摘要：针对内置式永磁同步电动机在螺旋桨重载工况下,两相静止坐标系滑模观测器中扩展反电动势幅值大小易受螺旋桨负载影响的问题,在两相旋转坐标系下设计一种新型滑模观测器用以实现内置式永磁电动机转速及转子位置观测。采用李雅普诺夫稳定性理论对所设计的滑模观测器进行了稳定性分析,得出电动机转速估算表达式,避免了扩展反电动势的观测。对所提出的永磁同步电动机无速度传感器控制策略进行仿真分析和试验研究,结果表明设计的滑模观测器能够准确实现永磁电动机的转速估算,系统具有良好的动态响应性能,验证了该控制策略的有效性与可行性。

摘要：为解决递归神经网络（RNN）模型难以训练和梯度消亡现象,引入长短期记忆网络算法（LSTM）.介绍长短期记忆网络的基本原理,设计模型的更新算法,并将其应用于机械状态监测领域.以电机轴承数据为样本进行仿真,针对轴承数据的非平稳性,运用经验模态分解方法将其分解为平稳信号,计算本征模态分量能量熵,并将其作为状态特征.利用长短期记忆网络对机械状态单步预测结果与使用支持向量回归机模型的预测结果比较表明,长短期记忆网络在机械状态预测方面可以取得较支持向量回归机更好的效果.

摘要：以欠驱动船舶为研究对象,针对滑模控制在欠驱动船舶航迹跟踪控制应用中存在的抖振问题,提出一种基于超螺旋滑模控制的航迹跟踪控制方法.在该方法中为实现对给定航迹的跟踪控制,首先利用反步法根据位置偏差设计虚拟控制律,然后再将虚拟控制律作为新的跟踪目标,采用超螺旋控制方法设计出实际控制律,以实现对欠驱动船舶的跟踪控制.最后对本文所提控制策略进行了仿真验证,仿真结果表明该控制方法可有效抑制抖振现象,并提高系统控制精度.

摘要：为实现水下航行器的精准航迹跟踪控制,设计一种基于动态趋近律和动态模糊神经网络的控制方法.在动态趋近律滑模控制框架下,提出一种依据模糊激活度增加或减少模糊规则的动态模糊神经网络,用于在线逼近系统不确定性和时变干扰的集总项.通过Lyapunov稳定性理论分析可知,所提策略可保证闭环系统的稳定性及所有信号的有界性,同时跟踪误差及其导数渐进趋向于零.仿真实验结果表明,该策略可有效处理系统不确定性并抑制外界时变干扰的影响,实现水下无人航行器的精确航迹跟踪控制.

摘要：针对水下无人航行器(UUV)的推进电机矢量控制系统中电流控制器性能因参数变化而下降的问题,提出一种基于智能在线参数辨识的电流环自适应控制方法。以离散型永磁同步推进电机动态模型作为被控对象,采用动态惯性权重粒子群算法对永磁同步推进电机的定子电阻和dq轴电感进行在线辨识,根据电流控制器工程设计方法,将辨识所得的电机参数实时用于计算电流控制器的PI值,实现电流环的自适应控制。最后,通过仿真实验验证所提方法的有效性,结果表明该方法可以有效地克服水下快速洋流对推进电机的负载扰动,进而实现永磁同步推进电机的快速、高精确度电流控制性能。

摘要：针对外界扰动的无人水下航行器航迹跟踪控制问题,通过定义一个动态滑模面,结合Lyapunov稳定性理论,设计航迹跟踪滑模控制器.考虑到系统中存在的未建模动态,在保证不引入模型参数的前提下,采用模糊神经网络在线逼近理想滑模控制律,并根据Lyapunov稳定性理论及投影算法得出模糊神经网络的参数自适应律.理论分析证明闭环控制系统的一致渐近稳定性、所有变量的有界性及跟踪误差及其导数渐近趋向于零.仿真实验验证了所提控制策略的有效性.

摘要：针对无人水下航行器(unmanned underwater vehicles, UUV)在航迹跟踪控制中存在未知死区非线性和工作环境不确定性的问题,提出一种鲁棒自适应自组织模糊神经控制策略,采用滑模趋近律控制框架和自组织模糊神经网络逼近器在线估计系统未知状态和进行参数的自适应,并采用有限增益鲁棒控制器补偿重构误差。根据李雅普诺夫稳定性理论分析证明所有参数和跟踪状态均有界,并且当时间趋向于无穷大时,跟踪误差及其导数都趋向于零且闭环系统的信号有界。通过与已有控制策略对比仿真表明,该控制策略具有先进性和有效性,对无人水下航行器设计具有指导意义。