广州番禺登高车出租， 中山登高车出租， 佛山登高车出租      分数阶积分滑模控制器在液压位置伺服系统中的作用？  

   （1）针对液压位置伺服系统所面临的不确定问题，采用超螺旋滑模控制算法进行实验控制。并证明了其对应的系统稳定性。最终的控制器其增益是自适应且通过实验可以看出，该方法可以准确跟踪给定的三种期望信号。同时具有较好的自适应能力，与传统滑模控制相比其跟踪误差更小，提高了系统的控制精度。

    （2）由于液压位置伺服系统很难获得其精确的系统模型，因此本课题使用RBF 神经网络对系统中的未知函数实现逼近。针对液压位置伺服系统，首先设计了基于神经网络的积分滑模控制。然后基于传统积分滑模设计思想将分数阶微积分与其结合，重新设计了滑模面，进而提出了神经网络分数阶积分滑模控制算法。目前已经提出的控制方法在设计时都认为系统的控制方向是已知的。但当致动器的控制方向无法确定或由于某些不可控因素发生变化时，当前已有的绝大多数控制策略将无法完成控制目标。因此设计人员无法确定控制力的方向这一问题也是对实现高性能控制的另一种阻碍。故进一步考虑液压位置伺服系统控制方向未知的问题，基于RBF 神经网络逼近不确定部分，采用反步自适应控制策略并结合Nussbaum 增益技术，分别提出控制方向未知时的反步自适应神经网络积分滑模控制器和反步自适应神经网络分数阶积分滑模控制器。并分别证明了提出的所有控制器的稳定性。通过实验验证可知，提出的四种控制器均能实现对给定信号很好的跟踪。且结合分数阶积分滑模设计的控制器其控制效果总是最好的，因此针对此系统进行分数阶相关控制的研究是具有一定应用前景的。

      广州番禺登高车出租， 中山登高车出租， 佛山登高车出租

    （3）针对液压位置伺服系统，继续考虑控制方向未知问题提出反步自适应神经网络控制器，并对系统稳定性进行了理论证明。为了减小反步控制设计的复杂度，基于动态面控制，提出了控制方向未知时的自适应神经网络动态面控制策略。动态面控制是对反步法的改进，由于反步控制器在设计过程中对虚拟变量需要进行多次微分操作，所以该方法通过一阶滤波器来尽可能的避免该问题，进而可以降低控制器的计算复杂度。并对该控制器对应的系统稳定性进行了证明。实验验证得出，所提出的控制器对给定的参考信号均能实现跟踪控制实验，证明了所提出方法的有效性。

         通过将本文提出的方法与其他已有方法对比可以得出：无论是在考虑系统控制方向未知还是假定方向已知且为正向的情况下，基于神经网络的分数阶积分滑模控制器总是具有最好的控制效果，跟踪误差最小。实验结果还表明，反步自适应神经网络控制的跟踪误差相比于自适应神经网络动态面控制更小，这与理论结论是相悖的。出现该结果的可能原因分析如下：首先，由于反步控制器设计过程中出现的微分爆炸问题是跟随系统阶次的增加而增加，故针对此引入了动态面控制。但是，在针对液压位置伺服系统设计控制器时，该系统近似为三阶系统，阶数不算很高；其次，在设计过程中，神经网络主要用来逼近未知项。在反步自适应神经网络控制中，仅在最后一步使用了神经网络。而对于自适应神经网络动态面控制在设计过程中，每个步骤都存在未知函数需要逼近，因此，该方法中由逼近所引起的颤振会比反步自适应神经网络控制更严重，误差更大。以上研究对于实现液压位置伺服系统的高性能控制具有重要意义。

        广州番禺登高车出租， 中山登高车出租， 佛山登高车出租