武汉理工大学
硕士学位论文
模糊神经网络滑模变结构异步电动机直接转矩控制的研究
姓名：施保华
申请学位级别：硕士
专业：控制理论与控制工程
指导教师：秦娟英
2001.4.1
武汉理工大学硕士研究生学位论文
摘要
关键词：异步电动机，直接转矩控制，模糊控制，滑模控制神经网络控制，ＭＡＴＬＡＢ／ＳＩＭＵＬＩＮＫ
本文重点研究了智能控制策略对异步电动机直接转矩控制系统性能的改善，同时，提出了“起动时问最优”的控制方法，显著地改善了直接转矩控制系统的起动性能。
首先，为了对交流电动机直接转矩控制进行深入研究，本文用ＭＡＴＬＡＢ／ＳＩＭＵＬＩＮＫ动态仿真工具建立了直接转矩控制六边形磁链轨迹和圆形磁链轨迹仿真模型。然后，对模糊控制理论、神经网络控制理论、滑动模态变结构控制理论和传统ＰＩＤ控制方法作了简单介绍，并将它们用到直接转矩控制系统中来改善系统的鲁棒性、快速性和稳态精度。同时，本文对改善直接转矩控制系统低速性能和起动性能的研究提出了自己独到的见解。最后，本文对无速度传感器直接转矩控制系统的原理与实现进行了初步探索。
，
ｆ通过以上研究，对直接转矩控制的认识更加深刻，对改善系统性能提供了更多选择方案。追求整体性能最优和全数字化实现是直接转矩控制今后的主要研究方向。一
Ａｂｓｔｒａｃｔ
Ｋｅｙｗｏｒｄｓ＂ＩｎｄｕｃｔｉｏｎＭｏｔｏｒ，ＤｉｒｅｃｔＳｅｌｆＣｏｎｔｒｏｌ，Ｓｌｉｄｅ—ＭｏｄｅＣｏｎｔｒｏｌ，ＦｕｚｚｙＣｏｎｔｒｏｌ，ＮｅｕｒａｌＮｅｔｗｏｒｋＣｏｎｔｒｏｌ，
ＭＡＴＬＡＢ／ＳＩＭＵＬＩＮＫ
ＴｈｉｓｄｉｓｓｅｒｔａｔｉｏｎａｐｐｌｙｏｎｅｓｅｌｆｔｏｔｈｅｓｔｕｄｙｏｆｉｍｐｒｏｖｅＤＳＣｐｅｒｆｏｒｍａｎｃｅｗｉｔｈｉｎｔｅｌｌｉｇｅｎｔｃｏｎｔｒｏｌｔｈｅｏｒｙ，ａｎｄｐｒｅｓｅｎｔｓｔｈｅｍｅｔｈｏｄｏｆ“ＳｔａｒｔｕｐＴｉｍｅＯｐｔｉｍｉｚａｔｉｏｎ”，ｇｒｅａｔｌｙｉｍｐｒｏｖｅｄｔｈｅｓｔａｒｔｕｐｐｅｒｆｏｒｍａｎｃｅｏｆＤＳＣ．
Ｆｉｒｓｔｌｙ，ｉｎｏｒｄｅｒｔｏｇｏｄｅｅｐｉｎｔｏｔｈｅｓｔｕｄｙｏｆＤＳＣｓｙｓｔｅｍ，ｗｅｂｕｉｌｄｕｐｔｈｅｓｉｍｕｌａｔｉｏｎｍｏｄｅｌｆｉ．ｅ．ｈｅｘａｇｏｎｆｌｕｘ—ｔｒａｃｅａｎｄｒｉｎｇｆｌｕｘ—ｔｒａｃｅ）ｗｉｔｈＭＡＴＬＡＢ／ＳＩＭＵＬＩＮＫ．Ｓｅｃｏｎｄｌｙ，ｔｈｅｍｅｔｈｏｄｓｏｆｉｍｐｒｏｖｅＤＳＣｄｙｎａｍｉｃａｎｄｓｔｅａｄｙｓｔａｔｅｃｈａｒａｃｔｅｒｉｓｔｉｃａｒｅｐｒｏｖｉｄｅｄａｆｔｅｒｔｈｅｔｈｅｏｒｙｉｓｒｅｌａｔｅｄｔｈａｔＦｕｚｚｙｃｏｎｔｒｏｌ，ＮｅｕｒａｌＮｅｔｗｏｒｋｃｏｎｔｒｏｌａｎｄＳｌｉｄｉｎｇｍｏｄｅｖａｒｉａｂｌｅｓｔｒｕｃｔｕｒｅ．Ｆｉｎａｌｌｙ，ｅｎｇａｇｅｉｎａｄｖａｎｃｅｄｓｔｕｄｉｅｓｉｎｓｐｅｅｄ－ｓｅｎｓｏｒｌｅｓｓＤＳＣｕｓｉｎｇｔｈｅｍｏｄｅｌｒｅｆｅｒｅｎｃｅａｄａｐｔｉｖｅｔｏｉｄｅｎｔｉｆｙｍｏｔｏｒｓｐｅｅｄ．
ＴｈｒｏｕｇｈｔｈｅｓｔｕｄｙｉｎＤＳＣｓｙｓｔｅｍ，ｔｈｅｆｕｌｌ—ｓｃａｌｅｕｎｄｅｒｓｔａｎｄｉｓａｃｈｉｅｖｅｄａｎｄｍａｎｙｍｅｔｈｏｄｓｏｆｉｍｐｒｏｖｅＤＳＣｓｙｓｔｅｍ’Ｓｐｅｒｆｏｒｍａｎｃｅｓａｒｅｇｉｖｅｎ．
第一章绪论
１．１直接转矩控制技术的产生与概况
近年来，由于电力电子、计算机控制以及矢量控制等技术的进步，使现代交流调速有了巨大的进步。一旦交流电动机的固有优势（即结构峰固、无电刷、维修方便、价格低等）发挥出来，交流传动取代直流传动将会成为不可逆转的趋势。
自从７０年代矢量控制技术发展以来，交流传动技术就从理论上解决了交流调速系统在静、动态性能上与直流传动相媲美的问题。矢量控制技术模仿直流电动机的控制，以转子磁场定向，用矢量变换的方法，实现了对交流电动机的转速和磁链控制的完全解耦。它的提出具有划时代的重要意义。然而，在实际上由于转子磁链难于准确观测，由于系统特性受电动机参数的影响很大，以及矢量变换的复杂性，使得实际的应用效果难于达到理论分析的结果。这是矢量控制技术在实践上的不足之处。
１９８５年由德国鲁尔大学的德彭布罗克（Ｄｅｐｅｎｂｒｏｃｋ）教授首次提出了直接转矩控制ＤＳＣ（ＤｉｒｅｃｔＳｅｌｆ－Ｃｏｎｔｒ０１）的理论。不同于矢量控制技术，直接转矩控制有着自己的特点。直接转矩控制直接在定子坐标系下分析交流电动机的数学模型、控制电动机的磁链和转矩。它不需要将交流电动机与直流电动机作比较、等效、转化，不需要模仿直流电动机的控制，不需要象矢量控制那样进行复杂的坐标变换，计算过程大为简化。直接转矩控制磁场定向用的是定子磁链，只要知道定子电阻就可以把它观测出来。而矢量控制磁场定向用的是转子磁链，观测转子磁链需要知道电动机转子电阻和电感。因此直接转矩控制大大减少了矢量控制技术中控制性能易受参数变化影响的问题。直接转矩控制与矢量控制的方法不同，它不是通过控制电流、磁链等量来间接控制转矩，而是把转矩直接作为被控量，直接控制转矩。其控制方式是，通过转矩两点式调节器把转矩检测值与转矩给定值作带滞环的比较，
把转矩波动限制在一定的容差范围内，容差的大小由频率调节器来控制。因此，直接转矩的控制效果不取决电动机的数学模型是否能够简化，而是取决于转矩的实际情况。它的控制既直接又简化。
综上所述，直接转矩控制技术，用空间矢量的分析方法，直接在定子坐标下计算与控制交流电动机的转矩，采用定子磁场定向，借助于离散的两点式调节产生ＰＷＭ信号，直接对逆变器的开关状态进行最佳控制，以获得转矩的高动态性能。它省掉了复杂的矢量变换与电动机数学模型的简化处理。直接转矩控制技术～诞生，就以其新颖的控制思想，简洁明了的系统结构，优良的动、静态性能受到了普遍的关注并得到了迅速的发展。
１．２智能控制理论的发展和应用
直接转矩控制的发展直接得益于现代科学技术的进步。现代控制理论和智能控制理论（以模糊控制和人工神经网络为主）是人们改进ＤＳＣ系统最主要的理论依据。采用模糊控制和神经网络构成智能滑模变结构直接转矩控制是改进直接转矩控制性能的有效手段之一。
模糊控制是用语言归纳操作人员的控制策略，运用语言变量和模糊集合理论形成控制算法的一种控制。１９７４年，Ｍａｍｄａｎｉ首次用模糊逻辑和模糊推理实现了第一台试验性的蒸汽机控制，开始了模糊控制在工业中的应用。模糊控制不需要建立控制对象精确的数学模型，只要求把现场操作人员的经验和数据总结成较完善的语言控制规则，因此它能绕过对象的不确定性、不精确性、非线性、时变性等的影响。模糊控制系统的鲁棒性强，尤其适用于非线性、时变、滞后系统的控制。
神经网络是用来模拟脑神经的结构和思维的一种信息处理系统。它有一系列优异的性能：很强的自学习和自组织能力，能进行在线或离线的学习：并行处理能力及其带来的高速处理能力：很强的处理非线性问题的能力，能逼近任意的非线性函数；很强
的信息综合能力，能同时处理大量的、不同类型的定量和定性信息；分布式存储ｆ－ｇ息和容错能力，每个神经元存储多种信息的部分内容，部分神经元的损坏和信息破坏只会导致部分功能减弱。
滑模变结构控制为解决一大类非线性的控制提供了新的思路，尤其对于模型不确定的复杂系统，它提供了系统的方法来解决问题，使系统具有较好的稳定性和鲁棒性。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。这种控制策略与其他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，根据系统当时的状态（如偏差及各阶导数），以跃变的方式、有目的地不断变化，迫使系统按预定的“滑动模态”的轨迹运动。由于滑动模态可以进行设计且与控制对象的参数和扰动无关，这就使得变结构控制具有快速响应、对参数及扰动变化不灵敏、无需系统在线辨识，物理实现简单等优点。然而，滑模控制在切换面上存在抖动。尽管变结构控制也有许多通过自身调节的方法来消除抖动，但效果都不太理想，都存在这样或那样的不足之处。
将模糊控制与变结构控制结合起来构成的模糊变结构控制可以充分发挥各自的优点抑制缺点。模糊变结构控制能够有效地保证静态系统稳定，在一定条件下，也能保证动态系统的稳定，还可以补偿系统的不确定性和非线性的影响，达到较好的控制效果。。为了改善异步电动机直接转矩控制的性能，对新型控制策略进行探索、研究在理论上和实用上具有特别重要的意义。
另外，传统的调速系统中，为了实现转速的闭环控制，转速传感器是必不可少的。但在实际应用中，安装速度传感器既增加了系统成本，又降低了系统的可靠性。因此，越来越多的学者和公司将目光放到无速度传感器系统的研究与丌发上来。无速度传感器控制系统的核心问题就是对转子速度进行估计，主要出发点就是用直接计算、参数辨识、状态估计和问接测量等手段，从定子边较易测量的量（如定子电压、定子电流等）计算出与速度有关的量，从而得到转子速度并将其用到速度反馈控制系统中。Ｊ９７５
年，Ａ．Ａｂｂｏｒｄ等人根据异步电机数学模型及系统控制原理，推导出电机的滑差表达式。ｌ９８７年，ｓ．Ｔａｍａｉ率先引入模型参考自适应的方法。其后，模型参考自适应的思想被频繁引入到电机参数的辨识中，尤其是速度的辨识。建立参考模型和可调模型的方法也各式各样。模型参考自适应的思想彻底解决了速度辨识上的理论问题，动态性能好，静态误差小。模型参考自适应无速度传感器控制系统的研究是当前交流传动的研究方向。
１．３本文主要内容及安排
本文在简述直接转矩控制系统的基本原理基础上，用面向科学与工程计算的高级语言ＭＡＴＬＡＢ提供的用于对动态系统进行建模、仿真和分析的非常实用的软件包Ｓ１ＭＵＬＩＮＫ对直接转矩控制的六边形和圆形磁链轨迹进行了建模和仿真分析，从而为下面进一步的研究奠定了基础。
智能控制（特别是模糊控制和神经网络控制）为进一步改善直接转矩控制系统的性能提供了有力的支持。本文结合模糊控制理论、神经网络理论和滑模变结构理论等对改善直接转矩控制的性能进行了深入研究，研究表明将模糊控制、神经网络控制和变结构控制结合起来是改善直接转矩控制性能的重要手段。
最后，本文对直接转矩控制的各种方法进行了分析和总结，同时对直接转矩控制今后的发展方向进行了展望，这也是作者今后有待进一步研究的内容。
第二章直接转矩控制的基本原理
２．１异步电动机的数学模型
异步电动机是一个高阶、非线性、强耦合的多变量系统。在研究异步电动机数学模型时常作如下假设：
（１）设三相绕组对称，空间互差ｌ２００电角度，所产生的磁动势沿气隙圆周正弦分布：
（２）忽略磁路饱和，绕组的自感和互感都是线性的：
（３）忽略铁耗的影响。
在直接转矩控制分析中，一般采用空间矢量的分析方法。图２—１是异步电动机的空间矢量的等效电路图。对于突出定子磁链的矢量控制，取折算系数ａ＝Ｌ。／Ｌ。，图中各量的意义如下：Ｕ。，ｉ。，ｖ。分别表示定子
电压、定子电流和定子磁链空
间矢量：
ｉ，。ｖ，分别表示转子电流
和转子磁链空间矢量：
Ｒ．，Ｒｒ分别表示定、转子电阻：幽２－Ｊ异步也动机的空间
矢量等效电路图
Ｌ，Ｌ，分别表示主电感、漏电感。其中，
Ｌ。＝Ｌ，（上，Ｌ，，Ｌ。二一１），Ｌ＝Ｌ。
异步电动机在定子坐标系（坐标系）的方程式如下：
ｕ。２Ｒ。ｉ。＋矿．（２一１）
０＝Ｒ，ｉ，一审，＋ｊ”ｖ，（２－２）
、｛，。＝Ｌ（ｉ．一ｉ，）（２－３）
、ｌ，ｒ２ｖ一一Ｌ，ｉｒ（２－４）转矩方程和运动方程可表示为：
壅圣墨兰垄兰堡主竺窒兰兰堡丝查
Ｔｄ＝＝３ｎ。（ｖ…ｉ口一ｖ。口ｉ。。）（２—５）
Ｔａ２瓦３咖ＩＩＶｒ｜ｓｉｒＩｏ（２－６）
Ｔｄ：Ｔ。＋三—ｄ＿ｃｏ（２—７）
／Ｔｐ
ｄｔ
在实际运行中，保持定子磁链的幅值ｖ。为额定值，以便充分利用电动机；而转子磁链幅值ｖ，山负载决定。要改变异步电动机的转矩，可以通过改变磁通角ｅ来实现。
另外，异步电动机在二相静止坐标系上的数学模型如下：
其中Ｈｌ４
Ｕｓ８
０
０
Ｒｓ＋Ｌｓｐ
Ｏ
Ｌ。Ｐ
—ｃｏＬⅢ
０Ｌ。Ｐ０
Ｒｓ七Ｌｓ０Ｌ。，Ｐ
ｃｏＬ。，Ｒｓ＋Ｌ？ＰｃｏＬｒ
Ｌ。Ｐ—ｃｏＬｒＲ，＋Ｌ，Ｐ
ｌｆ，。＝Ｒ，ｉｓ。＋ｐｔ。１
ＨｓＢ＝Ｒ；ｉｓｐ＋畔ｓＢ＼
、￥ｓ。＝Ｌｓｉ。。＋Ｌ。ｉｒ。
鼍ｓ口＝Ｌｓｊｓ。＋Ｌ。ｉ，８
鼍ｒ，＝Ｌ。ｉｓ。＋Ｌｒｉ二。
Ⅶ，Ｂ＝ＬｍｔｓＢ＋Ｌ，ｉ，Ｂ
ｌｓ口
●
ｌ
ｓ８
●
１ｒ口
●
ｌ埘
（２—８）
（２—９）
（２—１０）
２．２电压空间矢量的正确选择
一台电压型逆变器主回路采用二极管不控整流、ＩＧＢＴ逆变，如图２—２所示。逆变器的开关状态与电压关系见表２—１。
逆变器的输出电压经Ｐａｒｋ矢量变换表示为八种电压空间矢量，如图２－３。零电压矢量７和８位于六边形的中心。由式（２－－１）可以看出定子磁链空间矢量ｖ．与定子电压空间矢量ｕ．之间为积
武汉理工大学硕士研究生学位论文
表２Ｉ逆变器的开关状态与定子电压值的关系
开关工作状态零状态．状态ｌ２３４５６７８
ＳａＯ０１ｌ１００１
Ｓｂ１ＯＯ０ｌ１０１
Ｓｃ１ｌｌＯＯ００１
２１１２１ｌ
电Ｕｑｊ‰一Ｕｄｊｍ——Ｕｄ一Ｕｄ—ＨＪ
ＯＯ
３ｊ３３压Ｌ／ｄ¨．％．％
值ＵＢ０ＯＯＯ
４３√３４３４３分关系，得出以下结论：１．定子磁链空间矢量的运动方向和轨迹决定于相应的电压空间矢量的作用方向。２．定子磁链空间矢量的运动速率与电压空间矢量的大小成『Ｅ比。
３．若ｕ：＝Ｏ，则ｖ。矢量停止运动。
４．在适当的时刻依次给出定子电压空间矢量Ｕ．ｔ－Ｕ，２－１１。３－－１．１，ｌ－ｔｌ，５－ｔｌｌ６，则得到定子磁链的运动轨迹为正六边形。直接利用逆变器的六种工作状态，简单地得到六边形的磁链
轨迹控制电动机，这就是直接转矩控制ＤＳＣ的基本思想。
Ｕｓ３
图２２电胜型理想逆变器幽２３Ｉ也压空问矢量的定义
壅圣墨三垄主堡主竺壅圭兰堡垒墨
２．３直接转矩控制的基本组成
主电路采用不控整流、电容滤波形成恒定幅值的直流电压
５０
圈２－４ＤＳＣ的牡本结构原理框幽
逆变器由集成化智能模块ＩＰＭ（ＩＧＰＴ＋驱动电路＋智能检测）构成。
异步电动机定子磁链的全阶ｕ—ｎ模型如图２—５所示。
幽２５定子磁链的伞阶Ｈ－ｎ模型
武汉理工大学硕士研究生学位论文Ｕｒｌ模型用到的数学方程式如下
一。＝吩。一ｋＲ，
飞ｓＢ＝Ｈ；Ｂ—ｉｓ６Ｒｓ
、￥ｉ，＝Ｒ？｜Ｌ，壮ｓ，一ｑ．，、一嘏－Ｂ飞？ｊ＝Ｒ？｜Ｌ，心ｓ，一、？３、七嫩ｉ。‘。＝ｌ／ｏ【■。（￡＋Ｌ，）／Ｌ一一。Ｊｉ；Ｂ＝、｜Ｌ。＼，。ＢｔＬ七Ｌ，、｜Ｌ一’，Ｂ、２—
２—
２—
２—
２—
２—
０１
１）
２１
３）
∞
５１
Ｕｎ模型的输入为定子电压、定子电流和电机转速的检测值。模型输出为定子磁链ｙ。、｜Ｉｆ，，和电磁转矩Ｔａ。电动机ｕ—ｎ模型综合了ｕ—ｉ模型和ｉ—ｎ模型的优点。实际上，高速时采用ｕ—ｉ模型，磁链由定予电压和定子电流计算得到，受参数影响小（只受Ｒ，的影响）。低速时电动机模型实际上工作在ｉｎ模型下，低速时由于Ｒ、的影响，ｕ—ｉ模型不能『Ｆ确工作。尽管ｉ＿ｎ模型受转子电阻Ｒ，、电感Ｌ。、Ｌ和∞的测量误差的影响，但它能证常工作，并且我ｆｆ］还可以采取措施减小这种误差。
磁链控制单元的输入是定子磁链在卢三相坐标系上的三个分量‰、％。、匕。，它们由定子磁链经２／３变换得到，见图２．３和公式（２１６）。通过磁链控制单元内的三个施密特触发器分别把三个磁链分量与磁链给定值甲。‘相比较，就可以得到三个磁链开关信号，再经换相逻辑变换成电压状态信号就可以直接去控制逆变器，输出相应的电压空间矢量，产生需要的六边形磁链。
％。％。％。０１
４３１
２２
√３１
１７
（２—１６）
武汉理三查堂堡±竺窒兰堂竺丝查：
１０
１√３
（２—１７）
２２
１４３
２２
下面再来分析转矩调节部分。
由式（２－５）可知，电磁转矩ＩＪ用定子电流矢量和定子磁链矢量的乘积来表示，式中ｙ。、妒口直接来自磁链观测器，ｊ。、‘直接取自电流检测环节。
转矩调节器也是一个滞环调节器，其输入是转矩给定Ｔ。＋与实际转矩Ｔ。之差ＡＴ。转矩给定即为速度调节器的输出（图２．３中转速检测及转速调节器没有画出）。转矩调节器的输出为ｓ，输入输出关系为：
ｒ１△ｒ≥占
Ｓ＝｛不变一占≤ＡＴ≤ｓ
【０ＡＴ＜一ｓ
Ｓ＝ｌ时，有效矢量作用，Ｔ。增大；Ｓ：０时，零矢量作用，Ｔ。减小。因此，实际转矩在ｔ‘＋占与ｔ‘一Ｆ之间不断变化，平均值为Ｔ。＝Ｔ。＋。
转矩容差的选择。
直接转矩控制系统中，由于转矩是开关式两位控制，所以电磁转矩存在脉动。转矩调节器的容差ｓ愈小，转矩脉动的幅值也愈小。如果电磁转矩的脉动频率足够的高，脉动的幅度足够的小，则由于机电时间常数的滤波作用，转矩脉动所引起的转速波动将会小到容许的范围内。但是容差占愈小，零矢量插入的次数愈多，逆变器开关元件的开关频率也愈高。具体设计时，必须兼顾上述两方面的要求，即在开关元件允许的情况下，尽量减小转矩调节器的容差占。
２．４低速范围内的圆形磁链控制
低速范围是指３０％额定转速以下的转速范围。在这个范围内，由于存在转速低（包括零转速）、定子电阻压降大的影响，会产生一些需要解决的新问题，如磁链波形畸变和在低频甚至零频时要求保持转矩和磁链基本不变等。因此要求在控制方法上做相应的考虑。
在低速范围内，，用圆形磁链代替六边形磁链可以获得更好的转矩控制效果。本节来讨论圆形磁链控制的有关问题。
一．用折线逼近圆弧
把一个理想的圆轨迹划分为若Ｔ个扇区，每个扇区可用几段折线来逼近。在图２．６中，以一６０”～０“扇区为例，可以用Ｖ。、Ｖｊ和Ｖｊ、Ｖ。交替作用产生的折线磁链轨迹逼近这段圆弧。可以想象，如果把扇区分得足够小，则这些折线就十分接近圆弧了。在每个小扇区内，可以用两个矢量逼近圆弧，也可以用三个矢量来逼近圆弧。显然三段式比两段式效果更好，但是三段式控制较复杂，本文采用两段式圆形磁链轨迹控制方案。
Ｖ
Ｖ２Ｖ３４ａ歹ｖＶ，６矛Ｖ０，夕ｖ，劣
Ｖ４Ｖ４
图２６用折线道近网弧
二．主矢量与副矢量
从图２．６可以看出，在一６０“～０”扇区内，不论是两段式逼近还是三段式逼近，Ｖｊ作用的时间均较Ｖｉ、Ｖ。作用的时间长。在这个区域内，Ｖ；称为主矢量，Ｖ．、Ｖ．称为副矢量。表２．４列出了每个有效矢量的作用区域和每个区域内主、副矢量的关系。不同的
表２２网形磁链Ｉ乜ＪＥ矢量选择
状态扇区ｋ主矢量副矢量
１．９００～．６００ｌＶ５
０Ｖ４
２．６００～．３００ｌＶ５
ＯＶｄ
３．３００～００１Ｖ６
ＯＶ５
４００～３００１Ｖ６
０Ｖ５
５３００～６００１Ｖｌ
ＯＶ６
６６００——９００１Ｖ１
ＯＶ６
７９００～１２００１Ｖ２
ＯＶ１
８１２００～１５００１Ｖ２
０Ｖ１
９１５００～１８００１Ｖ３
０Ｖ２
１０１８００～２１００】Ｖ３
ＯＶ２
１１２１００～２４００１Ｖｄ
ＯＶ３
１２２４００～２７００１Ｖｄ
ＯＶ３
区域主、副矢量是不同的，每个有效矢量作为主矢量的区域均为６０”，作为副矢量的区域也是６０”。
三．圆形轨迹的实现
观察图２．６中折线逼近圆弧轨迹的过程可以看出，在一６００～一３０”扇区内，主矢量Ｖ；作用时磁链轨迹向圆内运动，也就是说主矢量的作用使磁链幅值减小；副矢量作用时磁链轨迹向圆外运动，也就是说副矢量使磁链副值增大。而在一３００～００扇区内，主矢量和副矢量的作用正好倒过来，即主矢量作用时此两轨迹向圆外运动，磁链幅值增大；副矢量作用时磁链轨迹向圆外运动，磁链副值减小。在其它扇区，主矢量和副矢量对磁链轨迹的作用也存在
武汉理工大学硕士研究生学位论文
这一规律。依照上述规律可以构成图２．７所示的磁链闭环控制电路的结构原理图。
幽２７洲彤域链拶制’Ｕ路的腺理幽
图中矿，表示磁链幅值的给定值，即理想圆轨迹的半径。ｙ是磁链反馈信号，它来自磁链观测器。磁链调节器也是一个滞环调节器，容差为±ｓ，容差越小，磁链轨迹越接近圆形，但是越小，电压矢量的交替作用越频繁，逆变器的开关频率也越高。磁链调节器的输入输出特性为：
ｆｌ△ｙ≥＋占
ｋ＝｛不变一ｓ≤△妒≤＋ｓ
ｌ
１０△ｙ≤一占
四．一ｌ２０“电压矢量的作用
一１２００电压矢量是反向电压矢量，其作用是使定子磁链矢量倒转，从而使定子磁链矢量与转子磁链矢量之间的夹角迅速减小。由电磁转矩公式可知，电动机的电磁转矩将迅速减小。反向电压矢量比零矢量更能使电磁转矩迅速减小，所以在动态过程中十分有用。当动态过程转矩给定迅速下降时，可以插入一１２０“电压矢量加快转矩的响应过程，亦即转速的响应过程。
一１２００电压矢量的作用，在降低定子磁链矢量平均旋转速度的同时，增大了磁链的幅值。这种作用对低速段的运行特别有用。直接转矩控制系统的速度调节是靠插入零矢量来改变定子磁链矢量的旋转速度而实现的。速度愈低，零矢量的作用时间愈长。如果零矢量的作用时间太长，定子绕组的电流下降得太小，由磁链方程可知，定子磁链幅值将会下降得过多而影响电动机的出力。
武汉理工大学硕士研究生学位论文
这时可用插入一１２０。电压矢量的方法减小零矢量的作用时间，防止磁链幅值的下降。
仍以图２．６中一６０。～一３００扇区为例，如果让有效电压矢量Ｖ。和Ｖ；交替作用，且两矢量的作用时间相等，显然定子磁链将停止旋转，用这种方法可以实现电动机的堵转运行。如果不使用反向电压矢量，只用零矢量调速，则当速度为零时，持续的零电压矢量将使定子和转子磁链均下降为零，电动机无转矩输出。采用正向电压矢量和反向电压矢量交替作用可以避免零转速时电机磁链的消失，实现长时间的堵转运行。
武汉理工大学硕士研究生学位论文
第三章模糊控制和神经网络控制的理论及应用
３．１模糊控制的基本原理
自美国教授扎德（Ｌ．Ａ．Ｚａｎｄｅｈ）于１９６５年提出了模糊集合的概念以来，模糊集合理论发展十分迅速，并在许多领域中获得了应用。１９７４年，英国教授马达尼（Ｅ．Ｈ．Ｍａｍｄａｎｉ）首次用模糊逻辑和模糊推理实现了第一台试验性蒸汽机的控制，开始了模糊控制在工业中的应用。模糊控制是用语言归纳操作人员的控制策略，运用语言变量和模糊集合理论形成控制算法的一种控制。模糊控制不需要建立控制对象精确的数学模型，只要求把现场操作人员的经验和数据总结成较完善的语占控制规则，因此它能绕过对象的不确定性、不精确性、噪音以及非线性、时变性等的影响。模糊控制的基本结构如图３．１所示。
给
图３１模糊控制器的基本结构
模糊控制器主要由以下４部分组成：
１．模糊化
这部分的作用是将输入的精确量转换成模糊化量。常见的情况是计算ｅ＝ｒ．Ｙ和ｄｅ／ｄｔ，其中ｒ表示参考输入，Ｙ表示系统输出，ｅ表示误差。将上述已经处理过的输入量进行尺度变换，使其变换到各自的论域范围。将已经变换到论域范围的输入量进行模糊处理，使原先精确的输入量变成模糊量，并用相应的模糊集合来表示。
武汉理工大学硕士研究生学位论文
２知识库
它通常由数据库和模糊控制规则库两部分组成。数据库主要包括各语言变量的隶属度函数，尺度变换因子和模糊空间的分级数等。规则库包括了用模糊语言变量表示的一系列控制规则。它们反映了控制专家的经验和知识。
３．模糊推理
模糊推理是模糊控制器的核心，它具有模拟人的基于模糊概念的推理能力。该推理过程是基于模糊逻辑中的蕴含关系及推理规则来进行的。
４．ｉ青晰化
清晰化的作用是将模糊推理得到的控制量（模糊量）变换为实际用于控制的清晰量。
３．２模糊控制器设计的基本方法
３．２．１输入、输出量的模糊化
１．描述输入和输出变量的词集
在模糊控制中，输入输出变量的大小是以语言形式描述的，因此要选择描述这些变量的词汇。我们日常语言中对各种事物和变量的描述总是习惯于分为三个等级，如物体的大小分为大、中、小；运动的速度分为快、中、慢；年龄的大小分为老、中、青等等。所以，一般可选用“大、中、小”三个词汇来描述模糊控制器的输入、输出变量的状态，再加上正负两个方向和零，共有七个词汇：
｛负大，负中，负小，零，正小，正中，正大｝
一般用英文词头缩写为：
｛ＮＢ，ＮＭ，Ｎｓ，０，ＰＳ，ＰＭ，ＰＢ｝
一般情况下，选择上述七个词汇比较合适，但也可以多选或少选。选择较多的词汇可以精确描述变量，提高控制精度，但使控制规则变得复杂：选择的词汇过少使变量的描述太粗糙，导致控制器性能变坏。
武ｉＹ．．ＪＥｘ－大学硕士研究生学位论文
２．变量的模糊化
某个变量变化的实际范围称为该变量的基本论域。记误差的基本论域为【＿ｘｅ，ｘｅ］，误差变化的基本论域为【－ＸＣ，ＸＣ】，模糊控制器的输出变量的基本论域为［．ｙｕ，ｙｕ】。显然，基本论域内的量是精确量，但是模糊控制算法需要模糊量。因此，输入的精确量需要转换为模糊量，这个过程称为，“模糊化”；另一方面，模糊算法所得到的模糊控制量需要转换为精确的控制量，这个过程称为“清晰化”或“反模糊化”。
比较适用的模糊化方法是将基本论域分为ｎ个档次，即取变量的模糊子集论域为
｛一ｎ，一ｎ＋１，…，０，…，ｎ一１，ｎ｝
从基本论域［ａ，ｂｉｎ模糊子集论域［一ｎ，ｎ】的转换公式为
ｙ＝羔卜警，
３．隶属度
为了实现模糊化，要在上述离散化了的精确量与表示模糊语言的模糊量之间建立关系，即确定论域中的每个元素对各个模糊语言变量的隶属度。隶属度是描述某个确定量隶属于某个模糊语言变量的程度。根据论域为离散和连续的不同情况，隶属度函数的描述也有两种方法：
（１）数值描述方法
对于论域为离散，且元素个数为有限时，模糊集合的隶属度函数可以用向量或者表格的形式来表示。
（２）函数描述方法
对于论域为连续的情况，隶属度常常用函数的形式来描述，最常见的有钟形函数、三角函数、梯形函数等。实验研究结果表明，人们进行控制活动时的模糊概念一般用『Ｆ态型模糊变量（钟形函数）描述。下面给出钟形函数的解析式：
Ｉｘ—Ｆｒ
Ｕ（Ｘ）＝ｅ２０－２
龙源期刊网 https://www.doczj.com/doc/9c7045216.html, 模糊滑模控制算法研究综述 作者：米文鹏蒋奇英郭刚 来源：《读写算·教研版》2014年第14期 摘要：模糊控制及滑模控制作为两种先进的控制方法，有着非常好的优势，但也存在着缺点，结合两者的优点，互补其缺点，从而形成了模糊滑模控制律，本文主要概述研究了模糊控制的一些基本算法。 关键词：模糊控制；滑模控制；复杂系统 中图分类号：G632 文献标识码：B 文章编号：1002-7661（2014）14-094-01 随着控制理论实践的不断深入，被控对象的结构及数学模型也越来越复杂，呈现出时变性、多输入多输出、高度复杂性、非线性、不确定性等特点。面对这些复杂特征，传统的基于精确数学模型的控制理论的局限性日趋明显，于是出现了诸如变结构控制、自适应控制、模糊控制、神经网络控制以及智能控制等新的控制手段。本文就模糊滑模控制的产生及发展现状做简单介绍。 滑模控制因其独特的优势在伺服机构、飞行器控制等领域有着广阔的发展前景。但是，实际系统由于切换装置不可避免地存在惯性，变结构控制在不同的控制逻辑中来回切换，会导致实际滑模运动不是准确地发生在切换面上，容易引起系统的剧烈抖动。这一缺点使其在实际应用中受到了很大的限制。抖动不仅影响控制的精确性，增加能量消耗，而且系统中的高频未建模动态很容易被激发起来，破坏系统性能，甚至使系统产生振荡或失稳，损坏控制器部件。而将模糊控制与滑模变结构控制结合应用来克服变结构控制所带来的抖动便成为很多专家学者的研究重点。 一、常规模糊滑模控制 模糊控制和滑模变结构控制各有优缺点，有某种相似之处，又有互补之处。90年代以后 专家学者把二者结合，构成模糊滑模控制，实现两者之间的取长补短。同时还可在一定程度上削弱或克服滑模变结构控制的抖动现象。目前，模糊控制与滑模变结构控制的结合运用主要有以下三种方式[1]。 1、通过模糊控制规则自适应地调节符号函数项的值，可以在保证趋近速度和减小抖动的前提下较好地选择和。 2、通过模糊控制规则直接确定滑模控制量，即直接把切换函数及其微分作为输入量，通过模糊推理获得滑模控制的控制量。
人工神经网络控制 摘要: 神经网络控制，即基于神经网络控制或简称神经控制，是指在控制系统中采用神经网络这一工具对难以精确描述的复杂的非线性对象进行建模，或充当控制器，或优化计算，或进行推理，或故障诊断等，亦即同时兼有上述某些功能的适应组合，将这样的系统统称为神经网络的控制系统。本文从人工神经网络，以及控制理论如何与神经网络相结合，详细的论述了神经网络控制的应用以及发展。 关键词: 神经网络控制；控制系统；人工神经网络 人工神经网络的发展过程 神经网络控制是20世纪80年代末期发展起来的自动控制领域的前沿学科之一。它是智能控制的一个新的分支，为解决复杂的非线性、不确定、不确知系统的控制问题开辟了新途径。是（人工）神经网络理论与控制理论相结合的产物，是发展中的学科。它汇集了包括数学、生物学、神经生理学、脑科学、遗传学、人工智能、计算机科学、自动控制等学科的理论、技术、方法及研究成果。 在控制领域，将具有学习能力的控制系统称为学习控制系统，属于智能控制系统。神经控制是有学习能力的，属于学习控制，是智能控制的一个分支。神经控制发展至今，虽仅有十余年的历史，已有了多种控制结构。如神经预测控制、神经逆系统控制等。 生物神经元模型 神经元是大脑处理信息的基本单元，人脑大约含1012个神经元，分成约1000种类型，每个神经元大约与102~104个其他神经元相连接，形成极为错综复杂而又灵活多变的神经网络。每个神经元虽然都十分简单，但是如此大量的神经元之间、如此复杂的连接却可以演化出丰富多彩的行为方式，同时，如此大量的神经元与外部感受器之间的多种多样的连接方式也蕴含了变化莫测的反应方式。 图1 生物神经元传递信息的过程为多输入、单输出，神经元各组成部分的功能来看，信息的处理与传递主要发生在突触附近，当神经元细胞体通过轴突传到突触前膜的脉冲幅度达到一定强度，即超过其阈值电位后，突触前膜将向突触间隙释放神经传递的化学物质，突触有两
历矿驱够删，儆持电棚２伽年第８期？…己釜＜：／／蜗甜ｄ砻々∥—ｑ‘■多｝—ｌ，…一…………………………一……．－＿……………………………………－……………………．．神经网络滑模控制在并联机器人中的应用 王磊，高国琴，蔡纪鹤 （江苏大学，江苏镇江２１２０１３） 摘要：首先用滑模控制策略对被控对象进行控制仿真，在分析结果后，结合神经网络滑模控制方法，充分利用神经网络滑模控制的学习能力强，自适应辨识能力强，可以无穷逼近任意函数的优点。仿真结果表明，神经网络滑 模控制方法的跟踪效果好，系统误差小，可以满足机器人控制的要求，能够解决机器人的轨迹跟踪问题，仿真实验证 实了该控制策略的正确性和有效性。 关键词：并联机器人；滑模控制；神经网络；仿真；控制策略 中图分类号：１１Ｐ２７３＋．３文献标识码：Ａ文章编号：ｌ００４—７０１８（２∞８）０８一∞３２一０４ ＴｈｅＡｐｐｌｉｃａｔｉｏｎｏｆＶａｒｉａｂｌｅＳｔｒｕｃｔｕｒｅＢａｓｅｄＯｎＮｅｕｒａｌＮｅｔｗｏｒｋｉｎｔｈｅＣｏｎｔｒｏｌｏｆＰａｒａｌｌｅｔＲｏｂｏｔ 黝＾Ｂ如ｉ，ＧＡＤＧ“ｏ—ｑｉｎ，ＣＡ，＾一＾ｅ （ＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｊｉａｎｇ２１２０１３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｆｉｒｓｔｌｙ，ｂｙｔｈｅｕｓｅ０ｆｔｈｅｓｌｉｄｉｎｇｃｏｎｔｍＩｓｔｒａｔｅｇｙｔｏｓｉｍｕｌａｔｅｔｈｅｏｂｊｅｃｔ，ａｆｔｅｒａｎａｌｙｓｉｎｇｔｈｅｒｅｓｕｌｔｓ，ｃｏｍｂｊｎｉｎｇｔｈｅｎｅｕｒａＪｎｅｔｗｏｒｋｓｌｉｄｉｎｇｃｏｎｔｒｏｌｍｅｔｈｏｄ，ｍａｋｉｎｇｆｕｌｌｕｓｅｏｆｔ｜ｌｅｌｅａｍｉｎｇａｂｉｌｉｔｙｏｆｔｈｅｎｅｕｒａｌｎｅｔｗｏｒｋｓ“ｄｉｎｇｃｏｎｔｍｌａｎｄｔｈｅ ａｂｉＩｉｔｙｏｆａｄａＰｔｉｖｅｉｄｅｎｔｉ６ｃａｌｉｏｎ，ａｎｄｉｔａｌｓｏｃａｎａｐｐｒｏｘｊｍａｆｅａｎｙｆｕｎｃｔｉｏｎｉｎｆｉｎｉｔｅａｄｖａｎｔａｇｅ８．ＴｈｅｓｉｍｕＩａ“ｏｎｒｅｓｕＪｔｓｓｈｏｗｅｄ ｔｈａｔｔｈｅｎｅｕｍｌｎｅｔｗｏｒｋｃｏｎｔｍｌｍｅｔｈｏｄｏｆｔｒａｃ“ｎｇｓｌｉｄｉｎｇｔｏｏｋ９００ｄｅｆｆｂｃｔ，ｔｈｅｓｙｓ￡ｅｍｅ舯ｒｗ｛ｌｓｓｍａｌｌ，ｓａ“ｓ６ｎｇｔｈｅｒｅｑｕｉｒｅ—ｍｅｎｔｓｏｆｒｏｂｏｔｃｏｎｔｍｌ，ｓｏｌｖｊｎｇｔｈｅｐｒｏｂｌｅｍｏｆｍｂｏｔｔｒａｃｋｉｎｇ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｅｘｐｅｄｍｅｎｔｓｃｏｎｎ肿ｅｄｔｈｅｃｏｒｒｅｃｔｎｅｓｓｏｆｔｈｅｃｏｎ－ ｔｒｏｌｓｔｒａｌｅｇｙａｎｄｅｆ亿ｃｉｉｖｅｎｅｓｓ． Ｋｅｙｗｏｒｄｓ：ｐａ试ｌｅｌｒｏｂｏｔ；ｓｌｉｄｉｎｇｃｏｎｔｒｏｌ；ｎｅｕｒａｌｎｅｔｗｏｒｋ；ｓｉｍｕｌａｔｉｏｎ；ｃｏｎｔｍｌｓｔｒａｔｅｇｙ Ｏ引言１支路模型 并联机器人具有高精度、刚度大、承载力强、运动惯量小、位置误差不积累等特点，与串联机器人呈互补关系，成为机器人研究领域的热点。 本文力图研究一种控制策略，来满足并联机构的高速度、高精度的控制要求。并联机器人本身是一个高度非线性系统，运动过程中存在着很大的干扰因素，常规的控制策略已经很难满足控制要求。变结构控制系统在机器人、航空航天和工业领域中有着大量的应用研究，因为机器人动力学一般是非线性动力学，同时存在多种不可预见的外部干扰，所以机器人控制是近年来变结构控制系统理论的主要应用环境之一。但是抖振问题一直是变结构控制的热点，消除抖振的方法有很多，本文先用趋近率方法对支路进行仿真，然后用滑模控制等效控制对系统仿真，由于滑模控制的抖振大小主要是由其控制器的切换增益决定的，最后提出的一种新型的解决抖振控制方法，采用神经网络对切换项的增益进行调节，从而从根本上降低了滑模控制的抖振。 收稿日期：２００８一０３—０３ 基金项目：国家自然科学基金资助项目（５０３７５０６７） 江苏省教育厅资助项日（０３ＫＪＤ５１００７２） ３２ 本文研究的并联机器人是二自由度驱动冗余并联机器人Ｍｊ，其中有三个驱动部分，每个驱动侧包括一个松下ＭＩＮＡＳＡ系列ＡＣ伺服电机和减速装置。上位机通过固高控制 卡ＧＴ一４００一ＳＶ来控制 三个电机，这种机构的驱 动元减少，结构紧凑，具有 广泛的实用价值和研究价 值，在工业中具有广泛的图ｌ二自由度冗余 应用。如图１所示。并联机器人结构图 ２交流伺服驱动支路模型 本文中的控制电机是松下交流伺服电机．根据有关文献ｈ８１可知，电流控制的三相星型连接的无刷交流伺服电机的输出转矩可以表示为： 丁（ｓ）＝［（厶砗ｍ—Ｋｉ一）Ｋ一∞Ｋ１ｚ氘÷Ｋｔｐ （１）式中：Ｋ。。为电流信号前置放大系数８８，Ｋｉ为电流环反馈系数２．２，配为电流调节器放大系数６，Ｌ。、尺，为三相绕组的电感和电阻，分别为９．９ｍＨ、３．７Ｑ，，。 万方数据
滑模最优控制方法在交会对接中的应用研究 史书琴1，景前锋2，王蕊1，屈桢深1 1.哈尔滨工业大学空间控制与惯性技术研究中心，哈尔滨，150080 2.上海航天局805研究所，上海，201108 摘要：本文提出了一种将视觉反馈中的延时进行泰勒展开的方法并结合某空间交会具体任务要求，通过采用滑模最优控制的方法解决了该系统中大延时、强干扰，参数摄动的理想特性，比较真实的模拟了空间环境的特性，并对控制算法进行了稳定性证明。仿真效果表明，该方法比常规的喷气控制方法具有较高的控制精度和鲁棒性。 关键词：空间交会，滑模控制，非线性控制，喷气控制 0引言 空间交会接近最终段是整个交会对接任务的关键阶段，将直接影响到对接任务的成败[1-3]。该阶段常规采用开关喷气控制方式，无法实现较高控制精度，从而限制了对接过程的精度和可靠性。对交会控制算法的研究可分为两类。一类基于Hill方程的线性方法，假设目标运动为理想圆轨道，通过加入轨迹或燃料消耗等约束条件得到期望控制律[4,5]。但该方法本质开环,对各类误差较敏感，同时在运动过程中可能由于目标星姿态突然机动而出现不稳定性和不安全性。实际中采用分段及多次试探的方法来降低不稳定性和不安全性，或采用距离速率控制算法(RRCA)、变形-全方位距离速率控制算法(ODRRCA)等改进算法。另一类方法基于视线坐标系方程，基于相对目标飞行器的视线运动进行直接控制。如Z. H. Ma等研究了追踪星捕获一个翻滚卫星的近距离交会问题，提出了针对非合作目标的时间最优导航方法[6]。陈统等提出了基于相对实现运动的自主交会控制方法[7]，王颖等对观测信息不完备时的自主导航算法进行了研究[8]。视线法不受目标器轨道影响，能够更加准确的建模相对运动，但方程本质非线性，因此控制稳定性和抗干扰能力难以保证，实际中鲜有使用。 滑模控制由于算法简单，响应快速，鲁棒性好，易于工程实现等优点，得到了许多研究者的青睐。吴玉香[13]在其博士论文中研究了滑模控制理论在移动机械臂中的应用，主要以滑模控制理论为基础，以非完整移动机械臂的动力学模型作为应用对象，结合Lyapunov 稳定性理论、反步法、鲁棒控制、自适应控制等，针对几类典型非线性系统，给出了高性能跟踪控制器和镇定控制器的设计方法。张闯[14]针对直流侧串联型有源电力滤波器的一些相关问题展开研究，并提出了一种改进型拓扑，并利用滑模控制方法对该改进型滤波器进
实验八：基于神经网络的优化计算实验 一、实验目的 掌握连续Hopfield神经网络的结构和运行机制，理解连续Hopfield神经网络用于优化计算的基本原理,掌握连续Hopfield神经网络用于优化计算的一般步骤。 二、实验原理 连续Hopfield神经网络的能量函数的极小化过程表示了该神经网络从初始状态到稳定状态的一个演化过程。如果将约束优化问题的目标函数与连续Hopfield神经网络的能量函数对应起来，并把约束优化问题的解映射到连续Hopfield神经网络的一个稳定状态，那么当连续Hopfield神经网络的能量函数经演化达到最小值时，此时的连续Hopfield神经网络的稳定状态就对应于约束优化问题的最优解。 三、实验条件 VC＋＋6.0。 四、实验内容
1、参考求解TSP问题的连续Hopfield神经网络源代码，给出15个城市和20个城市的求解结果（包括最短路径和最佳路线），分析连续Hopfield神经网络求解不同规模TSP问题的算法性能。 2、对于同一个TSP问题（例如15个城市的TSP问题），设置不同的网络参数，分析不同参数对算法结果的影响。 3、上交源代码。 五、实验报告 1、画出连续Hopfield神经网络求解TSP问题的流程图。
2、根据实验内容，给出相应结果及分析。 (1)15个城市（测试文件TSP15.TXT）
tsp15.txt 最短路程 371 最佳路线 1914861351534712210111 →→→→→→→→→→→→→→→ (2)20个城市（测试文件TSP20.TXT） tsp20.txt 最短路程349 最佳路线 →→→→→→→→→→→→→→→→→→→→→141618971315111735124289191610201 3、总结连续Hopfield神经网络和遗传算法用于TSP问题求解时的优缺点。
人工智能实验报告 实验六基于神经网络的优化计算实验 一、实验目的： 掌握连续Hopfield神经网络的结构和运行机制，理解连续Hopfield神经网络用于优化计算的基本原理,掌握连续Hopfield神经网络用于优化计算的一般步骤。 二、实验原理 连续Hopfield神经网络的能量函数的极小化过程表示了该神经网络从初始状态到稳定状态的一个演化过程。如果将约束优化问题的目标函数与连续Hopfield神经网络的能量函数对应起来，并把约束优化问题的解映射到连续Hopfield神经网络的一个稳定状态，那么当连续Hopfield神经网络的能量函数经演化达到最小值时，此时的连续Hopfield神经网络的稳定状态就对应于约束优化问题的最优解。 三、实验条件： VC＋＋6.0。 四、实验内容： 1、参考求解TSP问题的连续Hopfield神经网络源代码，给出15个城市和20个城市的求解结果（包括最短路径和最佳路线），分析连续Hopfield神经网络求解不同规模TSP问题的算法性能。 2、对于同一个TSP问题（例如15个城市的TSP问题），设置不同的网络参数，分析不同参数对算法结果的影响。 3、上交源代码。
五、实验报告要求： 1、画出连续Hopfield神经网络求解TSP问题的流程图。 2、根据实验内容，给出相应结果及分析。 (1)15个城市（测试文件TSP15.TXT）
tsp15.txt 最短路程 371 最佳路线 →→→→→→→→→→→→→→→1914861351534712210111 (2)20个城市（测试文件TSP20.TXT） tsp20.txt 最短路程349 最佳路线 →→→→→→→→→→→→→→→→→→→→→141618971315111735124289191610201 3、总结连续Hopfield神经网络和遗传算法用于TSP问题求解时的优缺点。 遗传算法易出现早熟收敛和收敛性差的缺点。 Hopfield算法对高速计算特别有效，但网络不稳定。 用Hopfield解TSP问题效果并不理想。相对前面的遗传算法解TSP 性能有相当大差距。
滑模变结构控制作为一种特殊的鲁棒控制方法【原理，优点，意义，步骤，特点】 变结构控制系统的特征是具有一套反馈控制律和一个决策规则，该决策规则就是所谓的切换函数，将其作为输入来衡量当前系统的运动状态，并决定在该瞬间系统所应采取的反馈控制律，结果形成了变结构控制系统。该变结构系统由若干个子系统连接而成，每个子系统有其固定的控制结构且仅在特定的区域内起作用。引进这种变结构特性的优势之一是系统具有每一个结构有用的特性，并可进一步使系统具有单独每个结构都没有的新的特性，这种新的特性即是变结构系统的滑动模态。滑动模态的存在，使得系统在滑动模态下不仅保持对系统结构不确定性、参数不确定性以及外界干扰等不确定性因素的鲁棒性，而且可以获得较为满意的动态性能。迄今为止，变结构控制理论已经历了50年的发展历程，形成了自己的体系，成为自动控制系统中一种一般的设计方法。它适用的控制任务有镇定与运动跟踪等。 滑模控制(sliding mode control, SMC)也叫变结构控制，本质上是一类特殊的非线性控制，且非线性表现为控制的不连续性。这种控制策略与其他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,这就使得滑模控制具有快速响应、对应参数变化及扰动不灵敏、无需系统在线辨识、物理实现简单等优点。 原理： 滑模变结构控制的原理，是根据系统所期望的动态特性来设计系统的切换超平面，通过滑动模态控制器使系统状态从超平面之外向切换超平面收束。系统一旦到达切换超平面，控制作用将保证系统沿切换超平面到达系统原点，这一沿切换超平面向原点滑动的过程称为滑模控制。由于系统的特性和参数只取决于设计的切换超平面而与外界干扰没有关系，所以滑模变结构控制具有很强的鲁棒性。所设计的切换超平面需满足达到条件，即系统在滑模平面后将保持在该平面的条件。现在以N维状态空间模型为例，采用极点配置方法得到M(N 实验六基于神经网络的优化计算实验 一、实验目的 掌握连续Hopfield神经网络的结构和运行机制，理解连续Hopfield神经网络用于优化计算的基本原理,掌握连续Hopfield神经网络用于优化计算的一般步骤。 二、实验原理 连续Hopfield神经网络的能量函数的极小化过程表示了该神经网络从初始状态到稳定状态的一个演化过程。如果将约束优化问题的目标函数与连续Hopfield神经网络的能量函数对应起来，并把约束优化问题的解映射到连续Hopfield神经网络的一个稳定状态，那么当连续Hopfield神经网络的能量函数经演化达到最小值时，此时的连续Hopfield神经网络的稳定状态就对应于约束优化问题的最优解。 实验报告 1、画出连续Hopfield神经网络求解TSP问题的流程图。 2、根据实验内容，给出相应结果及分析。 (1)、参考求解TSP问题的连续Hopfield神经网络源代码（设置参数A=15,B=15,D=0.015, u0=0.02,h=0.5，r= cityNumber*10），给出15个城市和20个城市的求解结果（包括最短路径和最佳路线），分析连续Hopfield神经网络求解不同规模TSP问题的算法性能。 1）int main(int argc,char *argv[])：修改路径计算的代码 2）最后要求输出： TSP4 (2)、对于同一个TSP问题（例如15个城市的TSP问题），设置不同的网络参数（A=50,B=50,D=0.01,C=50，u0=0.02, h=0.5，r=cityNumber*100； A=0.5, B=0.5, D=0.5, C=0.2，u0=0.02,h=0.5,r=cityNumber*100； A=500,B=500,D=500,C=200，u0=0.02,h=0.5, r=cityNumber*100; A=5, B=5, D=0.01, C=5，u0=0.02,h=0.5, r=cityNumber*100），分析不同参数对算法结果的影响。 1）int main(int argc,char *argv[])：增加全局约束的参数C，网络动态方程也需增加全局约束项。 2）bool is_a_road()：在是否是一条可行路径中，需要增加满足全局约束的判断 3）最后要求输出： 情况一 情况二 探讨如何做好塔式起重机的神经网络滑模防摆控制 发表时间：2015-09-15T10:41:29.140Z 来源：《工程建设标准化》2015年5月总第198期供稿作者：邓海[导读] 广东省建筑机械厂有限公司，广东，广州塔式起重机在施工过程中，存在负载摆动的情况。 邓海 （广东省建筑机械厂有限公司，广东，广州，510000）【摘要】塔式起重机在施工过程中，存在负载摆动的情况。本文首先对起重机的动力学模型进行了分析，并提出了基于神经网络的滑膜防摆控制方法。使用此方法不仅可以降低滑膜控制系统的振动频率，而且可以使系统性能得以提升，使系统的控制品质得以改善。仿真效果具有可行性和有效性。 【关键词】塔式起重机；神经网络；滑膜防摆；控制 1 塔机系统结构 通常情况下，塔机结构主要由工作机构、金属结构、电气系系统构成。在工作过程中，塔机会利用变幅、起升、回转电机等方法来达到搬运物料的目的。[1]简化模型图如图1 所示。 （1）变幅结构。变幅结构主要由电机、变幅小车、制动器和减速器构成。在工作的过程中，塔机主要通过平移小车来对负载的水平位置进行调整。 （2）起升结构。塔机的起升结构主要由钢丝绳、卷筒、电机和吊钩构成，主要是为了达到负载上下垂直运动的目的。由于塔机在工作过程中，会将重物移动到指定的位置，因此，起升机构是塔机系统中工作次数最多的一个组成结构。 （3）回转结构主要由回转电机、减速器、限位器、液力耦合器等组成，塔机在工作过程中，会将塔身作为中轴，利用回转电机实现塔机在水面的转动。达到三维作业的目的。 2 塔式起重机摆动的影响因素 由于塔机系统相对复杂，除了一些组成元件有非线性因素存在以外，还会受到风力、导轨摩擦等因素的影响。为了进一步分析影响因素，本文做如下假设：（1）吊绳有足够的刚度，负载时可以不考虑长度的变化；（2）可以忽略吊绳质量相对负载质量；（3）负载只做和水平面垂直的平面运动，在进行数学模型的建立时，需要将负载和吊具看成一个没有体积的质点[2]。（4）设小车的驱动力为F，忽略电机传动机、减速器等机构的非线性影响。（5）忽略风机和空气阻力的影响。经过研究，塔机系统的摆动主要受到悬绳的起升力、小车的驱动力、轨道和小车摩擦力的影响。 3 设计塔式起重机模防摆控制器 对于控制系统来说，滑膜控制对参数摄动和外部干扰具有不变性。由于塔式起重机系统是一个多变量、相对复杂的耦合非线性系统，在对物体进行吊运的过程中，会影响摆角防摆控制和定位控制。由于使用现代控制理论和经典理论的方法控制效果并不理想，所以文中使用神经网络滑膜控制器来控制塔式起重机的负载摆角和臂架小车的位置进行定位，并对其进行防摆控制。 目前，使用比较广泛的模型为BP 多层前馈网络，这种学习算法学习速度比较慢、计算量比较大。而径向基函数网络属于三层前馈型的网络（RBF 网络），使用径向函数作为隐层单元的函数，将输间的权值固定为1，只有输出单元和隐层单元之间的权值可以调节。RBF 网络除了计算速度快、计算量小外，还具有不错的推广应用能力，这种网络结构属于局部逼近网络，可以通过任意的精度区接近任意一个连续的函数。本文设计使用四个神经网络逼近网络。 第24卷第3期2007年6月 控制理论与应用 Control Theory&Applications V ol.24No.3 Jun.2007滑模变结构控制理论及其算法研究与进展 刘金琨1,孙富春2 (1.北京航空航天大学自动化与电气工程学院,北京100083;2.清华大学智能技术与系统国家重点实验室,北京100084) 摘要:针对近年来滑模变结构控制的发展状况,将滑模变结构控制分为18个研究方向,即滑模控制的消除抖振问题、准滑动模态控制、基于趋近律的滑模控制、离散系统滑模控制、自适应滑模控制、非匹配不确定性系统滑模控制、时滞系统滑模控制、非线性系统滑模控制、Terminal滑模控制、全鲁棒滑模控制、滑模观测器、神经网络滑模控制、模糊滑模控制、动态滑模控制、积分滑模控制和随机系统的滑模控制等.对每个方向的研究状况进行了分析和说明.最后对滑模控制的未来发展作了几点展望. 关键词:滑模控制;鲁棒控制;抖振 中图分类号:TP273文献标识码:A Research and development on theory and algorithms of sliding mode control LIU Jin-kun1,SUN Fu-chun2 (1.School of Automation Science&Electrical Engineering,Beijing University of Aeronautics and Astronautics,Beijing100083,China; 2.State Key Laboratory of Intelligent Technology and Systems,Tsinghua University,Beijing100084,China) Abstract:According to the development of sliding mode control(SMC)in recent years,the SMC domain is character-ized by eighteen directions.These directions are chattering free of SMC,quasi SMC,trending law SMC,discrete SMC, adaptive SMC,SMC for mismatched uncertain systems,SMC for nonlinear systems,time-delay SMC,terminal SMC, global robust SMC,sliding mode observer,neural SMC,fuzzy SMC,dynamic SMC,integral SMC and SMC for stochastic systems,etc.The evolution of each direction is introduced and analyzed.Finally,further research directions are discussed in detail. Key words:sliding mode control;robust control;chattering 文章编号：1000?8152(2007)03?0407?12 1引言(Introduction) 滑模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.该方法的缺点在于当状态轨迹到达滑模面后,难于严格地沿着滑模面向着平衡点滑动,而是在滑模面两侧来回穿越,从而产生颤动. 滑模变结构控制出现于20世纪50年代,经历了50余年的发展,已形成了一个相对独立的研究分支,成为自动控制系统的一种一般的设计方法.以滑模为基础的变结构控制系统理论经历了3个发展阶段.第1阶段为以误差及其导数为状态变量研究单输入单输出线性对象的变结构控制;20世纪60年代末开始了变结构控制理论研究的第2阶段,研究的对象扩大到多输入多输出系统和非线性系统;进入80年代以来,随着计算机、大功率电子切换器件、机器人及电机等技术的迅速发展,变结构控制的理论和应用研究开始进入了一个新的阶段,所研究的对象已涉及到离散系统、分布参数系统、滞后系统、非线性大系统及非完整力学系统等众多复杂系统,同时,自适应控制、神经网络、模糊控制及遗传算法等先进方法也被应用于滑模变结构控制系统的设计中. 2滑模变结构控制理论研究进展(Develop-ment for SMC) 2.1消除滑模变结构控制抖振的方法研 究(Research on chattering elimination of SMC) 2.1.1滑模变结构控制的抖振问题(Problems of SMC chattering) 从理论角度,在一定意义上,由于滑动模态可以 收稿日期:2005?10?19;收修改稿日期:2006?02?23. 基金项目:国家自然科学基金资助项目(60474025,90405017). 神经网络控制 HEN system office room 【HEN16H-HENS2AHENS8Q8-HENH1688】 人工神经网络控制 摘要: 神经网络控制，即基于神经网络控制或简称神经控制，是指在控制系统中采用神经网络这一工具对难以精确描述的复杂的非线性对象进行建模，或充当控制器，或优化计算，或进行推理，或故障诊断等，亦即同时兼有上述某些功能的适应组合，将这样的系统统称为神经网络的控制系统。本文从人工神经网络，以及控制理论如何与神经网络相结合，详细的论述了神经网络控制的应用以及发展。 关键词: 神经网络控制；控制系统；人工神经网络 人工神经网络的发展过程 神经网络控制是20世纪80年代末期发展起来的自动控制领域的前沿学科之一。它是智能控制的一个新的分支，为解决复杂的非线性、不确定、不确知系统的控制问题开辟了新途径。是（人工）神经网络理论与控制理论相结合的产物，是发展中的学科。它汇集了包括数学、生物学、神经生理学、脑科学、遗传学、人工智能、计算机科学、自动控制等学科的理论、技术、方法及研究成果。 在控制领域，将具有学习能力的控制系统称为学习控制系统，属于智能控制系统。神经控制是有学习能力的，属于学习控制，是智能控制的一个分支。神经控制发展至今，虽仅有十余年的历史，已有了多种控制结构。如神经预测控制、神经逆系统控制等。 生物神经元模型 神经元是大脑处理信息的基本单元，人脑大约含1012个神经元，分成约1000种类型，每个神经元大约与 102~104个其他神经元相连接，形成极为错综复杂而又灵活多变的神经网络。每个神经元虽然都十分简单，但是如此大量的神经元之间、如此复杂的连接却可以演化出丰富多彩的行为方式，同时，如此大量的神经元与外部感受器之间的多种多样的连接方式也蕴含了变化莫测的反应方式。 图1 生物神经元传递信息的过程为多输入、单输出，神经元各组成部分的功能来看，信息的处理与传递主要发生在突触附近，当神经元细胞体通过轴突传到突触前膜的脉 滑模变结构控制 【原理，优点，意义，步骤，特点】 变结构控制系统的特征是具有一套反馈控制律和一个决策规则，该决策规则就是所谓的切换函数，将其作为输入来衡量当前系统的运动状态，并决定在该瞬间系统所应采取的反馈控制律，结果形成了变结构控制系统。该变结构系统由若干个子系统连接而成，每个子系统有其固定的控制结构且仅在特定的区域内起作用。引进这种变结构特性的优势之一是系统具有每一个结构有用的特性，并可进一步使系统具有单独每个结构都没有的新的特性，这种新的特性即是变结构系统的滑动模态。滑动模态的存在，使得系统在滑动模态下不仅保持对系统结构不确定性、参数不确定性以及外界干扰等不确定性因素的鲁棒性，而且可以获得较为满意的动态性能。迄今为止，变结构控制理论已经历了50年的发展历程，形成了自己的体系，成为自动控制系统中一种一般的设计方法。它适用的控制任务有镇定与运动跟踪等。滑模控制(sliding mode control, SMC)也叫变结构控制，本质上是一类特殊的非线性控制，且非线性表现为控制的不连续性。这种控制策略与其他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 得滑模控制具有快速响应、对应参数变化及扰动不灵敏、无需系统在线辨识、物理实现简单等优点。原理：滑模变结构控制的原理，是根据系统所期望的动态特性来设计系统的切换超平面，通过滑动模态控制器使系统状态从超平面之外向切换超平面收束。系统一旦到达切换超平面，控制作用将保证系统沿切换超平面到达系统原点，这一沿切换超平面向原点滑动的过程称为滑模控制。由于系统的特性和参数只取决于设计的切换超平面而与外界干扰没有关系，所以滑模变结构控制具有很强的鲁棒性。所设计的切换超平面需满足达到条件，即系统在滑模平面后将保持在该平面的条件。现在以N维状态空间模型为例，采用极点配置方法得到M(N 滑模控制(sliding mode control, SMC)也叫变结构控制, 其本质上是一类特殊的非线性控制,且非线性表现为控制的不连续性. 这种控制策略与其他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,这就使得滑模控制具有快速响应、对应参数变化及扰动不灵敏、无需系统在线辨识、物理实现简单等优点. 滑模变结构控制是根据系统所期望的动态特性来设计系统的切换超平面，通过滑动模态控制器使系统状态从超平面之外向切换超平面收束。系统一旦到达切换超平面，控制作用将保证系统沿切换超平面到达系统原点，这一沿切换超平面向原点滑动的过程称为滑模控制。由于系统的特性和参数只取决于设计的切换超平面而与外界干扰没有关系，所以滑模变结构控制具有很强的鲁棒性。超平面的设计方法有极点配置，特征向量配置设计法，最优化设计方法等，所设计的切换超平面需满足达到条件，即系统在滑模平面后将保持在该平面的条件。控制器的设计有固定顺序控制器设计、自由顺序控制器设计和最终滑动控制器设计等设计方法[1]。现在以N维状态空间模型为例，采用极点配置方法得到M(N 神经网络自适应控制的原理 自适应控制是一种特殊的反馈控制，它不是一般的系统状态反馈或输出反馈，即使对于现行定常的控制对象，自适应控制亦是非线性时变反馈控制系统。这种系统中的过程状态可划分为两种类型，一类状态变化速度快，另一类状态变化速度慢。慢变化状态可视为参数，这里包含了两个时间尺度概念：适用于常规 反馈控制的快时间尺度以及适用于更新调节参数的慢时间尺度，这意味着自适应 控制系统存在某种类型的闭环系统性能反馈。原理图如下： 图2-7自适应控制机构框图 人工神经网络（简称ANN）是也简称为神经网络（NNS ）或称作连接模型，是对人脑或自然神经网络若干基本特性的抽象和模拟。人工神经网络以对大脑的 生理研究成果为基础的，其目的在于模拟大脑的某些机理与机制，实现某个方面 的功能。人工神经网络下的定义就是：“人工神经网络是由人工建立的以有向图为拓扑结构的动态系统，它通过对连续或断续的输入作状态相应而进行信息处理。”这一定义是恰当的。 人工神经网络的研究，可以追溯到1957年Rosenblatt提出的感知器模型。目前在神经网络研究方法上已形流派，最富有成果的研究工作包括：多层网络BP算法，Hopfield网络模型，自适应共振理论，自组织特征映射理论等。它虽然反映了人脑功能的基本特征，但远不是自然神经网络的逼真描写，而只是它的某种简化抽象和模拟。神经网络的研究可以分为理论研究和应用研究两大方面。理论研究可分为以下两类： （1）利用神经生理与认知科学研究人类思维以及智能机理。 （2）利用神经基础理论的研究成果，用数理方法探索功能更加完善、性能更加优越的神经 网络模型，深入研究网络算法和性能，女口：稳定性、收敛性、容错性、 鲁棒性等；开发新的网络数理理论。 应用研究可分为以下两类： （1） 神经网络的软件模拟和硬件实现的研究。 （2） 神经网络在各个领域中应用的研究。 神经网络具有以下?特点： （1） 能够充分逼近任何复杂的非线性关系； （2） 全部定性或定量的信息都均匀分布存在于网络内的各神经元，因此有很强 的容错性和鲁棒性； （3） 使用并行分布处理的方式，让大量运算成可以快速完成； 神经网络自适应的一般结构 神经网络自适应控制有两种基本结构形式，一种是神网络模型参考自适应 控制 （NNMRAC ），—种是神经网络自校正控制（NNSTC ）。神经网络模型参考自 适应控制又分为直接型与间接型。结构如图（2 -8 ）所示。构造一个参考模型使 其输出为期望输出，控制的目的是使y 跟踪。 （a ）直接型 (b)间接型 图2-8神经网络模型参考自适应控制结构 y 步骤一：确定状态变量（分为单输入系统和多输入系统）以及状态变量之间的关系 比如永磁同步电机速度滑模变结构控制： 状态变量为： 状态变量之间的关系（可以通过电机的电压，磁链，转矩和运动学方程推导）比如确定如上x1,x2以及系统的关系，可根据如下方程（其中有错误注意）： 得到状态关系方程（其中a为常数与电机参数有关）： 永磁同步电机位置滑模变结构控制： 状态变量为： 步骤二：确定滑动面方程（切换函数S） 必须确保滑动模态在S = 0时t趋近于无穷大是稳定的。（根据实际情况确保品质参数），其表达式如下： 这种切换函数下得到的响应是过阻尼响应，理论上是不存在超调量的。 对于多输入系统，其切换函数为： 步骤三： 方法一：确定趋近率函数（切换函数的微分S’），并确定滑模变结构控制的输出量即控制率函数Ux(Ux)。另外，需要由电机方程指定该控制率函数和电机系统变量的关系（实际需要决定）（比如：速度滑模变结构的输出肯定是与电机电流iq是有关系的，从而便于下一步的电流逆变器的控制）。 常见的趋近率函数为： 其他特殊的更常用的趋近律如下： 如此可确定控制率函数的表达式。（本质上控制率函数是用来去除系统参数变化和外部扰动对系统的影响。） 该方法的缺点是：由于系统在滑动面上对参数及系统外部扰动的抗干扰性很强。而在滑动面外（趋近运动），控制率函数在起作用，而控制率函数是与系统参数有关的。所以收到系统参数的影响。为了能够实现系统一直具有很高的鲁棒性，可以使系统设置从初始时刻就处于滑动面上，见方法二（全局滑模变结构控制）。 方法二：合适选择切换函数并先确定控制率函数Ux。（由于系统一直处于滑动面上，所以无需选择趋近率函数） 比如PMSM的速度滑模变结构控制： 滑模变结构理论 一、引言 滑模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。该方法的缺点在于当状态轨迹到达滑模面后,难于严格地沿着滑模面向着平衡点滑动,而是在滑模面两侧来回穿越, 从而产生颤动。滑模变结构控制出现于20世纪50年代,经历了 50余年 的发展,已形成了一个相对独立的研究分支,成为自动控制系统的一种一 般的设计方法。以滑模为基础的变结构控制系统理论经历了 3个发展阶 段.第1阶段为以误差及其导数为状态变量研究单输入单输出线性对象的 变结构控制; 20世纪60年代末开始了变结构控制理论研究的第2阶段, 研究的对象扩大到多输入多输出系统和非线性系统;进入80年代以来, 随着计算机、大功率电子切换器件、机器人及电机等技术的迅速发展, 变 结构控制的理论和应用研究开始进入了一个新的阶段, 所研究的对象已 涉及到离散系统、分布参数系统、滞后系统、非线性大系统及非完整力 学系统等众多复杂系统, 同时,自适应控制、神经网络、模糊控制及遗传 算法等先进方法也被应用于滑模变结构控制系统的设计中。 二、基本原理 带有滑动模态的变结构控制叫做滑模变结构控制(滑模控制)。所谓滑动模态是指系统的状态被限制在某一子流形上运动。通常情况下,系统 的初始状态未必在该子流形上,变结构控制器的作用在于将系统的状态 轨迹于有限时间内趋使到并维持在该子流形上,这个过程称为可达性。系 统的状态轨迹在滑动模态上运动并最终趋于原点,这个过程称为滑模运 动。滑模运动的优点在于,系统对不确定参数和匹配干扰完全不敏感。下 图简要地描述了滑模变结构控制系统的运动过程,其中S(t)为构造的切 换函数(滑模函数), S(t)=0为滑模面。基于神经网络的优化计算实验
探讨如何做好塔式起重机的神经网络滑模防摆控制
滑模变结构控制理论及其算法研究与进展_刘金琨
神经网络控制完整版
滑模变结构控制
滑模控制
神经网络自适应控制地原理
滑模变结构控制(SMC)的基本思路
滑模控制
相关主题
文本预览