一、一种复杂非线性系统的智能变结构控制方法（论文文献综述）
王旻[1]（2021）在《引入负载扰动补偿的永磁同步电机新型非奇异终端滑模转速控制研究》文中提出永磁同步电机因其结构简单、可靠性强、易于维护等优点,因此在航空航天、电动汽车、工业自动化等领域获得广泛应用。由于永磁同步电机的模型复杂且非线性,经典PI控制较难实现高性能要求。滑模变结构控制对系统内外部扰动具有强鲁棒性,且简单易实现,己经广泛应用于电机控制。为了解决永磁同步电机非奇异终端滑模控制策略快速性不佳且存在固有抖振的问题,提出了一种基于新型幂指数趋近律的新型非奇异终端滑模控制策略,该控制律结合幂次趋近律和指数趋近律的特点,并引入新型自适应系数,有效抑制了滑模的固有抖振现象,提高了趋近速度。同时为了改善滑模变结构控制在负载扰动情况下动态性能不佳的问题,设计了滑模转矩观测器,实时观测负载转矩,进行前馈补偿,提高了系统的动态性能,增加了系统的鲁棒性。本文在MATLAB仿真软件上搭建了引入负载扰动补偿的永磁同步电机新型非奇异终端滑模转速控制策略的仿真模型,进行了仿真分析,同时在以TI公司的TMS320F28335为核心的两电平电压源逆变器实验平台上进行了实验分析,分别验证了引入负载扰动补偿的永磁同步电机新型非奇异终端滑模转速控制策略的动态性能、稳态性能和抗扰性能。仿真和实验结果表明:相比于非奇异终端滑模控制策略,新型非奇异终端滑模控制策略响应速度更快,电机动态性能优于非奇异终端滑模控制策略:新型非奇异终端滑模控制策略可以有效减小符号函数增大带来的转速抖振,稳态性能优于非奇异终端滑模控制策略;引入负载扰动补偿的新型非奇异终端滑模控制策略在加减载时转速变化更小,恢复时间更短,引入负载扰动补偿的永磁同步电机新型非奇异终端滑模转速控制策略抗扰性能优于前两种控制策略,改善了系统的抗扰能力。
朱梁鹏[2]（2021）在《基于路径跟踪的多智能车辆编队控制研究》文中研究表明多智能车辆编队作为智能交通系统（ITS）发展过程中的重要研究内容,在兼顾道路交通安全的前提下,能充分利用道路容量,提高道路交通效率和车辆燃油经济性,有效地缓解交通拥堵、事故频发和资源紧张等社会问题,因此成为交通发达国家研究和应用的重点。多智能车辆的编队控制主要解决的是在复杂的动态交通环境下的编队系统扩展性、协同行驶、变道和避障等决策问题,同时需要保证子车辆在队形中的稳定行驶,因此编队控制研究可以分解为队形组织和运动跟踪控制两个问题,本文将从以上两个问题角度展开研究。针对智能车辆路径跟踪控制存在精确度低、稳定性差的问题,提出了一种分层架构下的四轮转向联合差动制动路径跟踪控制策略。上层基于线性动力学模型设计了前轮主动转向控制器;下层应用滑模变结构控制理论设计了后轮转向与附加横摆力矩集成控制器并建立差动制动分配策略,将附加横摆力矩转化为单轮制动控制,实现智能车辆四轮转向和差动制动的联合路径跟踪控制,提升车辆路径跟踪的精确度和稳定性。针对多智能车辆编队控制存在队形扩展性差、变换不灵活以及避障工况下响应不理想等情况,基于路径跟踪编队控制方法进一步提出了人工势场和虚拟结构相结合的多智能车辆编队协同控制策略,其中虚拟结构用于编队队形的设计,生成期望队形参考点;定义中间介质点跟踪期望参考点并通过人工势场法加入避碰和避障势场函数项,两种方法的结合构成编队系统的队形组织层,实现动态环境下编队队形的组织和避障变换。智能车辆通过路径跟踪控制跟踪中间介质点,无碰撞地渐进生成指定的编队队形,实现多车的协同行驶。为验证所提出的编队协同控制策略的有效性,基于Matlab/Simlink软件搭建了包含队形组织层和路径跟踪层的编队控制系统仿真平台,并进行了路径跟踪控制和编队控制的验证仿真。在路径跟踪方面进行了高速双移线工况的仿真,仿真结果表明该联合控制策略相比于仅依靠前轮转向控制,横向跟踪误差峰值降低37.9%,横摆角误差峰值降低50.6%,侧向加速度峰值降低29.8%,车辆的路径跟踪精确度和稳定性得到明显提升。在编队控制方面,进行了多车辆避障工况下的编队仿真试验,仿真结果表明,提出的编队算法可有效地适用于多智能车辆协同编队,具有良好的队形扩展性,保证多车安全避障协同行驶。
韩英举[3]（2021）在《基于数据驱动的涡扇发动机非线性控制器设计研究》文中研究指明涡扇发动机以其高推进效率和低耗油率在民用和军用航空领域有着广泛应用。然而,随着飞机对推进系统性能要求的提高,涡扇发动机结构愈加复杂,系统非线性和变量间耦合特性也相应增强,因此需要探索先进控制器设计方法以满足其性能和安全要求。近年来,随着人工智能技术的发展,基于数据驱动的控制器设计方法在航空发动机领域逐渐发展。因此,本文依托某部委重点项目“XX发动机基础问题研究”,针对某型涡扇发动机开展基于数据驱动的非线性控制器设计研究。主要研究内容包括:针对涡扇发动机直接控制器设计问题,提出了一种基于自适应增强的控制器设计方法。首先,将最小二乘支持向量机引入模型参考控制器设计架构,并基于凸优化方法完成控制器设计,从而保证了控制器的渐近收敛性。其次,采用多个基础控制器结合自适应增强算法,设计基于自适应增强的涡扇发动机控制器。仿真结果表明,该控制器设计可降低涡扇发动机稳态控制误差,由于引入自适应增强算法,有效抑制了过拟合。针对涡扇发动机多变量控制器设计问题,提出一种基于滑动模态变结构的控制方法。首先,分析了该型涡扇发动机控制参数、目标,确定了仿真工作点。其次,设计了涡扇发动机滑动模态控制器控制燃油流量和尾喷管面积,采用带饱和的幂次趋近律防止切换面抖振,通过鲸鱼优化算法（Whale Optimization Algorithm,WOA）优化增益和饱和边界层。硬件在环验证结果表明,该算法可保证实时性要求,稳态误差小于1%,具有良好控制性能。为了进一步提高涡扇发动机多变量控制器性能,本文提出了两种基于数据驱动的涡扇发动机多变量控制器设计方法。首先,提出了一种RBF神经网络滑模控制器,通过RBF神经网络对发动机系统不可测扰动做出实时补偿。仿真结果表明,所提方法能提高系统响应时间,相较经典滑模控制,稳态误差较小。其次,提出了一种因果卷积神经网络控制器,利用正则化降低过拟合,采用WOA优化初始权及学习率。仿真结果表明,所提方法可进一步降低稳态误差,满足涡扇发动机控制要求。
满金[4]（2021）在《智能汽车路径跟踪控制的研究》文中提出随着社会的进步以及汽车产业的不断发展,巨大的汽车保有量对资源、交通、环境带来一定的压力。在传统的驾驶行为中,安全因素是驾驶员系统中最薄弱的环节。智能汽车的出现,极大地缓解了传统汽车所带来的社会问题。研究和发展智能汽车不仅符合当前万物智能化的趋势,也是提高人们智慧,确定安全出行的重要保障。智能驾驶包含三个方面的技术,环境感知、决策规划和跟随控制。作为控制层部分,路径跟踪是实现车辆智能化和实用化的先决条件,也是智能驾驶技术核心价值的体现。因此实现全自主无人驾驶车辆在复杂工况下的路径跟踪控制具有十分重要的意义。本文主要对智能汽车的路径跟踪控制问题展开研究。首先建立了车辆的七自由度动力学模型,并用Pacejka’89魔术公式来描述车辆的轮胎模型,通过仿真分析证明所建立的模型能够满足智能汽车路径跟踪控制实时性和稳定性的要求。提出了 一种基于最优预瞄理论的路径跟踪控制器。将车辆的路径跟踪控制问题解耦成纵向速度跟随控制问题和横向轨迹跟踪控制问题。分别从预瞄误差模型、航向角偏差的计算等方面将期望前轮转角转换成最优方向盘转角输入,设计了系统的横向轨迹跟踪控制器。采用基于模式切换的速度控制系统和通过油门/刹车系统来控制加速度的输入,设计了系统的纵向速度跟随控制器。在预瞄跟踪控制器中引入了基于预瞄误差补偿的PID反馈控制,对于预瞄距离的选取加入了预瞄时间自适应的模块。通过仿真分析验证了控制器在三种路径及不同工况下的跟踪性能,结果表明高附着条件下具有良好的跟踪效果,而低附着下车辆的稳定性较差,且跟踪精度不高。提出了一种基于滑模变结构控制的路径跟踪控制器。基于车辆的自行车模型设计了车辆的模糊-滑模纵横向耦合跟踪控制器,控制输入选择车辆横摆角速度的函数,滑模面为车辆的横摆角速度误差。为了削弱滑模控制器的抖振现象,同时又能保证系统的控制性能,设计了模糊控制器来调节滑模控制器趋近律的大小。最后在联合仿真平台下对所设计的模糊-滑模路径跟踪控制方法进行了验证分析,结果表明该控制器适用于车辆在低中速下的行驶,具有很高的跟踪精度,而在高速条件,车辆容易导致失稳现象。提出了一种基于模型预测的路径跟踪控制器。选择车辆的七自由度动力学模型作为算法的模型基础。为满足算法实时在线优化的要求,建立了基于线性时变模型预测的跟踪控制方法,设计了以控制增量作为状态量的优化目标函数,将目标函数转化为QP问题保证优化目标有解。同时在纵横向耦合控制器的设计中加入了侧偏角软约束,以此来提高车辆的路径跟踪性能。通过仿真分析对所设计的模型预测控制器进行了验证,结果表明加入侧偏角软约束的模型预测控制器能很好地适应不同车速、不同路面附着条件下的跟踪行驶。最后,在Carsim/Simulink联合仿真平台中,对三种路径跟踪控制算法进行了仿真对比,结果表明,预瞄控制器只适合车辆在高附着路面下的跟踪行驶,模糊-滑模控制器适合车辆在低速和中速下的跟踪行驶,具有最高的控制精度,且对路面附着系数的极限工况下具有很强的适应能力。而加入侧偏角软约束的模型预测控制器在智能汽车应对不同车速、不同道路附着条件的跟踪问题上具有独特的优势。
邵念锋[5]（2021）在《基于SEA的柔性关节机器人动力学与柔顺控制研究》文中研究说明随着人工智能、智能传感与大数据等科技不断发展,机器人逐渐被赋予与外界交互、模拟人类甚至自主学习等新能力。然而目前机器人面临的工作任务愈加复杂,其柔顺性能力尚显不足。柔性执行器由于具有抗冲击与安全人机交互等优点,正逐渐成为机器人研究的一种趋势。因此,本文基于串联弹性驱动器（Series elastic actuator,SEA）作为机器人被动柔顺关节执行机构,能实现机器人关节被动柔顺控制,有效地提升人机共融的安全性。但由于机器人关节引入柔性单元,使得整体控制系统复杂度提升,为此本文针对柔性关节机器人动力学与柔顺控制策略进行研究,设计稳定可靠的柔顺控制算法,主要研究内容如下:（1）SEA系统数学建模及其特性分析。建立SEA系统柔性单元、控制单元与驱动单元数学模型,根据位置源、速度源与力源控制法建立SEA系统开环与闭环传递函数,通过频率法分析系统稳定性;并根据力源控制系统对主动与被动阻抗特性研究,分析表明SEA系统具有低输出阻抗特性,对SEA的柔性关节机器人动力学模型建立与特性分析提供理论基础。（2）基于拉格朗日方程推导柔性关节机器人动力学模型。根据合理假设得到柔性关节机器人完整动态方程,SEA柔性元件将其完整动态方程解耦为电机端与连杆端动态方程,得到其简化动力学模型;系统分析其动态方程特性,对其关节动力学特性与SEA柔性元件动力学性能进行仿真研究。结果表明:串联弹性驱动关节机器人动力学被动柔顺性能良好,为柔顺性控制策略研究提供重要理论依据。（3）基于笛卡尔阻抗模型的滑模变结构控制策略研究。在关节空间动力学模型的基础上,建立柔性关节机器人笛卡尔空间末端接触动力学方程;对位置内环的笛卡尔阻抗控制仿真分析研究;基于双曲正切滑模切换函数改进滑模变结构控制策略,结合笛卡尔阻抗滤波轨迹,提出一种改进笛卡尔阻抗滑模变结构控制律,采用Matlab/Simulink仿真分析验证主动柔顺控制策略的有效性。结果表明:改进笛卡尔阻抗滑模变结构能够提高串联弹性驱动关节机器人系统轨迹跟踪能力。（4）柔性关节机器人柔顺性控制联合仿真分析。在联合方法仿真平台中,搭建Adams柔性关节机器人机械系统与MATLAB/Simulink控制系统;与传统笛卡尔阻抗PD策略仿真对比分析,笛卡尔阻抗滑模变结构控制策略可较好缓冲接触力突变,降低动态冲击接触力峰值,使机器人与阻力环境交互接触时具有较强顺应性;通过静态与动态冲击分析可知,主/被动柔顺系统具有较强的稳定性和抗冲击接触柔顺性。综上所述,机器人串联弹性驱动关节融合笛卡尔阻抗滑模变结构控制策略,取得良好地关节被动柔顺与主动柔顺性能,具有一定的学术研究价值,对人机交互柔顺控制研究具有重要实践意义。
杨雪梅[6]（2021）在《像移补偿装置系统建模及控制研究》文中指出像移补偿装置因具有高稳定性、高灵活性、结构简单等优点,已经成为不可缺少的测试惯性器件装置。不仅在航空航天、军事方面,而且在民用工业等领域内也得到广泛应用,其精度对惯性元件的测试结果也存在直接影响。到目前为止,对像移补偿装置研究主要涉及其软硬件设计、动力学分析、像移补偿装置解耦等方面,但关于像移补偿装置系统控制技术方面的研究还不完善,然而要想获得最佳的控制性能,实现精密控制就显得尤为重要。本文以像移补偿装置为研究对象,主要工作如下:（1）像移补偿装置系统建模按照技术指标对自行设计的像移补偿装置机械结构进行描述。根据像移补偿装置三个轴架在三个自由度下运动特点,对各轴框架坐标系进行定义,推导出三个轴架固连的坐标系转动角度相互之间的转化关系,为系统解耦做铺垫。最后根据像移补偿装置的总体尺寸、驱动方式确定了电机型号,并对其进行系统建模,为系统辨识奠定基础。（2）在像移补偿装置各轴架运动学模型基础上进行解耦分析根据重力矩在相邻两个轴架间的转换关系式,得到像移补偿装置三个轴架的运动学方程,并在此基础上对装置三个轴架耦合性进行分析。又根据李导数算子得到解耦控制律,并用Matlab中的Simulink模块搭建解耦控制器,对其进行仿真,为下面像移补偿装置非线性系统辨识和控制算法的设计与分析打下基础。（3）提出一种改进布谷鸟搜索算法对像移补偿装置非线性Wiener系统进行辨识提出一种改进的动态自适应发现概率的布谷鸟搜索算法（Adaptive Probability of Cuckoo Search algorithm,APCS）,根据布谷鸟的飞行机制来动态调整发现概率取值实现对非线性Wiener系统模型参数辨识。同时选取两组标准测试函数对传统布谷鸟算法（Cuckoo Search algorithm,CS）、自适应步长布谷鸟搜索算法（Adaptive Step size Cuckoo Search algorithm,ASCS）及APCS算法进行性能比较,并通过系统辨识采集到的实验数据对APCS的全局搜索能力进行验证。（4）设计一种滑模变结构控制器用于所辨识的像移补偿装置系统针对像移补偿装置系统的非线性与不确定性,设计一种基于改进趋近律的滑模变结构控制算法,即在双幂次趋近律基础上增加指数项。将滑模控制方法以s=1为临界值,将系统到达滑模面分为两个阶段,加快系统的响应速度,并降低系统抖振,减小稳态误差。然后根据提出的控制策略进行控制器设计,借助李雅普诺夫稳定性（Lyapunov stability）对其进行收敛性分析。最后,根据设计的控制器利用Matlab中的Simulink模块搭建控制系统,并通过阶跃输入信号与正弦输入信号下得到的系统响应曲线对系稳定性进行分析,验证其合理性与有效性。
刘阳[7]（2021）在《水下高速机器人动力学建模与控制》文中指出常规水下机器人由于被流体全包裹,导致其所受到的流体阻力大,长期以来航行速度很难突破40 m/s。超空化减阻技术可以将水下机器人的航行阻力减小90%以上,航行速度可提升至100 m/s的量级,因此,采用超空化减阻技术的水下机器人具有重要的研究意义。超空化减阻技术是在机器人外表面包裹一层空泡,使其不与液体直接接触,从而大幅度减小流体阻力,但也会因为空泡的包裹丧失大部分浮力。因此,基于超空化减阻技术的水下高速机器人在获得高速度的同时,其动力学建模与控制系统设计相较于传统水下机器人也更加复杂。本论文依托于吉林省“十三五”科学技术研究规划项目《水下高速超空泡鱼雷时变动力学建模与控制技术研究》（批准号:JJKH20181139KJ）,对基于超空化减阻技术的水下高速机器人时变动力学模型和控制技术展开研究。本文主要工作和研究成果如下。对水下高速机器人的各主要部分进行详细的受力分析,在考虑空泡轴线偏移和尾翼效率的基础上,运用动力学定理建立了非线性时变动力学方程组。然后,根据纵向平面的运动特性,将所建立的非线性时变动力学方程组向纵向平面内简化,得到纵向平面非线性时变动力学模型。该动力学模型的动态特性仿真分析表明:开环水下高速机器人系统无法保持运动稳定性,需要为其设计合适的运动控制器。水下高速机器人由于存在模型参数不确定性和外部干扰等不确定因素,且以上不确定因素满足匹配条件,因此,使用滑模变结构控制理论为其设计了轨迹跟踪控制器。仿真结果表明:存在模型参数不确定性和外部干扰的水下高速机器人可以较好地跟踪预定轨迹,但是状态变量和控制变量出现了一定程度的抖振。针对滑模变结构控制器的抖振问题,设计了基于RBF神经网络的自适应滑模变结构控制器。利用RBF神经网络补偿模型参数的不确定性和外部干扰,并使用Lyapunov理论推导出了RBF神经网络的权值变化率,且证明了控制策略的稳定性。仿真结果表明:存在模型参数不确定性和外部干扰的水下高速机器人不仅可以很好地跟踪预定轨迹,而且状态变量和控制变量的抖振现象也大幅度减小。
莫理莉[8]（2020）在《基于滑模变结构的表面式永磁同步电机速度与位置控制》文中研究说明表面式永磁同步电机是凸极式永磁同步电机的特例,这类电机的转矩仅和q轴电流成线性关系而与d轴电流无关,其控制模型简单,在机器人、航空航天、精密数控机床和伺服系统等领域应用广泛。表面式永磁同步电机还是一个多输入、强耦合、非线性、变参数的复杂对象,当电机系统存在外部扰动和内部参数摄动时,常规控制方法鲁棒性不强,无法满足高性能控制的要求。滑模变结构控制具有对系统数学模型精确度要求不高、对系统参数摄动和外部扰动不敏感,具有鲁棒性优点,使得它非常适合用在表面式永磁同步电机控制系统。电机的速度和位置控制,一直是电机控制算法研究与应用的热点,本文以滑模变结构控制理论为基础,对表面式永磁同步电机速度和位置控制策略进行研究,主要研究内容如下:（1）阐述了表面式永磁同步电机及其控制系统的发展历史和它中国民经济领域的应用领域的重要地位,为本文相关研究工作明确立论的社会意义。（2）在对滑模变结构控制的基本思想及发展现状进行概述的基础上,详细介绍本文用到的滑模变结构控制设计方法,作为本文相关研究工作的理论基础。（3）针对表面式永磁同步电机速度滑模控制系统存在内部参数摄动或外部负载扰动时,抖振严重,制约了系统动稳态性能提高的问题,将积分滑模变结构控制结合模糊控制算法用于该系统,削除抖振,增强系统鲁棒性,消除静差;为解决模糊滑模控制器中由于存在积分环节和限流环节会造成Windup现象的问题,参考改进的Anti-reset Windup思路,在控制器中加入抗饱和环节,改进控制器结构,消除Windup现象,进一步提高系统的动稳态性能。（4）针对表面式永磁同步电机位置追踪控制系统中常常被机械因素制约系统性能提高,尤其是当系统存在参数摄动或负载扰动时,常规控制很难在保持良好鲁棒性同时保证位置跟踪的快速响应性问题,将非奇异终端滑模变结构控制与反步控制算法结合应用到电机位置跟踪控制系统,实现在增强系统的鲁棒性的同时使得系统保持追踪的快速响应性。（5）前面两种算法在控制过程,均是把外部扰动及系统参数摄动作用视作零,依靠滑模系统的鲁棒特性来维持系统稳定,然而,在复杂环境下的控制系统中,外部扰动及系统参数摄动对电机控制系统精度提高的制约作用是不可忽视的,针对这个问题,提出一种滑模变结构控制结合滑模扰动观测器的复合控制策略。这种复合控制策略把外部扰动及系统参数摄动一起实时观测并反馈到控制系统中,通过对扰动的及时补偿,有效减少内外部扰动造成的电机速度的跳动,提高系统的控制精度。（6）机械位置传感器不仅增加电机控制系统的体积和成本,还增加系统结构复杂性,甚至严重影响了系统的可靠性和安全性,因此,用算法取代机械位置传感器是有必要的。本文针对一般的滑模观测器观测器为消除抖振引入低通滤波器环节会造成相位滞后的问题,提出一种新型二阶滑模观测器取代位置传感器,这种新型滑模观测器没有低通滤波环节,不存在相位滞后问题,还可以提高观测器的观测精度和控制系统的鲁棒性。
孙书剑[9]（2020）在《微纳卫星相对轨道机动控制技术研究》文中提出近年来,微纳卫星的发展已从早期的技术验证阶段逐步迈向业务化应用阶段。面向未来应用的微纳卫星空间任务,对卫星在轨自主性、灵活性、敏捷性以及星间协同控制的需求更高,因此相对轨道机动控制技术成为决定微纳卫星任务水平的关键,也是现阶段研究的重点。对于微纳卫星平台的相对轨道机动控制问题,星上资源和控制能力受到制约、约束条件更多、扰动影响显着,实现远程自主、快速机动、轨迹最优更加困难,控制鲁棒更难实现、精度难以提高。论文针对微纳卫星相对轨道机动控制问题,综合考虑任务需求约束、星上资源约束、控制能力约束的条件,面向由远距离（百公里级）到近距离（米级）的逼近、交会、绕飞、悬停等典型的相对轨道机动任务,建立微纳卫星自主高精度相对轨道机动的完整规划和控制方案。论文的主要研究内容如下:1.针对远程相对轨道机动轨迹规划问题,在考虑微纳卫星相对测量约束、控制器约束条件下,提出了微纳卫星全流程相对轨道机动在线轨迹规划方法。分析相对轨道机动全流程相对测量与导航的特点和机动过程中的复杂约束,按照远距离、中距离、近距离三个阶段分解机动过程,以在线自主、燃耗最优、精度匹配为目标,提出各阶段轨迹规划方法。远距离机动阶段,以自然轨迹相对轨道机动控制为基础,建立基于转移时间约束、视界角约束的轨迹规划模型;中距离机动阶段,基于继电型推力模式和离散化相对轨道动力学模型,在边界状态约束、控制凸约束和轨迹包络凸约束下,建立线性化轨迹规划模型;近距离阶段,考虑非合作目标星不确定性表面特征引起的随机障碍,将规划空间网格化处理后,提出改进A*搜索算法,实现低控制频次和机动控制代价的随机最优轨迹规划。通过上述分阶段轨迹规划方法,使机动全程都满足控制约束和终端精度需求,并实现了远距离逼近轨迹对目标位置的渐进收敛,达到轨迹机动的燃耗最优,实现了完整机动流程的在线最优轨迹确定。2.针对相对轨道机动控制存在的外界扰动、模型不确定性、控制器误差等非理想因素,建立微纳卫星高精度相对轨道机动组合闭环控制方案。面向小扰动机动场景,基于线性化动力学模型,推导线性二次型最优（LQR）控制方法的控制律,鲁棒裕度较宽,闭环最优控制易于实现;针对外界扰动较强及控制模型不确定性较高的情况,基于适用于任何轨道偏心率的T-H方程轨道动力学模型,推导滑模变结构控制方法的控制律,构造滑模切换面,使控制轨迹收敛达到完全鲁棒性;针对轨道控制系统模型强非线性、高度不确定以及其他强扰动因素情况,基于完全非线性动力学模型,引入自抗扰控制（ADRC）方法,并将已知动力学模型引入状态观测器降低系统观测压力,实现在恶劣条件下的相对轨道控制收敛,对非理想因素的影响有良好的预测和抑制效果。组合闭环控制方案解决了机动各阶段非理想因素的抑制问题,在控制约束和各类扰动条件下,在最优控制代价下满足完整机动流程的轨迹精度要求。3.针对微纳卫星相对轨道机动轨迹规划和控制的需求,考虑星上资源约束,提出通用性全向驱动微推进系统设计和建模方法。通过分步汽化和下游稳压设计,实现在低加热功耗下的液氨推进剂的完全汽化和恒压射流,从而建立推力模式、推力性能、资源消耗具有通用适应性的高效费比微推进系统设计方案。将微推进系统的工作过程划分为可直接机理建模的部件工作过程、不可直接机理建模的汽化相变过程,分别研究其静态和动态响应,结合推力器控制量输出模型,建立微推进系统的完整工作过程数学模型。在MATLAB和Simulink环境下建立微推进系统的数学模型并开展仿真验证,评估系统工作性能,为微推进系统设计提供理论依据和优化数据,降低设计迭代和试验成本。4.基于论文提出的微纳卫星相对轨道机动控制方案,建立全数学仿真系统,以一颗在研地球同步轨道微纳卫星的典型相对轨道机动任务为例,采用本文提出控制器设计、轨迹规划、控制方法,实现在主星引导和有限距离自主导航引导下,由30km距离转移至距离目标30m的交会、抵近、绕飞、悬停等机动任务。该卫星将于2021年择机发射入轨,应用本文提出的全流程相对轨道机动控制方案,实施后续的在轨验证。综上所述,本文系统性研究了微纳卫星相对轨道机动的规划、控制方法,提出了全流程机动解决方案,针对相对轨道机动的典型场景进行了应用设计。研究工作为未来实施构建分布式微纳卫星系统、微纳卫星在轨服务和空间态势识别等业务化应用任务提供了解决方案,为微纳卫星在轨应用的工程实现提供技术支持,并对后续进一步探索微纳卫星的轨道控制技术研究奠定了基础。
何禹锟[10]（2020）在《基于神经网络的某定深电液伺服系统控制技术研究》文中进行了进一步梳理本文以定深电液伺服控制系统的应用为背景,以优化系统在复杂工作环境下的稳定性为目标,重点针对定深电液伺服系统内部参数的摄动、不确定性,以及控制系统对外部负载扰动的抗干扰性问题,开展了基于神经网络的PID控制策略以及滑模变结构控制策略研究。本文首先分析了定深电液伺服系统的结构及工作原理,对其中重要的机械元件进行选型介绍。在此基础上分析了系统的动态特性并构建其数学模型。此外还将对定深电液伺服系统控制性能造成影响的非线性因素进行了详细分析。然后针对定深电液伺服系统当中存在的非线性因素,设计了基于RBF神经网络自整定PID参数的控制方法。其中使用RBF神经网络来提供系统的灵敏度信息,然后根据此信息使用梯度下降法在线整定PID控制的三个参数,以此来提升系统的控制性能。为了提高RBF神经网络对系统的辨识度,又使用了粒子群算法对其进行优化。仿真结果表明,使用粒子群优化的RBF-PID控制器具有较好的鲁棒性,能够有效的减少系统内部参数摄动以及外部负载扰动的影响。之后提出了基于RBF神经网络系统参数辨识的滑模变结构控制方法。为了抑制滑模变结构控制当中的抖振现象,在此策略中采用RBF神经网络对滑模等效控制中的非线性项进行逼近。为了加快滑模控制的响应能力并解决滑模运动到达稳定态时的抖振问题,本文使用了一种新型的滑模切换控制律。仿真结果表明,使用新型切换控制率的RBF-SMC控制器具有较优的响应性能及鲁棒性,且能够有效的抑制抖振现象产生。最后设计了控制软件,并通过MATLAB仿真以及试验研究验证了本文所设计控制策略的正确性。
二、一种复杂非线性系统的智能变结构控制方法（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、一种复杂非线性系统的智能变结构控制方法（论文提纲范文）
（1）引入负载扰动补偿的永磁同步电机新型非奇异终端滑模转速控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 永磁同步电机控制方法研究现状 |
| 1.2.2 滑模变结构控制研究现状 |
| 1.3 滑模控制研究热点 |
| 1.4 本文主要内容及结构安排 |
| 2 永磁同步电机数学模型与矢量控制技术分析 |
| 2.1 永磁同步电机的结构 |
| 2.2 永磁同步电机的数学模型 |
| 2.2.1 基本数学模型 |
| 2.2.2 坐标变换 |
| 2.2.3 静止坐标系下的数学模型 |
| 2.2.4 同步旋转坐标系下的数学模型 |
| 2.3 永磁同步电机矢量控制 |
| 2.3.1 矢量控制原理 |
| 2.3.2 i_d=0 控制策略 |
| 2.4 空间矢量脉宽调制 |
| 2.5 本章小结 |
| 3 新型非奇异终端滑模转速控制器研究 |
| 3.1 滑模变结构控制原理 |
| 3.1.1 滑动模态 |
| 3.1.2 滑模控制抖振的产生与抑制分析 |
| 3.2 滑模转速控制器改进 |
| 3.2.1 滑模面 |
| 3.2.2 控制律 |
| 3.2.3 稳定性分析 |
| 3.2.4 新型非奇异终端滑模转速控制系统性能分析 |
| 3.3 滑模转矩观测器 |
| 3.3.1 滑模转矩观测器的设计 |
| 3.3.2 滑模转矩观测器的参数整定 |
| 3.4 本章小结 |
| 4 引入负载扰动补偿的新型非奇异终端滑模转速控制系统仿真 |
| 4.1 仿真建模 |
| 4.2 仿真结果及分析 |
| 4.2.1 动态性能验证 |
| 4.2.2 稳态性能验证 |
| 4.2.3 抗扰性能验证 |
| 4.3 本章小结 |
| 5 引入负载扰动补偿的新型非奇异终端滑模转速控制系统实验 |
| 5.1 实验硬件平台 |
| 5.2 实验系统软件结构 |
| 5.3 实验结果及分析 |
| 5.3.1 动态性能验证 |
| 5.3.2 稳态性能验证 |
| 5.3.3 抗扰性能验证 |
| 5.4 本章小结 |
| 6 全文总结与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 在校期间已投稿的论文 |
（2）基于路径跟踪的多智能车辆编队控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 智能车辆路径跟踪控制研究现状 |
| 1.2.1 智能车辆路径跟踪控制问题 |
| 1.2.2 智能车辆路径跟踪控制算法研究现状 |
| 1.3 智能车辆编队控制研究现状 |
| 1.3.1 智能车辆编队控制问题 |
| 1.3.2 智能车辆编队控制算法研究现状 |
| 1.4 主要研究思路及研究内容 |
| 第二章 智能车辆整车动力学建模 |
| 2.1 车辆坐标系的定义 |
| 2.2 七自由度整车动力学模型 |
| 2.2.1 车体动力学模型 |
| 2.2.2 车轮旋转动力学模型 |
| 2.2.3 魔术轮胎模型 |
| 2.3 整车动力学模型验证 |
| 2.3.1 七自由度整车动力学仿真平台 |
| 2.3.2 高附着阶跃转向仿真验证 |
| 2.3.3 低附着正弦转向仿真验证 |
| 2.4 本章小结 |
| 第三章 智能车辆路径跟踪与稳定性协调控制 |
| 3.1 基于模型预测算法的路径跟踪控制策略 |
| 3.1.1 智能车辆线性时变动力学模型 |
| 3.1.2 模型预测控制器设计 |
| 3.1.3 模型预测控制器求解 |
| 3.2 基于四轮转向和差动制动的联合稳定性控制 |
| 3.2.1 四轮转向和差动制动联合控制框架 |
| 3.2.2 车辆理想跟随模型和稳定性模型 |
| 3.2.3 基于滑模变结构算法的车辆稳定性控制 |
| 3.3 仿真结果与分析 |
| 3.3.1 路径跟踪控制仿真 |
| 3.3.2 稳定性控制仿真 |
| 3.4 本章小结 |
| 第四章 人工势场和虚拟结构相结合的编队控制 |
| 4.1 多智能车辆编队控制框架 |
| 4.2 虚拟结构编队队形设计 |
| 4.2.1 虚拟结构表示 |
| 4.2.2 虚拟结构的渐进生成 |
| 4.3 人工势场编队函数设计 |
| 4.3.1 避碰势场函数 |
| 4.3.2 避障势场函数 |
| 4.4 多智能车辆编队仿真验证 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 不足与展望 |
| 参考文献 |
| 攻读学位期间研究成果 |
| 致谢 |
（3）基于数据驱动的涡扇发动机非线性控制器设计研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 涡扇发动机控制研究现状 |
| 1.3 智能控制研究发展及现状 |
| 1.4 主要研究内容 |
| 2 涡扇发动机模型基础 |
| 2.1 引言 |
| 2.2 涡扇发动机部件级模型 |
| 2.2.1 进气道 |
| 2.2.2 风扇 |
| 2.2.3 高压压气机 |
| 2.2.4 燃烧室 |
| 2.2.5 高压涡轮 |
| 2.2.6 低压涡轮 |
| 2.2.7 混合室 |
| 2.2.8 加力燃烧室 |
| 2.2.9 尾喷管 |
| 2.3 共同工作方程 |
| 2.4 涡扇发动机线性化模型 |
| 2.5 涡扇发动机LPV模型 |
| 2.6 本章小结 |
| 3 基于自适应增强的涡扇发动机控制器设计 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 控制系统结构设计 |
| 3.4 基于自适应增强的涡扇发动机控制器设计 |
| 3.5 仿真与分析 |
| 3.6 本章小结 |
| 4 基于滑动模态变结构的涡扇发动机多变量控制器设计 |
| 4.1 引言 |
| 4.2 涡扇发动机多变量控制 |
| 4.2.1 涡扇发动机多变量控制原理 |
| 4.2.2 控制参数选取 |
| 4.2.3 控制器性能指标 |
| 4.2.4 仿真工作点选择 |
| 4.3 基于滑动模态变结构的涡扇发动机控制器设计 |
| 4.3.1 滑模控制原理 |
| 4.3.2 鲸鱼优化算法 |
| 4.3.3 滑模控制器设计方法及趋近律分析 |
| 4.4 验证与分析 |
| 4.4.1 仿真验证 |
| 4.4.2 试验验证 |
| 4.5 本章小结 |
| 5 基于神经网络的涡扇发动机多变量控制器设计 |
| 5.1 引言 |
| 5.2 基于RBF神经网络滑模的涡扇发动机控制器设计 |
| 5.2.1 RBF神经网络 |
| 5.2.2 基于RBF神经网络滑模的涡扇发动机控制器设计 |
| 5.2.3 稳定性分析 |
| 5.2.4 仿真验证与分析 |
| 5.3 基于因果卷积神经网络的涡扇发动机控制器设计 |
| 5.3.1 因果卷积神经网络 |
| 5.3.2 基于因果卷积神经网络的涡扇发动机控制器设计 |
| 5.3.3 稳定性分析 |
| 5.3.4 仿真验证与分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（4）智能汽车路径跟踪控制的研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 背景和意义 |
| 1.2 智能汽车的发展历程和研究现状 |
| 1.3 智能汽车路径跟踪控制的研究现状 |
| 1.3.1 国外路径跟踪控制研究现状 |
| 1.3.2 国内路径跟踪控制研究现状 |
| 1.3.3 目前存在的问题 |
| 1.4 本文的研究内容 |
| 2 车辆动力学模型 |
| 2.1 车辆的动力学模型 |
| 2.2 轮胎模型 |
| 2.3 本章小结 |
| 3 基于最优预瞄理论的路径跟踪控制器 |
| 3.1 预瞄问题描述 |
| 3.2 预瞄跟踪控制器的设计 |
| 3.2.1 预瞄误差模型(驾驶员模型) |
| 3.2.2 航向角偏差的计算 |
| 3.2.3 纵向速度跟随控制器 |
| 3.2.4 基于预瞄误差补偿的反馈控制 |
| 3.2.5 预瞄时间自适应模块 |
| 3.3 基于预瞄跟踪控制算法的仿真结果分析 |
| 3.3.1 标准双移线工况 |
| 3.3.2 定曲率圆形轨迹工况 |
| 3.3.3 变曲率S型轨迹工况 |
| 3.4 本章小结 |
| 4 基于滑模变结构控制的路径跟踪控制器 |
| 4.1 滑模控制器的原理 |
| 4.2 滑模控制器的设计 |
| 4.3 基于增益调节的模糊控制器的设计 |
| 4.3.1 模糊控制概述 |
| 4.3.2 模糊控制器的结构及设计方法 |
| 4.3.3 基于增益切换的模糊控制器的设计 |
| 4.4 基于滑模控制的路径跟踪控制器的仿真结果分析 |
| 4.5 本章小结 |
| 5 基于模型预测的路径跟踪控制器 |
| 5.1 模型预测控制基本原理 |
| 5.2 模型预测控制算法的开发与求解 |
| 5.2.1 非线性模型预测控制算法 |
| 5.2.2 线性时变模型预测控制算法 |
| 5.3 基于模型预测的路径跟踪控制器的设计 |
| 5.3.1 线性离散模型 |
| 5.3.2 目标函数与约束条件 |
| 5.3.3 QP问题求解 |
| 5.4 基于模型预测的路径跟踪控制器的仿真分析 |
| 5.4.1 高附着路面工况 |
| 5.4.2 未含侧偏角软约束的低附着路面工况 |
| 5.4.3 包含侧偏角软约束的低附着路面工况 |
| 5.4.4 三种控制器的对比 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 作者简历 |
（5）基于SEA的柔性关节机器人动力学与柔顺控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 柔性关节机器人的研制现状 |
| 1.2.2 柔性关节机器人动力学建模的研究现状 |
| 1.2.3 机器人柔顺控制算法的研究现状 |
| 1.3 本文主要研究内容 |
| 1.4 研究技术路线 |
| 2 SEA系统建模及其特性分析 |
| 2.1 引言 |
| 2.2 SEA系统模型的建立 |
| 2.2.1 SEA一般力学模型 |
| 2.2.2 SEA系统柔性元件的数学模型 |
| 2.2.3 SEA系统控制元件数学模型 |
| 2.2.4 SEA系统驱动元件数学模型 |
| 2.3 SEA系统稳定性分析 |
| 2.3.1 基于速度源控制法的SEA系统稳定性分析 |
| 2.3.2 基于位置源控制法的SEA系统稳定性分析 |
| 2.3.3 基于力源控制法的SEA系统稳定性分析 |
| 2.4 SEA系统输出阻抗特性分析 |
| 2.4.1 主动阻抗特性仿真分析 |
| 2.4.2 被动阻抗特性仿真分析 |
| 2.5 本章小结 |
| 3 基于拉格朗日方程的机器人动力学建模与分析 |
| 3.1 引言 |
| 3.2 基于拉格朗日方程的动力学理论 |
| 3.3 基于拉格朗日的柔性关节机器人动力学建模 |
| 3.3.1 建立柔性关节机器人完整模型假设 |
| 3.3.2 基于拉格朗日方程的柔性关节机器人完整模型 |
| 3.3.3 基于SEA的机器人简化动力学模型 |
| 3.3.4 柔性关节机器人动态方程特性 |
| 3.4 基于SEA的机器人柔性关节动力学特性分析 |
| 3.4.1 连杆端转动惯量对转角比的影响 |
| 3.4.2 转角比对时变函数的影响 |
| 3.4.3 动力学系统输出阻抗的影响 |
| 3.5 动力学仿真分析 |
| 3.5.1 基于Adams的柔性关节机器人动力学模型建立 |
| 3.5.2 关节输入力矩为常值时的动力学仿真分析 |
| 3.5.3 关节输入力矩为变量时的动力学仿真分析 |
| 3.6 本章小结 |
| 4 基于笛卡尔阻抗的机器人柔顺控制策略研究 |
| 4.1 引言 |
| 4.2 笛卡尔阻抗控制算法分析 |
| 4.2.1 笛卡尔阻抗控制原理 |
| 4.2.2 笛卡尔阻抗与导纳控制方法 |
| 4.2.3 基于力与位置的阻抗控制模型 |
| 4.2.4 笛卡尔阻抗控制仿真分析 |
| 4.2.5 期望阻抗控制参数特性分析 |
| 4.3 基于笛卡尔空间的机器人末端接触动力学模型 |
| 4.3.1 关节与笛卡尔空间坐标系转换 |
| 4.3.2 笛卡尔坐标系下的力雅可比矩阵 |
| 4.3.3 刚性关节机器人笛卡尔空间动力学模型 |
| 4.3.4 柔性关节机器人笛卡尔空间动力学模型 |
| 4.4 滑模变结构控制策略 |
| 4.4.1 滑模控制原理 |
| 4.4.2 滑动模态的存在和可达性条件 |
| 4.4.3 滑模变结构控制的动态品质 |
| 4.5 笛卡尔阻抗滑模变结构控制器设计 |
| 4.5.1 基于双曲正切函数的滑模控制器设计 |
| 4.5.2 笛卡尔阻抗滑模变结构控制器设计 |
| 4.5.3 仿真分析 |
| 4.6 本章小结 |
| 5 基于SEA的机器人柔顺控制联合仿真研究 |
| 5.1 引言 |
| 5.2 联合仿真平台搭建 |
| 5.2.1 基于Adams的机器人机械系统建立 |
| 5.2.2 基于Simulink的主动柔顺控制平台搭建 |
| 5.3 两种不同柔顺控制策略联合仿真分析 |
| 5.3.1 笛卡尔阻抗PD柔顺性策略联合仿真模型 |
| 5.3.2 笛卡尔阻抗滑模控制策略联合仿真模型 |
| 5.3.3 联合仿真结果分析 |
| 5.4 机器人串联弹性驱动关节抗冲击性能仿真分析 |
| 5.4.1 基于Adams的机器人静态冲击仿真 |
| 5.4.2 基于Adams-Matlab的动态冲击仿真 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 附录 攻读硕士学位期间的主要学术成果 |
| 致谢 |
（6）像移补偿装置系统建模及控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题概述 |
| 1.1.1 课题来源 |
| 1.1.2 课题研究背景及意义 |
| 1.2 像移补偿装置研究现状 |
| 1.2.1 国内外像移补偿装置发展现状 |
| 1.2.2 系统辨识发展现状 |
| 1.2.3 控制方法研究现状 |
| 1.3 本文的研究内容 |
| 第2章 像移补偿装置系统建模 |
| 2.1 像移补偿装置整体结构描述 |
| 2.1.1 性能指标及功能 |
| 2.1.2 装置机械结构设计 |
| 2.1.3 各轴坐标系定义 |
| 2.2 像移补偿装置伺服控制系统描述 |
| 2.3 像移补偿装置系统建模 |
| 2.3.1 确定驱动电机型号 |
| 2.3.2 装置系统建模 |
| 2.4 本章小结 |
| 第3章 像移补偿装置运动学建模及解耦分析 |
| 3.1 三轴架运动学建模 |
| 3.1.1 俯仰轴架运动学建模 |
| 3.1.2 偏航轴架运动学建模 |
| 3.1.3 横滚轴架运动学建模 |
| 3.2 三轴架运动学耦合仿真分析 |
| 3.3 像移补偿装置解耦 |
| 3.3.1 基于李导数解耦 |
| 3.3.2 解耦仿真分析 |
| 3.4 本章小结 |
| 第4章 像移补偿装置控制系统辨识 |
| 4.1 像移补偿装置控制系统辨识 |
| 4.1.1 控制系统辨识策略 |
| 4.1.2 控制系统描述 |
| 4.2 像移补偿装置控制系统辨识算法 |
| 4.2.1 基本布谷鸟搜索算法 |
| 4.2.2 改进的布谷鸟搜索算法(APCS) |
| 4.2.3 算法性能测试 |
| 4.3 像移补偿装置控制系统辨识实验 |
| 4.3.1 实验设置 |
| 4.3.2 辨识实验 |
| 4.4 本章小结 |
| 第5章 像移补偿装置系统控制策略 |
| 5.1 滑模变结构控制原理 |
| 5.1.1 滑动模态的概念 |
| 5.1.2 滑模变结构控制界定 |
| 5.1.3 滑模变结构控制原理 |
| 5.2 基于改进趋近律的滑模变结构控制器设计 |
| 5.2.1 滑模变结构控制系统抖振现象 |
| 5.2.2 改进的双幂次指数趋近律 |
| 5.2.3 滑模变结构控制器设计 |
| 5.2.4 收敛性分析 |
| 5.3 三轴控制系统仿真结果及分析 |
| 5.3.1 控制系统搭建 |
| 5.3.2 控制系统仿真分析 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 攻读硕士学位期间研究成果 |
（7）水下高速机器人动力学建模与控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第1章 绪论 |
| 1.1 课题研究背景、目的和意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究目的和意义 |
| 1.2 国内外文献综述 |
| 1.2.1 超空化概念 |
| 1.2.2 水下高速机器人国内外发展动态 |
| 1.2.3 水下高速机器人流体动力学与建模研究进展 |
| 1.2.4 水下高速机器人控制研究进展 |
| 1.3 水下高速机器人需解决的问题 |
| 1.4 论文主要研究内容 |
| 第2章 水下高速机器人非线性时变动力学建模 |
| 2.1 常用坐标系及坐标变换 |
| 2.1.1 常用坐标系定义 |
| 2.1.2 运动参数设定 |
| 2.1.3 坐标系之间转换关系 |
| 2.2 空泡理论基础 |
| 2.2.1 空化数 |
| 2.2.2 空泡基本参数 |
| 2.3 空泡形态预测模型 |
| 2.3.1 Munzer-Reichardt模型 |
| 2.3.2 Logvinovich模型 |
| 2.3.3 空泡记忆效应 |
| 2.4 空泡轴线修正 |
| 2.4.1 空泡上漂效应 |
| 2.4.2 空化器转角导致空泡变形 |
| 2.5 流体动力分析 |
| 2.5.1 空化器流体动力 |
| 2.5.2 重力 |
| 2.5.3 尾翼流体动力 |
| 2.5.4 滑行力 |
| 2.5.5 摩擦阻力 |
| 2.5.6 推力 |
| 2.6 建立时变动力学方程 |
| 2.6.1 机器人质心平动动力学方程 |
| 2.6.2 机器人绕质心转动动力学方程 |
| 2.7 建立运动学方程 |
| 2.7.1 机器人质心运动轨迹 |
| 2.7.2 机器人姿态角和旋转角速度 |
| 2.8 本章小结 |
| 第3章 水下高速机器人纵向平面动态特性分析 |
| 3.1 水下高速机器人纵向平面受力 |
| 3.1.1 空化器纵向平面流体动力 |
| 3.1.2 尾翼纵向平面流体动力 |
| 3.1.3 重力纵向平面受力 |
| 3.1.4 尾翼效率 |
| 3.2 纵向平面非线性时变动力学建模 |
| 3.3 仿真分析 |
| 3.3.1 时变系统开环特性分析 |
| 3.3.2 时变系统耦合特性分析 |
| 3.3.3 时变系统闭环特性分析 |
| 3.4 本章小结 |
| 第4章 滑模变结构控制器设计 |
| 4.1 滑模变结构控制基本理论 |
| 4.1.1 基本原理 |
| 4.1.2 等效控制和切换控制 |
| 4.1.3 滑模变结构控制匹配条件及不变性 |
| 4.2 滑模变结构控制器设计 |
| 4.2.1 设计滑模切换面 |
| 4.2.2 设计滑动模态控制律 |
| 4.2.3 稳定性分析 |
| 4.3 仿真分析 |
| 4.4 本章小结 |
| 第5章 RBF神经网络自适应滑模控制器设计 |
| 5.1 RBF神经网络基本理论 |
| 5.1.1 RBF神经网络结构 |
| 5.1.2 RBF神经网络参数学习更新算法 |
| 5.2 RBF神经网络自适应滑模控制器设计 |
| 5.2.1 问题描述与假设 |
| 5.2.2 自适应滑模控制器 |
| 5.2.3 RBF神经网络自适应滑模控制器设计 |
| 5.3 仿真分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 附录A 仿真模型及部分程序代码 |
| 攻读硕士期间取得的成果 |
| 致谢 |
（8）基于滑模变结构的表面式永磁同步电机速度与位置控制（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 表面式永磁同步电机发展现状 |
| 1.2.1 永磁同步电机发展历史 |
| 1.2.2 表面式永磁同步电机的结构简述 |
| 1.2.3 表面式永磁同步电机在工业与民用应用 |
| 1.3 表面式永磁同步电机控制系统研究现状 |
| 1.3.1 电机控制系统结构简述 |
| 1.3.2 电机控制技术的发展历史 |
| 1.4 表面式永磁同步电机滑模控制系统研究现状 |
| 1.4.1 表面式永磁同步电机的滑模变结构速度控制 |
| 1.4.2 表面式永磁同步电机的滑模变结构位置跟踪控制 |
| 1.4.3 基于扰动观测器的表面式永磁同步电机高精度控制 |
| 1.4.4 基于滑模观测器的表面式永磁同步电机无位置传感器控制 |
| 1.5 本文的研究内容 |
| 第二章 滑模变结构控制的基本理论 |
| 2.1 引言 |
| 2.2 滑模控制理论的发展现状 |
| 2.3 滑模控制基本理论 |
| 2.3.1 滑模控制基本概念 |
| 2.3.2 滑模变结构控制三个基本问题 |
| 2.4 滑模变结构控制系统设计 |
| 2.4.1 滑模面选取策略 |
| 2.4.2 滑模控制律设计方法 |
| 2.4.3 一类非线性不确定系统的模糊滑模追踪控制 |
| 2.5 本章小结 |
| 第三章 基于模糊滑模的表面式永磁同步电机速度控制研究 |
| 3.1 引言 |
| 3.2 表面式永磁同步电机速度控制系统模型 |
| 3.2.1 旋转坐标系下的表面式永磁同步电机数学模型 |
| 3.2.2 基于矢量控制的速度控制系统的构成 |
| 3.3 基于模糊滑模变结构的表面式永磁同步电机速度控制研究 |
| 3.3.1 表面式永磁同步电机速度滑模变结构控制原理 |
| 3.3.2 基于模糊趋近律的表面式永磁同步电机滑模变结构速度控制器设计 |
| 3.3.3 仿真分析 |
| 3.3.4 实验分析 |
| 3.4 表面式永磁同步电机速度控制系统中的抗饱和方法研究 |
| 3.4.1 表面式永磁同步电机速度控制系统中的Windup问题 |
| 3.4.2 传统的Anti-Windup控制方法 |
| 3.4.3 改进的Anti-Windup控制方法 |
| 3.4.4 仿真分析 |
| 3.4.5 实验分析 |
| 3.5 本章小结 |
| 第四章 基于反步终端滑模的表面式永磁同步电机位置跟踪控制研究 |
| 4.1 引言 |
| 4.2 表面式永磁同步电机位置跟踪控制系统的构成 |
| 4.2.1 反步控制基本思想 |
| 4.2.2 电机位置跟踪控制系统结构 |
| 4.3 基于反步终端滑模控制的SPMSM位置跟踪控制器设计 |
| 4.3.1 反步控制设计步骤 |
| 4.3.2 电机反步终端滑模控制系统设计 |
| 4.3.3 反步终端滑模控制系统稳定性分析 |
| 4.4 仿真与实验 |
| 4.4.1 仿真分析 |
| 4.4.2 实验分析 |
| 4.5 本章小结 |
| 第五章 基于鲁棒滑模扰动观测器的表面式永磁同步电机高精度控制研究 |
| 5.1 引言 |
| 5.2 表面式永磁同步电机控制系统存在的扰动因素分析 |
| 5.2.1 外部扰动对系统性能影响 |
| 5.2.2 内部参数变化对控制系统性能影响 |
| 5.3 电机控制系统扰动估计研究 |
| 5.3.1 鲁棒滑模扰动观测器的提出 |
| 5.3.2 鲁棒滑模扰动观测器稳定性分析 |
| 5.3.3 复合控制系统组成 |
| 5.3.4 复合控制器设计 |
| 5.4 仿真与实验 |
| 5.4.1 仿真分析 |
| 5.4.2 实验分析 |
| 5.5 本章小结 |
| 第六章 表面式永磁同步电机的无位置传感器控制研究 |
| 6.1 引言 |
| 6.2 表面式永磁同步电机控制系统能观性分析 |
| 6.2.1 静止坐标系下表面式永磁同步电机数学模型 |
| 6.2.2 电机控制系统能观性分析 |
| 6.3 新型滑模观测器设计 |
| 6.3.1 SPMSM控制系统里一般滑模观测器设计 |
| 6.3.2 新型滑模观测器设计 |
| 6.4 仿真分析 |
| 6.5 本章小结 |
| 结论 |
| 1 本文工作总结 |
| 2 展望 |
| 参考文献 |
| 攻读博士/硕士学位期间取得的研究成果 |
| 致谢 |
| 附录 |
（9）微纳卫星相对轨道机动控制技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 论文的研究背景和意义 |
| 1.2 国内外相关研究进展 |
| 1.2.1 微纳卫星相对轨道机动控制应用现状 |
| 1.2.2 相对轨道机动控制方法研究进展 |
| 1.2.3 小结 |
| 1.3 论文研究思路和主要内容 |
| 1.3.1 基本研究思路 |
| 1.3.2 论文组织结构与主要内容 |
| 1.3.3 主要创新点 |
| 2 相对轨道动力学基础 |
| 2.1 概述 |
| 2.2 坐标系定义 |
| 2.3 相对轨道动力学建模 |
| 2.3.1 非线性相对轨道动力学模型 |
| 2.3.2 基于圆轨道假设轨道动力学模型(Hill方程) |
| 2.3.3 量纲为一化的轨道动力学模型(T-H方程) |
| 2.3.4 离散化相对轨道动力学模型 |
| 2.4 自然轨迹相对机动控制方法 |
| 2.4.1 远距离相对机动控制 |
| 2.4.2 近距离直线机动控制 |
| 2.4.3 绕飞机动控制 |
| 2.4.4 空间任意点相对悬停控制 |
| 2.5 本章小结 |
| 3 相对轨道机动的轨迹规划 |
| 3.1 概述 |
| 3.2 相对运动轨迹规划方案设计 |
| 3.2.1 全流程轨迹规划的特点 |
| 3.2.2 机动规划的方案设计 |
| 3.3 基于继电型推力的最优线性轨迹规划 |
| 3.3.1 轨道动力学模型 |
| 3.3.2 规划约束 |
| 3.3.3 规划模型 |
| 3.3.4 仿真算例 |
| 3.4 基于A*搜索算法的随机轨迹规划 |
| 3.4.1 节点扩展与代价函数 |
| 3.4.2 A*算法的流程 |
| 3.4.3 仿真算例 |
| 3.5 本章小结 |
| 4 高精度相对轨道机动的控制方法 |
| 4.1 概述 |
| 4.2 线性二次型最优调节(LQR)控制 |
| 4.2.1 基本原理 |
| 4.2.2 误差状态方程 |
| 4.2.3 控制律设计 |
| 4.2.4 仿真算例 |
| 4.3 滑模变结构控制 |
| 4.3.1 基本原理 |
| 4.3.2 动力学模型 |
| 4.3.3 切换函数设计 |
| 4.3.4 控制律设计 |
| 4.3.5 仿真算例 |
| 4.4 自抗扰控制(ADRC) |
| 4.4.1 基本原理 |
| 4.4.2 跟踪微分器(TD) |
| 4.4.3 扩张状态观测器(ESO) |
| 4.4.4 非线性状态误差反馈律(NLSEF) |
| 4.4.5 仿真算例 |
| 4.5 三种控制算法的特点和应用 |
| 4.6 本章小结 |
| 5 微推进系统设计与建模 |
| 5.1 概述 |
| 5.2 基于继电型推力的液氨微推进系统设计 |
| 5.2.1 液氨推进剂的预处理方法 |
| 5.2.2 微推进系统的设计方案 |
| 5.3 微推进系统的数学模型 |
| 5.3.1 可机理建模部件的数学模型 |
| 5.3.2 汽化过程的数学模型 |
| 5.3.3 输出控制量的数学模型 |
| 5.4 微推进系统工作特性仿真分析 |
| 5.4.1 汽化工作过程仿真与分析 |
| 5.4.2 减压阀动态调节过程仿真与分析 |
| 5.4.3 推力器输出特性仿真与分析 |
| 5.5 本章小结 |
| 6 相对轨道机动的全流程控制仿真与验证 |
| 6.1 概述 |
| 6.2 相对轨道控制数字仿真系统设计 |
| 6.3 任务流程说明和仿真条件 |
| 6.4 全流程仿真分析 |
| 6.4.1 远距离机动阶段 |
| 6.4.2 中距离机动阶段 |
| 6.4.3 近距离机动阶段 |
| 6.4.4 全流程仿真小结 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 论文的研究工作总结 |
| 7.2 未来研究工作展望 |
| 参考文献 |
| 作者简历 |
（10）基于神经网络的某定深电液伺服系统控制技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 定深电液伺服控制系统设计面临的问题 |
| 1.3 电液伺服控制系统国内外研究现状 |
| 1.4 主要研究内容 |
| 2 定深电液伺服控制系统结构 |
| 2.1 引言 |
| 2.2 定深电液伺服控制系统组成及工作原理 |
| 2.3 液压系统设计 |
| 2.3.1 液压系统工作原理 |
| 2.3.2 液压系统关键元件选型 |
| 2.4 伺服控制系统设计 |
| 2.4.1 主控计算机 |
| 2.4.2 旋转变压器及RDC模块 |
| 2.4.3 MCU控制单元 |
| 2.4.4 DA模块 |
| 2.4.5 伺服放大器 |
| 2.5 本章小结 |
| 3 定深电液伺服控制系统数学模型建立 |
| 3.1 引言 |
| 3.2 定深电液伺服控制系统动态特性 |
| 3.2.1 电液伺服阀特性分析 |
| 3.2.2 定深电液伺服系统动态特性方程 |
| 3.3 定深电液伺服控制系统状态空间模型 |
| 3.3.1 状态空间分析法 |
| 3.3.2 定深电液伺服控制系统状态空间模型建立 |
| 3.4 定深电液伺服控制系统非线性因素分析 |
| 3.5 本章小结 |
| 4 基于粒子群优化的神经网络PID控制器设计 |
| 4.1 引言 |
| 4.2 PID控制算法基本原理 |
| 4.2.1 PID控制算法 |
| 4.2.2 PID控制器的参数整定 |
| 4.3 RBF神经网络理论基础 |
| 4.3.1 人工神经网络简介 |
| 4.3.2 RBF神经网络 |
| 4.4 基于RBF神经网络参数自整定PID控制器设计 |
| 4.4.1 控制器设计 |
| 4.4.2 RBF神经网络结构设计 |
| 4.4.3 RBF神经网络参数整定算法 |
| 4.4.4 PID控制参数整定算法 |
| 4.4.5 仿真实验 |
| 4.5 基于粒子群优化的神经网络PID控制器设计 |
| 4.5.1 RBF神经网络训练存在的问题 |
| 4.5.2 粒子群算法的基本原理及实现 |
| 4.5.3 仿真实验 |
| 4.6 本章小结 |
| 5 基于神经网络复合滑模控制器设计 |
| 5.1 引言 |
| 5.2 滑模变结构控制理论 |
| 5.2.1 滑模变结构控制基本理论 |
| 5.2.2 滑动模态可达性条件 |
| 5.2.3 滑模控制稳定性条件分析 |
| 5.2.4 滑动模态的不变性 |
| 5.2.5 滑模变结构控制系统抖振的产生 |
| 5.3 控制器设计 |
| 5.3.1 滑模等效控制律设计 |
| 5.3.2 基于RBF神经网络优化滑模等效控制律 |
| 5.3.3 滑模切换控制律设计 |
| 5.3.4 系统稳定性分析滑模切换控制律设计 |
| 5.4 仿真实验 |
| 5.5 本章小结 |
| 6 试验研究 |
| 6.1 装备程序设计 |
| 6.2 试验结果 |
| 6.3 试验结论 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 攻读硕士学位期间发表的论文和出版着作情况 |
四、一种复杂非线性系统的智能变结构控制方法（论文参考文献）
- [1]引入负载扰动补偿的永磁同步电机新型非奇异终端滑模转速控制研究[D]. 王旻. 西安理工大学, 2021(01)
- [2]基于路径跟踪的多智能车辆编队控制研究[D]. 朱梁鹏. 江苏理工学院, 2021(02)
- [3]基于数据驱动的涡扇发动机非线性控制器设计研究[D]. 韩英举. 大连理工大学, 2021(01)
- [4]智能汽车路径跟踪控制的研究[D]. 满金. 浙江大学, 2021(01)
- [5]基于SEA的柔性关节机器人动力学与柔顺控制研究[D]. 邵念锋. 中南林业科技大学, 2021(01)
- [6]像移补偿装置系统建模及控制研究[D]. 杨雪梅. 长春工业大学, 2021(08)
- [7]水下高速机器人动力学建模与控制[D]. 刘阳. 长春理工大学, 2021
- [8]基于滑模变结构的表面式永磁同步电机速度与位置控制[D]. 莫理莉. 华南理工大学, 2020(02)
- [9]微纳卫星相对轨道机动控制技术研究[D]. 孙书剑. 浙江大学, 2020(01)
- [10]基于神经网络的某定深电液伺服系统控制技术研究[D]. 何禹锟. 南京理工大学, 2020(01)