导读:本文包含了自适应反推论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:永磁,自适应,神经网络,同步电动机,直线,不确定性,矢量。
自适应反推论文文献综述
张旭[1](2019)在《车辆非线性主动悬架系统自适应反推控制器设计》一文中研究指出根据“中国制造2025”的发展要求,汽车领域不断飞速发展,人们对于车辆舒适度和安全性要求不断提高,车体悬架系统是位于车辆底盘的重要系统之一,用于支撑车体重量、吸收和消除振动,并决定和影响着驾乘人员的行驶平顺性和操纵稳定性。主动悬架系统是一种可调系统,并且可以根据车辆行驶时不同的环境变化,实时的改善车辆系统的性能,所以众多学者对其进行了广泛研究。主动悬架系统在研究中应充分考虑其组成元件弹簧和阻尼的非线性,且车辆在不同环境和不同工况行驶过程中,其车辆悬架系统参数也会发生改变,在控制器设计过程中这种系统的非性性和参数变化会严重影响主动悬架系统的稳定性和鲁棒性。而自适应反推控制方法可有效解决上述系统干扰问题,该方法根据外界干扰和控制模型的变化设计相应的自适应调节规律,实时抑制外界不利条件对系统的干扰,实现精确控制,有效提高系统的鲁棒性。基于此,本文基于自适应反推理论,设计了不同类型的控制器以提高悬架系统性能。研究内容主要分为以下几个方面:(1)采集路面信息并构建叁种路面激励模型,进而建立非线性被动悬架系统模型。通过仿真实验得到车辆非线性被动悬架系统的各项性能指标以及输出曲线。(2)针对非线性主动悬架系统,提出两种基于Lyapunov函数的自适应反推控制方法。首先建立不确定性的1/2车辆非线性主动悬架系统模型,并引入虚拟控制函数,以控制车辆的垂向和俯仰运动,同时设计自适应控制律,调节系统中不确定性的影响,最终得到两种主动控制力。(3)引入可调的理想参考轨迹曲线,建立误差跟踪系统,设计一种高精度的自适应反推控制律,使主动悬架系统的状态变量可以跟踪给定的参考轨迹,并结合Lyapunov稳定性理论,证明悬架系统的全局稳定性,同时,对轮胎子系统进行零动态稳定性分析,以保证各安全性能指标均在给定界限范围之内。(4)考虑输入时滞对悬架系统的影响,建立不确定非线性的1/4车辆主动悬架模型,设计一种新的基于二次Lynapunov函数的自适应反推控制器,同时根据线性化理论和振动原理,给出了一种临界时滞的求解方法,这种方法可根据控制器的输入不同,求解出相应的控制器临界时滞,对于大多数闭环系统,均可用该方法对临界时滞进行求解。(本文来源于《西安理工大学》期刊2019-06-30)
金洋洋[2](2019)在《永磁直线同步电动机的智能自适应反推控制》一文中研究指出随着科学技术的快速发展,永磁直线同步电动机(PMLSM)凭借其推力大、响应快、精度高等优点,被广泛应用于工业机器人、数控加工和半导体制造系统等现代制造业中。PMLSM伺服系统直接驱动进给机构做直线运动,在结构上省去了中间传动装置,但系统跟踪精度易受参数变化、摩擦力和负载扰动等不确定性因素的影响,因此为提高系统的跟踪性能和鲁棒性能,本文采用了将神经网络和反推控制将结合的方案来控制PMLSM伺服系统。首先,综述了PMLSM伺服系统以及反推控制方法的研究现状,介绍了PMLSM的结构特点和工作原理,分析了系统中不确定性因素产生的原因以及对系统跟踪性能造成的影响,建立了含有不确定性因素的PMLSM数学模型。在阐述了矢量控制原理的基础上,建立了PMLSM矢量控制系统。然后,针对PMLSM伺服系统位置跟踪问题,设计了反推控制方案,通过逐步修正算法来设计虚拟控制函数,每个反推阶段利用上一阶段的控制律产生新的虚拟控制律,直到获得实际控制输入。同时,每个反推阶段利用李雅普诺夫函数的稳定性理论保证系统的稳定性。仿真结果表明,所提出的控制方案明显提高了系统的跟踪性能。最后,为进一步提高PMLSM伺服系统的跟踪性能和鲁棒性能,针对系统中存在的不确定性因素在设计过程中是未知且难得到的这一问题,分别采用了静态自适应径向基(RBF)神经网络反推控制、动态自适应Elman神经网络反推控制的方案,对系统动态方程进行综合分析和理论推导,利用神经网络对不确定性进行估计,克服不确定性对系统的影响,提高系统的鲁棒性能。对比仿真结果可知,智能反推控制能够进一步提高系统的鲁棒性能和跟踪性能,而动态Elman神经网络反推控制比静态RBF神经网络反推控制有更快的收敛速度和更好的跟踪性能。(本文来源于《沈阳工业大学》期刊2019-06-04)
王翠[3](2019)在《一类非仿射非线性系统鲁棒自适应反推研究》一文中研究指出非仿射非线性系统广泛存在于实际系统中,控制输入以非线性隐含的形式作用于系统,这对其控制器设计提出了挑战。本文针对一类不确定严格反馈的非仿射非线性系统在输入/输出受限、执行器故障以及状态不可测的情况下展开基于鲁棒自适应反推控制研究,主要内容如下:首先,针对一类不确定严格反馈非仿射非线性系统,提出基于非线性干扰观测器的滑模动态面控制方法。为便于利用仿射非线性系统设计控制器,利用泰勒级数在线展开的方式,使不确定严格反馈非仿射非线性系统的控制量显性表达;在此基础上,针对含有不确定性的非线性系统,利用非线性干扰观测器实现不确定项和干扰项在线实时逼近;以此,结合动态面和滑模方法,设计滑模动态面控制器,其中,滑模设计增强了系统的鲁棒性,动态面设计避免了传统反推控制中的“微分膨胀”问题,并通过Lyapunov函数方法证明闭环系统的稳定性。仿真结果表明,闭环系统具有较好的跟踪性能。其次,针对一类输入饱和且输出时变受限的不确定严格反馈非仿射非线性系统,提出基于Hermite多项式递归神经网络干扰观测器的反推控制方法。采用近似方法对输入输出受限的不确定严格反馈非仿射非线性系统进行泰勒级数展开,使非仿射非线性系统中的控制量显性表达;基于此,利用Hermite多项式递归神经网络干扰观测器对系统未知复合干扰进行估计;借助非对称障碍型Lyapunov函数设计基于反推方法的控制器,并依据Lyapunov函数理论证明闭环系统稳定性。仿真结果验证所提方法的有效性。然后,针对一类执行器故障的不确定严格反馈非仿射非线性系统,提出基于自适应滑模干扰观测器的容错反推控制方法。利用全局近似方法将执行器故障的不确定严格反馈非仿射非线性系统控制量显性化;在此基础上,设计自适应滑模干扰观测器对未知扰动进行估计;提出基于有限时间Lyapunov函数理论的容错反推控制器设计过程,Lyapunov函数理论证明闭环系统有限时间稳定。仿真结果证明该方法能够保证闭环系统的良好性能。最后,针对一类状态不可测的不确定严格反馈非仿射非线性系统,提出基于有限时间干扰观测器的输出反馈积分反推控制方法。设计基于tanh函数的扩张状态观测器对非仿射非线性系统状态进行观测;在此基础上对状态不可测的不确定严格反馈非仿射非线性系统近似转换,使控制输入显性化;针对状态不可测的不确定非线性系统,利用有限干扰观测器对系统不确定性和未知扰动和不确定项进行实时估计;设计积分反推控制器,并利用Lyapunov函数理论证明闭环系统的稳定性。仿真结果表明,该控制方法能够保证闭环系统的稳定性。(本文来源于《济南大学》期刊2019-06-01)
畅达,余洋,米增强,郑晓明,孙辰军[4](2019)在《基于自适应反推控制的无传感器PMSG闭环I/f控制》一文中研究指出针对机械弹性储能系统动力源扭矩变化特性,提出一种无传感器永磁同步发电机(PMSG)闭环I/f反推自适应控制策略。建立机械弹性储能系统的数学模型和定子电流矢量定向下的PMSG数学模型,在分析PMSG开环I/f控制不足的基础上,提出基于自适应反推控制的I/f闭环控制方法,通过转速和电流闭环使定子电流定向的dq轴和以电机转子定向的dq轴之间的转角恒定。仿真结果表明,能够抑制转速波动,I/f控制的"转角-自平衡"特性使系统无须加装速度传感器,能够防止启动阶段过流,构建的定子电阻和电感自适应律可以准确辨识PMSG定子电阻和电感,提高了控制的鲁棒性。(本文来源于《系统仿真学报》期刊2019年03期)
赵海波,王承光[5](2018)在《双电机驱动伺服系统径向基函数神经网络反推自适应控制》一文中研究指出双电机驱动伺服系统中存在齿隙非线性环节,为了削弱齿隙非线性对系统的动态和稳态性能产生的不利影响,本文提出了一种新的自适应控制方法.首先给出了系统的状态空间模型并分析了双电机同步联动控制的原理,然后应用改进的反推方法,在考虑系统所有的状态变量都能收敛的基础上,引入虚拟控制量,通过逐步递推选择Lyapunov函数,利用径向基函数(radial basis function, RBF)神经网络在线逼近系统中的不确定函数,设计了基于状态反馈的RBF神经网络反推自适应控制器,并进行了稳定性分析.将单纯的反推控制和RBF神经网络反推自适应控制的仿真结果对比,发现后者的优越性高于前者.最后在实际系统中进行试验,验证了所提控制策略的可行性.(本文来源于《控制理论与应用》期刊2018年09期)
吴勇慷,赵希梅[6](2018)在《基于函数链径向基神经网络的PMLSM自适应反推控制》一文中研究指出为提高永磁直线同步电动机(PMLSM)伺服系统的控制性能,解决参数变化、外部扰动和摩擦力等不确定性因素对系统影响的问题,提出一种基于函数链径向基神经网络(FLRBFNN)的自适应反推控制(ABC)方法。首先建立含有不确定性因素的PMLSM动态模型;其次,利用ABC中的自适应律对系统总不确定性进行估计,但在设计ABC时存在大量求导运算,以至于产生"微分爆炸"现象。因此,为解决这一问题并进一步提高系统性能,采用FLRBFNN在线学习并调整控制器参数,FLRBFNN将径向基神经网络(RBFNN)和函数链神经网络(FLNN)相结合,利用FLNN增大神经网络搜索空间,提高网络收敛速度和收敛精度,从而提高RBFNN估计系统不确定性的能力,有效降低不确定性因素对系统的影响。实验结果表明,该方法切实可行,与ABC相比,能够使系统具有较强的鲁棒性能和跟踪性能。(本文来源于《电工技术学报》期刊2018年17期)
连晗,张继龙[7](2018)在《六相感应电机反推自适应的矢量控制研究》一文中研究指出针对六相感应电机运行时存在参数变化与负载扰动等问题,从其数学模型出发,提出了一种六相感应电机反推自适应的矢量控制方法。该方法运用非线性的反推控制器取代传统的PI控制器,实现转子电阻与负载转矩的实时估计,能够保证系统在参数发生变化的情况下实现电机对给定信号的跟踪控制。在MATLAB/Simulink中进行仿真验证,结果表明:所提出的控制方法与传统的PI控制方法相对比,可以保证系统全局稳定、明显提高系统的动静态性能和鲁棒性。(本文来源于《机车电传动》期刊2018年04期)
吴勇慷[8](2018)在《基于速度规划的永磁直线伺服系统自适应反推滑模控制》一文中研究指出本课题来源辽宁省自然科学基金计划重点项目:高精度直驱龙门平台鲁棒智能互补滑模控制研究。随着高速度、高精度的轮廓加工需求日益增长,采用永磁直线同步电动机(PMLSM)作为驱动的设备逐渐增加。PMLSM取消了传统的“旋转电机+滚珠丝杠”的驱动方式,采用直接驱动方式,虽然可以获得更加优越的伺服控制性能,但是系统中存在的摩擦力、端部效应和参数变化等不确定性因素以及运动过程中产生的超调量,会影响系统的跟踪性能。因此,对控制器的设计要求越来越高,本文对PMLSM的控制问题进行如下研究:综述了PMLSM国内外发展现状以及其PMLSM控制的研究现状,建立了含有不确定性因素的PMLSM数学模型,分析了PMLSM伺服系统存在的端部效应、摩擦力和参数变化等不确定性对控制系统的影响。在PMLSM矢量控制理论的基础上,建立了PMLSM矢量控制系统。针对系统在运动过程中存在超调量的问题,根据定位时间最优化原则,分别对加速阶段、匀速阶段、减速阶段进行速度规划设计。在加速阶段和减速阶段采用结构不变的控制方式,以限制最大的加速度启动和制动运行,在匀速阶段采用滑模变结构控制。为了保证系统的跟踪性能和鲁棒性能,提出自适应反推滑模控制(ABSMC)作为位置控制器。通过系统位置跟踪误差设计虚拟控制器,选择虚拟误差和滑模面函数构成新的子系统,可以保证系统的稳定性。另外,设计自适应律来估计不确定性的上界,然后设计出自适应反推滑模的控制律,最后利用李雅普诺夫稳定性理论验证系统的稳定性。仿真实验表明,基于速度规划的ABSMC方法不仅消除了超调量,还提高了系统性能。针对反推控制中大量求导,导致系统跟踪精度下降的问题,提出将ABSMC和函数链径向基神经网络(FLRBFNN)相结合的控制方法作为位置控制器。采用径向基神经网络(RBFNN)来估计不确定性,神经网络的输入为位置误差及其导数,输出为对不确定性的估计。利用函数链神经网络(FLNN)增大神经网络搜索空间,提高网络收敛速度和收敛精度,从而提高RBFNN估计系统不确定性的能力。仿真实验表明,通过加入FLRBFNN可进一步提高系统的跟踪性能和鲁棒性能。(本文来源于《沈阳工业大学》期刊2018-06-01)
金洋洋,赵希梅[9](2018)在《PMLSM自适应模糊神经网络反推控制》一文中研究指出本文介绍了永磁直线同步电动机伺服驱动的鲁棒控制方法。首先,在静止参考系即α-β轴中描述非线性电机的动态方程。然后,采用反推控制技术对驱动系统进行系统分析和设计。为了保证良好的位置控制性能,引入了自适应模糊神经网络来估计系统中存在的不确定性。通过使用Lyapunov函数推导出在线自适应律,以保证闭环系统的渐近稳定性。与传统的电流矢量控制策略相比,本文通过完整的理论推导出电压控制方案,考虑了电动机机械和电气动态特性。另外,所提出的控制方法在执行时不使用Park和反Park的坐标变换,可以提高了计算效率。最后,与自适应反推控制相比,基于α-β轴的自适应模糊神经网络反推控制具有更加优越的性能。(本文来源于《第十五届沈阳科学学术年会论文集(理工农医)》期刊2018-06-01)
杜太行,龙超,江春冬,王景玉[10](2018)在《基于负载估计的伺服系统自适应反推控制》一文中研究指出为解决永磁同步电机伺服系统反推控制中转速受负载扰动影响存在静差问题,提出了一种自适应反推控制方法。该算法在传统反推控制的基础上,在速度环上加入估计负载变量,设计Lyapunov函数,得到新的电流控制器,使系统能够根据负载参数变化做出调整,从而改善系统的动、静态控制性能。该方法不仅能够实现永磁同步电机系统的完全解耦,保证系统全局渐进稳定,并且能够解决传统反推中存在的稳态误差问题。仿真结果验证了控制器设计的有效性和可行性,表明了自适应反推控制系统具有较强的鲁棒性和良好的伺服性能。(本文来源于《电气传动》期刊2018年05期)
自适应反推论文开题报告
(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:
随着科学技术的快速发展,永磁直线同步电动机(PMLSM)凭借其推力大、响应快、精度高等优点,被广泛应用于工业机器人、数控加工和半导体制造系统等现代制造业中。PMLSM伺服系统直接驱动进给机构做直线运动,在结构上省去了中间传动装置,但系统跟踪精度易受参数变化、摩擦力和负载扰动等不确定性因素的影响,因此为提高系统的跟踪性能和鲁棒性能,本文采用了将神经网络和反推控制将结合的方案来控制PMLSM伺服系统。首先,综述了PMLSM伺服系统以及反推控制方法的研究现状,介绍了PMLSM的结构特点和工作原理,分析了系统中不确定性因素产生的原因以及对系统跟踪性能造成的影响,建立了含有不确定性因素的PMLSM数学模型。在阐述了矢量控制原理的基础上,建立了PMLSM矢量控制系统。然后,针对PMLSM伺服系统位置跟踪问题,设计了反推控制方案,通过逐步修正算法来设计虚拟控制函数,每个反推阶段利用上一阶段的控制律产生新的虚拟控制律,直到获得实际控制输入。同时,每个反推阶段利用李雅普诺夫函数的稳定性理论保证系统的稳定性。仿真结果表明,所提出的控制方案明显提高了系统的跟踪性能。最后,为进一步提高PMLSM伺服系统的跟踪性能和鲁棒性能,针对系统中存在的不确定性因素在设计过程中是未知且难得到的这一问题,分别采用了静态自适应径向基(RBF)神经网络反推控制、动态自适应Elman神经网络反推控制的方案,对系统动态方程进行综合分析和理论推导,利用神经网络对不确定性进行估计,克服不确定性对系统的影响,提高系统的鲁棒性能。对比仿真结果可知,智能反推控制能够进一步提高系统的鲁棒性能和跟踪性能,而动态Elman神经网络反推控制比静态RBF神经网络反推控制有更快的收敛速度和更好的跟踪性能。
(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。
自适应反推论文参考文献
[1].张旭.车辆非线性主动悬架系统自适应反推控制器设计[D].西安理工大学.2019
[2].金洋洋.永磁直线同步电动机的智能自适应反推控制[D].沈阳工业大学.2019
[3].王翠.一类非仿射非线性系统鲁棒自适应反推研究[D].济南大学.2019
[4].畅达,余洋,米增强,郑晓明,孙辰军.基于自适应反推控制的无传感器PMSG闭环I/f控制[J].系统仿真学报.2019
[5].赵海波,王承光.双电机驱动伺服系统径向基函数神经网络反推自适应控制[J].控制理论与应用.2018
[6].吴勇慷,赵希梅.基于函数链径向基神经网络的PMLSM自适应反推控制[J].电工技术学报.2018
[7].连晗,张继龙.六相感应电机反推自适应的矢量控制研究[J].机车电传动.2018
[8].吴勇慷.基于速度规划的永磁直线伺服系统自适应反推滑模控制[D].沈阳工业大学.2018
[9].金洋洋,赵希梅.PMLSM自适应模糊神经网络反推控制[C].第十五届沈阳科学学术年会论文集(理工农医).2018
[10].杜太行,龙超,江春冬,王景玉.基于负载估计的伺服系统自适应反推控制[J].电气传动.2018