（控制理论与控制工程专业论文）滑模变结构的智能控制理论与应用研究.pdf

期南 大 学俘 士 学 俊 伦 文 摘要 这些方案解决了一些问题 对交流传动等快速变化的非线性复杂系统，人们己 提出了各种控制方案， ， 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 城 本论文的研究内容包括以下方面: i 、 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( c s i m) 构成的交流变频调速系统， 首先分析了c s i m 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c s i m的 简化数学模型， 并以常规滑模变结构理论为指导， 设计了c s i m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 整符号函 数项的 幅 值， 利用l y a p u n o v 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 逼近，提出了 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 种基于系统辨识的滑模变结构控制方法;结合单层 a d a l i n e 、 撇 毛 ._ 惑a : _ i :1 期 南 大攀俘 士 攀 提论 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 深入探讨; 研究了一种基于神 经网络的自学习滑模变结构设计方 了分析，最后给出了仿真实验结果 三层自 适应神经网络结构、 算法进行 5 、主要研究基于观测器的滑模变结构香棒智能控制. 对系统确定性部分设计了一个 l u e n b e r g e r 观测器， 然 对离散多变t系 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 缈方 法 ， 并 对 系 统 的 鲁 捧 特 性 进 行 了 研 究 吧 关 。: yif.i. %1g 赢 amp_ _ 、. 、 _ 厂 - ,. k . . i t : . . 泌 软南大李俘 士学 伍伦文 m a n y c o n tr o l p r o g r a m s h a v e b e e n p r o p o s e d f o r t h e f a s t - c h a n g i n g n o n l i n e a r c o m p l e x s y s t e m s l i k e t h e a c d r i v e s w h i c h h a v e s o l v e d s o m e p r o b l e m s o f t h e s e s y s t e m s , b u t t h e re a r e s t i l l s o m e s h o r t c o m i n g s i n t h o s e p r o g r a m s . t h e r e f o re , i t i s n e c e s s a ry t o d e v e l o p a p r a c t i c a l a n d e ff i c i e n t c o n t r o l l e r f o r t h e f a s t - c h a n g i n g c o m p l i c a t e d i n d u s tr i al s y s t e m s . t h e s l i d i n g m o d e v a r i a b l e s t r u c t u r e i s a b l e t o r e s p o n s e q u i c k l y , i n v a r i a n t t o s y s t e m i c p a r a m e t e r s a n d e x t e r n a l d i s t u r b a n c e , a n d a b l e t o k e e p t h e s y s t e m a s y m p t o t i c a s t a b l e s t a t e . w h a t i s m o re p r e c i o u s i s t h a t i t s al g o r i t h m i s s i m p l e a n d i t i s e a s y t o b e r e a l i z e d e n g i n e e r i n g . b u t i t h a s s u c h s h o r t c o m i n g s a s c h a tt e r i n g a n d t h e r e q u i r e m e n t o f t h e k n o w l e d g e o f t h e u p p e r a n d l o w e r b o u n d s o f u n c e r t a i n p a r a m e t e r s . t h e f u z z y c o n tr o l r e q u i r e s n o m a t h e m a t i c a l m o d e l a n d i t s m e c h a n i c s a r e a g r e e a b l e t o p e o p l e s l o g i c a l t h i n k i n g a n d p e o p l e s d i r e c t d e s c r i p t i o n o f t h e p r o c e s s c o n t r o l , b u t , i t i s n o t s y s t e m a t i c i n d e s i g n , it s c o n tr o l r u l e s e l e c t i o n i s c o n d u c t e d w i t h t h e tr i a l a p p r o x i m a t i o n m e t h o d . t h e n e u r a l n e t w o r k i s p o w e r f u l i n i t s s e l f - l e a r n i n g a b i l i t i e s . i t i s a b l e t o a p p r o x i m a t e f u l l y a n y c o m p l i c a t e d n o n l i n e a r s t a t e , b u t i t i s d i ff i c u l t t o b e a p p l i e d t o t h e c o n tr o l o f c o m p a r a t i v e l y c o m p l i c a t e d o b j e c t s b e c a u s e o f i t s s l o w l e a m i n g s p e e d . i t c a n b e c o n c l u d e d t h a t t h e v a r i a b l e s t ru c t u re c o n tr o l , f u z z y c o n tr o l , a n d n e u r a l n e t w o r k c o n tr o l a r e g r e a t l y c o m p l e m e n t a ry . t h e a i m o f t h i s r e s e a r c h i s t o g o i n t o t h e c o m p l e m e n t a r i t i e s o f t h e t h r e e a n d r e a l i z e t h e i n t e l l i g e n t c o n tr o l o f s l i d i n g m o d e v a r i a b l e s t ru c t u r e s . t h e c o n t e n t o f t h i s re s e a r c h f a l l s i n t o t h e f o l l o w i n g f i v e p a r t s ; l . t h e c h a r a c t e r i s t i c s o f t h e f u z z y s y s t e m s a n d t h e n e u r a l n e t w o r k a r e s t u d i e d . i t g i v e s a d e t a i l e d c o m m e n t o n t h e p re s e n t d e v e l o p m e n t o f t h e s l i d i n g m o d e v a r i a b l e s t ru c t u r e a n d a n a l y z e s t h e c o n tr o l l i n g s tr a t e g i e s i n a c d r i v e . 2 . d i r e c t e d t o t h e a l t e rn a t i n g s p e e d r e g u l a t i o n c o n tr o l l e r c o m p o s e d o f t h e c u r r e n t s o u r c e i n v e r t e r m o t o r ( c s i m ) , t h i s p a p e r f i r s t a n a l y z e s t h e p r o b l e m s o f c s i m a t a l o w s p e e d , i n f e r s t h e s i m p l i f i e d m a t h e m a t i c al m o d e l o f c s i m o n t h e b a s i s o f t h e i n s e n s i t i v i t y o f t h e s l i d i n g m o d e v a r i a b l e s t ru c t u r e t o p a r a m e t e r v a r i a t i o n s , a n d t h e n d e s i g n s a c s i m c o n t r o l l e r i n l i g h t o f t h e r o u t i n e s l i d i n g m o d e v a r i a b l e s t r u c t u r e t h e o ry f i n a l l y , i t r e al i z e s t h e c o n tr o l o f t h e s y s t e m o n t h e m i c r o c o m p u t e r a n d s h o w s t h e e x p e r i m e n t a l a n d s i m u l a t i o n r e s u l t s 3 . a s l i d i n g m o d e v a r i a b l e s t r u c t u r e c o n t r o l i s i n tr o d u c e d o n t h e b a s i s o f t h e f u z z y n e u r a l n e t w o r k . t h e e s s a y f i r s t a d j u s t s o n - l i n e t h e v a l u e o f t h e s y m b o l i c f u n c t i o n t e r m s w i t h t h e f u z z y n e u r a l n e t w o r k , t h e n i n f e r s t h e l e a rn i n g r a t e r a n g e o f t h e f u z z y n e u r al n e t w o r k i n w h i c h t h e s t a b i l i t y o f t h e c o n tr o l l e r i s w a rr a n t e d b y u s i n g t h e l y a p u n o v s t a b i l i t y t h e o re m , a n d t h e n d e v e l o p s a f u z z y n e u r a l n e t w o r k s l i d i n g m o d e c o n tr o l l e r c a p a b l e o f a l l - p a r a m e t e r a d j u s t m e n t f o r t h e g r e a t p a r a m e t e r c h a n g e , a n d i n tr o d u c e s a d e s i g n m e t h o d f o r a n e u r a l n e t w o r k s l i d i n g m o d e r o b u s t c o n tr o l l e r w h i c h k e e p s t h e s y s t e m i n a s l i d i n g s t a t e i n a n y i n i t i a l c o n d i t i o n s a n d re a l i z e s t h e o m n i d i s t a n c e s l i d i n g m o d e c o n tr o l o v e r t h e m o v e m e n t o f t h e s y s t e m. ;满 巍 _翩 涣赢 _、磕、 期南大学俘士攀俊伦文 4 . i n v i e w o f t h e s l o w c o n v e r g e n c e o f l e a rn i n g s p e e d o f t h e n e u r a l n e t w o r k , t h i s r e s e a r c h l a y s i t s e m p h a s i s o n t h e d e v e l o p m e n t o f a m e t h o d t o r a i s e t h e c o n v e r g i n g s p e e d o f t h e n e u r a l n e t w o r k . i t f i r s t u s e s a f a s t s c a l e - c h a n g e o p t i m a l l e a r n i n g a l g o r i t h m t o a p p r o x i m a t e t h e u n c e rt a i n s y s t e m a n d p r o p o s e a n e w s l i d i n g m o d e v a r i a b l e s t r u c t u r e c o n t r o l m e t h o d b a s e d o n s y s t e m i c i d e n t i f i c a t i o n . t h e n , i n c o m b i n a t i o n w i t h t h e s i n g l e - l a y e r a d a l i n e n e t w o r k , i t a d v a n c e s a w e i g h t t r a i n i n g m e t h o d w i t h a s l i d i n g m o d e v a r i a b le s t r u c t u r e a n d d e v e l o p s a n e u r a l n e t w o r k a d a p t i v e s l i d i n g m o d e v a r i a b l e s t r u c t u r e c o n t r o l l e r w h o s e s t a b i l it y a n d c o n v e r g e n c e a r e t h o r o u g h ly s t u d i e d . i t a l s o d e v e l o p s a s e l f - l e a rn i n g s l i d i n g m o d e v a r i a b l e s t r u c t u r e d e s i g n m e t h o d b a s e d o n t h e n e u r a l n e t w o r k , a n a l y z e s t h e t r i - l a y e r a d 叩 t i v e n e u r a l n e t w o r k s t r u c t u r e a n d i t s a l g o r i t h m , a n d g i v e s t h e s i m u l a t i o n e x p e r i m e n t a l r e s u lt s . 5 . t h e r o b u s t i n t e l l i g e n t c o n t r o l o f t h e o b s e rv e r - b a s e d s l i d i n g m o d e v a r i a b l e s t r u c t u r e i s s t u d ie d . i t f i r s t d e s i g n s a l u e n b e r g e r o b s e rv e r f o r t h e c e rt a i n t i e s o f t h e d i s c r e t e m u l t i v a r i a b l e s y s t e m , a n d i n t r o d u c e s a n e u r a l n e t w o r k t o m a k e u p t h e u n c e rt a i n t y o f t h e s y s t e m d y n a m i c a l l y . t h e n i t d e s ig n s a n o n l i n e c o n t r o l l e r w i t h n e u r a l n e t w o r k s l id i n g m o d e p a r a m e t e r s t o p r o m o t e t h e c o m p r e h e n s i v e n e s s o f t h e o b s e rv a t i o n . t h i s p 叩 e r a l s o a d v a n c e s a d e s i g n m e t h o d f o r a n o b s e rv e r o f t h e i n t e l l i g e n t s l id i n g m o d e v a r i a b l e s t r u c t u r e s t a t e i n a n a f n e n o n l i n e a r s y s t e m . t h e r o b u s t n e s s o f t h i s s y s t e m i s s t u d i e d . k e y w o r d s : a c d r i v e s , v a r i a b l e s t r u c t u r e c o n t r o l , s l i d i n g m o d e , n e u r a l n e t w o r k , f u z z y c o n t r o l a d a p t i v e c o n t r o l i v 浮汤 辰 蘸盆沈r 雄 期 晰 大 学俘 士 学伍 论 文 第一章绪论 1 . 1 引言 随着科学技术的发展，自 动控制理论得到了不断的完善和提高. 6 0年代 出现的现代控制理论在许多方面都弥补了古典控制理论的不足。 在取得控制对 象模型的基础上， 它采用了各种控制系统分析综合方法。 系统辨识、自 适应控 制和鲁棒控制等均是目前现代控制理论的重要分支。 系统辨识， 是根据系统的输入输出， 从一组给定的模型中， 确定一个与所 测系统等价的模型。 但由于对于非线性与时变系统， 还很难找到易于处理的统 一的数学模型， 因此系统辨识方法目 前还仅限于某些特殊类型的非线性系统与 慢时变系统的控制。 自 适应控制， 是在控制系统运行过程中， 根据对象或扰动的动态性能改变 自 动控制律的参数或结构，以保证控制质量。 鲁棒控制， 是在控制系统设计时就考虑对象参数的变化， 使得所设计的控 制器不需改变自己的参数或结构就能够在对象参数发生在一定范围内的 变化 时，保证系统控制质量不变。 上述三种方法，本质上都还没有摆脱基于被控对象数学模型的定量化思 想， 难以对复杂和具有强烈非线性的不确定系统进行有效而精确的控制。 智能 控制的出现为解决这类问题提供了新的思路。 智能控制以模糊控制、 神经网络和专家系统控制为代表， 它所研究的主要 目 标不再是被控对象， 而是控制器本身。 在智能控制中， 控制器不再是单一的 数学解析模型， 而是数学解析和知识系统相结合的广义模型， 是多学科知识控 制系统。 智能控制的发展己经经历了一段时间， 但目 前仍可认为处于开创性研究阶 段， 待研究问题还很多。 如何将智能控制与其它控制相结合， 形成更实用、 性 能更优越的控制系统，是控制领域研究的重点之一。 本章先对模糊控制、 人工神经网络的控制特点进行阐述， 然后详细对变结 构控制进行论述， 并对本论文的被控对象交流传动系统的控制策略进行了 分析. 最后给出了本文研究的主要内 容。 赫 孤墓 鹭 11熟、 孰m 、 y$ 第一章绪论 1 . 2 模糊控制与人工神经网络 1 9 6 5 年， l . a . z a d e h 教授创立了 模糊集理论， 其后， 该理论得到了 较快的 发展和实际应用 u ，成为智能控制领域中的一个重要分支. 7 0年代中期，以 e . h . m a m d a n i 1” 为代表的一批学者提出了 模糊控制的概念，标志了模糊控制的 诞生。 模糊控制的基本思想是把人类专家对特定被控制对象或过程的控制策略 总结成一系列以 “ i f( 条件) t h e n( 作用) ”的形式表达的控制规则，通过 模糊推理得到控制作用集， 作用于被控对象或过程。 模糊控制完全是在操作人 员所具有的控制经验的基础上实现对系统的控制， 无需建立数学模型， 且控制 具有较强的鲁棒性， 被控对象参数的变化对控制影响不明显， 因此是解决不确 定 系 统的 一 种有效途径， 可用于非 线性、 时 变系 统的 控制。 - n然而 模糊控制的 设计尚缺乏系统性， 无法定义控制目标， 而控制规则的选择、 论域的选择、 模 糊集的定义、量化因子的 选取等多 采用试凑法， 这对复杂控制难以 奏效i5 - 5 对于智能控制的另一分支神经网络控制系统的研究己 有较长的历史。 进入8 0 年代后， r u m e l h a r t , m c c l e l l a n d以 及h o p f i e l d 等人在神经网络领域 取得了 突破性进展，神经网络已进入实用阶段(7 人工神经网络从仿生学的角度出发， 模拟人脑神经元系统， 使机器具有类 似人脑那样的感知、 学习和推理功能。 人工神经网络可以充分逼近任意复杂的 非线性系统ir l ，因而可学习和自 适应不知道或不确定的系统。 但是，由于人工 神经网络的高度非线性， 使得整个系统从数学上进行稳定性与收敛性证明比较 困 难。同时要满足实时 控制要求，还必须研究较快的学习 算法r . 10 1 . 3 变结构控制理论 变结构控制是前苏联学者e m e l y a n o v , u t k i n 和i t k i n 在六十年代初提出 的一种设计方法 ， 1e . ， ， 。 当 初研究的主要是二阶和单输入高阶系统， 并用相平 面法来分析系统特性。 进入七十年代， 则开始研究状态空间线性系统， 使得变 结构控制系统设计思想得到了不断丰富， 也提出了多种变结构设计方法。 但这 其中只有带滑动模态的变结构控制被认为是最有发展前途的. 所谓滑动模态是指系统的状态被限制在某一子流形上运动.一般来说， 系统的初始状态未必在该子流上， 而变结构控制器的作用就在于把系统的状态 ;摄 巍 ;纵 _ _ 1 慈 漏， : : 在有限时间内驱动到并维持在该子流形上。这一过程称为到达过程。 设有一非线性系统 x = i ( x , u , i ) ( 1 . 3 . 1 ) 其中:x e r , u e r , f e r 我们需要确定滑模函数向量s ( x ) ,se r s , ( x ) 并寻求变结构控制 u ; ( x ) u 厂 ( x ) 0 ( 1 . 3 . 2 ) s , ( x ) 刃 !矛、.t - 、， x 了.、 .奋 u 这里变结构控制体现在u j, ( x ) # u t ( x ) ， 使得以 下设计目 标得以 满足: ( 1 ) 滑动模态存在 ( 2 )满足到达条件: 在切换面s , ( x ) = 。 以 外的 相轨迹将于有限时间内 到 达切换面 ( 3 ) 滑模运动渐近稳态并具有良好的动态品质 而以 上三个设计目 标可归纳为下面两个设计问 题: 选择滑模面s ; ( x ) 和求 取控制u ; 。 下面我们针对几个问题叙述变结构控制系统的发展情况。 1 . 3 . 1 滑模面设计 变结构控制通常要求具有理想的滑动模态， 良 好的动态品质和较高的鲁棒 性，这些性能要通过适当的滑模面来实现。 线性滑模面的设计方法有很多种， 文献 1 4 , 1 5 , 1 6 中列举了较常见的极 点配置法、几何法、最优控制法. 文【 1 7 1 中， m i n 提出按闭环系统的稳定性 和快速性来选择滑模面， 文 1 8 中， g h e z a w i 用广义逆矩阵法， 根据闭环特征 根的 要 求 来设 计 滑模面。 y o u n g , 和 d o r 1 i n g (m )选择二次 型函 数为目 标函 数， 从而得到最优滑模面。 上述线性滑模面因其设计简单， 工程实现方便而得到了 广泛的使用。 为进一步提高系统性能， 许多新的滑模面设计方法被提出 ， y o u n g提出了 一种基于频域整形的滑模面设计方法iz q ， 文 2 2 1 对此加以了 改进， 使之能适用 于线性二次型控制指标对所有频率不为常数的情况。 为避免未建模误差对系统 性能影响，文 2 3 1 采用频域整形 h _ 的滑模面设计方法.文【 2 4 , 2 5 1 提出采用 双滑模面减少一类非线性系统的稳态误差。 文 2 6 , 2 7 1 提出了 积分滑模面， 分 析结果表明这种滑模面能保证由初始时刻到最终时刻系统都具有鲁棒性.文 3 碾 偏叭， 一趣 第一章绪论 2 8 1 研究了一种状态变量中含有噪声的变结构控制，提出了随机滑模面概念。 文【 2 9 1 提出对不确定非线性系统， 采用分段滑模面， 并分别对每段滑模面提出 一种模糊控制。 与静态滑模面的设计相对应，文【 3 0 3 3 1 提出了旋转和移动滑模面的概 念。 文 3 4 , 3 5 1 针对二阶非线性系统， 提出了 一种时变滑模面设计方法， 使得 系统刚开始运动就处于滑模面上， 避免了 滑模控制中的趋近运动。 然而这两种 方法的收敛速度还须进一步提高。 文【 3 6 1 针对二阶系统也提出一种时变滑模面 方法。 它首先将滑模面设置为经过初始点， 然后通过改变其斜率和截距， 使其 向期望滑模面移动。 然而该方法计算量大， 难以应用到高阶系统。 而针对高阶 系统， 文 3 7 1 提出了一种基于模糊理论的移动滑模面方法， 但它仅对期望滑模 面的特征方程有重根情况进行了分析。 虽然滑模面的设计方法有多种， 但对于一般非线性系统至今还未找到比较 有效的方法。 1 . 3 . 2 滑模条件 在文献 3 8 1 中， u t k i n 首先提出了 滑动模态存在的 充分条件 lim s 0 - 今 n - ( 1 . 3 . 3 ) 或l i ms s刀 ， - 今n ( 1 . 3 . 4 ) 在此基础上， 各国学者均开展了深入的研究， 提出了同等意义下的滑动条 件 ” 一 ” ， : 甜 0 ( 1 . 3 . 8 ) 指数趋近律:s = 一 s g n ( s ) - k s 6 ,k 0 ( 1 . 3 . 9 ) 癫 骆 . 孰i ，一、 i1 溯方大学俘 士学任伦文 幕 次 趋 近 律 :s = 一 * is id s g n ( s )* 0 , 0 a 0 , q 夕 。 ，t 是 采样周期。 但是 高氏 趋近律明 显的 缺点在于: 系统在切换带中运动， 最终不可能到达原点， 只能在原点附近的一 2 s t 个邻域内抖动，其抖动范围为二 ， 一 下 不 t -q j 对于下式所述的不确定系统 a x ( k ) + a a x ( k ) + b u ( k ) + f ( k ) x ( k ) ( 1 . 3 . 1 5 ) 卜矿 +l卜 x(ky(k 式中，a a 为系统不确定项，f ( k ) 为 外部干扰，1 9 9 8 年8 a r t o s z w i c z 提出 了二种新的趋近律ifia l s ( k + l ) 二 d ( k ) 一 d o + s d ( k + 1 )( 1 . 3 . 1 6 ) s ( k + l ) 二 d ( k ) 一 d o + s d ( k + l ) 一 艺 s ( i) 一 s d ( i) ) ( 1 . 3 . 1 7 ) 式中 ，d , s d 认 ) = c t a a x 伏 ) + 。 了 伏 ) s d ， d 。 二 d , + d 2 ， s d ( k ) 为一个预 先定义的函数。 由于系统状态不穿过滑模面而是在沿着滑模面的一个邻域内运 动，因此抖动有所减少。 文( 6 川将高氏 趋近律与高氏指数趋近律相结合提出了一种可产生扇形切 换区的变速趋近律。文 6 1 也提出了一种具有扇区特性的离散变结构设计方 撇;氰 拼 撇 :; 、 翻 方 大 学俘 士学 侄论 文 法。 这类方法虽然减少了 抖动， 但系统状态轨迹距平衡点越远， 系统鲁棒性越 差。 针对此问题， 文 6 2 1 提出了一种综合设计方法: 首先利用变结构保证系统 运动到滑模扇区， 然后再通过一个l y a p u n o v 函 数使系统收敛到原点。 传统的离散变结构控制律均是以 等效控制为基础x 7 1 ， 长期的 应用表明 这种 设计思想欠合理64 1 。 为此， 很多改进设计方案被提出。 姚琼荟提出了以 衰减控 制代替等效控制6 5 1 。 文【 6 6 提出 用神经网 络构成等效控制， 但此方案不能 满足 实时应用的要求。文【 6 7 1 提出基于递归神经网络的非线性离散变结构设计方 法， 相对于其它方法，其收敛速度有所提高。 1 . 3 ， 5 状态观测 在变结构控制中， 一般来说滑模面包括了所有状态变量， 但有些状态不可 或不易直接测量。 随着微分几何理论的兴起， 全局线性化、 伪线性化以及扩展 线性化方法均可被用于非线性系统的状态观测。 然而应用这些方法均需要有精 确的模型，一旦存在不确定因素及建模误差，则观测器的鲁棒性就无法保证。 为 避免 直 接 测定 状 态 变 量， 由y o u n g 首 先 提出 的 变 结 构 输出 反 馈 控 制 1n 采 用 输 出变量作为滑模面。 文 6 9 1 提出了一种利用最佳输出通近和极点配置设计滑动 模态的方法，改进和推广了文 7 0 1 结束。 文 7 1 7 4 1 利用变结构控制的强鲁棒性提出滑模观测器和辨识器。 由于测 量噪声的存在可能影响状态估计的最终收敛性， 因此文 7 5 1 提出将符号函数用 一些连续函数代替并引入边界层的方案。 文 7 6 1 提出的方法适用于不确定参数 不满足匹配条件的情况， 但其构造的观测器中含有不确定参数， 因此无法实现. 文【 7 7 对其加以改进， 使得观测器的结构只涉及到不确定的界， 因此所提出的 变结构观测器能够实现.文 7 8 1 对扩展k a l m a n 滤波器和滑模观测器进行了分 析比较，得出了对存在有界建模系统，滑模观测器性能优于k a l m a n 滤波器的 结论。y o n g s o o n s 1 考虑了 外部 干扰 和参数的 不 确定 性， 利用观 测器对 系 统不 确定进行观测和补偿， 并通过小增益理论分析了系统的稳定。 a b d e l k r i m 等利 用滑模观测器对交流电机的转子磁通进行了估计， 并对带有滑模观测器的变结 构控制、输入/ 输出线性化和矢量控制这三种控制方法进行了分析比较.分析 结果表明， 前者不仅对参数变化有较大适应力， 而且系统低速性能 较好 1 1 . 3 . 6 自适应变结构 对于变结构控制系统， 若干扰、 参数变化以及建模误差等不确定因素满足 碱惫 嵌鬓 策一章绪论 “ 匹配条件” ，则滑模面上的运动对这些不确定因素具有完全的不变性。 d r a z e n o v i c ) ) 最早对这种不变性系统进行了 研究。 g h e z a w i 等给出了滑模不变 性的条件18 ) 。当匹配条件不满足时，则滑模特性直接取决于这些不确定量。 s p u r g e o n 和d a v i s ，对此种情况 进行t 初步 分析， z a k )8 ， 则 较全面 地分析t 不 确定因素对变结构控制器、 观测器的滑模收敛区的影响。 针对不满足匹配条件 文 8 4 1 给出了 替棒滑模控制的设计方法。 当外部干扰及参数变化有界时， 变结构系统可取得较理想控制效果。 但要 确定不确定参数变化的上下界， 在实际中存在一定困难。 文【 8 5 , 8 6 1 提出了变 结构直接自 适应控制方法， 利用一个简单的自 适应律消除不确定的界。 文 8 7 1 对普通变结构控制和变结构自 适应控制器分别在永磁同步伺服电 机位置控制 中的应用进行了分析比较， 可知后者不需预知不确定参数上下界， 且抖动现象 也有所改普. 近来， 利用模糊控制消除对不确定参数上下界依赖的研究工作也 取得了一些进展。 文 8 8 1 提出了 两种方案， 首先用模糊逻辑系统通近一个正常 向量， 使得不确定值小于其正常向量的加权值， 然后用滑模变结构进行补偿。 文【 8 9 1 将自 适应模糊系统和滑模控制相结合， 定义一个滑模平面和临界面， 然 后由l y a p u n o v 方法设计自 适应律。 这类方案的控制效果直接依赖于模糊逻辑 系统对系统不确定部分的估计和逼近能力。文 9 0 1 则提出了一种基于模糊 c m a c 神经网络的多面滑模变结构控制算法。 1 . 3 . 了 变结构控制的应用 y o u n g 首先提出在机器人中 采用变结构控制n,)， 文献 9 2 - 9 4 1 研究了 各种 机器人的变结构控制算法， 解决了 机器人轨迹跟踪问题。 文献 4 3 介绍了 变结 构控制在飞机和空间飞行器中应用情况，研究了有关大角度机动控制等问题。 文 9 5 1 将变结构应用于输电系统综合控制， 文献 9 6 1 给出了 变结构控制在化工 中的应用， 并采用遗传算法对变结构参数进行了寻优。 文献 9 7 1 给出了其在电 力系统中的应用实例， 提出了一种滑模负荷频率控制方法。 变结构控制在交流 传动领域中也得到了广泛应用。对此，我们在下节中专门给予介绍。 1 . 4 交流传动系统控制策略 尽管人们很早以前就致力于交流传动技术的研究， 但由于不具备理论与技 术物质条件，长期以来并未取得突破性发展。直至进入七十年代.控制理论、 ; 邂 瓤 、 _ 斌蒸、 u x 4 4 期成 大学俘士攀伍伦文 电力电子技术和计算机控制技术的迅速发展， 才 为交流传动技术的飞跃创造了 充分的条件。 交流电机是个多变量、 非线性、 强祸合的被控对象，