一、一种新型的自适应逆扰动消除器（论文文献综述）
杨其伟[1]（2019）在《基于滑动模态的三自由度直升机姿态跟踪容错控制方法》文中指出随着现代科学技术的飞速发展,控制系统日益大型化和复杂化,一旦出现故障,可能会造成巨大的财产损失和人员伤亡,因此容错控制技术显得尤为重要。文章以Quanser公司设计生产的三自由度直升机半实物仿真平台中的三自由度直升机作为研究对象,研究执行器故障下基于状态反馈和输出反馈的姿态跟踪容错控制问题。为了解决执行器故障下的容错控制问题,文章首先根据三自由度直升机半实物仿真平台的硬件组成和工作原理,并结合其特点,分别建立了三自由度直升机俯仰轴、升降轴和航向轴方向上的动力学方程。围绕建立的动力学方程,对模型的可控性和可观性进行分析,为之后设计姿态跟踪容错控制器提供了基础。其次,针对三自由度直升机为欠驱动系统,将其中一个控制输入分解成两个虚拟输入,从而得到解耦后的三个子系统,方便后续的容错控制器设计。然后,提出了一种新型的滑模控制律设计方法,并针对三自由度直升机执行器故障情形,设计了一种基于状态反馈的容错控制器,实现了三自由度直升机的姿态跟踪容错控制。最后,提出了一种基于超扭曲滑模的状态观测器设计方法,解决了部分状态不可测量的状态估计问题,设计了一种基于输出反馈的容错控制器,使三自由度直升机在执行器故障下仍正常运行。为了验证算法的有效性,对算法进行了仿真和实验验证。结果表明,在执行器发生故障时,所设计的姿态跟踪容错控制器能够使三自由度直升机的姿态跟踪性能维持在一个较高的水平。
宫玉琳[2]（2015）在《永磁同步电动机自适应逆控制系统设计》文中研究表明针对永磁同步电动机的非线性、多变量、强耦合的复杂系统,提出了一种改进自适应逆控制策略。该控制策略将改进的径向基函数神经网络与FIR滤波器并联作为非线性自适应滤波器,用于系统的建模辨识、扰动消除器和自适应逆控制器的设计。同时,采用改进的变步长LMS算法对非线性滤波器的参数进行在线优化,提高了非线性滤波器的收敛速度和精度,进而提高了自适应逆控制的性能。仿真对比分析和实验结果表明,采用提出的改进自适应逆控制策略的永磁同步电动机控制系统具有良好的动、静态特性和较强的鲁棒性。
董浩[3]（2015）在《非线性自适应逆控制方法研究》文中研究说明随着现代科学技术的突飞猛进和生产规模的日益扩大,在工业自动化生产过程当中出现了大量的复杂非线性系统,为了解决这些复杂工业系统的控制问题,自适应逆控制（AIC,Adaptive Inverse Control）作为一种新颖的控制方法被提出。到目前为止,线性AIC方法相对比较成熟,而非线性AIC的研究成果却不多。非线性自适应滤波器和非线性AIC结构是决定非线性AIC性能的关键,而神经网络的飞速发展给非线性AIC提供了强有力的非线性自适应滤波器。本文利用神经网络设计相应的非线性自适应滤波器,并将其应用到非线性AIC系统,实现对非线性系统的控制。首先,在广泛查阅文献的基础上,全面地综述了当前国内外AIC的研究现状;阐述了 AIC的基本思想和原理,并详细描述了神经网络滤波原理,为接下来基于神经网络滤波器建模、逆建模以及整个系统自适应逆控制做铺垫。其次,在对非线性对象进行建模时,针对基于局部误差的固定速率BP神经网络滤波器建模方法具有模型泛化能力低,模型精度受到学习速率大小支配的缺点,采用了一种改进的变速率BP神经网络滤波器建模方法,通过仿真实验表明在此方法下的非线性被控对象的建模,不仅克服了固定速率BP神经网络滤波器建模精度受到学习速率大小支配的问题,而且所建模型的泛化能力也得到了大大的提高。再次,在对非线性对象进行逆建模时,针对用BP神经网络设计逆控制器时,BP算法较为复杂致使收敛速度缓慢,模型精度不高而无法满足要求的问题,采用了基于正交神经网络自适应滤波器的逆建模方法,对逆控制器进行设计。根据这一设计思路,详细推导了正交神经网络逆控制器的学习算法,通过对时不变离散非线性系统进行仿真研究,表明该方法在非线性对象逆建模中能取得较好的效果。最后,在完成非线性对象建模与逆建模的基础上,采用基于神经网络的模型参考AIC系统,实现对非线性被控对象的控制。仿真实验显示非线性AIC系统能够较好地工作,自适应能力很强,说明了本文方案在实现对非线性系统的AIC上具有可行性和有效性。
付得龙[4]（2015）在《基于VxWorks的六自由度摇摆台控制系统研究与设计》文中研究指明六自由度摇摆台目前已应用于飞行员驾驶模拟、振动平台、并联机械手以及娱乐设施等领域上。六自由度摇摆台是一个复杂的非线性系统,其中伺服控制又是影响六自由度摇摆台精度和响应的关键一环,另外许多领域中对摇摆台也需要良好的反应速度。本文研究了基于Vx Works的摇摆台的控制系统:采用VxWorks实时操作系统提升摇摆台的反应速度,在控制策略上采用自适应逆控制来提升复合PID的响应速度。主要内容如下:（1）摇摆台对象的建模:为了进行控制算法的研究需要建立对象,而实际的摇摆台搭建成本过高且操作麻烦,所以需要进行虚拟摇摆台模型的搭建;采用动力学常用建模软件ADAMS进行建模,不但简单且建模相对准确。采用ADAMS建立的虚拟摇摆台模型的输入是力,输出是位移,为了更好的跟实际摇摆台系统匹配,需要建立电机模型作为驱动装置。（2）铰点空间控制策略:运动学反解是根据摇摆台的上运动平台的位姿信息通过几何空间分析得到六根作动器的杠长,运动学正解是根据六根作动器的杠长采用牛顿-泰勒数值迭代法推得摇摆台上运动平台的位姿信息。在控制策略上对单缸系统进行复合PID控制研究。（3）自适应逆控制研究:鉴于复合PID响应时间过长,本文在复合PID的基础之上采用自适应逆控制来提高系统的响应速度;另外复合PID中经常采用经典反馈的方法来消除对象噪声误差,而自适应逆控制器是用被控对象传递函数的逆作为控制器,可以实现对对象和噪声扰动分开进行自适应控制,是对复合PID控制策略的改进。（4）基于VxWorks的六自由度摇摆台的软件系统:首先利用Labwindows/CVI开发上位机软件,进行操控下位机和接收下位机实时信息及显示,然后采用Modbus通信协议保证了上位机与下位机的通信;最后基于VxWorks操作系统设计了下位机控制系统,包括系统时间、任务间通信、上下位机通信,并在VxWorks下对控制算法进行离散化,对其输出结果同Simulink下的控制算法输出结果做对比,验证了在VxWorks下对控制算法离散化的正确性。
宫玉琳[5]（2013）在《永磁同步电动机伺服系统自适应逆控制策略研究》文中认为永磁同步电动机伺服系统广泛应用于工业、农业、国防、航空航天、社会生活等各个领域。随着科技的不断进步,对于伺服控制系统的要求也越来越高。因此,研究先进的永磁同步电动机伺服系统控制策略、开发高性能永磁同步电动机伺服系统,对提高我国工业发展水平、促进国防现代化建设,具有极其重要的现实意义和实用价值。永磁同步电动机伺服系统作为一个非线性、多变量、强耦合的时变系统,在运行过程中,参数变化、外界扰动和噪声等非线性因素将使系统性能变差。因此,要提高永磁同步电动机伺服系统性能,必须采用先进的控制策略以克服参数变化和外界扰动对系统产生的不利影响。本文针对提高永磁同步电动机伺服系统性能进行了深入分析,结合信号处理的方法,提出了基于复合自适应逆控制策略的永磁同步电动机伺服控制系统,采用位置环、速度环、电流环控制结构。其中,速度环和电流环采用基于矢量控制的id=0控制策略,通过id=0控制策略可以使电动机获得较宽的调速范围和较好的转矩性能。永磁同步电动机伺服系统的关键性能指标是位置控制精度,为了提高位置控制精度,系统位置环采用复合自适应逆控制策略。当控制器为对象的逆模型时,位置输出跟随位置输入,同时对系统存在的扰动进行消除。在自适应逆控制系统中,被控对象的输入同时驱动对象和对象模型,对象输出和对象模型的输出之差即为对象的噪声,利用该噪声去驱动对象的逆模型并在对象输入中予以消除。自适应逆控制策略从根本上消除了噪声对位置输出的影响,提高了伺服系统的控制性能。为了进一步提高自适应逆控制的性能,本文对变步长最小均方（Least mean square, LMS）算法进行了分析和改进。提出了基于相关误差的非线性变步长LMS算法,提高了LMS算法的收敛速度并有效地克服了参数扰动对算法的影响。非线性滤波器作为非线性自适应逆控制的重要组成部分,直接影响着自适应逆控制策略的控制效果。为了更好的实现非线性自适应逆控制,本文将动态径向基函数（Radial Basis Function,RBF）神经网络和FIR滤波器相结合构成非线性滤波器,并采用混沌多群体粒子群优化（Chaos Multi-population Particle Swarm Optimization, CMPSO）算法对非线性滤波器的权值进行离线优化,进一步提高了自适应滤波器的收敛速度和精度,有效地实现了系统建模、逆建模以及扰动消除器的设计,进而提高了自适应逆控制策略的控制效果。最后,本文将基于动态RBF神经网络和FIR的非线性滤波器与基于相关误差的非线性变步长LMS算法相结合,实现了永磁同步电动机伺服系统自适应逆控制。进一步将PI控制策略与自适应逆控制策略相结合,提出了一种复合自适应逆控制策略。仿真和实验结果表明,基于本文提出的复合自适应逆控制策略的永磁同步电动机伺服系统具有较好的动态响应、较高的稳态精度和较强的抗干扰能力,证明了本文所提出的控制策略的有效性和先进性。
孟萍,张金敏,张绘敏[6]（2010）在《LS-SVM构造FLANN的非线性自适应逆控制动态补偿研究》文中认为在对常规函数链接型神经网络（FLANN）构造方法认识的基础上,研究了一种基于最小二乘支持向量机（LS-SVM）构造FLANN的新方法,并利用该方法对非线性对象模型及逆模型进行建立.将该方法的非线性系统辨识技术应用于自适应逆控制中,提高非线性系统的自适应性,改善动态特性.设计出了一种自适应逆控制系统,不仅可以得到较好的动态响应,还能使扰动减小到最小.
王亚静[7]（2010）在《神经网络辨识及自适应逆控制研究》文中提出自适应逆控制作为一种新颖的控制器和调节器的设计方法,引起国内外学者越来越广泛的研究兴趣。现代神经网络技术的发展为非线性自适应逆控制的研究和实现创造了条件,探索和设计合理的动态神经网络结构和算法,构建更加有效的系统结构等已成为非线性自适应逆控制研究的重点。本文研究了神经网络的结构和算法,及基于神经网络逆模型的非线性自适应逆控制系统,主要研究内容如下:首先,系统分析了RBF网络中现有的几种确定聚类中心的算法:K-均值聚类法、梯度下降法、正交最小二乘法和动态聚类法。针对动态聚类法中距离门限值是固定不变的这一缺点,提出了一种改进的动态聚类法,根据样本密度对距离门限值进行调整,通过对煤气炉数据辨识的仿真研究,验证了该算法的有效性及快速性。其次,将RBF和BP这两种神经网络应用到自适应逆控制系统中,经一阶惯性环节的仿真结果表明RBF网络的泛化能力较低,影响了系统的控制精度。将基于BP网络的自适应逆噪声消除方法应用到轧辊偏心厚度控制中,仿真结果表明,该方法能很好地消除带钢的厚度偏差,各项指标均优于PID控制,为轧辊偏心厚度控制提供了一个新的解决方案。最后,将基于BP网络的自适应逆噪声消除方法应用到一个非线性系统控制中,系统的控制误差和均方差均小于其它方法,验证了该算法对非线性系统控制的有效性。
宫林[8]（2009）在《无人机起飞与降落的控制技术》文中研究指明无人机在当前的战争中起着不可替代的作用,而自主起飞和降落无疑成为无人机课题中比较重要的一项。论文研究了自主起飞着陆的关键问题:无人机三轮和两轮滑跑模型建立、起飞控制律和控制器的设计、着陆控制律和控制器的设计。介绍了无人机的应用前景,国内外的无人机发展状况,以及国内外无人机起飞着陆的现状。说明了我国无人机起飞着陆还处在初始阶段,证实了自主起飞着陆的重要性,论证了本课题研究的必要性。对无人机三轮滑跑和两轮滑跑模块进行了建模。作为起飞着陆过程的一个阶段,无人机在三轮滑行时的运动特性与空中飞行时的特性,以及仅主轮着地滑行时的运动特性有所不同。以某型号无人机为背景,根据经典的十二阶微分方程对这两个阶段建立了全量非线性模型,并且建立了风干扰模型、大气模型、和发动机模型。由于没有对刚体运动模型和气动数据做线性化处理,因此该模型比较准确反映该无人机的实际运行特性。在MATLAB/SIMULINK仿真环境下搭建了该模型的仿真系统,并用仿真结果来证明模型的可用性。由于经典的PID控制器对无人机在有风干扰的情况下不能很好的实现起飞和降落,论文使用基于LM （Levenberg-Marquardt）算法的神经网络对无人机起飞进行控制,在有风干扰的情况下,仿真证明了其可靠性;针对着陆状态设计了自适应逆控制律,提出了使用BPTM（backpropagation through （plant）model）和RTRL（real-time recurrent learning）算法对自适应逆控制器中的各滤波器权值进行更新,从仿真结果看自适应逆效果较好,最后在用风干扰的情况下进行验证了其鲁棒性。最后在Windows下设计了三维仿真平台。使用当下三维动画中最为流行的建模工具3ds-max建立了飞机模型,在VC环境下设计了控制器模块、无人机三维仿真模型、无人机数学模型和地形模块并完成了仿真系统设计,最后组建三维仿真系统,实现了无人机的起飞和降落的三维仿真。
刘福才,高雪,吴士昌[9]（2008）在《自适应逆控制研究及其未来发展》文中提出由B.Widrow教授提出的自适应逆控制方法经过十多年的发展,已经取得了很多成果。近年来,自适应逆控制以其自身的众多优点成为一个活跃的研究领域,并被成功应用到各个领域。本文对自适应逆控制的已有研究成果做了综述。首先分析了各种自适应滤波方法,尤其是线性变步长LMS自适应滤波算法的完善过程,每种算法的性能及优缺点;其次分析了基于X-滤波、ε-滤波和U-滤波的自适应逆控制系统在噪声扰动消除上的成功应用。然后介绍了跟随非线性系统的非线性滤波器,及各种针对非线性对象的自适应逆控制系统。最后介绍了自适应逆控制新的应用,并提出了其自身存在的问题,探讨了新的研究方向。
高雪[10]（2009）在《自适应滤波器在自适应逆控制中的应用》文中指出传统控制和自适应控制采用的反馈控制方式是将输出和干扰同时反馈来提高系统性能和消除干扰,这样在两者之间只能折衷实现。而自适应逆控制是将对象动态响应和消除扰动分别进行控制,二者互不影响,这样可尽量提高系统动态性能和消除干扰。设计出的自适应逆控制系统,不仅可以得到好的动态响应,还可以使噪声和扰动减小到最小。由于计算量的减少和性能的提高,自适应无限冲激响应IIR（Infinite Impulse Response）滤波器在信号处理领域已经引起越来越多的注意。本课题主要研究自适应IIR滤波器滤波算法及其在自适应逆控制中的应用。首先,论文在已有算法的基础上,提出了基于Lyapunov稳定理论的自适应滤波算法。该算法克服了用传统函数形式表示的递归滤波器采用梯度法时可能陷入局部极小的缺陷,保证了算法的稳定性,解决了参数收敛问题。其次,论文在经典的自适应逆控制理论的基础上,提出了两种改进的自适应逆控制系统。在原来的固定最小均方误差LMS（Least Mean Square）算法自适应逆控制方法的基础上,引入了新的变步长LMS算法,在计算量增加不多的前提下,能同时获得较快的收敛速度和较小的稳态误差;引入自适应的反馈补偿控制克服了被控系统的直流零频漂移,使控制系统在初开始工作阶段快速收敛;还引入自适应扰动消除器,它能最大限度地消除扰动。最后,论文研究了基于非线性IIR滤波器的自适应逆控制。给出了一种结构新颖的非线性自适应滤波器进行自适应建模、逆建模及控制器的设计方法;提出了一种带自适应扰动消除器和反馈补偿的非线性自适应逆控制系统。仿真结果证明了这种非线性自适应逆控制系统具有收敛速度较快、消除扰动能力较强等优点。
二、一种新型的自适应逆扰动消除器（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种新型的自适应逆扰动消除器（论文提纲范文）
（1）基于滑动模态的三自由度直升机姿态跟踪容错控制方法（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 前言 |
| 1.2 选题背景及研究意义 |
| 1.3 国内外研究现状 |
| 1.4 本文的主要内容 |
| 1.5 本章小结 |
| 2 三自由度直升机姿态跟踪控制系统建模 |
| 2.1 三自由度直升机介绍 |
| 2.2 三自由度直升机建模 |
| 2.3 三自由度直升机执行器故障描述 |
| 2.4 三自由度直升机模型分析 |
| 2.5 本章小结 |
| 3 基于状态反馈的容错控制器设计 |
| 3.1 预备知识 |
| 3.2 一种新型滑模控制律设计方法 |
| 3.3 三自由度直升机姿态跟踪容错控制器设计 |
| 3.4 仿真验证 |
| 3.5 本章小结 |
| 4 基于输出反馈的容错控制器设计 |
| 4.1 基于超扭曲滑模的状态观测器设计 |
| 4.2 基于状态观测器的三自由度直升机容错控制器设计 |
| 4.3 仿真验证 |
| 4.4 实验验证 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（2）永磁同步电动机自适应逆控制系统设计（论文提纲范文）
| 1自适应逆控制 |
| 2自适应学习算法 |
| 3系统仿真与实现 |
| 4结论 |
（3）非线性自适应逆控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 非线性自适应逆控制的研究背景、目的和意义 |
| 1.2 自适应逆控制概述 |
| 1.2.1 自适应逆控制的基本原理 |
| 1.2.2 线性系统的自适应逆控制 |
| 1.2.3 非线性系统的自适应逆控制 |
| 1.2.4 自适应逆控制的对象扰动消除环节 |
| 1.3 自适应逆控制的研究现状及其发展动态 |
| 1.4 本文的主要研究内容 |
| 第2章 基于BP网络的非线性对象建模研究 |
| 2.1 引言 |
| 2.2 BP神经网络 |
| 2.2.1 BP神经网络的拓扑结构 |
| 2.2.2 BP神经网络的参数选择 |
| 2.3 基于BP网络的非线性自适应滤波 |
| 2.3.1 神经网络滤波的原理 |
| 2.3.2 BP神经网络滤波器 |
| 2.4 非线性对象建模 |
| 2.4.1 非线性对象建模的机理 |
| 2.4.2 基于BP神经网络滤波器的非线性对象建模 |
| 2.4.3 基于BP神经网络滤波器的建模算法步骤 |
| 2.5 仿真研究 |
| 2.6 本章小结 |
| 第3章 基于正交神经网络的非线性对象逆建模研究 |
| 3.1 引言 |
| 3.2 正交神经网络模型 |
| 3.3 逆建模方法 |
| 3.4 基于正交神经网络的逆建模 |
| 3.4.1 正交神经网络逆建模的机理 |
| 3.4.2 正交神经网络逆控制器的学习算法 |
| 3.5 仿真研究 |
| 3.6 本章小结 |
| 第4章 非线性自适应逆控制系统设计研究 |
| 4.1 引言 |
| 4.2 非线性自适应逆控制系统的结构设计 |
| 4.3 非线性自适应逆控制的算法步骤 |
| 4.4 仿真研究 |
| 4.4.1 仿真示例Ⅰ |
| 4.4.2 仿真示例Ⅱ |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 参考文献 |
| 致谢 |
（4）基于VxWorks的六自由度摇摆台控制系统研究与设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 六自由度摇摆台简介 |
| 1.3 六自由度摇摆台国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 VxWorks操作系统介绍 |
| 1.5 本文主要研究内容 |
| 1.6 本论文的结构安排 |
| 第二章 运动学分析 |
| 2.1 运动学反解 |
| 2.1.1 坐标系的建立 |
| 2.1.2 广义坐标的定义 |
| 2.1.3 坐标变换矩阵 |
| 2.1.4 摇摆台位置反解 |
| 2.2 运动学正解 |
| 2.3 正反解仿真分析 |
| 2.4 本章小结 |
| 第三章 铰点空间控制策略研究及仿真 |
| 3.1 基于铰点空间的控制系统结构 |
| 3.2 摇摆台模型及联合仿真环境的建立 |
| 3.2.1 ADAMS动力学仿真软件介绍 |
| 3.2.2 六自由度摇摆台ADAMS模型的建立 |
| 3.2.3 ADAMS与MATLAB联合仿真环境的建立 |
| 3.3 电机的控制及研究 |
| 3.3.1 电机的数学模型 |
| 3.3.2 PID控制器 |
| 3.3.3 电机控制研究与仿真 |
| 3.4 带电机驱动的摇摆台控制研究与仿真 |
| 3.5 本章小结 |
| 第四章 自适应逆控制算法的研究及仿真 |
| 4.1 自适应滤波器 |
| 4.1.1 自适应线性组合器 |
| 4.1.2 自适应LMS算法 |
| 4.2 自适应逆控制基本概念及几种结构 |
| 4.2.1 基本自适应结构 |
| 4.2.2 模型参考自适应逆控制 |
| 4.2.3 噪声消除自适应逆控制 |
| 4.3 自适应逆控制的算法研究与仿真 |
| 4.3.1 对象的正建模与仿真 |
| 4.3.2 对象的逆建模与仿真 |
| 4.3.3 自适应逆控制与仿真 |
| 4.3.4 对象扰动的消除与仿真 |
| 4.4 基于铰点空间和自适应逆联合控制的研究与仿真 |
| 4.5 本章小结 |
| 第五章 基于Vx Works的六自由度摇摆台控制系统实现 |
| 5.1 摇摆台控制系统总体框架 |
| 5.2 上位机软件设计与实现 |
| 5.2.1 Labwindows/CVI介绍 |
| 5.2.2 上位机软件结构与实现 |
| 5.3 Modbus通信协议设计与实现 |
| 5.3.1 VxWorks网络通信介绍 |
| 5.3.2 基于TCP/IP的Modbus通信协议 |
| 5.4 基于Vx Works的下位机软件设计与实现 |
| 5.4.1 下位机软件系统结构设计 |
| 5.4.2 下位机程序设计流程图 |
| 5.4.3 系统采样时间的实现 |
| 5.4.4 任务间通信的实现 |
| 5.4.5 运动学正解与反解的实现 |
| 5.4.6 控制算法离散化的实现 |
| 5.5 本章小结 |
| 第六章 六自由度摇摆台控制系统的测试及验证 |
| 6.1 运动学的测试 |
| 6.1.1 运动学反解程序的测试 |
| 6.1.2 运动学正解程序的测试 |
| 6.2 控制算法离散化的测试 |
| 6.2.1 PID控制器离散化程序的测试 |
| 6.2.2 自适应逆控制离散化程序的测试 |
| 6.3 软件系统的测试 |
| 6.3.1 上下位机通信的测试 |
| 6.3.2 任务间的调度的测试 |
| 6.3.3 任务间数据通信的测试 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（5）永磁同步电动机伺服系统自适应逆控制策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 第一章 绪论 |
| 1.1 课题来源、研究的背景和意义 |
| 1.2 永磁同步电动机伺服系统 |
| 1.3 自适应逆控制的研究现状与发展 |
| 1.4 本文主要研究内容及章节安排 |
| 第二章 永磁同步电动机建模及矢量控制方法 |
| 2.1 永磁同步电动机的分类与结构 |
| 2.2 永磁同步电动机数学模型 |
| 2.3 永磁同步电动机矢量控制方法 |
| 2.4 本章小结 |
| 第三章 基于动态RBF神经网络和FIR滤波器的非线性自适应逆控制 |
| 3.1 自适应逆控制系统及自适应滤波器 |
| 3.2 最小均方算法及其稳定性 |
| 3.3 基于相关误差的非线性变步长LMS算法 |
| 3.4 基于动态RBF神经网络和FIR滤波器的非线性自适应逆控制 |
| 3.5 本章小结 |
| 第四章 基于混沌多群体粒子群优化算法的神经网络参数离线优化 |
| 4.1 基本粒子群优化算法 |
| 4.2 粒子群优化算法稳定性分析 |
| 4.3 粒子群优化算法的改进策略 |
| 4.4 混沌多群体粒子群优化算法 |
| 4.5 基于粒子群优化算法的神经网络参数离线优化 |
| 4.6 本章小结 |
| 第五章 永磁同步电动机复合自适应逆控制 |
| 5.1 永磁同步电动机逆系统的可实现性 |
| 5.2 永磁同步电动机自适应逆控制 |
| 5.3 永磁同步电动机复合自适应逆控制 |
| 5.4 本章小结 |
| 第六章 永磁同步电动机控制系统实现 |
| 6.1 永磁同步电动机控制系统硬件设计 |
| 6.2 永磁同步电动机控制系统软件设计 |
| 6.3 系统实验和结果分析 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 图目录 |
| 表目录 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的论文和科研工作 |
| 附录 |
（7）神经网络辨识及自适应逆控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 自适应逆控制简介 |
| 1.2 自适应逆控制的新发展 |
| 1.2.1 基于神经网络逆模型的自适应逆控制系统 |
| 1.2.2 基于模糊逆模型的自适应逆控制系统 |
| 1.2.3 基于预测逆模型的自适应逆控制系统 |
| 1.3 课题的目的及意义 |
| 1.4 论文的主要工作和结构安排 |
| 第2章 基于神经网络逆模型的自适应逆控制系统 |
| 2.1 引言 |
| 2.2 系统可逆性 |
| 2.3 神经网络建模方法 |
| 2.3.1 模型的选择 |
| 2.3.2 输入信号的选择 |
| 2.3.3 误差准则的选择 |
| 2.4 神经网络建模 |
| 2.4.1 正向建模 |
| 2.4.2 逆向建模 |
| 2.5 基于神经网络逆模型的自适应逆控制系统 |
| 2.5.1 神经网络自适应逆控制原理 |
| 2.5.2 系统的稳定性分析 |
| 2.6 本章小结 |
| 第3章 一种改进的动态聚类非线性系统快速辨识算法 |
| 3.1 引言 |
| 3.2 RBF 网络 |
| 3.3 几种常用的确定基函数中心的方法 |
| 3.3.1 K-均值聚类法 |
| 3.3.2 梯度下降法 |
| 3.3.3 正交最小二乘法 |
| 3.3.4 动态聚类法 |
| 3.4 改进的动态聚类法 |
| 3.4.1 确定距离门限值 |
| 3.4.2 确定基函数的扩张常数 |
| 3.4.3 最小二乘法确定输出层权值 |
| 3.4.4 改进动态聚类算法的步骤 |
| 3.5 仿真研究 |
| 3.5.1 仿真实例1 |
| 3.5.2 仿真实例2 |
| 3.6 本章小结 |
| 第4章 基于神经网络逆模型的自适应逆控制系统研究 |
| 4.1 引言 |
| 4.2 基于神经网络逆模型的直接自适应逆控制 |
| 4.2.1 神经网络离线逆建模 |
| 4.2.2 基于神经网络逆模型的直接自适应逆控制 |
| 4.3 自适应逆噪声消除系统 |
| 4.4 RBF 与BP 网络在逆控制系统中的比较研究 |
| 4.5 自适应逆控制在轧辊偏心中的应用 |
| 4.5.1 轧机液压压下控制系统 |
| 4.5.2 基于BP 网络的自适应逆控制系统 |
| 4.5.3 与PID 控制方法的比较 |
| 4.6 基于BP 网络逆模型的非线性自适应逆控制 |
| 4.7 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
| 作者简介 |
（8）无人机起飞与降落的控制技术（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 本课题选题意义 |
| 1.2 无人机主要的发射和回收方式 |
| 1.2.1 发射方式 |
| 1.2.2 回收方式 |
| 1.3 国内外研究现状 |
| 1.3.1 无人机国内外发展现状 |
| 1.3.2 无人机自主起飞降落国内外现状 |
| 1.4 课题研究思路 |
| 1.5 论文主要研究内容及关键技术 |
| 第二章 无人机起飞降落飞行运动模型的建立 |
| 2.1 引言 |
| 2.2 无人机六自由度飞行模型 |
| 2.3 无人机三轮及两轮滑跑模型建立 |
| 2.3.1 某型无人机及其载荷的总重力 |
| 2.3.2 发动机推力 |
| 2.3.3 空气动力 |
| 2.3.4 三轮滑跑阶段地面作用在无人机起落架上的力 |
| 2.3.5 三轮滑跑阶段动力学方程 |
| 2.3.6 三轮滑跑阶段的数学模型 |
| 2.3.7 两轮滑跑阶段地面作用在无人机起落架上的力 |
| 2.3.8 两轮滑跑阶段动力学方程 |
| 2.3.9 两轮滑跑阶段的数学模型 |
| 2.3.10 在滑跑阶段机轮支持力的计算 |
| 2.3.11 气动参数的计算 |
| 2.3 无人机各模型组件的建立 |
| 2.3.1 风干扰模型的建立 |
| 2.3.2 大气模型的建立 |
| 2.3.3 发动机模型的建立 |
| 2.4 三轮滑跑模型仿真验证 |
| 2.4.1 着陆阶段三轮滑跑仿真 |
| 2.4.2 起飞阶段三轮滑跑仿真 |
| 2.5 本章小结 |
| 第三章 起飞降落控制律的研究 |
| 3.1 引言 |
| 3.2 无人机自动起飞纵向通道的PID 控制 |
| 3.2.1 无人机自主起飞过程描述 |
| 3.2.2 起飞控制策略和控制律介绍 |
| 3.2.3 滑跑起飞控制律设计与仿真 |
| 3.3 无人机起飞的神经网络控制 |
| 3.3.1 神经网络的介绍 |
| 3.3.2 Levenberg-Marquardt 算法在起飞中的应用 |
| 3.3.3 有风干扰情况下的仿真研究 |
| 3.4 无人机纵向通道自动着陆的自适应逆控制 |
| 3.4.1 无人机着陆描述 |
| 3.4.2 自适应逆控制概述 |
| 3.4.3 自适应逆算法的基本原理 |
| 3.4.3 对象模型、控制器和扰动消除器的设计 |
| 3.4.4 对象模型、控制器和扰动消除器的算法推导 |
| 3.4.5 系统建模的算法步骤 |
| 3.4.6 着陆控制策略和着陆轨迹设计 |
| 3.4.7 降落时纵向飞行轨迹仿真 |
| 3.4.8 有风干扰下的仿真研究 |
| 3.5 本章小结 |
| 第四章 无人机起飞降落的三维动画仿真 |
| 4.1 引言 |
| 4.2 三维仿真的系统建立 |
| 4.2.1 三维仿真结构 |
| 4.2.2 仿真系统的软件结构 |
| 4.3 三维仿真各模块的具体实现 |
| 4.3.1 无人机三维模型的VC 实现 |
| 4.3.2 三维仿真地形的建立 |
| 4.3.3 无人机起飞着陆控制模块 |
| 4.3.4 无人机数学模型模块 |
| 4.3.5 传感器模块 |
| 4.4 起飞和着陆的程序流程图 |
| 4.5 无人机起飞降落的三维视景效果 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文做出的主要工作及贡献 |
| 5.2 不足与展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
| 附录一 |
| 附录二 |
| 附录三 |
（9）自适应逆控制研究及其未来发展（论文提纲范文）
| 1 引 言 |
| 2 线性系统自适应逆控制的研究应用 |
| 2.1 线性自适应滤波方法分析与比较 |
| 2.2 线性自适应逆控制及应用 |
| 3 非线性系统中的自适应逆控制研究 |
| 3.1 非线性自适应算法 |
| 3.2 非线性自适应逆控制应用 |
| 4 自适应逆应用的新发展 |
| 5 结 论 |
（10）自适应滤波器在自适应逆控制中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 自适应逆控制简介 |
| 1.1.1 自适应逆控制的基本概念 |
| 1.1.2 国内外研究现状 |
| 1.2 线性系统自适应逆控制的研究应用 |
| 1.2.1 线性自适应滤波方法分析与比较 |
| 1.2.2 线性自适应逆控制及应用 |
| 1.3 非线性系统中的自适应逆控制研究 |
| 1.3.1 非线性自适应滤波算法 |
| 1.3.2 非线性自适应逆控制应用 |
| 1.4 自适应逆应用的新发展 |
| 1.4.1 混沌系统的自适应逆控制 |
| 1.4.2 基于支持向量机的非线性自适应逆控制 |
| 1.4.3 基于预测的自适应逆控制 |
| 1.5 课题的目的及意义 |
| 1.6 论文的主要工作和结构安排 |
| 第2章 自适应IIR 滤波器 |
| 2.1 引言 |
| 2.2 自适应IIR 滤波器的结构形式 |
| 2.2.1 方程误差结构形式自适应IIR 滤波器 |
| 2.2.2 输出误差结构形式自适应IIR 滤波器 |
| 2.2.3 IIR 滤波器的一般结构 |
| 2.3 自适应滤波算法 |
| 2.3.1 自适应递归高斯－牛顿算法 |
| 2.3.2 自适应递归滤波器LMS 算法 |
| 2.4 本章小结 |
| 第3章 模型参考自适应IIR 滤波器辨识新算法 |
| 3.1 引言 |
| 3.2 基于 Lyapunov 的自适应滤波器设计方法 |
| 3.2.1 IIR 滤波器描述 |
| 3.2.2 算法推导 |
| 3.3 仿真研究 |
| 3.4 本章小结 |
| 第4章 基于变步长LMS 算法的自适应逆控制系统 |
| 4.1 引言 |
| 4.2 变步长LMS 自适应滤波算法 |
| 4.3 自适应扰动消除器 |
| 4.4 用于克服直流零频漂移的反馈补偿 |
| 4.5 改进的自适应逆控制系统 |
| 4.6 仿真研究 |
| 4.7 本章小结 |
| 第5章 非线性IIR 滤波器在自适应逆控制中的应用 |
| 5.1 引言 |
| 5.2 非线性滤波器工作原理 |
| 5.3 自适应非线性对象的自适应逆控制 |
| 5.4 仿真研究 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
| 作者简介 |
四、一种新型的自适应逆扰动消除器（论文参考文献）
- [1]基于滑动模态的三自由度直升机姿态跟踪容错控制方法[D]. 杨其伟. 山东科技大学, 2019(06)
- [2]永磁同步电动机自适应逆控制系统设计[J]. 宫玉琳. 长春理工大学学报(自然科学版), 2015(04)
- [3]非线性自适应逆控制方法研究[D]. 董浩. 东北大学, 2015(12)
- [4]基于VxWorks的六自由度摇摆台控制系统研究与设计[D]. 付得龙. 电子科技大学, 2015(03)
- [5]永磁同步电动机伺服系统自适应逆控制策略研究[D]. 宫玉琳. 长春理工大学, 2013(07)
- [6]LS-SVM构造FLANN的非线性自适应逆控制动态补偿研究[J]. 孟萍,张金敏,张绘敏. 兰州交通大学学报, 2010(06)
- [7]神经网络辨识及自适应逆控制研究[D]. 王亚静. 燕山大学, 2010(08)
- [8]无人机起飞与降落的控制技术[D]. 宫林. 南京航空航天大学, 2009(S2)
- [9]自适应逆控制研究及其未来发展[J]. 刘福才,高雪,吴士昌. 仪器仪表学报, 2008(12)
- [10]自适应滤波器在自适应逆控制中的应用[D]. 高雪. 燕山大学, 2009(07)