金峤[1]2005年在《结构振动的滑模变结构控制研究》文中指出本文的研究内容属于地震工程结构控制研究范畴。结构振动控制的研究包括控制装置和控制策略两部分。虽然结构振动控制的研究已经取得长足的进步,许多控制装置已经成功地应用于实际工程之中,然而关于结构振动控制策略的研究还存在许多问题。被控系统的非线性、强时变、结构参数的不确定性,连续被控系统模型的离散化,结构体型的复杂多变性以及控制力实施过程中的“时滞现象”,都给振动控制策略的研究带来很大的挑战。因此,寻求对结构参数不确定的强鲁棒性的结构振动控制算法,在离散条件下,研究其对结构的振动控制,同时考虑结构偏心和控制延时的影响,这是一项非常有意义的工作。 通过阅读大量国内外文献,在对前人在结构振动控制领域所取得的成果进行科学总结的基础上,本文就滑模变结构控制方法在结构振动控制中的应用作了不同的研究层面上的新的探索和尝试。从所面向的控制装置层面上,研究并分析了变结构控制算法对主动质量阻尼器(AMD)和调液柱型阻尼器(TLCD)的支持情况;从被控结构类型层面上,研究并分析了由变结构控制算法支持的主动或半主动控制器对相邻结构、偏心结构以及海洋导管架平台结构的振动反应控制;从数值仿真分析的控制系统模型的类别层面上,主要采用了更贴近于实际结构控制的离散时间系统;从变结构控制算法本身的改进层面上,研究了普通滑模变结构控制算法以及基于模糊逻辑和BP神经网络的变结构控制算法在结构控制上的不同应用;从控制分析的特点层面上,研究了“控制延时”的大小对控制品质的影响。循着上述不同角度的研究层面,本文的研究工作按如下内容具体的展开: 建立并开展了考虑控制延时影响的相邻建筑结构的离散变结构振动控制方法研究。首先阐述了不含控制延时和包含控制延时两种情况下的连续控制系统模型的离散化理论,并在此基础上,建立了考虑控制延时效应的相邻结构控制系统的离散状态方程并将其标准化。然后应用离散变结构控制理论对一相邻建筑结构体系的半主动控制问题进行了仿真分析,研究并分析了控制时滞对该相邻结构控制系统减震性能的影响。 建立并开展了考虑控制延时的AMD-偏心结构体系的离散变结构控制方法研究。首先建立了AMD-偏心结构体系的力学模型及连续运动状态方程,并根据双输入系统有时滞项离散状态方程变为无时滞项标准离散状态方程的推导结果,将其离散化成标准离散状态方程形式。然后应用离散变结构控制理论对在结构顶层的两个正交方向同时设置
赖思静[2]2002年在《基于神经网络和模糊逻辑的结构控制算法研究》文中研究表明结构控制算法对结构振动主动控制效果起着决定性作用，同时也是智能结构系统的核心组成部分。本文旨在将BP神经网络与模糊逻辑进行有机结合，以寻求一种新的适应于非线形结构和难以建模的结构的振动控制算法，研究工作在理论和实践方面都具有十分重要的现实意义。本文首先阐述了结构控制的基本理论和研究现状，着重对当前的结构控制算法进行了详细的分析和讨论。然后介绍了BP神经网络和模糊逻辑的基本原理和算法，分别讨论了神经网络和模糊逻辑的特点，分析了各自的优点和不足，充分利用了二者的优点，提出了基于BP神经网络与模糊逻辑相结合的结构振动控制算法。通过对结构振动的力学分析，结合模糊控制技术，确定了将位移和速度作为模糊控制的输入量，而对结构需施加的控制力作为输出量。运用BP神经网络来训练生成模糊控制规则库，然后运用模糊逻辑推理依据已经建好的模糊规则库计算出控制力来对结构进行控制。由于神经网络具有可学习和适应不知道或不确定的系统，而模糊控制具有仿人脑的模糊推理能力，两者的有机结合，使得该算法具有自学习、鲁棒性和易处理非线性等优点。最后，运用该算法对悬臂梁分别在正弦及随机激振作用下的主动控制进行了仿真研究。结果表明：运用该算法对上述两种激振信号的振动均有明显的抑制作用。由于该算法对结构的不依赖性，对难以建模的柔性结构和非线性结构的振动主动控制具有实际意义。
《中国公路学报》编辑部[3]2017年在《中国汽车工程学术研究综述·2017》文中研究表明为了促进中国汽车工程学科的发展,从汽车噪声-振动-声振粗糙度(Noise,Vibration,Harshness,NVH)控制、汽车电动化与低碳化、汽车电子化、汽车智能化与网联化以及汽车碰撞安全技术5个方面,系统梳理了国内外汽车工程领域的学术研究进展、热点前沿、存在问题、具体对策及发展前景。汽车NVH控制方面综述了从静音到声品质、新能源汽车NVH控制技术、车身与底盘总成NVH控制技术、主动振动控制技术等;汽车电动化与低碳化方面综述了传统汽车动力总成节能技术、混合动力电动汽车技术等;汽车电子化方面综述了汽车发动机电控技术、汽车转向电控技术、汽车制动电控技术、汽车悬架电控技术等;汽车智能化与网联化方面综述了中美智能网联汽车研究概要、复杂交通环境感知、高精度地图及车辆导航定位、汽车自主决策与轨迹规划、车辆横向控制及纵向动力学控制、智能网联汽车测试,并给出了先进驾驶辅助系统(ADAS)、车联网和人机共驾等典型应用实例解析;汽车碰撞安全技术方面综述了整车碰撞、乘员保护、行人保护、儿童碰撞安全与保护、新能源汽车碰撞安全等。该综述可为汽车工程学科的学术研究提供新的视角和基础资料。
陈峰[4]2008年在《滑模变结构控制理论及其在机器人中的应用研究》文中认为滑模变结构控制出现在50年代,由于变结构系统的滑动模态运动对系统的参数摄动、外界的扰动、系统不确定模态和模型不确定性具有不变性,也就是完全鲁棒性,滑模变结构控制才引起了人们的极大关注。它的不足主要是当系统运动状态在到达滑动平面后,会在滑动平面附近产生高频抖振,同时系统的控制量也产生高频振荡。为了解决这一问题,许多其他的先进控制技术如自适应控制、模糊控制、神经网络等也被综合应用到滑模变结构控制系统的设计中。论文的具体工作如下:第一,本文在参考大量的国内外文献的基础上,分析了滑模变结构控制的基本原理以及基本概念,总结了滑模变结构控制的发展历史、现状和发展前景。第二,本文针对一类n阶非线性系统,将模糊控制和传统的滑模变结构控制相结合,构成了模糊滑模变结构控制,从而抑制了滑模变结构控制中所固有的抖振现象。同时本文给出了自适应模糊滑模变结构控制算法,并从李亚普诺夫理论的角度给出了算法的证明,在该算法中,自适应律用来在线动态调整控制规则,从而降低了模糊控制器设计中人为因素的限制。通过仿真实验证明了该自适应模糊滑模变结构控制算法的鲁棒性和优越性。第叁,针对一类未知的单输入单输出仿射非线性系统,提出了一种基于神经网络的滑模自适应控制方法。该方法利用神经网络学习系统中的非线性函数,神经网络的权值由Lyapunov稳定性理论导出,并且在线调整;考虑到网络逼近误差和外部干扰的存在,文中利用滑动模态对参数和扰动不敏感的特点,实现了系统的鲁棒输出跟踪。第四,滑模变结构控制由于算法简单,对系统参数和外部扰动具有不变性等优点,因此非常适合于机器人控制。本文首先针对机器人设计了一种全局快速终端滑模控制器。快速终端滑模控制综合了终端滑模和传统线性滑模的优点,能在有限时间内到达平衡点,并降低系统稳态误差。其次提出了一种基于滤波的机器人模糊滑模变结构控制方法。首先通过利用一阶滤波器抑制机器人滑模变结构控制中控制力矩的高频抖振,其次利用模糊控制和全局滑模变结构控制的方法来抑制系统在滑动模态阶段的抖振。并通过仿真证实了上述方法的有效性。
刘品杰[5]2007年在《基于混合仿真平台的智能变结构控制及其应用研究》文中认为变结构控制本质上是一类特殊的非线性控制,其非线性表现为控制的不连续性,这种控制策略与其它控制的不同之处在于系统的“结构”并不固定,而是可以在动态过程中根据系统当前的状态(如偏差及其各阶导数等)有目的地不断变化,迫使系统按照预定“滑动模态”的状态轨迹运动。由于滑动模态可以进行设计且与对象参数及扰动无关,这就使得变结构控制具有快速响应、对参数变化及扰动不灵敏、无需系统在线辩识,物理实现简单等优点,越来越受到研究人员的关注。本文针对工业控制过程中的实际问题,对变结构控制进行了深入的研究,并结合智能控制算法,提出了两种新的变结构控制方法。第一是针对时滞系统的滞后特性,设计了特殊的线性变换,使时滞系统变成无时滞系统,并用RBF神经网络设计了控制算法;第二是使用智能控制结合多模变结构控制设计了多变量的变结构控制。本文共分六章,主要内容和结论如下:第一章系统地回顾了变结构控制的发展概况、研究现状。第二章详细介绍了混合仿真平台的原理与实现过程。介绍了混合仿真平台的系统配置、RTW下实时代码生成的过程、RTWT实时内核的功能及其对数据采集卡的支持,以及如何使用RTW进行实时仿真。第叁章介绍了变结构算法的基本原理与设计方法,以及离散时间系统的滑模控制。并有针对性的使用了叁种方法设计了滑模控制器。第四章介绍了两种基于智能控制的滑模变结构控制算法。针对离散系统和滑模控制在实现过程中所必须要克服的抖振问题。然后结合模糊控制设计滑模控制器,在保证良好控制效果的基础上,有效地削弱了抖振。最后,给出了针对时滞系统的一种RBFNN滑模控制实现,在半实物仿真平台上显示出了良好的性能第五章结合智能控制算法,通过对系统进行辨识设计了带有时序逻辑,误差反馈目标优化和模糊监督控制器的多模变结构控制器。通过在仿真平台上的仿真试验验证,算法充分考虑到系统对快速型和稳定性的要求,满足了稳态和暂态多个性能指标,仿真效果优异。第六章给出了本文的主要结论及创新点,并提出了进一步研究的问题和方向。
毛艳娥[6]2011年在《基于滑移率的车辆防抱死制动系统控制算法研究》文中认为随着汽车工业的发展和汽车速度的不断提高,汽车制动过程中能够保持方向稳定性和转向能力成为了人们研究的热点。目前在提高车辆制动性能的多种技术当中,得到最广泛应用并且最有效的方法是汽车防抱死制动系统(Antilock Braking System, ABS)。而汽车ABS的发展主要是控制技术的发展,主要体现在一方面是要扩大ABS控制的范围、增强控制功能；另一方面是要采用智能控制理论,实施高精度的ABS鲁棒控制。由于汽车ABS系统中包含了非线性和不确定性等因素,特别是对系统性能有很大影响的附着系数的最大值是一个在一定范围内变化的不确定参数,因此采用参数不确定非线性控制理论研究汽车ABS的控制问题是有实际意义的。本文主要从鲁棒控制、智能控制的角度提出了几种汽车ABS控制算法。对车辆动力学建模与分析、汽车ABS控制器的设计以及算法的稳定性分析等几个方面进行了深入的研究。研究的内容和结果如下：首先,根据国内外公开发表的文献资料建立了单轮车辆、车轮轮胎、制动系统的数学模型。为了简化整个分析与设计过程,采用单轮车辆模型来描述车辆制动的过程,分析表明整个单轮车辆模型能够体现出ABS复杂的非线性以及快速时变性等特点,具有-定的代表性,满足基于模型控制系统的理论研究和仿真验证需要。针对汽车ABS在鲁棒控制方面的要求,设计了汽车ABS的滑模变结构控制器。汽车在各种工况条件下的制动仿真结果表明所设计的滑模变结构控制器的有效性和鲁棒性；给出了基于全局滑模变结构控制的非线性汽车ABS控制算法。该算法消除了滑模变结构控制的到达阶段,同时保证了汽车在整个制动过程中的鲁棒性。仿真结果表明全局滑模变结构控制算法可以使车轮滑移率快速地跟踪上最佳滑移率,同时维持较小的振荡。其次,利用神经网络的自学习能力和滑模变结构控制的快速性,设计了基于神经网络的汽车ABS滑模变结构控制器。利用径向基神经网络来实现这一控制策略,设计了神经网络自适应控制律,可以达到削弱滑模变结构控制中抖振的目的。汽车在各种工况条件下的制动仿真结果表明该控制方案可以获得非常优异的控制性能,同时对于ABS系统的参数扰动及负载干扰具有鲁棒性。再次,针对汽车ABS系统中的状态往往不完全可测,设计了基于观测器的汽车ABS控制算法。该算法讨论了在输入受限情况下不确定汽车ABS系统的鲁棒控制器设计问题；考虑单轮车辆系统在建模过程中的不精确性,系统参数的不确定性以及系统存在的外部干扰等因素,设计了ABS的基于观测器的H∞控制器。仿真结果表明,在汽车行驶工况条件变化的情况下,该方法能够很好的使车轮滑移率收敛到最佳滑移率值,并且对外界扰动和参数变化具有很强的鲁棒性。因为汽车ABS中含有非线性项和不确定项,这使得系统的状态估计变得十分困难。针对这一问题,设计了ABS的滑模干扰观测器。在观测器的设计中引入了前馈补偿项,抵消了系统中不确定项的影响,实现了对不确定系统的观测,同时根据观测器所观测到的状态设计了ABS的滑模控制器。仿真结果表明,所设计的基于观测器的滑模控制器能够显着提高汽车制动过程中的方向稳定性。利用T-S模糊模型具有很好地逼近非线性的特点,设计了汽车ABS的基于观测器的T-S模糊控制器。针对非线性的汽车ABS进行了T-S模糊模型的建模,通过选取适当的模糊规则和隶属度函数实现了汽车紧急制动时的ABS鲁棒性。仿真结果表明所设计的控制器对ABS中的未建模动态及不确定性具有很强的稳定性和鲁棒性。最后对全文作出总结,并提出了下一步研究的方向。
阎石[7]2000年在《结构振动智能控制的人工神经网络与模糊逻辑方法研究》文中研究表明本文的研究内容属于地震工程结构控制研究范畴。结构振动控制的研究包括控制装置和控制策略两部分。虽然结构振动控制的研究已经取得长足的进步，许多控制装置已经成功地应用于实际工程之中，然而关于结构振动控制策略的研究还存在许多问题。被控结构系统的非线性、时变、时滞、强耦合、分布参数以及非确定性等复杂因素的影响，给振动控制策略的研究带来很大困难。结构振动智能控制策略（方法）的研究为解决以上问题开辟了一条有效途径。 本文由叁部分组成：第一篇，结构振动智能控制基本理论；第二篇，结构振动控制的人工神经网络方法研究；第叁篇，结构振动控制的模糊逻辑方法研究。全文共分8章，主要研究内容如下： 第一部分由论文的前叁章组成。主要提出了本文选题的背景和意义，归纳总结结构振动控制研究及发展的国内外现状；阐述了智能结构控制的特点和形成、发展的历程；并对结构振动智能控制中典型的人工神经网络和模糊逻辑方法的研究现状进行了论述；分析了存在的问题，在此基础上提出了本文的研究内容；全面介绍了多层前向BP网络和模糊逻辑控制的基本理论，研究利用多层前向BP网络和模糊逻辑进行结构振动智能控制基本方法，为结构振动智能控制的应用打下坚实的理论基础。 第二部分由论文的四、五章组成，主要研究和探讨了结构振动智能控制的人工神经网络方法。提出了利用神经网络预测结构振动反应的方法，在预测分析时引入了预测失效函数、重要性函数、权值函数等概念，从而有效解决了“时滞”问题；提出了利用神经网络控制结构振动反应的方法，并且对建筑结构混合控制进行数值仿真分析，实现了人工神经网络智能预测和控制。提出了新的可调频调谐液体柱型阻尼器（TLCD）的计算模型和算法，并对TLCD控制参数进行了系统的研究，首次实现了TLCD的人工神经网络智能控制。 第叁部分由论文的六、七、八章组成，主要研究结构振动智能控制的模糊逻辑方法。本文提出一种新的快速、瞬时、自动调节隶属函数的模糊输入-输出范围的方法，首次提出了模糊范围影响系数的概念，有效提高了模糊控制的效果。提出了结构建筑结构AMD控制的模糊逻辑控制方法，通过数值仿真分析验证了所提出方法的有效性，并将分析结果与AMD瞬时最优控制 内 容摘要进行了对比。首次提出了相邻建筑结构相互振动控制的模糊逻辑和人工神经网络控制策略和分析方法，探讨和优化了控制器设置位置、阻尼影响等问题。其中，连接方式、控制器设置位置和控制准则是问题的关键，通过本文研究很好地解诀了这些问题。对全文进行了总结，在此基础上对结构振动智能控制的发展方向进行了展望。 结构振动智能控制方法的研究是一个崭新的课题，其研究成果必将全面推进结构控制技术的发展。
李忠华[8]2006年在《结构MR模糊半主动控制研究》文中进行了进一步梳理结构磁流变阻尼器半主动控制近年来成为结构振动控制研究的热点课题。传统的结构振动控制算法通常要求建立精确的动力学模型,而实际结构的数学模型很难确定。为此,本学位论文对不依赖计算模型的结构磁流变阻尼器模糊半主动控制进行了深入研究。建立了美国LORD公司的SD-1000型磁流变阻尼器的Simulink模型,便于移植,实用性好,可直接用于结构半主动控制仿真。采用改进的BP神经网络和ANFIS智能方法对所建立的阻尼器模型进行正模型和逆模型智能辩识研究,达到了较好的辩识效果。分别基于LQR最优控制和瞬时最优控制算法提出了Sigmoid clipped-optimal半主动控制策略,根据控制力与阻尼力之差的大小相应地调节控制电压,避免了开关控制策略带来的“颤振”,更好地发挥了磁流变阻尼器的耗能特性。由振动机理出发,以尽快返回到平衡位置为控制原则,从位移速度相互关系中寻找模糊控制规则,推理出模糊控制力。该模糊力可以让多种作动器来执行,有较强的通用性。提出采用模糊半主动控制策略来确定磁流变阻尼器的控制输入电压。此模糊控制策略机理明确,可以替代传统的clipped-optimal半主动控制器,根据阻尼力和控制力适当地调节控制电压,使阻尼力迅速地跟踪控制力,达到模糊半主动控制的目的。仿真研究表明,本文提出的模糊半主动控制效果接近LQR最优控制。针对模糊控制中固定量化因子容易导致控制盲区产生的现象,研究了变论域参数在线调整自适应模糊控制的机理,设计了参数自调整伸缩因子。将该伸缩因子应用于速度电压和位移电压模糊半主动控制取到了较好的效果。
卞英楠[9]2017年在《非完整约束移动机器人的智能跟踪控制方法研究》文中研究指明轮式移动机器人作为机器人家族的重要一员因其结构简单、能量利用率高的优点而得到广泛的应用。同时轮式移动机器人在运动中受到非完整约束,因此也是非完整系统的典型代表。本文重点研究具有非完整约束的移动机器人轨迹跟踪问题。论文第二章介绍非完整约束和非完整系统的概念,建立并分析非完整移动机器人的运动学和动力学模型及其力学特性。此外,对论文理论算法研究所需的相关数学定理及其引理进行介绍,为后续研究提供数学基础知识。考虑系统存在建模误差以及外扰上界未知的情况,论文第叁章设计一种基于神经网络的非完整移动机器人混合鲁棒控制方法。该混合控制方法利用对角递归神经网络(DRNN)逼近系统的建模误差,并结合鲁棒H?控制抑制积分有界的外界干扰和DRNN逼近误差对系统控制性能的影响。基于Lyapunov稳定性理论证明整个闭环系统是稳定的,且跟踪误差和DRNN权值的自适应误差均有界,并保证控制系统的鲁棒跟踪性能。仿真结果表明,所提出的智能鲁棒混合控制方法比计算力矩法具有更好的跟踪性能。为了使跟踪误差能有限时间内收敛到平衡点,文章考虑采用终端滑模控制方法。但终端滑模控制方法仍存在控制力矩抖振的问题,从而限制了其在移动机器人跟踪控制中的应用。因此,论文第四章提出将情感学习智能算法与终端滑模控制相结合的方法,采用情感学习算法逼近移动机器人系统模型不确定性和外扰的非线性项,终端滑模控制方法用来实现有限时间控制。基于Lyapunov理论证明整个闭环控制系统稳定。仿真结果表明,论文所提出的基于情感学习算法的移动机器人终端滑模控制方法具有比常规滑模控制方法和终端滑模控制方法更好地抑制系统抖振,且系统的跟踪误差能够在有限时间内收敛至平衡点。考虑机器人速度信息不可知的情形,论文第五章先是考虑利用位置信息通过模糊鲁棒状态观测器来重构机器人的速度信息。其中,模糊逻辑用来处理非完整移动机器人系统存在的建模不确定性,同时观测器中引入鲁棒项来抑制外扰及模糊逻辑逼近误差对系统性能的影响。基于严格正实Lyapunov设计方法分析观测器的重构速度信息与真实速度信息间的误差是终值有界的;然后基于该观测器的重构速度信息,并结合已知的位置信息设计了非完整移动机器人的模糊自适应输出反馈控制器。基于Lyapunov稳定性理论推导出模糊参数的自适应变化律,整个控制器能够保证具有不确定性的机器人系统的跟踪误差有界,且闭环系统的所有状态量都满足有界。最后,仿真结果表明该方法的有效性。
参考文献：
[1]. 结构振动的滑模变结构控制研究[D]. 金峤. 大连理工大学. 2005
[2]. 基于神经网络和模糊逻辑的结构控制算法研究[D]. 赖思静. 重庆大学. 2002
[3]. 中国汽车工程学术研究综述·2017[J]. 《中国公路学报》编辑部. 中国公路学报. 2017
[4]. 滑模变结构控制理论及其在机器人中的应用研究[D]. 陈峰. 江南大学. 2008
[5]. 基于混合仿真平台的智能变结构控制及其应用研究[D]. 刘品杰. 河北工业大学. 2007
[6]. 基于滑移率的车辆防抱死制动系统控制算法研究[D]. 毛艳娥. 东北大学. 2011
[7]. 结构振动智能控制的人工神经网络与模糊逻辑方法研究[D]. 阎石. 大连理工大学. 2000
[8]. 结构MR模糊半主动控制研究[D]. 李忠华. 南京航空航天大学. 2006
[9]. 非完整约束移动机器人的智能跟踪控制方法研究[D]. 卞英楠. 郑州大学. 2017
标签：数学论文; 模糊逻辑论文; 智能控制论文; 模糊控制论文; 神经网络算法论文; 滑模控制论文; 模糊算法论文; 模糊理论论文; 系统仿真论文; 线性系统论文; 过程控制论文; 人工智能论文; 非线性论文; 滑模论文;