针对固定翼无人机纵向姿态控制中存在模型不确定性和外部干扰等问题,本文提出了一种基于径向基函数神经网络(Radial Basis Function Neural Network,RBFNN)的自适应滑模控制方法。该方法利用RBF逼近姿态控制系统中的未建模动态,通过设...针对固定翼无人机纵向姿态控制中存在模型不确定性和外部干扰等问题,本文提出了一种基于径向基函数神经网络(Radial Basis Function Neural Network,RBFNN)的自适应滑模控制方法。该方法利用RBF逼近姿态控制系统中的未建模动态,通过设计的自适应律实时调整神经网络权值,实现对模型误差和外部干扰的有效补偿。同时,基于Lyapunov稳定性理论设计了固定翼无人机的纵向姿态滑模控制律,确保闭环系统的全局稳定性和有限时间收敛特性。仿真结果表明,与传统PID控制及滑模控制方法相比,本文方法在存在参数摄动和外部干扰的情况下,能够显著提高固定翼无人机纵向姿态控制系统的跟踪精度和鲁棒性能。展开更多
针对Stewart平台的六自由度(six degrees of freedom,6-DOF)轨迹跟踪问题,提出一种基于神经网络的非奇异终端滑模控制方法并应用于Stewart平台的位置姿态控制中。通过分析Stewart平台的位置反解和速度反解,建立运动学方程,利用牛顿-欧...针对Stewart平台的六自由度(six degrees of freedom,6-DOF)轨迹跟踪问题,提出一种基于神经网络的非奇异终端滑模控制方法并应用于Stewart平台的位置姿态控制中。通过分析Stewart平台的位置反解和速度反解,建立运动学方程,利用牛顿-欧拉方程建立动力学方程,并结合加速度反解得到了平台的状态空间表达式;基于非奇异滑模面函数,设计非奇异终端滑模控制律。考虑到径向基函数(radial Basis function,RBF)神经网络的逼近特性,采用RBF神经网络对模型未知部分进行自适应逼近,并利用Lyapunov第二法设计了自适应律;通过仿真证明控制器设计的有效性。仿真结果表明,相比于比例积分微分(proportional integral derivative,PID)控制器,提出的RBF神经网络非奇异终端滑模控制器具有更好的轨迹跟踪精度和动态特性。展开更多
文摘针对固定翼无人机纵向姿态控制中存在模型不确定性和外部干扰等问题,本文提出了一种基于径向基函数神经网络(Radial Basis Function Neural Network,RBFNN)的自适应滑模控制方法。该方法利用RBF逼近姿态控制系统中的未建模动态,通过设计的自适应律实时调整神经网络权值,实现对模型误差和外部干扰的有效补偿。同时,基于Lyapunov稳定性理论设计了固定翼无人机的纵向姿态滑模控制律,确保闭环系统的全局稳定性和有限时间收敛特性。仿真结果表明,与传统PID控制及滑模控制方法相比,本文方法在存在参数摄动和外部干扰的情况下,能够显著提高固定翼无人机纵向姿态控制系统的跟踪精度和鲁棒性能。
文摘为了提高上肢外骨骼机器人关节的柔性,结合模块化串联弹性驱动器和鲍登线,提出了一种上肢柔性外骨骼机器人。针对鲍登线产生的非线性摩擦、外界未知扰动和模型不确定性,提出了一种基于径向基函数(radial basis function,RBF)神经网络的自适应复合控制器。该控制器采用扰动观测器和RBF神经网络自适应控制器对扰动进行估计和补偿,并通过滑模控制器实现上肢柔性外骨骼机器人的跟踪控制。此外,通过李雅普诺夫理论证明了该控制器的稳定性。仿真结果表明,与传统的比例积分微分(proportional integral differential,PID)控制器和滑模控制器相比,所提控制器具有更好的扰动补偿能力、更高的跟踪控制精度和鲁棒性,实现了对上肢柔性外骨骼机器人的精准跟踪控制。
文摘针对Stewart平台的六自由度(six degrees of freedom,6-DOF)轨迹跟踪问题,提出一种基于神经网络的非奇异终端滑模控制方法并应用于Stewart平台的位置姿态控制中。通过分析Stewart平台的位置反解和速度反解,建立运动学方程,利用牛顿-欧拉方程建立动力学方程,并结合加速度反解得到了平台的状态空间表达式;基于非奇异滑模面函数,设计非奇异终端滑模控制律。考虑到径向基函数(radial Basis function,RBF)神经网络的逼近特性,采用RBF神经网络对模型未知部分进行自适应逼近,并利用Lyapunov第二法设计了自适应律;通过仿真证明控制器设计的有效性。仿真结果表明,相比于比例积分微分(proportional integral derivative,PID)控制器,提出的RBF神经网络非奇异终端滑模控制器具有更好的轨迹跟踪精度和动态特性。
