摘要：介绍了具有三维位置检测功能的三自由度永磁球形电机工作原理及其运动控制方法.结合球电机结构特性,基于XYZ欧拉角和拉格朗日方程建立了球电机运动学及动力学模型.为了解决动力学模型建模误差、摩擦力和外界干扰等对球电机工作性能的影响,设计了神经网络逼近模型,并将其应用于球电机的控制之中.仿真结果表明这种控制方法与传统方法相比可以有效提高球电机的抗干扰能力,在建模误差比较大的情况下仍可以保证球电机的运动精度,其结果可以为进一步的球电机精密运动控制理论研究和实验方案设计提供借鉴和参考.

摘要：基于滚仰式半捷联稳定平台的机械结构特性,建立了稳定平台的运动学及动力学模型。为了解决动力学建模不确定性以及摩擦力等外界干扰对稳定平台工作性能的影响,实现滚仰式导引头的捷联稳定控制,设计了一种神经网络自适应控制算法,并将其应用于稳定平台的控制之中。仿真结果表明,相比传统方法,提出的算法可以有效提高滚仰式稳定平台抵抗外界干扰的能力,在动力学建模误差、摩擦等扰动很大的情况下仍可以保证滚仰式稳定平台的控制精度,其结果可以为滚仰式导引头的稳定与跟踪控制提供研究基础。

摘要：采用ADAMS/Car软件建立了四轮转向车辆虚拟样机模型,设计了一种车辆横摆角速度反馈与神经网络自适应的混合控制系统,有效解决了轮胎大侧偏角下的非线性问题,使神经网络权系数的在线修正速度快,难度低,赋予系统自适应能力。理论分析和仿真结果表明,所构建的四轮转向车辆混合控制系统是可行的,所采用的ADAMS与MATLAB联合仿真方法是有效的。

摘要：考虑具有不确定动态和外界环境干扰的欠驱动水面船舶编队控制问题,提出一种基于领导/跟随和目标跟踪机制的神经网络稳定自适应控制方法。基于目标跟踪误差设计了运动学跟踪控制器,推导出跟踪误差的动力学方程,并利用自适应神经网络估计动力学方程中的不确定项,构造了神经网络稳定自适应动力学跟踪控制器。应用Lyapunov稳定性理论和串接系统稳定性定理设计了船舶控制器,并计算了自适应律,在线调整神经网络权值,保证编队控制闭环系统跟踪误差一致最终有界。以3艘船舶组成的编队为例,对控制方法进行了仿真验证。在曲率半径为3倍船长的圆形跟踪路径上,转向角误差小于15°,队形跟踪误差的F-范数小于1m;在直线跟踪路径上,转向角误差小于1°,队形跟踪误差F-范数小于0.1m。

摘要：飞机编队飞行控制的关键技术就是保持编队队形并且跟踪指定的飞行路径。考虑到编队飞机之间的相互影响,根据相对位置和全局坐标系统(编队中心)采用混合控制结构对编队飞机进行控制,使用神经网络自适应控制技术使得两机具有良好的模型跟踪能力,以便于僚机实现良好的跟踪,保持编队之间的相对距离;同时设计三通道神经网络混合PID控制器使得飞行控制系统快速跟踪指令,保持编队队形。以两架无人机为研究对象进行仿真,结果表明设计的编队飞行控制系统具有较强的稳定性和自适应跟踪性能。

摘要：为克服低速情况下舵效低的问题,研究了自治水下航行器(AUV)的变质心控制方法.通过控制布置在AUV三个惯性主轴上的三个可移动质量块的运动,改变系统的质心,进一步改变了AUV受到的流体动力,从而实现对于AUV的控制.基于Kane的多刚体动力学理论推导变质心控制AUV的4刚体9自由度动力学模型,为设计AUV变质心控制系统奠定了基础.之后基于多输入多输出(MIMO)不确定非线性系统理论,设计自适应神经网络控制系统,并用李亚普诺夫稳定理论对该系统进行了稳定性分析.仿真验证了控制方法的合理性.

摘要：为了改善含有输入饱和与未知扰动的自动驾驶车辆系统在执行轨迹跟踪任务时的瞬态和稳态性能,考虑到自动驾驶汽车横向和纵向动态的耦合,设计基于滑模控制和预设性能控制的协调控制器。针对可能出现的输入饱和,基于饱和信号设计辅助系统,并在饱和发生时利用辅助系统调整规定的性能边界,使跟踪误差始终遵守性能约束,避免穿越边界引起系统不稳定。利用神经网络对系统中存在的模型误差以及外部扰动进行拟合和补偿,并设计一种基于复合学习的在线更新算法来训练神经网络。通过Lyapunov方法严格证明了闭环系统的稳定性,并通过仿真验证了新提出的辨识和控制方案的有效性。所设计的协调控制器可以在存在强耦合特性、模型不确定性和外部干扰的情况下保证预定的轨迹跟踪性能。

摘要：针对倾转旋翼无人机在倾转过程中的高度控制问题,提出一种基于灰狼优化的神经网络自适应控制方法,用于一种倾转三旋翼无人机倾转过程的飞行控制。首先,建立了无人机的非线性数字仿真模型;其次,基于神经网络自适应控制方法分别设计了无人机的高度控制器和姿态控制器,并用灰狼优化算法对神经网络的参数和控制器的参数寻优;再次,设计了倾转过程中的两种高度控制方案;最后,通过数字仿真验证了本文所提出的控制方法的有效性和鲁棒性。

摘要：针对四轮全向机器人数学模型中未知因数的干扰,提出了一种基于神经滑模的比例微分(Proportional plus Derivative,PD)自适应跟踪控制策略。首先,对机器人的动力学模型进行分析;其次,利用反步轨迹跟踪控制器得到虚拟速度,基于虚拟输入与实际输入的误差设计PD控制器;接着,采用神经网络来逼近动力学模型中的不确定性,并利用Lyapunov定理证明了系统的稳定性。仿真和实验结果表明,该控制策略具有有效性。

摘要：针对考虑全状态约束的永磁同步电动机系统,提出了一种基于指令滤波技术的神经网络自适应有限时间位置跟踪控制方案。首先,利用有限时间控制加快系统收敛、减小跟踪误差以及有效解决系统的负载转矩扰动问题;其次,引入指令滤波技术解决传统反步控制的“计算爆炸”问题,设计有限时间误差补偿机制抑制了滤波误差的影响;最后,运用神经网络自适应技术处理系统中未知的非线性函数,引入障碍Lyapunov函数确保系统的状态量被约束在预定义的紧集内。仿真和实验结果表明,该方法可以实现对期望信号快速有效的跟踪。