手机知网 App
24小时专家级知识服务
打 开
手机知网|搜索

滑模变结构的智能控制理论与应用研究

张昌凡

  对交流传动等快速变化的非线性复杂系统,人们已提出了各种控制方案,这些方案解决了一些问题,但还存在一些不足之处。因此对快速变化的复杂工业系统,研究一种工程实用的有效控制方法是有待解决的问题。滑模变结构响应快,对系统参数和外部干扰呈不变性,可保证系统是渐近稳定的。尤其可贵的是其算法简单,易于工程实现。其缺点是存在抖动和需知不确定参数上下界等问题。模糊控制无需建立数学模型,控制的机理符合人们对过程控制作用的直观描述和逻辑思维。其缺点是设计缺乏系统性,控制规则的选择多采用试凑法。神经网络具有较强的自学习能力,可以充分逼近任意复杂的非线性。其缺点是学习速度较慢,难以控制较复杂的对象。由此可见,变结构控制、模糊控制和神经网络控制相互之间具有很强的互补性。而研究这种互补性,实现滑模变结构的智能控制就是本文研究的目的。本论文的研究内容包括以下方面:1、研究了模糊系统、神经网络的特点,对滑模变结构的发展现状进行了较为详细的评述,分析了交流传动的控制策略。2、对电流源逆变器(CSIM)构成的交流变频调速系统,首先分析了CSIM在低速存在的问题,利用滑模变结构对参数变化的不灵敏性,推导出CSIM的简化数学模型,并以常规滑模变结构理论为指导,设计了CSIM控制器。最后利用微型计算机实现了该控制系统,并给出了实验和仿真结果。3、提出了一种基于模糊神经网络的滑模变结构控制。首先通过模糊神经网络在线调控符号函数项的幅值,利用Lyapunov稳定性定理推出保证控制系统稳定的模糊神经网络学习率取值范围;对于大范围参数摄动,研究了一种全参数调节的模糊神经网络滑模控制;提出了一种神经网络滑模鲁棒控制器设计方法,以使系统在任意初始条件下都处于滑动状态,实现运动过程中的全程滑模控制。4、针对神经网络学习速度收敛较慢的问题,重点研究了提高神经网络收敛速度的方法。首先采用一种快速的变尺度优化学习算法,对不确定系统进行逼近,提出了一种基于系统辨识的滑模变结构控制方法;结合单层Adaline划曰大学烬士学馒诀文网络,研究了一种具有滑模变结构的权值训练法,提出了一种神经网络自适应滑模变结构控制,对它的稳定性和收敛性进行了深人探讨;研究了一种基于神经网络的自学习滑模变结构设计方法,对三层自适应神经网络结构、算法进行了分析,最后给出了仿真实验结果。5、主要研究基于观测器的滑模变结构鲁棒智能控制。针对离散多变量系统,对系统确定性部分设计了一个Luenberger观测器,然后用一个神经网络来动态补偿系统的不确定性。为了进一步提高观测器的观测全局性,设计了一个在线神经网络滑模参数调节器:针对一类仿射非线性系统,本文还提出了一种智能滑模变结构状态观测器的设计方法,并对系统的鲁棒特性进行了研究。……   
[关键词]:交流调速;变结构控制;滑模;神经网络;模糊控制;自适应控制
[文献类型]:博士论文
[文献出处]:湖南大学2001年