摘要：针对高速列车的速度追踪控制问题,充分利用列车运行的重复性,考虑工程应用中迭代初始状态不同和复杂的外部环境,提出一种基于线性扩张状态观测器(LESO)的自适应非奇异终端滑模迭代学习控制算法,使系统在任意迭代初值时均能保证追踪精度。提出一种时变非奇异终端滑模面以抑制初态误差影响,采用LESO估计并补偿列车扰动,设计自适应迭代更新律估计LESO的观测误差,设计全饱和自适应迭代控制律计算输入并将其约束于允许范围内。建立类Lyapunov的复合能量函数,通过严格的数学分析证明其迭代域的差分负定性和有界性,证明所设计的时变滑模面可实现渐进收敛,并证明追踪误差在滑模面内可在有限时间内收敛至平衡点。将本文提出的算法与滑模控制、变增益迭代学习控制、自抗扰控制等算法进行比较。仿真结果表明:无论是否存在迭代初始误差,在相同的条件下,本文提出的算法较其他算法具有更强的抗干扰能力,速度追踪精度提高90%及以上,停车误差可迭代收敛至001 m。

摘要：针对单关节柔性机械臂控制中存在参数摄动、外部干扰及滤波误差等导致轨迹跟踪精度性能变差的问题,提出一种考虑误差补偿的命令滤波滑模控制方法。首先,给出含不确定项的单关节柔性机械臂动力学方程,设计反步滑模控制;然后,引入二阶命令滤波器获得虚拟控制量的导数,避免传统反步控制引起的“计算爆炸”问题;最后,基于李雅普诺夫理论设计误差补偿机制用以消除命令滤波器所产生的滤波误差。仿真结果表明,当系统存在参数摄动和外部干扰时,所提出的误差补偿命令滤波滑模控制与未加误差补偿的命令滤波滑模控制和误差补偿命令滤波控制方法相比,其轨迹跟踪精度分别提升了19.8%和74.0%,滤波误差分别减少了44.4%和31.4%。