非线性系统的滑模变结构控制理论研究

论文摘要

变结构控制作为一个相对独立的研究分支,在实际应用中逐渐得到推广和应用,如电机与电力系统控制、机器人控制、飞机控制、卫星姿态控制等。目前对非线性系统控制的研究已成为国内外研究的前沿和热点问题,因而对滑模变结构控制的研究具有重要的理论意义和应用价值。本文主要研究了非线性系统的滑模变结构控制,基于滑模变结构控制自身的特点,将其与神经网络控制及模糊控制相结合。主要工作如下:首先,针对神经网络的学习功能和对非线性系统的强大映射能力,将神经网络用于非线性系统的滑模变结构控制,实现了自适应滑模控制。针对非线性不确定时滞系统,设计了基于神经网络的自适应滑模变结构控制器,根据Lyapunov理论,证明给出的控制器可使系统稳定,与一般的滑模控制器相比较,仿真结果表明,神经网络自适应滑模控制器能够有效的抑制抖振,并减少跟踪误差。其次,针对模糊控制特别适用于难以建立数学模型的复杂的非线性系统这一特点,将其与滑模控制的优点紧密的结合,利用模糊控制来柔化控制信号,减轻或避免了一般滑模控制中的抖振现象。针对非线性系统,设计了基于模糊控制的自适应滑模控制器,并证明了该控制器能使系统稳定,仿真结果表明,自适应模糊滑模控制器与一般的控制器相比,能够有效的抑制抖振。最后,针对模糊神经网络结合了神经网络与模糊控制的优点,给出了基于模糊神经网络的滑模变结构控制,模糊神经网络滑模控制器不仅能消除颤动而且有很强的鲁棒性。通过该方案设计的控制器,有效的减少了抖振,并且系统具有了较强的抗干扰性。

论文目录

• 摘要
• ABSTRACT
• 创新点摘要
• 前言
• 1.研究目的与意义
• 2.研究背景
• 3.滑模变结构控制理论的应用现状
• 4.论文主要内容
• 第一章 滑模变结构控制理论概述
• 1.1 变结构控制理论的提出
• 1.2 滑模变结构系统的特点
• 1.3 滑模变结构控制的基本原理
• 1.4 Lyapunov 稳定定理
• 第二章 滑模变结构控制
• 2.1 滑动模态的存在和可达条件
• 2.2 滑模面的选择
• 2.3 控制器的设计
• 2.3.1 问题描述
• 2.3.2 滑动模态的不变性
• 2.4 准滑动模态控制
• 2.4.1 准滑动模态控制原理
• 2.4.2 问题描述
• 2.4.3 控制器设计
• 2.4.4 稳定性分析
• 2.4.5 仿真实例
• 2.5 小结
• 第三章 非线性系统的神经滑模控制
• 3.1 引言
• 3.2 神经网络理论
• 3.2.1 神经元
• 3.2.2 神经网络的工作方式与学习规则
• 3.3 径向基神经网络
• 3.3.1 网络结构
• 3.3.2 RBF 网络学习方法
• 3.4 非线性不确定时滞系统的滑模控制
• 3.4.1 问题描述
• 3.4.2 非线性不确定系统的滑模控制器设计
• 3.4.3 稳定性分析
• 3.4.4 仿真实例
• 3.5 非线性不确定系统的神经网络滑模控制
• 3.5.1 非线性不确定系统的神经网络滑模控制器设计
• 3.5.2 稳定性分析
• 3.5.3 仿真实例
• 3.6 非线性不确定时滞系统的自适应神经网络滑模控制
• 3.6.1 控制器设计
• 3.6.2 稳定性分析
• 3.6.3 仿真实例
• 3.7 小结
• 第四章 非线性系统的模糊滑模控制
• 4.1 引言
• 4.2 模糊逻辑控制
• 4.2.1 模糊控制原理
• 4.2.2 精确量的模糊化
• 4.2.3 模糊控制器的结构
• 4.2.4 规则库和推理机
• 4.2.5 解模糊化
• 4.3 自适应模糊滑模控制
• 4.3.1 问题描述
• 4.3.2 控制器设计
• 4.3.3 稳定性分析
• 4.3.4 仿真实例
• 4.4 非线性系统基于切换模糊化的自适应模糊滑模控制
• 4.4.1 问题描述
• 4.4.2 控制器设计
• 4.4.3 稳定性分析
• 4.4.4 仿真实例
• 4.5 小结
• 第五章 基于模糊神经网络的滑模变结构控制
• 5.1 引言
• 5.2 模糊神经网络滑模控制
• 5.2.1 问题描述
• 5.2.2 模糊神经网络滑模控制器设计
• 5.2.3 稳定性分析
• 5.2.4 仿真实例
• 5.3 小结
• 结论
• 参考文献
• 发表文章目录
• 致谢
• 详细摘要