滑模变结构控制算法综述

发布时间：2023-03-22 11:02:12

龙源期刊网http://www.qikan.com.cn滑模变结构控制算法综述
作者：雷渊默万彦辉李淑英
来源：《中国科技博览》2016年第27期
滑模变结构控制是一种自动控制系统的一种设计方法，可用于连续或离散系统、线性或非线性系统、确定性或非确定性系统、集中参数或分布参数系统和集中控制或分散控制等。这种控制方法通过让控制量不断地切换，使系统状态进入预先设定的滑模面滑动，故而在遇到参数扰动与外部干扰时具有不变性，系统的动态品质仅取决于滑模面及其参数。
滑模变结构控制是一种非线性、不连续的控制方法。具有鲁棒性强、可靠性高等优点，得到各国学者的广泛重视与不断研究。1滑模变结构的抖振问题解决方法
在到达切换面时，运动点会穿越了切换面，形成抖振。抖振会影响系统的准确性、增加能量消耗、破坏系统性能。产生抖振的主要原因有：
（1）开关的时间滞后：当运动点运动到切换面附近，开关的时间滞后会导致控制延时，从而致使状态的准确变化延时。因为控制量的幅度会随着状态量幅度逐渐减少，所以抖振表现为一段衰减的三角波。
（2）开关的空间滞后：开关的空间滞后即制造了一个状态量变化的“死区”，抖振表现为一段等幅波形。
（3）系统惯性影响：系统惯性会使得系统在接收到控制信号后，平面时仍存在一定的滞后，其抖振表现为一段衰减的三角波。
针对抖振问题，许多学者都提出的解决方法。1.1准滑膜动模态方法
20世纪80年代，Slotine[1]在中引入了“准滑动模态”和“边界层”的概念，实现准滑动模态控制。在边界层以外采用正常的滑模控制，在边界层内为连续状态的反馈控制，有效地避免或削弱了抖振。此后，有许多学者对该设计进行了拓展与研究。比如S.C.YChung等[2]、J.X.Xu等[3]，分别对于切换函数进行了改进;K.erbatur等[4]、M.S.Chen等[5]等对于边界层设计提出了改进方案。1.2趋近律方法

龙源期刊网http://www.qikan.com.cn高为炳等[6]提出了一种变结构控制系统的抖振消除方法。选择合适的趋近律的参数，可以减少控制信号的高频抖振。在该方法的基础上，也有许多研究。比如習长连等[7]提出了趋近系数的自适应调整算法;K.Jiang等[8]将模糊控制应用于指数趋近律中。这些方法，多是针对趋近参数的取值进行研究，而趋近参数的取值也正是趋近律方法的难点。1.3加入滤波器
使用滤波器队对控制信号进行平滑滤波，可以消除抖振。
P.Kachroo等[9]在边界层内加入低通滤波器，该滤波器对切换函数进行滤波，以得到平滑的信号。D.Krupp等[10]设计了一种新型滑模控制器，该控制器输出通过一个二阶滤波器，实现控制器输出信号的平滑。1.4引入其他控制算法思想
将滑膜变结构控制算法与其他控制算法，比如神经网络控制算法、模糊控制算法相结合，也可以解决滑模变结构算法的抖振问题。
张天平等[11]使用了连续的模糊逻辑切换代替滑模控制的非连续切换，减少了抖振。M.Ertugrul等[12]使用神经网络控制算法逼近等效滑模控制部分及切换滑模控制部分。1.5其他方法
运动点到达切换面时的不连续切换，是造成抖振的主要原因。减少切换项的增益，可以减少抖振。C.L.Hwang等[13]，林岩等[14]对此作了相应的研究。
外界干扰也是导致抖振的主要原因，在系统中加入干扰观测器以估计外界干扰，并作出相对应的补偿也可以减少抖振。Y.S.Kim等[15]对此做出了相应的研究。2多种滑膜变结构设计2.1离散滑模变结构控制
随着计算机技术的发展，离散控制系统在实际中的应用也越来越多。早在1990年，Furuta[16]就提出了一种离散滑膜变结构控制系统。
离散控制信号必须是有界，这一限制使得在不确定系统的上下界时，传统的系统设计会需要非常大的反馈增益，经前面分析，较大的反馈增益会使抖振加剧。故而许多学者对离散滑膜变结构控制做出了研究并提出了改进方法。2.2自适应滑模变结构控制

龙源期刊网http://www.qikan.com.cn自适应控制可以根据当前所接收的信息，做出相对应的控制指令，故而自适应控制更适用于参数变化或者不确定的系统。将自适应控制和滑模控制结合起来，可以有效的解决系统中参数不确定或参数时变的问题。早在1993年，R.H.Sira等[17]就针对线性化系统，设计出了自适应滑模变结构控制系统。
在滑模变结构控制中，为了保证系统能够达到切换面，在设计控制律时一般都要求系统不确定性范围已知，但实际中很难做到这一点[18]。程仁洪等[19]将一种简单的自适应用于电机调速，让控制信号随滑模状态偏离开关面的程度大小来自动调整，改进了原来的比例滑模控制。
2.3神经网络滑膜变结构控制
神经网络算法顾名思义，是由神经网络运作方式为基础设计出的一种算法模式，该算法有着万能逼近的特性，可用于控制非线性系统以及不确定系统。
滑膜自适应算法需求精确的系统模型，而将神经网络系统与其结合，可以降低对模型精确性的要求。如S.C.Lin等[20]就将两者相结合，设计出一种不需要对象精确模型的算法，该算法已经成功应用于非线性单级倒立摆的控制。
神经网络算法因其万能逼近特性，也常用于估计系统中未知部分。D.Munoz等[21]为了能够求解非线性系统中的未知部分，引入了神经网络控制算法。
神经网络算法具有自适应的特性。G.P.Gustavo等[22]将BP网络学习算法与滑模控制相结合，利用BP网络的在线学习功能，实现了电机的自适应滑膜控制。2.4模糊滑模变结构控制
模糊控制算法是一种非线性智能控制，具有适用范围广的优点，可以用于处理非线性、时变以及不确定系统。
将模糊控制算法引入滑膜自适应算法，可以用模糊系统逼近未知项或切换项，降低了建模要求。B.Yoo等[23]利用模糊控制算法逼近系统的未知函数，只要知道未知函数的边界，便可设计基于模糊的自适应滑模控制器。
引入模糊控制算法，通过设计模糊逻辑规则，可以帮助实现滑膜控制算法。S.M.Kim等[24]将滑模面进行模糊划分，设计出了基于模糊滑面的模糊控制器。2.5积分滑膜变结构控制

滑模变结构控制算法综述

推荐内容

相关推荐