具有预设性能的板球系统神经超扭曲滑模控制OA北大核心CSTPCD

提出了一种新的具有预设性能的自回归小波神经网络(self-recurrent wavelet neural network,SRWNN)超扭曲非奇异快速终端滑模(super-twistingnon-singularfastterminalsliding mode,STNFTSM)控制方法(SRWNN_STNFTSM),在动力学不确定性和未知扰动的情况下提高板球系统的跟踪控制性能。利用预设性能函数(prescribed performance function,PPF),将板球系统受约束的位置误差转换为无约束的误差模型。引入非奇异快速终端滑模(non-singular fast terminal sliding mode, NFTSM)面来消除常规终端滑模控制存在的奇异问题,并加入一个tanh函数的补偿项改进NFTSM滑模面,以调节轨迹跟踪的收敛速度和跟踪精度,同时结合超扭曲算法(super-twisting algorithm,STA)设计STNFTSM控制器,以削弱抖振和集总扰动的影响。针对系统存在的集总扰动,为了保证高跟踪精度,结合STNFTSM设计了自适应SRWNN补偿器来消除扰动,保证了鲁棒性。与现有常规滑模控制相比,仿真验证表明SRWNN_STNFTSM具有良好的跟踪性能和鲁棒性,能够对集总扰动下的板球系统进行准确跟踪。