摘要：针对三自由度全驱动船舶速度向量不可测问题,考虑船舶模型参数和外部环境扰动均未知的情况,提出一种基于神经网络观测器的船舶轨迹跟踪递归滑模动态面输出反馈控制方法.该方法设计神经网络自适应观测器估计船舶速度向量,且利用神经网络逼近模型参数不确定项,综合考虑船舶位置和速度误差之间关系构造递归滑模面,再采用动态面控制技术设计轨迹跟踪控制律和参数自适应律,并引入低频增益学习方法消除外界扰动导致的高频振荡控制信号.选取李雅普诺夫函数证明了该控制律能够保证轨迹跟踪闭环系统内所有信号的一致最终有界性.最后,基于一艘供给船进行仿真验证,结果表明,船舶轨迹跟踪响应速度快,所设计控制器对系统模型参数摄动及外界扰动具有较强的鲁棒性.

摘要：为了解决起重机吊重系统吊重摆角速度不易直接测量的问题,利用神经网络能对任意函数逼近的原理,采用RBF神经网络针对吊重摆角子系统,以吊重摆角为可测输入量,在基本状态观测器的基础上设计了神经网络状态观测器,通过合理设计神经网络参数,实现对吊重摆角速度现场软测量.与基本观测器的观测结果进行了对比仿真,结果表明:神经网络观测器的观测时间不到1 s;当系统存在建模误差和参数摄动时,神经网络观测器能较好地适应小车驱动力输入形式;在达到观测时间之前,基本观测器存在明显的高频振荡现象,且振荡的幅值随外界干扰幅值的增大而增大,神经网络观测器具有较平稳的观测过程.

摘要：为了解决系统状态变量不宜直接测量的问题,利用神经网络能对任意函数逼近的原理,采用RBF神经网络针对标准单输入、单输出系统,利用可测变量为输入量,在基本状态观测器的基础上设计了神经网络状态观测器。系统状态观测误差是收敛有界的,并且该界与神经网络权值逼近误差有关,合理设计神经网络参数,将该观测器应用于起重摆角子系统,利用小车位置变量为输入量,实现对吊重摆角速度的现场软测量。仿真研究的结果表明,神经网络观测器具有良好的快速响应性,其观测时间小于1 s;当系统存在建模误差和参数摄动时,神经网络观测器能较好地适应小车驱动力的输入形式;神经网络观测器具有较平稳的观测过程。

摘要：为了避免传感器故障对飞控系统的影响,实现传感器故障的快速检测与隔离,提出了一种基于神经网络观测器(NNOB)的传感器故障检测方法。在建立四旋翼飞行器姿态故障模型的基础上,利用非线性观测器得到的期望输出和传感器测量值设计基于神经网络(NN)的传感器故障观测器,利用扩展卡尔曼滤波器(EKF)更新神经网络的权值参数,通过Lyapunov理论证明权值参数更新的收敛性,最终构建出一种基于神经网络观测器的传感器故障检测系统。数值仿真实验结果表明,与现有神经网络故障检测方法相比,所提方法具有更高的故障检出率与更好的跟踪性能。

摘要：为了增强4D互动立体游戏仿真模拟平台的刚度和运动性能,将带冗余结构的3RPS/UPS并联机器人应用其中。首先对其结构进行介绍及逆运动学分析,然后针对传统PID控制在控制精度方面的不足,提出了一种基于神经网络观测器的反演控制方法。最后利用MATLAB对其进行建模以及系统仿真实验,并与传统PID控制以及一般的RBF神经网络自适应控制进行对比。由仿真结果可以看出,根据RBF神经网络观测器估计系统状态值,并应用反演控制理论设计控制器,能实现很好的状态观测,从而实现无需速度信号的位置跟踪。该方法也能够在一定程度上提高精度,且其整体控制效果优于传统PID控制器,相比于一般的RBF神经网络自适应控制也有了一定的改进。

摘要：针对基于解析模型的卫星姿态控制系统陀螺故障诊断方法存在设计复杂、参数求解困难的问题,提出一种基于神经网络观测器的陀螺故障诊断方法;由系统内的冗余关系导出故障诊断逻辑,实现对陀螺故障的检测和隔离;同时利用先验模型知识和神经网络的非线性建模特性对陀螺故障进行估计;仿真结果表明,该方法能够实现对陀螺故障的检测、隔离和估计。

摘要：针对传统线性观测器只在操作点附近具有工作满意度区间和传统非线性观测器对模型准确度依赖较大的问题,提出一种非传统的神经网络观测器设计方法。该神经网络是一个三层前馈网络,采用带修正项的误差反传算法进行训练以保证控制的精度和权值的有界。为降低对系统模型精度的依赖度,采用神经网络去识别系统的非线性部分,再结合传统的龙伯格观测器去重构系统的状态。利用Lyapunov直接法保证基于权值误差的非传统观测器的稳定性。最后将该观测器应用于机器人轨迹跟踪控制中,仿真结果表明:该方法适用于模型精度较低的非线性系统,可以满足控制的要求。

摘要：为降低非线性观测器对模型精度的依赖性,提出一种非传统的神经网络观测器设计方法。该神经网络为三层前馈网络,采用带修正项的误差反传算法进行训练,以保证控制的精度和权值有界,利用神经网络识别系统的非线性部分,并结合传统的龙伯格观测器重构系统状态;利用Lyapunov直接法保证基于权值误差的非观测器的稳定性,并将该观测器应用于机器人轨迹跟踪控制中。仿真结果表明,该方法解决了模型不确定系统状态观测问题,适用于模型精度较低的非线性系统。

摘要：径向基函数神经网络对非线性映射具有强大的逼近能力和良好的泛化能力。该文针对机器人系统的故障诊断问题,提出了基于径向基函数神经网络的故障诊断方法,依靠径向基神经网络的结构优势,设计了一种机器人系统的人工神经网络观测器,通过比较运行过程中实际系统与观测器的输出差异,获得各关节运行参数的残差,实现对故障的识别。仿真采用二连杆机器人系统为研究对象来验证该文提出的方法,仿真结果表明了故障诊断方法的有效性。

摘要：提出了一种基于滑模干扰观测器(SMDO)与径向基神经网络(RBFNN)观测器的非线性预测控制(NGPC)策略,设计了翼伞姿态容错控制器。针对姿态控制回路处理翼伞着陆过程中的不确定性,采用RBFNN神经网络来在线估计翼伞受到的扰动与故障信息,结合非线性广义预测控制器,实现了对翼伞姿态的容错控制,并进行了该设计方法的Lyapunov稳定性分析。仿真结果表明,该翼伞姿态容错控制系统具有良好的容错能力与抗干扰特性。