一、一種新型的自適應逆擾動消除器（論文文獻綜述）
楊其偉[1]（2019）在《基于滑動模態(tài)的三自由度直升機姿態(tài)跟蹤容錯控制方法》文中指出隨著現(xiàn)代科學技術的飛速發(fā)展,控制系統(tǒng)日益大型化和復雜化,一旦出現(xiàn)故障,可能會造成巨大的財產(chǎn)損失和人員傷亡,因此容錯控制技術顯得尤為重要。文章以Quanser公司設計生產(chǎn)的三自由度直升機半實物仿真平臺中的三自由度直升機作為研究對象,研究執(zhí)行器故障下基于狀態(tài)反饋和輸出反饋的姿態(tài)跟蹤容錯控制問題。為了解決執(zhí)行器故障下的容錯控制問題,文章首先根據(jù)三自由度直升機半實物仿真平臺的硬件組成和工作原理,并結合其特點,分別建立了三自由度直升機俯仰軸、升降軸和航向軸方向上的動力學方程。圍繞建立的動力學方程,對模型的可控性和可觀性進行分析,為之后設計姿態(tài)跟蹤容錯控制器提供了基礎。其次,針對三自由度直升機為欠驅動系統(tǒng),將其中一個控制輸入分解成兩個虛擬輸入,從而得到解耦后的三個子系統(tǒng),方便后續(xù)的容錯控制器設計。然后,提出了一種新型的滑?？刂坡稍O計方法,并針對三自由度直升機執(zhí)行器故障情形,設計了一種基于狀態(tài)反饋的容錯控制器,實現(xiàn)了三自由度直升機的姿態(tài)跟蹤容錯控制。最后,提出了一種基于超扭曲滑模的狀態(tài)觀測器設計方法,解決了部分狀態(tài)不可測量的狀態(tài)估計問題,設計了一種基于輸出反饋的容錯控制器,使三自由度直升機在執(zhí)行器故障下仍正常運行。為了驗證算法的有效性,對算法進行了仿真和實驗驗證。結果表明,在執(zhí)行器發(fā)生故障時,所設計的姿態(tài)跟蹤容錯控制器能夠使三自由度直升機的姿態(tài)跟蹤性能維持在一個較高的水平。
宮玉琳[2]（2015）在《永磁同步電動機自適應逆控制系統(tǒng)設計》文中研究表明針對永磁同步電動機的非線性、多變量、強耦合的復雜系統(tǒng),提出了一種改進自適應逆控制策略。該控制策略將改進的徑向基函數(shù)神經(jīng)網(wǎng)絡與FIR濾波器并聯(lián)作為非線性自適應濾波器,用于系統(tǒng)的建模辨識、擾動消除器和自適應逆控制器的設計。同時,采用改進的變步長LMS算法對非線性濾波器的參數(shù)進行在線優(yōu)化,提高了非線性濾波器的收斂速度和精度,進而提高了自適應逆控制的性能。仿真對比分析和實驗結果表明,采用提出的改進自適應逆控制策略的永磁同步電動機控制系統(tǒng)具有良好的動、靜態(tài)特性和較強的魯棒性。
董浩[3]（2015）在《非線性自適應逆控制方法研究》文中研究說明隨著現(xiàn)代科學技術的突飛猛進和生產(chǎn)規(guī)模的日益擴大,在工業(yè)自動化生產(chǎn)過程當中出現(xiàn)了大量的復雜非線性系統(tǒng),為了解決這些復雜工業(yè)系統(tǒng)的控制問題,自適應逆控制（AIC,Adaptive Inverse Control）作為一種新穎的控制方法被提出。到目前為止,線性AIC方法相對比較成熟,而非線性AIC的研究成果卻不多。非線性自適應濾波器和非線性AIC結構是決定非線性AIC性能的關鍵,而神經(jīng)網(wǎng)絡的飛速發(fā)展給非線性AIC提供了強有力的非線性自適應濾波器。本文利用神經(jīng)網(wǎng)絡設計相應的非線性自適應濾波器,并將其應用到非線性AIC系統(tǒng),實現(xiàn)對非線性系統(tǒng)的控制。首先,在廣泛查閱文獻的基礎上,全面地綜述了當前國內(nèi)外AIC的研究現(xiàn)狀;闡述了 AIC的基本思想和原理,并詳細描述了神經(jīng)網(wǎng)絡濾波原理,為接下來基于神經(jīng)網(wǎng)絡濾波器建模、逆建模以及整個系統(tǒng)自適應逆控制做鋪墊。其次,在對非線性對象進行建模時,針對基于局部誤差的固定速率BP神經(jīng)網(wǎng)絡濾波器建模方法具有模型泛化能力低,模型精度受到學習速率大小支配的缺點,采用了一種改進的變速率BP神經(jīng)網(wǎng)絡濾波器建模方法,通過仿真實驗表明在此方法下的非線性被控對象的建模,不僅克服了固定速率BP神經(jīng)網(wǎng)絡濾波器建模精度受到學習速率大小支配的問題,而且所建模型的泛化能力也得到了大大的提高。再次,在對非線性對象進行逆建模時,針對用BP神經(jīng)網(wǎng)絡設計逆控制器時,BP算法較為復雜致使收斂速度緩慢,模型精度不高而無法滿足要求的問題,采用了基于正交神經(jīng)網(wǎng)絡自適應濾波器的逆建模方法,對逆控制器進行設計。根據(jù)這一設計思路,詳細推導了正交神經(jīng)網(wǎng)絡逆控制器的學習算法,通過對時不變離散非線性系統(tǒng)進行仿真研究,表明該方法在非線性對象逆建模中能取得較好的效果。最后,在完成非線性對象建模與逆建模的基礎上,采用基于神經(jīng)網(wǎng)絡的模型參考AIC系統(tǒng),實現(xiàn)對非線性被控對象的控制。仿真實驗顯示非線性AIC系統(tǒng)能夠較好地工作,自適應能力很強,說明了本文方案在實現(xiàn)對非線性系統(tǒng)的AIC上具有可行性和有效性。
付得龍[4]（2015）在《基于VxWorks的六自由度搖擺臺控制系統(tǒng)研究與設計》文中研究指明六自由度搖擺臺目前已應用于飛行員駕駛模擬、振動平臺、并聯(lián)機械手以及娛樂設施等領域上。六自由度搖擺臺是一個復雜的非線性系統(tǒng),其中伺服控制又是影響六自由度搖擺臺精度和響應的關鍵一環(huán),另外許多領域中對搖擺臺也需要良好的反應速度。本文研究了基于Vx Works的搖擺臺的控制系統(tǒng):采用VxWorks實時操作系統(tǒng)提升搖擺臺的反應速度,在控制策略上采用自適應逆控制來提升復合PID的響應速度。主要內(nèi)容如下:（1）搖擺臺對象的建模:為了進行控制算法的研究需要建立對象,而實際的搖擺臺搭建成本過高且操作麻煩,所以需要進行虛擬搖擺臺模型的搭建;采用動力學常用建模軟件ADAMS進行建模,不但簡單且建模相對準確。采用ADAMS建立的虛擬搖擺臺模型的輸入是力,輸出是位移,為了更好的跟實際搖擺臺系統(tǒng)匹配,需要建立電機模型作為驅動裝置。（2）鉸點空間控制策略:運動學反解是根據(jù)搖擺臺的上運動平臺的位姿信息通過幾何空間分析得到六根作動器的杠長,運動學正解是根據(jù)六根作動器的杠長采用牛頓-泰勒數(shù)值迭代法推得搖擺臺上運動平臺的位姿信息。在控制策略上對單缸系統(tǒng)進行復合PID控制研究。（3）自適應逆控制研究:鑒于復合PID響應時間過長,本文在復合PID的基礎之上采用自適應逆控制來提高系統(tǒng)的響應速度;另外復合PID中經(jīng)常采用經(jīng)典反饋的方法來消除對象噪聲誤差,而自適應逆控制器是用被控對象傳遞函數(shù)的逆作為控制器,可以實現(xiàn)對對象和噪聲擾動分開進行自適應控制,是對復合PID控制策略的改進。（4）基于VxWorks的六自由度搖擺臺的軟件系統(tǒng):首先利用Labwindows/CVI開發(fā)上位機軟件,進行操控下位機和接收下位機實時信息及顯示,然后采用Modbus通信協(xié)議保證了上位機與下位機的通信;最后基于VxWorks操作系統(tǒng)設計了下位機控制系統(tǒng),包括系統(tǒng)時間、任務間通信、上下位機通信,并在VxWorks下對控制算法進行離散化,對其輸出結果同Simulink下的控制算法輸出結果做對比,驗證了在VxWorks下對控制算法離散化的正確性。
宮玉琳[5]（2013）在《永磁同步電動機伺服系統(tǒng)自適應逆控制策略研究》文中認為永磁同步電動機伺服系統(tǒng)廣泛應用于工業(yè)、農(nóng)業(yè)、國防、航空航天、社會生活等各個領域。隨著科技的不斷進步,對于伺服控制系統(tǒng)的要求也越來越高。因此,研究先進的永磁同步電動機伺服系統(tǒng)控制策略、開發(fā)高性能永磁同步電動機伺服系統(tǒng),對提高我國工業(yè)發(fā)展水平、促進國防現(xiàn)代化建設,具有極其重要的現(xiàn)實意義和實用價值。永磁同步電動機伺服系統(tǒng)作為一個非線性、多變量、強耦合的時變系統(tǒng),在運行過程中,參數(shù)變化、外界擾動和噪聲等非線性因素將使系統(tǒng)性能變差。因此,要提高永磁同步電動機伺服系統(tǒng)性能,必須采用先進的控制策略以克服參數(shù)變化和外界擾動對系統(tǒng)產(chǎn)生的不利影響。本文針對提高永磁同步電動機伺服系統(tǒng)性能進行了深入分析,結合信號處理的方法,提出了基于復合自適應逆控制策略的永磁同步電動機伺服控制系統(tǒng),采用位置環(huán)、速度環(huán)、電流環(huán)控制結構。其中,速度環(huán)和電流環(huán)采用基于矢量控制的id=0控制策略,通過id=0控制策略可以使電動機獲得較寬的調(diào)速范圍和較好的轉矩性能。永磁同步電動機伺服系統(tǒng)的關鍵性能指標是位置控制精度,為了提高位置控制精度,系統(tǒng)位置環(huán)采用復合自適應逆控制策略。當控制器為對象的逆模型時,位置輸出跟隨位置輸入,同時對系統(tǒng)存在的擾動進行消除。在自適應逆控制系統(tǒng)中,被控對象的輸入同時驅動對象和對象模型,對象輸出和對象模型的輸出之差即為對象的噪聲,利用該噪聲去驅動對象的逆模型并在對象輸入中予以消除。自適應逆控制策略從根本上消除了噪聲對位置輸出的影響,提高了伺服系統(tǒng)的控制性能。為了進一步提高自適應逆控制的性能,本文對變步長最小均方（Least mean square, LMS）算法進行了分析和改進。提出了基于相關誤差的非線性變步長LMS算法,提高了LMS算法的收斂速度并有效地克服了參數(shù)擾動對算法的影響。非線性濾波器作為非線性自適應逆控制的重要組成部分,直接影響著自適應逆控制策略的控制效果。為了更好的實現(xiàn)非線性自適應逆控制,本文將動態(tài)徑向基函數(shù)（Radial Basis Function,RBF）神經(jīng)網(wǎng)絡和FIR濾波器相結合構成非線性濾波器,并采用混沌多群體粒子群優(yōu)化（Chaos Multi-population Particle Swarm Optimization, CMPSO）算法對非線性濾波器的權值進行離線優(yōu)化,進一步提高了自適應濾波器的收斂速度和精度,有效地實現(xiàn)了系統(tǒng)建模、逆建模以及擾動消除器的設計,進而提高了自適應逆控制策略的控制效果。最后,本文將基于動態(tài)RBF神經(jīng)網(wǎng)絡和FIR的非線性濾波器與基于相關誤差的非線性變步長LMS算法相結合,實現(xiàn)了永磁同步電動機伺服系統(tǒng)自適應逆控制。進一步將PI控制策略與自適應逆控制策略相結合,提出了一種復合自適應逆控制策略。仿真和實驗結果表明,基于本文提出的復合自適應逆控制策略的永磁同步電動機伺服系統(tǒng)具有較好的動態(tài)響應、較高的穩(wěn)態(tài)精度和較強的抗干擾能力,證明了本文所提出的控制策略的有效性和先進性。
孟萍,張金敏,張繪敏[6]（2010）在《LS-SVM構造FLANN的非線性自適應逆控制動態(tài)補償研究》文中認為在對常規(guī)函數(shù)鏈接型神經(jīng)網(wǎng)絡（FLANN）構造方法認識的基礎上,研究了一種基于最小二乘支持向量機（LS-SVM）構造FLANN的新方法,并利用該方法對非線性對象模型及逆模型進行建立.將該方法的非線性系統(tǒng)辨識技術應用于自適應逆控制中,提高非線性系統(tǒng)的自適應性,改善動態(tài)特性.設計出了一種自適應逆控制系統(tǒng),不僅可以得到較好的動態(tài)響應,還能使擾動減小到最小.
王亞靜[7]（2010）在《神經(jīng)網(wǎng)絡辨識及自適應逆控制研究》文中提出自適應逆控制作為一種新穎的控制器和調(diào)節(jié)器的設計方法,引起國內(nèi)外學者越來越廣泛的研究興趣?，F(xiàn)代神經(jīng)網(wǎng)絡技術的發(fā)展為非線性自適應逆控制的研究和實現(xiàn)創(chuàng)造了條件,探索和設計合理的動態(tài)神經(jīng)網(wǎng)絡結構和算法,構建更加有效的系統(tǒng)結構等已成為非線性自適應逆控制研究的重點。本文研究了神經(jīng)網(wǎng)絡的結構和算法,及基于神經(jīng)網(wǎng)絡逆模型的非線性自適應逆控制系統(tǒng),主要研究內(nèi)容如下:首先,系統(tǒng)分析了RBF網(wǎng)絡中現(xiàn)有的幾種確定聚類中心的算法:K-均值聚類法、梯度下降法、正交最小二乘法和動態(tài)聚類法。針對動態(tài)聚類法中距離門限值是固定不變的這一缺點,提出了一種改進的動態(tài)聚類法,根據(jù)樣本密度對距離門限值進行調(diào)整,通過對煤氣爐數(shù)據(jù)辨識的仿真研究,驗證了該算法的有效性及快速性。其次,將RBF和BP這兩種神經(jīng)網(wǎng)絡應用到自適應逆控制系統(tǒng)中,經(jīng)一階慣性環(huán)節(jié)的仿真結果表明RBF網(wǎng)絡的泛化能力較低,影響了系統(tǒng)的控制精度。將基于BP網(wǎng)絡的自適應逆噪聲消除方法應用到軋輥偏心厚度控制中,仿真結果表明,該方法能很好地消除帶鋼的厚度偏差,各項指標均優(yōu)于PID控制,為軋輥偏心厚度控制提供了一個新的解決方案。最后,將基于BP網(wǎng)絡的自適應逆噪聲消除方法應用到一個非線性系統(tǒng)控制中,系統(tǒng)的控制誤差和均方差均小于其它方法,驗證了該算法對非線性系統(tǒng)控制的有效性。
宮林[8]（2009）在《無人機起飛與降落的控制技術》文中研究指明無人機在當前的戰(zhàn)爭中起著不可替代的作用,而自主起飛和降落無疑成為無人機課題中比較重要的一項。論文研究了自主起飛著陸的關鍵問題:無人機三輪和兩輪滑跑模型建立、起飛控制律和控制器的設計、著陸控制律和控制器的設計。介紹了無人機的應用前景,國內(nèi)外的無人機發(fā)展狀況,以及國內(nèi)外無人機起飛著陸的現(xiàn)狀。說明了我國無人機起飛著陸還處在初始階段,證實了自主起飛著陸的重要性,論證了本課題研究的必要性。對無人機三輪滑跑和兩輪滑跑模塊進行了建模。作為起飛著陸過程的一個階段,無人機在三輪滑行時的運動特性與空中飛行時的特性,以及僅主輪著地滑行時的運動特性有所不同。以某型號無人機為背景,根據(jù)經(jīng)典的十二階微分方程對這兩個階段建立了全量非線性模型,并且建立了風干擾模型、大氣模型、和發(fā)動機模型。由于沒有對剛體運動模型和氣動數(shù)據(jù)做線性化處理,因此該模型比較準確反映該無人機的實際運行特性。在MATLAB/SIMULINK仿真環(huán)境下搭建了該模型的仿真系統(tǒng),并用仿真結果來證明模型的可用性。由于經(jīng)典的PID控制器對無人機在有風干擾的情況下不能很好的實現(xiàn)起飛和降落,論文使用基于LM （Levenberg-Marquardt）算法的神經(jīng)網(wǎng)絡對無人機起飛進行控制,在有風干擾的情況下,仿真證明了其可靠性;針對著陸狀態(tài)設計了自適應逆控制律,提出了使用BPTM（backpropagation through （plant）model）和RTRL（real-time recurrent learning）算法對自適應逆控制器中的各濾波器權值進行更新,從仿真結果看自適應逆效果較好,最后在用風干擾的情況下進行驗證了其魯棒性。最后在Windows下設計了三維仿真平臺。使用當下三維動畫中最為流行的建模工具3ds-max建立了飛機模型,在VC環(huán)境下設計了控制器模塊、無人機三維仿真模型、無人機數(shù)學模型和地形模塊并完成了仿真系統(tǒng)設計,最后組建三維仿真系統(tǒng),實現(xiàn)了無人機的起飛和降落的三維仿真。
劉福才,高雪,吳士昌[9]（2008）在《自適應逆控制研究及其未來發(fā)展》文中提出由B.Widrow教授提出的自適應逆控制方法經(jīng)過十多年的發(fā)展,已經(jīng)取得了很多成果。近年來,自適應逆控制以其自身的眾多優(yōu)點成為一個活躍的研究領域,并被成功應用到各個領域。本文對自適應逆控制的已有研究成果做了綜述。首先分析了各種自適應濾波方法,尤其是線性變步長LMS自適應濾波算法的完善過程,每種算法的性能及優(yōu)缺點;其次分析了基于X-濾波、ε-濾波和U-濾波的自適應逆控制系統(tǒng)在噪聲擾動消除上的成功應用。然后介紹了跟隨非線性系統(tǒng)的非線性濾波器,及各種針對非線性對象的自適應逆控制系統(tǒng)。最后介紹了自適應逆控制新的應用,并提出了其自身存在的問題,探討了新的研究方向。
高雪[10]（2009）在《自適應濾波器在自適應逆控制中的應用》文中指出傳統(tǒng)控制和自適應控制采用的反饋控制方式是將輸出和干擾同時反饋來提高系統(tǒng)性能和消除干擾,這樣在兩者之間只能折衷實現(xiàn)。而自適應逆控制是將對象動態(tài)響應和消除擾動分別進行控制,二者互不影響,這樣可盡量提高系統(tǒng)動態(tài)性能和消除干擾。設計出的自適應逆控制系統(tǒng),不僅可以得到好的動態(tài)響應,還可以使噪聲和擾動減小到最小。由于計算量的減少和性能的提高,自適應無限沖激響應IIR（Infinite Impulse Response）濾波器在信號處理領域已經(jīng)引起越來越多的注意。本課題主要研究自適應IIR濾波器濾波算法及其在自適應逆控制中的應用。首先,論文在已有算法的基礎上,提出了基于Lyapunov穩(wěn)定理論的自適應濾波算法。該算法克服了用傳統(tǒng)函數(shù)形式表示的遞歸濾波器采用梯度法時可能陷入局部極小的缺陷,保證了算法的穩(wěn)定性,解決了參數(shù)收斂問題。其次,論文在經(jīng)典的自適應逆控制理論的基礎上,提出了兩種改進的自適應逆控制系統(tǒng)。在原來的固定最小均方誤差LMS（Least Mean Square）算法自適應逆控制方法的基礎上,引入了新的變步長LMS算法,在計算量增加不多的前提下,能同時獲得較快的收斂速度和較小的穩(wěn)態(tài)誤差;引入自適應的反饋補償控制克服了被控系統(tǒng)的直流零頻漂移,使控制系統(tǒng)在初開始工作階段快速收斂;還引入自適應擾動消除器,它能最大限度地消除擾動。最后,論文研究了基于非線性IIR濾波器的自適應逆控制。給出了一種結構新穎的非線性自適應濾波器進行自適應建模、逆建模及控制器的設計方法;提出了一種帶自適應擾動消除器和反饋補償?shù)姆蔷€性自適應逆控制系統(tǒng)。仿真結果證明了這種非線性自適應逆控制系統(tǒng)具有收斂速度較快、消除擾動能力較強等優(yōu)點。
二、一種新型的自適應逆擾動消除器（論文開題報告）
（1）論文研究背景及目的
此處內(nèi)容要求：
首先簡單簡介論文所研究問題的基本概念和背景，再而簡單明了地指出論文所要研究解決的具體問題，并提出你的論文準備的觀點或解決方法。
寫法范例：
本文主要提出一款精簡64位RISC處理器存儲管理單元結構并詳細分析其設計過程。在該MMU結構中,TLB采用叁個分離的TLB,TLB采用基于內(nèi)容查找的相聯(lián)存儲器并行查找,支持粗粒度為64KB和細粒度為4KB兩種頁面大小,采用多級分層頁表結構映射地址空間,并詳細論述了四級頁表轉換過程,TLB結構組織等。該MMU結構將作為該處理器存儲系統(tǒng)實現(xiàn)的一個重要組成部分。
（2）本文研究方法
調(diào)查法：該方法是有目的、有系統(tǒng)的搜集有關研究對象的具體信息。
觀察法：用自己的感官和輔助工具直接觀察研究對象從而得到有關信息。
實驗法：通過主支變革、控制研究對象來發(fā)現(xiàn)與確認事物間的因果關系。
文獻研究法：通過調(diào)查文獻來獲得資料，從而全面的、正確的了解掌握研究方法。
實證研究法：依據(jù)現(xiàn)有的科學理論和實踐的需要提出設計。
定性分析法：對研究對象進行“質(zhì)”的方面的研究，這個方法需要計算的數(shù)據(jù)較少。
定量分析法：通過具體的數(shù)字，使人們對研究對象的認識進一步精確化。
跨學科研究法：運用多學科的理論、方法和成果從整體上對某一課題進行研究。
功能分析法：這是社會科學用來分析社會現(xiàn)象的一種方法，從某一功能出發(fā)研究多個方面的影響。
模擬法：通過創(chuàng)設一個與原型相似的模型來間接研究原型某種特性的一種形容方法。
三、一種新型的自適應逆擾動消除器（論文提綱范文）
（1）基于滑動模態(tài)的三自由度直升機姿態(tài)跟蹤容錯控制方法（論文提綱范文）
| 摘要 |
| Abstract |
| 變量注釋表 |
| 1 緒論 |
| 1.1 前言 |
| 1.2 選題背景及研究意義 |
| 1.3 國內(nèi)外研究現(xiàn)狀 |
| 1.4 本文的主要內(nèi)容 |
| 1.5 本章小結 |
| 2 三自由度直升機姿態(tài)跟蹤控制系統(tǒng)建模 |
| 2.1 三自由度直升機介紹 |
| 2.2 三自由度直升機建模 |
| 2.3 三自由度直升機執(zhí)行器故障描述 |
| 2.4 三自由度直升機模型分析 |
| 2.5 本章小結 |
| 3 基于狀態(tài)反饋的容錯控制器設計 |
| 3.1 預備知識 |
| 3.2 一種新型滑模控制律設計方法 |
| 3.3 三自由度直升機姿態(tài)跟蹤容錯控制器設計 |
| 3.4 仿真驗證 |
| 3.5 本章小結 |
| 4 基于輸出反饋的容錯控制器設計 |
| 4.1 基于超扭曲滑模的狀態(tài)觀測器設計 |
| 4.2 基于狀態(tài)觀測器的三自由度直升機容錯控制器設計 |
| 4.3 仿真驗證 |
| 4.4 實驗驗證 |
| 4.5 本章小結 |
| 5 總結與展望 |
| 5.1 總結 |
| 5.2 展望 |
| 參考文獻 |
| 作者簡歷 |
| 致謝 |
| 學位論文數(shù)據(jù)集 |
（2）永磁同步電動機自適應逆控制系統(tǒng)設計（論文提綱范文）
| 1自適應逆控制 |
| 2自適應學習算法 |
| 3系統(tǒng)仿真與實現(xiàn) |
| 4結論 |
（3）非線性自適應逆控制方法研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第1章 緒論 |
| 1.1 非線性自適應逆控制的研究背景、目的和意義 |
| 1.2 自適應逆控制概述 |
| 1.2.1 自適應逆控制的基本原理 |
| 1.2.2 線性系統(tǒng)的自適應逆控制 |
| 1.2.3 非線性系統(tǒng)的自適應逆控制 |
| 1.2.4 自適應逆控制的對象擾動消除環(huán)節(jié) |
| 1.3 自適應逆控制的研究現(xiàn)狀及其發(fā)展動態(tài) |
| 1.4 本文的主要研究內(nèi)容 |
| 第2章 基于BP網(wǎng)絡的非線性對象建模研究 |
| 2.1 引言 |
| 2.2 BP神經(jīng)網(wǎng)絡 |
| 2.2.1 BP神經(jīng)網(wǎng)絡的拓撲結構 |
| 2.2.2 BP神經(jīng)網(wǎng)絡的參數(shù)選擇 |
| 2.3 基于BP網(wǎng)絡的非線性自適應濾波 |
| 2.3.1 神經(jīng)網(wǎng)絡濾波的原理 |
| 2.3.2 BP神經(jīng)網(wǎng)絡濾波器 |
| 2.4 非線性對象建模 |
| 2.4.1 非線性對象建模的機理 |
| 2.4.2 基于BP神經(jīng)網(wǎng)絡濾波器的非線性對象建模 |
| 2.4.3 基于BP神經(jīng)網(wǎng)絡濾波器的建模算法步驟 |
| 2.5 仿真研究 |
| 2.6 本章小結 |
| 第3章 基于正交神經(jīng)網(wǎng)絡的非線性對象逆建模研究 |
| 3.1 引言 |
| 3.2 正交神經(jīng)網(wǎng)絡模型 |
| 3.3 逆建模方法 |
| 3.4 基于正交神經(jīng)網(wǎng)絡的逆建模 |
| 3.4.1 正交神經(jīng)網(wǎng)絡逆建模的機理 |
| 3.4.2 正交神經(jīng)網(wǎng)絡逆控制器的學習算法 |
| 3.5 仿真研究 |
| 3.6 本章小結 |
| 第4章 非線性自適應逆控制系統(tǒng)設計研究 |
| 4.1 引言 |
| 4.2 非線性自適應逆控制系統(tǒng)的結構設計 |
| 4.3 非線性自適應逆控制的算法步驟 |
| 4.4 仿真研究 |
| 4.4.1 仿真示例Ⅰ |
| 4.4.2 仿真示例Ⅱ |
| 4.5 本章小結 |
| 第5章 總結與展望 |
| 參考文獻 |
| 致謝 |
（4）基于VxWorks的六自由度搖擺臺控制系統(tǒng)研究與設計（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 第一章 緒論 |
| 1.1 課題研究背景及意義 |
| 1.2 六自由度搖擺臺簡介 |
| 1.3 六自由度搖擺臺國內(nèi)外研究現(xiàn)狀 |
| 1.3.1 國外研究現(xiàn)狀 |
| 1.3.2 國內(nèi)研究現(xiàn)狀 |
| 1.4 VxWorks操作系統(tǒng)介紹 |
| 1.5 本文主要研究內(nèi)容 |
| 1.6 本論文的結構安排 |
| 第二章 運動學分析 |
| 2.1 運動學反解 |
| 2.1.1 坐標系的建立 |
| 2.1.2 廣義坐標的定義 |
| 2.1.3 坐標變換矩陣 |
| 2.1.4 搖擺臺位置反解 |
| 2.2 運動學正解 |
| 2.3 正反解仿真分析 |
| 2.4 本章小結 |
| 第三章 鉸點空間控制策略研究及仿真 |
| 3.1 基于鉸點空間的控制系統(tǒng)結構 |
| 3.2 搖擺臺模型及聯(lián)合仿真環(huán)境的建立 |
| 3.2.1 ADAMS動力學仿真軟件介紹 |
| 3.2.2 六自由度搖擺臺ADAMS模型的建立 |
| 3.2.3 ADAMS與MATLAB聯(lián)合仿真環(huán)境的建立 |
| 3.3 電機的控制及研究 |
| 3.3.1 電機的數(shù)學模型 |
| 3.3.2 PID控制器 |
| 3.3.3 電機控制研究與仿真 |
| 3.4 帶電機驅動的搖擺臺控制研究與仿真 |
| 3.5 本章小結 |
| 第四章 自適應逆控制算法的研究及仿真 |
| 4.1 自適應濾波器 |
| 4.1.1 自適應線性組合器 |
| 4.1.2 自適應LMS算法 |
| 4.2 自適應逆控制基本概念及幾種結構 |
| 4.2.1 基本自適應結構 |
| 4.2.2 模型參考自適應逆控制 |
| 4.2.3 噪聲消除自適應逆控制 |
| 4.3 自適應逆控制的算法研究與仿真 |
| 4.3.1 對象的正建模與仿真 |
| 4.3.2 對象的逆建模與仿真 |
| 4.3.3 自適應逆控制與仿真 |
| 4.3.4 對象擾動的消除與仿真 |
| 4.4 基于鉸點空間和自適應逆聯(lián)合控制的研究與仿真 |
| 4.5 本章小結 |
| 第五章 基于Vx Works的六自由度搖擺臺控制系統(tǒng)實現(xiàn) |
| 5.1 搖擺臺控制系統(tǒng)總體框架 |
| 5.2 上位機軟件設計與實現(xiàn) |
| 5.2.1 Labwindows/CVI介紹 |
| 5.2.2 上位機軟件結構與實現(xiàn) |
| 5.3 Modbus通信協(xié)議設計與實現(xiàn) |
| 5.3.1 VxWorks網(wǎng)絡通信介紹 |
| 5.3.2 基于TCP/IP的Modbus通信協(xié)議 |
| 5.4 基于Vx Works的下位機軟件設計與實現(xiàn) |
| 5.4.1 下位機軟件系統(tǒng)結構設計 |
| 5.4.2 下位機程序設計流程圖 |
| 5.4.3 系統(tǒng)采樣時間的實現(xiàn) |
| 5.4.4 任務間通信的實現(xiàn) |
| 5.4.5 運動學正解與反解的實現(xiàn) |
| 5.4.6 控制算法離散化的實現(xiàn) |
| 5.5 本章小結 |
| 第六章 六自由度搖擺臺控制系統(tǒng)的測試及驗證 |
| 6.1 運動學的測試 |
| 6.1.1 運動學反解程序的測試 |
| 6.1.2 運動學正解程序的測試 |
| 6.2 控制算法離散化的測試 |
| 6.2.1 PID控制器離散化程序的測試 |
| 6.2.2 自適應逆控制離散化程序的測試 |
| 6.3 軟件系統(tǒng)的測試 |
| 6.3.1 上下位機通信的測試 |
| 6.3.2 任務間的調(diào)度的測試 |
| 6.3.3 任務間數(shù)據(jù)通信的測試 |
| 6.4 本章小結 |
| 第七章 總結與展望 |
| 7.1 工作總結 |
| 7.2 工作展望 |
| 致謝 |
| 參考文獻 |
| 攻讀碩士學位期間取得的成果 |
（5）永磁同步電動機伺服系統(tǒng)自適應逆控制策略研究（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 目錄 |
| 第一章 緒論 |
| 1.1 課題來源、研究的背景和意義 |
| 1.2 永磁同步電動機伺服系統(tǒng) |
| 1.3 自適應逆控制的研究現(xiàn)狀與發(fā)展 |
| 1.4 本文主要研究內(nèi)容及章節(jié)安排 |
| 第二章 永磁同步電動機建模及矢量控制方法 |
| 2.1 永磁同步電動機的分類與結構 |
| 2.2 永磁同步電動機數(shù)學模型 |
| 2.3 永磁同步電動機矢量控制方法 |
| 2.4 本章小結 |
| 第三章 基于動態(tài)RBF神經(jīng)網(wǎng)絡和FIR濾波器的非線性自適應逆控制 |
| 3.1 自適應逆控制系統(tǒng)及自適應濾波器 |
| 3.2 最小均方算法及其穩(wěn)定性 |
| 3.3 基于相關誤差的非線性變步長LMS算法 |
| 3.4 基于動態(tài)RBF神經(jīng)網(wǎng)絡和FIR濾波器的非線性自適應逆控制 |
| 3.5 本章小結 |
| 第四章 基于混沌多群體粒子群優(yōu)化算法的神經(jīng)網(wǎng)絡參數(shù)離線優(yōu)化 |
| 4.1 基本粒子群優(yōu)化算法 |
| 4.2 粒子群優(yōu)化算法穩(wěn)定性分析 |
| 4.3 粒子群優(yōu)化算法的改進策略 |
| 4.4 混沌多群體粒子群優(yōu)化算法 |
| 4.5 基于粒子群優(yōu)化算法的神經(jīng)網(wǎng)絡參數(shù)離線優(yōu)化 |
| 4.6 本章小結 |
| 第五章 永磁同步電動機復合自適應逆控制 |
| 5.1 永磁同步電動機逆系統(tǒng)的可實現(xiàn)性 |
| 5.2 永磁同步電動機自適應逆控制 |
| 5.3 永磁同步電動機復合自適應逆控制 |
| 5.4 本章小結 |
| 第六章 永磁同步電動機控制系統(tǒng)實現(xiàn) |
| 6.1 永磁同步電動機控制系統(tǒng)硬件設計 |
| 6.2 永磁同步電動機控制系統(tǒng)軟件設計 |
| 6.3 系統(tǒng)實驗和結果分析 |
| 6.4 本章小結 |
| 第七章 總結與展望 |
| 圖目錄 |
| 表目錄 |
| 參考文獻 |
| 致謝 |
| 攻讀博士學位期間發(fā)表的論文和科研工作 |
| 附錄 |
（7）神經(jīng)網(wǎng)絡辨識及自適應逆控制研究（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 第1章 緒論 |
| 1.1 自適應逆控制簡介 |
| 1.2 自適應逆控制的新發(fā)展 |
| 1.2.1 基于神經(jīng)網(wǎng)絡逆模型的自適應逆控制系統(tǒng) |
| 1.2.2 基于模糊逆模型的自適應逆控制系統(tǒng) |
| 1.2.3 基于預測逆模型的自適應逆控制系統(tǒng) |
| 1.3 課題的目的及意義 |
| 1.4 論文的主要工作和結構安排 |
| 第2章 基于神經(jīng)網(wǎng)絡逆模型的自適應逆控制系統(tǒng) |
| 2.1 引言 |
| 2.2 系統(tǒng)可逆性 |
| 2.3 神經(jīng)網(wǎng)絡建模方法 |
| 2.3.1 模型的選擇 |
| 2.3.2 輸入信號的選擇 |
| 2.3.3 誤差準則的選擇 |
| 2.4 神經(jīng)網(wǎng)絡建模 |
| 2.4.1 正向建模 |
| 2.4.2 逆向建模 |
| 2.5 基于神經(jīng)網(wǎng)絡逆模型的自適應逆控制系統(tǒng) |
| 2.5.1 神經(jīng)網(wǎng)絡自適應逆控制原理 |
| 2.5.2 系統(tǒng)的穩(wěn)定性分析 |
| 2.6 本章小結 |
| 第3章 一種改進的動態(tài)聚類非線性系統(tǒng)快速辨識算法 |
| 3.1 引言 |
| 3.2 RBF 網(wǎng)絡 |
| 3.3 幾種常用的確定基函數(shù)中心的方法 |
| 3.3.1 K-均值聚類法 |
| 3.3.2 梯度下降法 |
| 3.3.3 正交最小二乘法 |
| 3.3.4 動態(tài)聚類法 |
| 3.4 改進的動態(tài)聚類法 |
| 3.4.1 確定距離門限值 |
| 3.4.2 確定基函數(shù)的擴張常數(shù) |
| 3.4.3 最小二乘法確定輸出層權值 |
| 3.4.4 改進動態(tài)聚類算法的步驟 |
| 3.5 仿真研究 |
| 3.5.1 仿真實例1 |
| 3.5.2 仿真實例2 |
| 3.6 本章小結 |
| 第4章 基于神經(jīng)網(wǎng)絡逆模型的自適應逆控制系統(tǒng)研究 |
| 4.1 引言 |
| 4.2 基于神經(jīng)網(wǎng)絡逆模型的直接自適應逆控制 |
| 4.2.1 神經(jīng)網(wǎng)絡離線逆建模 |
| 4.2.2 基于神經(jīng)網(wǎng)絡逆模型的直接自適應逆控制 |
| 4.3 自適應逆噪聲消除系統(tǒng) |
| 4.4 RBF 與BP 網(wǎng)絡在逆控制系統(tǒng)中的比較研究 |
| 4.5 自適應逆控制在軋輥偏心中的應用 |
| 4.5.1 軋機液壓壓下控制系統(tǒng) |
| 4.5.2 基于BP 網(wǎng)絡的自適應逆控制系統(tǒng) |
| 4.5.3 與PID 控制方法的比較 |
| 4.6 基于BP 網(wǎng)絡逆模型的非線性自適應逆控制 |
| 4.7 本章小結 |
| 結論 |
| 參考文獻 |
| 攻讀碩士學位期間承擔的科研任務與主要成果 |
| 致謝 |
| 作者簡介 |
（8）無人機起飛與降落的控制技術（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 第一章 緒論 |
| 1.1 本課題選題意義 |
| 1.2 無人機主要的發(fā)射和回收方式 |
| 1.2.1 發(fā)射方式 |
| 1.2.2 回收方式 |
| 1.3 國內(nèi)外研究現(xiàn)狀 |
| 1.3.1 無人機國內(nèi)外發(fā)展現(xiàn)狀 |
| 1.3.2 無人機自主起飛降落國內(nèi)外現(xiàn)狀 |
| 1.4 課題研究思路 |
| 1.5 論文主要研究內(nèi)容及關鍵技術 |
| 第二章 無人機起飛降落飛行運動模型的建立 |
| 2.1 引言 |
| 2.2 無人機六自由度飛行模型 |
| 2.3 無人機三輪及兩輪滑跑模型建立 |
| 2.3.1 某型無人機及其載荷的總重力 |
| 2.3.2 發(fā)動機推力 |
| 2.3.3 空氣動力 |
| 2.3.4 三輪滑跑階段地面作用在無人機起落架上的力 |
| 2.3.5 三輪滑跑階段動力學方程 |
| 2.3.6 三輪滑跑階段的數(shù)學模型 |
| 2.3.7 兩輪滑跑階段地面作用在無人機起落架上的力 |
| 2.3.8 兩輪滑跑階段動力學方程 |
| 2.3.9 兩輪滑跑階段的數(shù)學模型 |
| 2.3.10 在滑跑階段機輪支持力的計算 |
| 2.3.11 氣動參數(shù)的計算 |
| 2.3 無人機各模型組件的建立 |
| 2.3.1 風干擾模型的建立 |
| 2.3.2 大氣模型的建立 |
| 2.3.3 發(fā)動機模型的建立 |
| 2.4 三輪滑跑模型仿真驗證 |
| 2.4.1 著陸階段三輪滑跑仿真 |
| 2.4.2 起飛階段三輪滑跑仿真 |
| 2.5 本章小結 |
| 第三章 起飛降落控制律的研究 |
| 3.1 引言 |
| 3.2 無人機自動起飛縱向通道的PID 控制 |
| 3.2.1 無人機自主起飛過程描述 |
| 3.2.2 起飛控制策略和控制律介紹 |
| 3.2.3 滑跑起飛控制律設計與仿真 |
| 3.3 無人機起飛的神經(jīng)網(wǎng)絡控制 |
| 3.3.1 神經(jīng)網(wǎng)絡的介紹 |
| 3.3.2 Levenberg-Marquardt 算法在起飛中的應用 |
| 3.3.3 有風干擾情況下的仿真研究 |
| 3.4 無人機縱向通道自動著陸的自適應逆控制 |
| 3.4.1 無人機著陸描述 |
| 3.4.2 自適應逆控制概述 |
| 3.4.3 自適應逆算法的基本原理 |
| 3.4.3 對象模型、控制器和擾動消除器的設計 |
| 3.4.4 對象模型、控制器和擾動消除器的算法推導 |
| 3.4.5 系統(tǒng)建模的算法步驟 |
| 3.4.6 著陸控制策略和著陸軌跡設計 |
| 3.4.7 降落時縱向飛行軌跡仿真 |
| 3.4.8 有風干擾下的仿真研究 |
| 3.5 本章小結 |
| 第四章 無人機起飛降落的三維動畫仿真 |
| 4.1 引言 |
| 4.2 三維仿真的系統(tǒng)建立 |
| 4.2.1 三維仿真結構 |
| 4.2.2 仿真系統(tǒng)的軟件結構 |
| 4.3 三維仿真各模塊的具體實現(xiàn) |
| 4.3.1 無人機三維模型的VC 實現(xiàn) |
| 4.3.2 三維仿真地形的建立 |
| 4.3.3 無人機起飛著陸控制模塊 |
| 4.3.4 無人機數(shù)學模型模塊 |
| 4.3.5 傳感器模塊 |
| 4.4 起飛和著陸的程序流程圖 |
| 4.5 無人機起飛降落的三維視景效果 |
| 4.6 本章小結 |
| 第五章 總結與展望 |
| 5.1 論文做出的主要工作及貢獻 |
| 5.2 不足與展望 |
| 參考文獻 |
| 致謝 |
| 在學期間的研究成果及發(fā)表的學術論文 |
| 附錄一 |
| 附錄二 |
| 附錄三 |
（9）自適應逆控制研究及其未來發(fā)展（論文提綱范文）
| 1 引 言 |
| 2 線性系統(tǒng)自適應逆控制的研究應用 |
| 2.1 線性自適應濾波方法分析與比較 |
| 2.2 線性自適應逆控制及應用 |
| 3 非線性系統(tǒng)中的自適應逆控制研究 |
| 3.1 非線性自適應算法 |
| 3.2 非線性自適應逆控制應用 |
| 4 自適應逆應用的新發(fā)展 |
| 5 結 論 |
（10）自適應濾波器在自適應逆控制中的應用（論文提綱范文）
| 摘要 |
| Abstract |
| 第1章 緒論 |
| 1.1 自適應逆控制簡介 |
| 1.1.1 自適應逆控制的基本概念 |
| 1.1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.2 線性系統(tǒng)自適應逆控制的研究應用 |
| 1.2.1 線性自適應濾波方法分析與比較 |
| 1.2.2 線性自適應逆控制及應用 |
| 1.3 非線性系統(tǒng)中的自適應逆控制研究 |
| 1.3.1 非線性自適應濾波算法 |
| 1.3.2 非線性自適應逆控制應用 |
| 1.4 自適應逆應用的新發(fā)展 |
| 1.4.1 混沌系統(tǒng)的自適應逆控制 |
| 1.4.2 基于支持向量機的非線性自適應逆控制 |
| 1.4.3 基于預測的自適應逆控制 |
| 1.5 課題的目的及意義 |
| 1.6 論文的主要工作和結構安排 |
| 第2章 自適應IIR 濾波器 |
| 2.1 引言 |
| 2.2 自適應IIR 濾波器的結構形式 |
| 2.2.1 方程誤差結構形式自適應IIR 濾波器 |
| 2.2.2 輸出誤差結構形式自適應IIR 濾波器 |
| 2.2.3 IIR 濾波器的一般結構 |
| 2.3 自適應濾波算法 |
| 2.3.1 自適應遞歸高斯－牛頓算法 |
| 2.3.2 自適應遞歸濾波器LMS 算法 |
| 2.4 本章小結 |
| 第3章 模型參考自適應IIR 濾波器辨識新算法 |
| 3.1 引言 |
| 3.2 基于 Lyapunov 的自適應濾波器設計方法 |
| 3.2.1 IIR 濾波器描述 |
| 3.2.2 算法推導 |
| 3.3 仿真研究 |
| 3.4 本章小結 |
| 第4章 基于變步長LMS 算法的自適應逆控制系統(tǒng) |
| 4.1 引言 |
| 4.2 變步長LMS 自適應濾波算法 |
| 4.3 自適應擾動消除器 |
| 4.4 用于克服直流零頻漂移的反饋補償 |
| 4.5 改進的自適應逆控制系統(tǒng) |
| 4.6 仿真研究 |
| 4.7 本章小結 |
| 第5章 非線性IIR 濾波器在自適應逆控制中的應用 |
| 5.1 引言 |
| 5.2 非線性濾波器工作原理 |
| 5.3 自適應非線性對象的自適應逆控制 |
| 5.4 仿真研究 |
| 5.5 本章小結 |
| 結論 |
| 參考文獻 |
| 攻讀碩士學位期間承擔的科研任務與主要成果 |
| 致謝 |
| 作者簡介 |
四、一種新型的自適應逆擾動消除器（論文參考文獻）
- [1]基于滑動模態(tài)的三自由度直升機姿態(tài)跟蹤容錯控制方法[D]. 楊其偉. 山東科技大學, 2019(06)
- [2]永磁同步電動機自適應逆控制系統(tǒng)設計[J]. 宮玉琳. 長春理工大學學報(自然科學版), 2015(04)
- [3]非線性自適應逆控制方法研究[D]. 董浩. 東北大學, 2015(12)
- [4]基于VxWorks的六自由度搖擺臺控制系統(tǒng)研究與設計[D]. 付得龍. 電子科技大學, 2015(03)
- [5]永磁同步電動機伺服系統(tǒng)自適應逆控制策略研究[D]. 宮玉琳. 長春理工大學, 2013(07)
- [6]LS-SVM構造FLANN的非線性自適應逆控制動態(tài)補償研究[J]. 孟萍,張金敏,張繪敏. 蘭州交通大學學報, 2010(06)
- [7]神經(jīng)網(wǎng)絡辨識及自適應逆控制研究[D]. 王亞靜. 燕山大學, 2010(08)
- [8]無人機起飛與降落的控制技術[D]. 宮林. 南京航空航天大學, 2009(S2)
- [9]自適應逆控制研究及其未來發(fā)展[J]. 劉福才,高雪,吳士昌. 儀器儀表學報, 2008(12)
- [10]自適應濾波器在自適應逆控制中的應用[D]. 高雪. 燕山大學, 2009(07)
標簽：自適應論文; 同步電動機論文; 神經(jīng)網(wǎng)絡模型論文; 線性系統(tǒng)論文; 自動化控制論文;