-
公开(公告)号：CN103472725B
公开(公告)日：2016-05-25
申请号：CN201310429704.6
申请日：2013-09-18
Applicant: 河海大学常州校区
IPC: G05B13/04
Abstract: 本发明公开了一种基于名义控制器的神经网络全调节的控制方法，主要包含两部分：基于名义值模型设计轨迹跟踪控制器和设计神经网络全调节补偿控制器，将两个控制器的控制输出相结合，作为微陀螺仪的控制输入。本发明利用了模型控制方法的优势，同时采用了神经网络强大的逼近能力，在线实时地估计并补偿建模误差和外界扰动作用，能够极大提高追踪性能和系统的鲁棒性，基于Lyapunov稳定性理论设计神经网络权值、高斯函数的中心和基宽的自适应算法，能够保证闭环系统的全局稳定性以及控制输入的有界性。
-
公开(公告)号：CN105278331A
公开(公告)日：2016-01-27
申请号：CN201510276126.6
申请日：2015-05-26
Applicant: 河海大学常州校区
IPC: G05B13/04
Abstract: 本发明公开了一种微陀螺的鲁棒自适应神经网络H无穷控制方法，采用基于黎卡提方程设计控制器，控制器包含两部分：一个是利用神经网络强大的在线逼近能力构造基本神经网络控制器；另一个是鲁棒控制项，用来克服外界干扰和参数不确定性对微陀螺仪系统输出跟踪误差的影响，保证系统闭环稳定，本发明采用基于Lyapunov稳定性定理自适应调整神经网络系统中的参数，从而保证系统的稳定性。本发明设计的控制器基于黎卡提方程，来补偿系统中的非线性现象，达到精确跟踪的目的，提高系统的稳定性和对外界干扰的鲁棒性，具有产业上的利用价值。
-
公开(公告)号：CN104503246A
公开(公告)日：2015-04-08
申请号：CN201410854303.X
申请日：2014-12-31
Applicant: 河海大学常州校区
IPC: G05B13/04
Abstract: 本发明公开了一种微陀螺仪系统的间接自适应神经网络滑模控制方法，一方面利用神经网络逼近微陀螺仪系统中的未知项，其优点在于不需要知道系统的精确模型；另一方面利用神经网络在线逼近外界干扰及参数不确定性的上界值，通过对上界值进行在线逼近，可以将滑模控制器中的切换项连续化，大大降低抖振。本发明在滑模面的设计中引入了积分项来克服传统滑模导致的稳态误差较大的问题，增强系统的鲁棒性。同时，基于Lyapunov稳定性定理设计神经网络的权值保证了系统的全局稳定性。
-
公开(公告)号：CN105388762B
公开(公告)日：2018-02-02
申请号：CN201510919392.6
申请日：2015-12-11
Applicant: 河海大学常州校区
IPC: G05B13/04
Abstract: 本发明公开了一种基于LMI线性不等式的微陀螺仪H无穷控制方法，包括：S101、建立微陀螺仪的理想动力学模型；S102、建立微陀螺仪的无量纲向量模型；S103、根据所述理想动力学模型和所述无量纲向量模型，基于LMI线性不等式设计鲁棒自适应神经网络H无穷控制器；S104、基于lyapnov稳定性定理设计神经网络权值自适应律，从而使建立的控制器进行在线更新。本发明可鲁棒性高，稳定性高。
-
公开(公告)号：CN104503246B
公开(公告)日：2017-02-22
申请号：CN201410854303.X
申请日：2014-12-31
Applicant: 河海大学常州校区
IPC: G05B13/04
Abstract: 本发明公开了一种微陀螺仪系统的间接自适应神经网络滑模控制方法，一方面利用神经网络逼近微陀螺仪系统中的未知项，其优点在于不需要知道系统的精确模型；另一方面利用神经网络在线逼近外界干扰及参数不确定性的上界值，通过对上界值进行在线逼近，可以将滑模控制器中的切换项连续化，大大降低抖振。本发明在滑模面的设计中引入了积分项来克服传统滑模导致的稳态误差较大的问题，增强系统的鲁棒性。同时，基于Lyapunov稳定性定理设计神经网络的权值保证了系统的全局稳定性。
-
Patent Agency Ranking
公开(公告)号：CN104281056A
公开(公告)日：2015-01-14
申请号：CN201410479834.5
申请日：2014-09-18
Applicant: 河海大学常州校区
IPC: G05B13/04
Abstract: 本发明公开了一种基于神经网络上界学习的微陀螺仪鲁棒自适应控制方法，包括以下步骤：建立理想动力学模型和微陀螺仪动力学模型，设计滑模函数并基于滑模函数得到控制律，在此控制律的基础上加上反馈项和鲁棒项，将RBF神经网络上界估计值作为鲁棒项的增益。基于李雅普诺夫方法设计参数自适应律和网络权值自适应律。本发明在控制律中加入反馈项，使微陀螺两轴振动轨迹跟踪和参数估计速度极大的提高，且振动幅值减小；在控制律中加入基于RBF神经网络上界学习的鲁棒项，解决由于外界干扰较大且波动引起的抖振和动态特性变差问题，消除结构式和非结构式的不确定性，进一步提高系统的鲁棒性。
-
公开(公告)号：CN104281056B
公开(公告)日：2017-07-21
申请号：CN201410479834.5
申请日：2014-09-18
Applicant: 河海大学常州校区
IPC: G05B13/04
Abstract: 本发明公开了一种基于神经网络上界学习的微陀螺仪鲁棒自适应控制方法，包括以下步骤：建立理想动力学模型和微陀螺仪动力学模型，设计滑模函数并基于滑模函数得到控制律，在此控制律的基础上加上反馈项和鲁棒项，将RBF神经网络上界估计值作为鲁棒项的增益。基于李雅普诺夫方法设计参数自适应律和网络权值自适应律。本发明在控制律中加入反馈项，使微陀螺两轴振动轨迹跟踪和参数估计速度极大的提高，且振动幅值减小；在控制律中加入基于RBF神经网络上界学习的鲁棒项，解决由于外界干扰较大且波动引起的抖振和动态特性变差问题，消除结构式和非结构式的不确定性，进一步提高系统的鲁棒性。
-
公开(公告)号：CN103472725A
公开(公告)日：2013-12-25
申请号：CN201310429704.6
申请日：2013-09-18
Applicant: 河海大学常州校区
IPC: G05B13/04
Abstract: 本发明公开了一种基于名义控制器的神经网络全调节的控制方法，主要包含两部分：基于名义值模型设计轨迹跟踪控制器和设计神经网络全调节补偿控制器，将两个控制器的控制输出相结合，作为微陀螺仪的控制输入。本发明利用了模型控制方法的优势，同时采用了神经网络强大的逼近能力，在线实时地估计并补偿建模误差和外界扰动作用，能够极大提高追踪性能和系统的鲁棒性，基于Lyapunov稳定性理论设计神经网络权值、高斯函数的中心和基宽的自适应算法，能够保证闭环系统的全局稳定性以及控制输入的有界性。
-
公开(公告)号：CN103345148A
公开(公告)日：2013-10-09
申请号：CN201310243079.6
申请日：2013-06-19
Applicant: 河海大学常州校区
IPC: G05B13/00
Abstract: 本发明公开了一种微陀螺仪的鲁棒自适应控制方法，应用于包括微陀螺仪的控制器中，包括以下步骤：建立理想动力学模型；建立微陀螺仪的无量纲动力学模型；设计滑模函数并使滑模函数对时间的导数为零得到控制规律，在此控制规律的基础上加上反馈项和鲁棒项，作为本发明的鲁棒自适应控制规律；基于Lyapunov函数方法控制微陀螺仪，设计自适应律。本发明在控制规律中加入反馈项，使微陀螺两轴振动轨迹跟踪和参数估计速度极大的提高，且振动幅值减小；在控制规律中加入鲁棒项，消除了外界干扰和参数不确定性，改善了系统的鲁棒性和动态特性；采用基于Lyapunov方法设计自适应律，保证整个系统的全局渐进稳定性，提高了系统的可靠性和对参数变化的鲁棒性。
-
公开(公告)号：CN104536295B
公开(公告)日：2017-07-21
申请号：CN201410787724.5
申请日：2014-12-17
Applicant: 河海大学常州校区
IPC: G05B13/04
Abstract: 本发明公开了一种悬臂梁鲁棒自适应控制方法，设计一个理想的悬臂梁动态模型，其中包含足够丰富的频率信号，作为系统参考轨迹，整个自适应控制系统保证实际悬臂梁轨迹跟踪上参考轨迹，达到一种理想的动态特性，补偿了制造误差和环境干扰。将悬臂梁本身参数看做未知的系统参数，组成一个参数误差向量θ，设计一个滑模函数并使滑模函数的导数为零得出等效控制器，在此基础上加上反馈项和鲁棒项作为输入信号，基于Lyapunov方法设计控制器参数θ的自适应律，保证系统的稳定性，使跟踪误差收敛于零，同时所有参数收敛于真值。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.028 seconds)
