控制系统设计举例给学生.ppt

控制系统设计举例给学生.ppt

《控制系统设计举例给学生.ppt》由会员分享，可在线阅读，更多相关《控制系统设计举例给学生.ppt（22页珍藏版）》请在冰豆网上搜索。

控制系统设计举例控制系统设计举例1.检修机械手轨迹跟踪控制1.11.1机械手动力学模型机械手动力学模型1.检修机械手轨迹跟踪控制1.21.2基于滑模变结构的自适应控制方法基于滑模变结构的自适应控制方法（11）自适应滑模控制器设计）自适应滑模控制器设计1.检修机械手轨迹跟踪控制1.21.2基于滑模变结构的自适应控制方法基于滑模变结构的自适应控制方法（11）自适应滑模控制器设计）自适应滑模控制器设计1.检修机械手轨迹跟踪控制1.21.2基于滑模变结构的自适应控制方法基于滑模变结构的自适应控制方法（11）自适应滑模控制器设计）自适应滑模控制器设计1.检修机械手轨迹跟踪控制1.21.2基于滑模变结构的自适应控制方法基于滑模变结构的自适应控制方法（11）自适应滑模控制器设计）自适应滑模控制器设计1.检修机械手轨迹跟踪控制1.21.2基于滑模变结构的自适应控制方法基于滑模变结构的自适应控制方法（11）自适应滑模控制器设计）自适应滑模控制器设计1.检修机械手轨迹跟踪控制1.21.2基于滑模变结构的自适应控制方法基于滑模变结构的自适应控制方法（11）自适应滑模控制器设计）自适应滑模控制器设计1.检修机械手轨迹跟踪控制1.21.2基于滑模变结构的自适应控制方法基于滑模变结构的自适应控制方法（22）基于改进自适应调整律的滑模控制器）基于改进自适应调整律的滑模控制器1.检修机械手轨迹跟踪控制1.31.3基于滑模神经网络的自适应控制方法基于滑模神经网络的自适应控制方法（11）滑模神经网络控制器的设计）滑模神经网络控制器的设计1.检修机械手轨迹跟踪控制1.31.3基于滑模神经网络的自适应控制方法基于滑模神经网络的自适应控制方法（11）滑模神经网络控制器的设计）滑模神经网络控制器的设计径向基神经网络1.检修机械手轨迹跟踪控制1.31.3基于滑模神经网络的自适应控制方法基于滑模神经网络的自适应控制方法（11）滑模神经网络控制器的设计）滑模神经网络控制器的设计1.检修机械手轨迹跟踪控制1.31.3基于滑模神经网络的自适应控制方法基于滑模神经网络的自适应控制方法（11）滑模神经网络控制器的设计）滑模神经网络控制器的设计1.检修机械手轨迹跟踪控制1.31.3基于滑模神经网络的自适应控制方法基于滑模神经网络的自适应控制方法（11）滑模神经网络控制器的设计）滑模神经网络控制器的设计1.检修机械手轨迹跟踪控制1.31.3基于滑模神经网络的自适应控制方法基于滑模神经网络的自适应控制方法（11）滑模神经网络控制器的设计）滑模神经网络控制器的设计1.检修机械手轨迹跟踪控制1.31.3基于滑模神经网络的自适应控制方法基于滑模神经网络的自适应控制方法（11）滑模神经网络控制器的设计）滑模神经网络控制器的设计基于滑模神经网络的机械手控制结构基于滑模神经网络的机械手控制结构2.机械手的其他控制方法2.12.1神经网络控制神经网络控制（11）直接自适应控制）直接自适应控制uNN先离线学习机器人的逆动力学特性，然后用做前馈控制器，并在线先离线学习机器人的逆动力学特性，然后用做前馈控制器，并在线继续学习拟动力学特性继续学习拟动力学特性u思想：

如果思想：

如果NN充分逼近机器人的逆动力学特性，则从充分逼近机器人的逆动力学特性，则从NN的输入端至的输入端至对象的输出端的传递函数近似为对象的输出端的传递函数近似为1.2.机械手的其他控制方法2.12.1神经网络控制神经网络控制（22）间接自适应控制）间接自适应控制u由由NN估计器和反馈控制器构成估计器和反馈控制器构成uNN估计器用于在线学习机器人的逆动力学特性，而反馈控制器则根估计器用于在线学习机器人的逆动力学特性，而反馈控制器则根据据NN的学习结果进行在线修正的学习结果进行在线修正2.机械手的其他控制方法2.12.1神经网络控制神经网络控制（33）监督学习控制）监督学习控制uNN需要一个过程来进行学习，初始系统响应较差需要一个过程来进行学习，初始系统响应较差u为提高系统初始跟踪性能，将为提高系统初始跟踪性能，将NN与反馈控制器相结合，利用反馈控制与反馈控制器相结合，利用反馈控制器的输出作为评估函数来调整器的输出作为评估函数来调整NN的权值，这样在初始阶段，反馈控制器的权值，这样在初始阶段，反馈控制器占主导作用，随着占主导作用，随着NN的不断学习，的不断学习，NN控制器逐渐替代反馈控制器控制器逐渐替代反馈控制器【复合控制复合控制】2.机械手的其他控制方法2.12.1神经网络控制神经网络控制（44）直接自适应控制）直接自适应控制uNN被直接用做误差闭环系统的反馈控制器被直接用做误差闭环系统的反馈控制器uNN控制器首先利用已有的控制数据样本进行离线学习，而后以误差的控制器首先利用已有的控制数据样本进行离线学习，而后以误差的范数为评价函数进行在线学习。

范数为评价函数进行在线学习。

2.机械手的其他控制方法2.22.2混合控制混合控制（11）模糊神经网络（）模糊神经网络（FNNFNN）将神经网络和模糊控制结合，用神经网络实现模糊推理，可以是将神经网络和模糊控制结合，用神经网络实现模糊推理，可以是神经网络具有推理归纳能力。

一方面可以使神经网络具有明神经网络具有推理归纳能力。

一方面可以使神经网络具有明确的物理意义，利用专家经验对其进行初始化，提高神经网确的物理意义，利用专家经验对其进行初始化，提高神经网络的学习速度；另一方面通过神经网络的自学习功能和任意络的学习速度；另一方面通过神经网络的自学习功能和任意逼近非线性函数的能力可以提高模糊控制的精度和对环境的逼近非线性函数的能力可以提高模糊控制的精度和对环境的适应能力。

适应能力。

（22）鲁棒神经网络（）鲁棒神经网络（RNNRNN）基于梯度下降法进行训练的神经网络。

很难分析整个闭环系统的基于梯度下降法进行训练的神经网络。

很难分析整个闭环系统的稳定性、鲁棒性。

近年来，人们开始基于李雅普诺夫综合方稳定性、鲁棒性。

近年来，人们开始基于李雅普诺夫综合方法研究稳定的神经网络控制方法。

如：

将神经网络与鲁棒控法研究稳定的神经网络控制方法。

如：

将神经网络与鲁棒控制结合起来，构成神经网络鲁棒控制系统，利用神经网络的制结合起来，构成神经网络鲁棒控制系统，利用神经网络的学习能力来辨识系统中的未建模误差和外部干扰，然后基于学习能力来辨识系统中的未建模误差和外部干扰，然后基于李雅普诺夫的稳定性理论来设计网络的鲁棒学习算法和前馈李雅普诺夫的稳定性理论来设计网络的鲁棒学习算法和前馈鲁棒控制器以消除神经网络的学习误差。

鲁棒控制器以消除神经网络的学习误差。