattering,which would influence en-gineering applications.RBF neural networks can approximate nonlinear functions in arbitrary precision un-der certain conditions,in addition it has capacity of strong self-learning,adaptive and self-organizing.The controller that together RBF neural network with sliding mode variable structure can eliminate chattering problem generated by sliding mode variable structure control to a certain extent.Simulation was conducted by giving altitudeand velocity command on the cruise condition of hypersonic flightvehicles.Simulation results show that RBF neural network based sliding mode variable structure controller designed here en-suresrapidity,robustness and immunity of the hypersonic flight vehicle,while overcoming the problems of actuator chattering.【期刊名称】《电机与控制学报》【年(卷),期】2016(020)005【总页数】8页(P103-110)【关键词】高超声速飞行器;RBF神经网络;滑模变结构;控制;抖振【作者】王建敏;董小萌;吴云洁【作者单位】北京航空航天大学自动化科学与电气工程学院，北京100191; 中国科学院空间应用工程与技术中心，北京100094;中国空间技术研究院钱学森空间技术实验室，北京100094;北京航空航天大学自动化科学与电气工程学院，北京100191; 北京航空航天大学虚拟现实技术与系统国家重点实验室，北京100191【正文语种】中文【中图分类】V448高超声速飞行器是指飞行在距地面30-70 km的近空间领域、飞行马赫数大于5的一类飞行器。

基于RBF神经网络的半主动悬架滑模控制

汽车悬架系统是车架与车桥之间一切传力连接装置的总称，其性能好坏直接影响汽车的行驶平顺性和操纵稳定性。动与半主动主悬架能够适应路面激励和行驶条件的变化，抑制车身的振动，高提车辆的行驶平顺性和操纵稳定性，决了传统被动悬架存在的舒适解性和稳定性不能兼顾的问题，代表了悬架系统发展的方向。主动半悬架在控制品质上接近于主动悬架，且能耗小、控制较为简单，只需调节悬架的刚度或阻尼系数，可实现降低车身振动，到改善乘即达坐舒适性的目的，近年来车辆悬架领域研究的热点。是由于悬架系统具有非线性、时滞性以及车辆数学模型参数的不确定性等特点，其建模与控制是研究的关键问题。本文采用等速趋近率法设计了半主动悬架的滑模控制器，采用基于径向基函数（Ｆ的神经网络算法优化了滑模控制力的开关ＲＢ）项，悬架的性能指标车身加速对度、架动行程和车轮动位移等悬进行了时域和频域上的对比分析。
则ｉｘｔ＝胧，：啊，，（，）其中【，］为使滑模运动渐近稳定并
具有良好的动态品质，式）＋ｈｃ＋．）＝（２ｒ所有根都应位于平面的左半平面，取Ｈ＝８４１。可［，，】当系统进入滑模运动段时应施以等效控制律，即当ｆ＝０且
２滑模控制器的设计、
滑模控制器的设计包含两个方面：定具有良好品质的滑模面确和确定控制算法。考虑不确定非线性系统：

机械手RBF神经网络滑模迭代学习控制

…
…

…
…
…
…
…
…
…
…
．
学熏一＿
机械手ＲＢＦ神经网络滑模迭代学习控制
辽宁石油化工大学张囡中国石油抚顺石化公司乙烯项目生产管理部李元明
【摘要】在机械手的轨迹控制的迭代学习控制中，迭代学习的学习律难以选择。本文结合ＫＢＦ神经网络滑模变结构控制和迭代学习控制的基本思想，提出采用ＲＢＦ神经网
络滑模变结构控制确定学习律的方法。并运用Ｍａｄ出软件Ｓｉｍｕｌｉｎｋ对该方法应用于机械手轨迹跟踪控制的情况进行了仿真研究，结果表明该方法具有学习速度快、跟踪精度高、鲁棒性强等优点。【关键词】迭代学习控制；ＲＢＦ神经网络滑模控制
１．引言
机械手的轨迹跟踪控制是机器人控制中的一类重要的控制，很多学者相继提出了许多控制方法。其中迭代学习控制（ＩｔｅｒａｔｉｖｅＬｅａｒｎｉｎｇＣｏｎｔｒｏｌ，ＩＬＣ）由于采用迭代方式，能完整跟踪任意复杂的理想输入，被认为是一种行之有效的解决方法，现已成为了智能控制的一个重要分支。迭代学习控制最早是由日本学者内山（ｍ．Ｕｃｈｉｇａｍａ）于１９７８年研究高速运动机械手的控制问题提出的…。近三十年来，迭
ｄｗ￣＝－ｒ／叫
（６）
其中口＞０。
由于：
。）盖端）

基于RBF神经网络的汽车稳定性滑模控制

基于RBF神经网络的汽车稳定性滑模控制
韩玉敏;李晗宇;潘可耕
【期刊名称】《黑龙江工程学院学报（自然科学版）》
【年(卷),期】2012(026)004
【摘要】针对汽车稳定性控制存在的非线性和参数时变不确定性问题,采用基于径向基函数(RBF)神经网络的方法设计汽车稳定性滑模控制器,能够削弱常规滑模控制所引起的抖动现象,也能提高单纯的神经网络自适应控制的鲁棒性能.仿真结果表明该控制算法可有效地控制汽车按照驾驶员期望的方向行驶,且保证汽车侧向控制系统具有较强的适应性和鲁棒性.
【总页数】4页(P11-14)
【作者】韩玉敏;李晗宇;潘可耕
【作者单位】黑龙江工程学院电气与信息工程学院,黑龙江哈尔滨150050;哈尔滨电站设备成套设计研究所有限公司,黑龙江哈尔滨150046;黑龙江工程学院电气与信息工程学院,黑龙江哈尔滨150050
【正文语种】中文
【中图分类】U461.6
【相关文献】
1.基于滑模控制的4 WS汽车闭环操纵稳定性研究 [J], 谭运生;沈峘;黄满洪;梁中汉
2.基于滑模控制的4WS汽车闭环操纵稳定性研究 [J], 谭运生;沈峘;黄满洪;梁中汉;
3.基于RBF神经网络的汽车ABS滑模控制器的设计 [J], 毛艳娥;井元伟;曹一鹏;张嗣瀛
4.基于终端滑模控制的电动汽车转向稳定性研究 [J], 张恒; 杨鹏; 张高巍; 孙昊
5.基于差动制动的汽车拖车组合系统动态稳定性滑模控制 [J], 赵子乾;张宁;殷国栋;孙蓓蓓;吴建华
因版权原因，仅展示原文概要，查看原文内容请购买。

基于RBF神经网络自适应滑模路由队列控制算法研究

基于RBF神经网络自适应滑模路由队列控制算法研究陈治【摘要】为解决网络传输过程中TCP网络控制系统非线性结构参数和不确定项上界参数等参数摄动对路由数据队列长度控制的影响,采用了一种基于RBF神经网络(Radial Base Function Neural Network)的自适应滑模控制算法,实现对路由数据传输队列长度的控制,以改善TCP网络路由队列的数据传输中存在的数据丢失及数据拥塞问题.首先,对路由队列数据传输过程进行数学建模,利用RBF神经网络辨识TCP网络控制系统的非线性函数,采用自适应滑模学习算法调整不确定项上界参数,然后使用基于RBF神经网络算法的自适应滑模控制算法控制TCP网络传输过程,并对基于RBF神经网络的自适应滑模控制算法进行了仿真验证.仿真结果表明,该控制方法能够有效抑制TCP网络控制系统结构参数摄动对路由数据传输队列长度的影响,且系统动态误差小和抗干扰性能强.【期刊名称】《制造业自动化》【年(卷),期】2017(039)005【总页数】6页(P32-36,48)【关键词】TCP网络;RBF神经网络;自适应滑模;结构参数;路由队列控制【作者】陈治【作者单位】合肥工业大学电气与自动化工程学院,合肥 230009【正文语种】中文【中图分类】TP273.5随着网络数据量的不断增加，TCP路由传输队列长度控制导致的数据丢失和数据拥塞问题日益严重，针对网络拥塞问题的路由控制算法研究已成为学者研究的热点。

文献[1]针对输入时滞的传输控制协议TCP线性动态系统采用滑模控制策略，利用LMI（Linear Matrix Inequality）线性化技术将滑动超平面进行特殊线性变换，使路由传输队列长度快速收敛于设定值。

文献[2]利用RBF神经网络的自适应权值学习来估计TCP网络控制系统参数变化引起的等效不确定项上界，使终端滑模控制器的滑动模态具有更短的收敛时间，达到快速控制路由传输队列长度的效果。

基于模糊RBF神经网络的分数阶滑模控制器优化设计

基于模糊RBF神经网络的分数阶滑模控制器优化设计作者：余潇黄辉先来源：《现代电子技术》2018年第11期摘要：针对神经滑模控制系统中存在的对先验数据依赖性较强的问题，结合RBF神经网络的泛化能力和自学习能力以及模糊推理算法的强适应能力，提出基于模糊RBF神经网络的永磁同步电机分数阶速度控制系统。

模糊推理的引入为神经网络的不确定性提供了有效的指导作用，同时，分数阶微积分算子的引入增加了传统滑模控制器的自由度，从而对该控制器进行了进一步的优化。

仿真结果表明，相比RBF神经滑模控制器，提出的模糊RBF神经分数阶滑模控制器具有更好的控制性能。

关键词：永磁同步电机；滑模控制器； RBF神经网络；分数阶；模糊推理；自由度中图分类号： TN876⁃34； TM461 文献标识码： A 文章编号： 1004⁃373X（2018）11⁃0087⁃04Optimization design of fractional⁃order sliding mode controllerbased on fuzzy RBF neural networkYU Xiao， HUANG Huixian（College of Information Engineering， Xiangtan University， Xiangtan 411105， China）Abstract： Since sliding mode control based on neural network has the problem of strong dependence on prior information， the generalization ability and self⁃learning ability of RBF neural network and strong adaptability of fuzzy reasoning algorithm are combined to propose the fuzzy RBF neural network based fractional order speed control system of permanent magnet synchronous motor （PMSM）. The introduction of fuzzy reasoning provides an effective guidance for the uncertainty of the neural network， and the introduction of fractional⁃order calculus operator can increase the degree of freedom of the traditional sliding mode controller， so as to further optimize the controller. The simulation results show that， in comparison with the sliding mode controller based on RBF neural network， the fractional order sliding mode controller based on fuzzy RBF neural network has better control performance.Keywords： PMSM； sliding mode controller； RBF neural network； fractional order；fuzzy inference； degree of freedom永磁同步电机在机器人、数控机床、医疗设备等领域内得到了广泛应用，但受制于系统中的参数变化和负载扰动等因素，电机的转速控制性能受到一定的影响。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

［ｙｗｏｄ］ｓｄｎｄｏｔｌｕｃｒｉｍｅｄｌｙｓｓｅｓｍｉｈｓａｓｌｔｎＲＦＮｅｒｌｔｒ（ＦＫｅｒｓｉｉｇｍｏｅｃｎｒ；ｎｅｔｎｔ－ｅａｔｍ；ｅ－ｙｉｌｉａｉ；ＢｕａＮｅｗｏｋＲＢＮＮ）ｏａｉ－ｙ－ｐｃｍｕｏ
Ｂａｅｎｔｅｔａｓｏｍｅｙｔｍ，ａｄｓｇｍｅｈｄｆｏｔａｌｉｇｍｏｅｗｉｈｆｑｄａｉｅｆｒｎｅｉｄｘｍｉｉｉｅｓｒｐｅ．Ａｎｓｄｏｈｒｎｆｒｄｓｓｅｅｉｎｔｏｏｐｉｌｓｉｎｄｔｕａｒｔｃｐｒｏｍａｃｎｅｎｍｚｄｉｍｄｌｐｏｏｓｄ
第３４卷第２期４
ＶＬ４ｏ３
・
计
算
机
工
程
２００８年１２月
Ｄｅｅｂｒ２０ｃｍｅ０８
Ｎｏ．４２
ＣｏｐｕｔｒＥｎｇｎｅｒｎｇｍｅｉｅｉ
人工智能及识别技术・
文章编号：ｏ０＿２（ｏ） —０９—ｏ文ｌｏ—３８ｏ８４＿７３４２２１献标识码：Ａ
无时滞系统。通过设计二次型性能指标计算得到了最优的切换函数，并使用ＲＦ神经网络实现了滑模控制的自Ｂ适应等效控制，保证了系
统能够克服扰动，系统状态在有限时间能够到达滑模面。系统仿真验证了该方法的有效性和稳定性。
关键诃：滑模控制；不确定时滞系统；半物理仿真；ＢＲＦ神经网络
ＲＢＦＮＮｉｉｇＭｏｅＣｏｔｏｓｄ０ｅｉｐｙｉａｉｕａｉｎＳｄｎｄｎｒｌＢａｅｎＳｍ — ｈｓｃｌｍｌｔｏＳ
ＹＮＧｅｇＪＡｉＬＵＰｎｊ，ＨＡａＡＰｎ，ＩＮＧＷｅ，Ｉｉ－ｅＺＮＧＹｈｉ
１概述
实际控制系统中普遍存在时滞现象，而时滞的存在致使系统的控制品质变差，甚至会导致系统的不稳定，寻找鲁棒
性好的控制方法是非常必要的。现有处理时滞系统的方法主
实时应用程序相应的参数上。控制试验平台主要是辅助计算机完成对控制信号的执行。为了完成不同控制器的快速原型化设计，可将不同的硬件系统引入到仿真回路里，在此以浙江天煌科技实业有限公司的ＴＪ３型高级过程控制对象系统实验装置为硬件系统，Ｈ一其中控制对象配有水槽、锅炉、三相磁力泵等各种模拟工业
（ｐｒｎｆｔｍａｉｎＨｅｅｉｅｓｙｏｅｈｏｏｙｎａｊ０１０ＤｅａｔｔＡｕｏｔ，ｂｉｖｒｉｆｃｎｌｇ，ｉ３０３）ｍｅｏｏＵｎｔＴｎｎ
［ｓｒｃ］ＢａｅｎＭａｌｂＲＷｅ —ｈｓａｓｌｉｎｐａｆｒａｓｉｇｍｏｅｃｎｒｌａｇｒｈｉｐｅｅｔｄｆｒａｋｎｆｕｃｒｉＡｂｔａｔｓｄｏｔＴｓｍｉｙｉｌｉａｏｌｔｍ，ｉｎｄｏｔｌｏｉｍｓｒｓｎｅｏｉｄｏｎｅｔｎａｐｃｍｕｔｏｄｏｔａ
中图分类号：Ｐ８Ｔ１３
基于半物理仿真的ＲＦ神经网络滑模控制Ｂ
杨鹏，姜威，刘品杰，张燕
（北工业大学自动化系，天津３０３）河０１０
摘
要：针对一类不确定时滞系统研究滑模控制的实现问题。对于实际应用对象的时滞特性采取了特殊的线性变换，将原时滞系统转化为
ｔｍｅｄｌｙｓｓｅｉ — ｅａｙｔｍ．ｒｕｈａｐｒｉｕａｉｅｒｎｆｒｔｏ．ｈｒｇｎｌｕｃｒａｎｔｍｅｄｌｙｓｓｅｉｒｔｔａｓｏｍｅｎｏａｄｌｙｆｅｙｔｍ．Ｔｈｏｇａｔｌｒｌａｔａｓｏｍａｉｎｔｅｏｉｉａｎｅｔｉｉ — ｅａｙｔｍｓｆｓｒｎｆｒｄｉｔｅａ —ｒｅｓｓｅｃｎｒｉ
ａｐｏｒｔｏｔｌａｈｃｐｒａｈｄｂＢＦＮｅｒｌｔｏｋＲＦｐｒｐｉｅｃｎｒｗｗｉｈｉａｐｏｃｅｙａＲｕａＮｅｗｒ（ＢＮＮ）ｎｅｗｉｈｆｔｅｎｔｏｋｉｔｎｄｏｉｅｕｉｇａａｔｅａｏｌｓａｄｔｅｇｔｅｗｒｅｎｌｓｄｐｉｈｏｈｓｕｎｎｖ
ａｇｒｔｍＯｆｒｅｔｅｓｓｅｓａｅｏｒａｈｔｌｉｇｍａｉｏｄｉｎｔｉ．Ｓｉｌｔｏｅｕｔｈｏｔｅｅｃｅｃｎｕｅｉｒｔｆｔｅｌｏｉｈｔｏｃｈｙｔｍｔｔｓｔｅｃｈｅｓｉｎｎｆｌｎｆｉｅｔｄｉｍｅｍｕａｉｎห้องสมุดไป่ตู้ｒｓｌｓｓｗｈｆｉｎｙａｄｓｐｒｏｉｙｏｈｉｐｏｓｄｍｅｈｄｒｐｏｅｔｏ．
现场的装置，并安装了各类监测变送装置和执行机构，使其更加接近工业现场。该装置配有多个手动阀门，通过手动阀