第40卷第1期2023年1月控制理论与应用ControlTheory&ApplicationsVol.40No.1Jan.2023基基基于于于神神神经经经网网网络络络观观观测测测器器器的的的反反反推推推终终终端端端滑滑滑模模模位位位置置置控控控制制制付东学,赵希梅†(沈阳工业大学电气工程学院,辽宁沈阳110870)摘要:为了提高永磁直线同步电机(PMLSM)的位置跟踪精度,本文提出了一种基于神经网络自适应观测器的反推终端滑模控制(TSMC)方法.首先,建立PMLSM的动力学模型.然后,利用RBF神经网络的万能逼近特性去逼近系统中不确定性,并将逼近后的输出信号输入给自适应观测器进行跟踪目标位置和速度的估计,补偿由不确定性所导致的跟踪误差,进而获得高精度的跟踪性能.同时反推TSMC方法能够保证系统状态在有限时间内收敛,有效改善了系统响应速度和鲁棒性能.此外,设计出一种新型饱和函数来改善系统抖振,并利用Lyapunov稳定性定理进行了闭环系统稳定性分析.最后,通过空载和负载实验证实了该控制方案的有效性.关键词:永磁直线同步电机;神经网络;终端滑模控制;观测器;抖振引用格式:付东学,赵希梅.基于神经网络观测器的反推终端滑模位置控制.控制理论与应用,2023,40(1):132–138DOI:10.7641/CTA.2022.11227BacksteppingterminalslidingmodepositioncontrolbasedonneuralnetworkobserverFUDong-xue,ZHAOXi-mei†(SchoolofElectricalEngineering,ShenyangUniversityofTechnology,ShenyangLiaoning110870,China)Abstract:Inthispaper,abacksteppingterminalslidingmodecontrol(TSMC)methodbasedonneuralnetworkadaptiveobserverisdesignedtopromotethepositiontrackingaccuracyofpermanentmagnetlinearsynchronousmotor(PMLSM).First,thedynamicsmodelofPMLSMisestablished.Then,thegeneralizedapproximationpropertyofRBFneuralnetworkisusedtoapproximatethesystemuncertainty,andtheapproximatedoutputsignalisfedtotheadaptiveobserverfortrackingtargetpositionandvelocityestimationtocompensatethetrackingerrorcausedbytheuncertainty,andthenobtainthehighaccuracytrackingperformance.ThebacksteppingTSMCmethodalsoensuresthatthesystemstateconvergesinfinitetime,whicheffectivelydevelopstheresponsespeedandrobustness.Inaddition,anewsaturationfunctionisdesignedtoweakenchattering,andLyapunovtheoremisusedtoensurethestabilityoftheclosed-loopsystem.Finally,theeffectivenessofth...
