买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种自适应反步滑模控制的舰载光电跟踪系统设计方法，其包括以下步骤：搭建两轴舰载光电跟踪平台；根据光电跟踪伺服系统中的直流力矩电机的传递函数，得到直流力矩电机模型状态方程；根据直流力矩电机模型状态方程，采用反步法设计直流力矩电机的基本控制器；采用反步法，基于滑膜控制器，设计反步滑膜控制律；通过Lyapunov函数I，验证基本控制器与反步滑膜控制器的稳定性；根据RBF神经网络去估计扰动d，设计自适应反步滑模控制律；采用Lyapunov函数II，验证自适应反步滑模控制器的稳定性；该方法结合反步法设计滑模控制器，以克服舰载光电跟踪系统受到干扰和模型不确定性的影响，达到提高了系统的动态抗扰能力和鲁棒性目的，进而提高跟踪精度。

主权项：1.一种自适应反步滑模控制的舰载光电跟踪系统设计方法，其特征在于：包括以下步骤：搭建两轴舰载光电跟踪平台；根据光电跟踪伺服系统中的直流力矩电机的传递函数，得到直流力矩电机模型状态方程；根据直流力矩电机模型状态方程，采用反步法设计直流力矩电机的基本控制器；如果不考虑扰动情况下,光电跟踪伺服系统被控对象传递函数为： 将其转化成微分形式的：式中：a0＝CmKeJL，a1＝RL，b0＝CmJL进一步考虑扰动的情况下，将被控对象模型微分形式变换如下：x1＝ω2 采用反步法，基于滑膜控制器，设计反步滑膜控制律，控制器设计如下：z1t＝x1t-xdt5z2t＝x2t-α1t6 其中：z1、z2表示误差变量，K2表示增益系数，x1，x2分别表示速度和加速度，u表示控制输入，xdt,为目标给定量，给定一阶导数和二阶导数，k1为控制器参数，α1t,分别为虚拟反馈量和虚拟反馈量的一阶导数；通过Lyapunov函数I，验证基本控制器与反步滑膜控制器的稳定性；根据RBF神经网络去估计扰动d，设计自适应反步滑模控制律；采用Lyapunov函数II，验证自适应反步滑模控制器的稳定性；所述采用反步法，基于滑膜控制器，设计反步滑膜控制律的过程如下：设计积分滑模面St和互补滑模面Sct如下： 根据积分滑模面St和互补滑模面Sct之间的关系及根据滑模等效控制原理可得，滑模控制律u由等效控制律ueq和切换控制律uhit组成，设计滑模控制律为: 其中，D是扰动d的上界值|d|≤D；所述St和Sct之间的关系如下： 所述根据RBF神经网络去估计扰动d，自适应反步滑模控制律的表达式如下：定义扰动d＝W*TSz+ε19其中，z为神经网络输入,W*是RBF的理想权重，ε为神经网络逼近误差，Sz＝[s1,s2,···,sj]是RBF神经网络基函数向量；定义权重误差为：其中，为理想权重和估计权重的误差，为神经网络估计权重；假定扰动估计为： 其中，是ε的估计值；得到自适应反步滑模控制律为： 其中，xdt,为目标给定量，给定一阶导数和二阶导数，k1为控制器参数，k2表示控制器参数，a0、a1均是电机参数，α1是反步法设计中的虚拟控制量，是RBF神经网络权重估计值，Sz是神经网络基函数，ε神经网络估计误差；所述RBF神经网络基函数Sz表达式如下：Sz＝[s1,s2,...,sl]T22 其中，z＝[z1z2]T为神经网络输入，W*是RBF的理想权重，Sz是RBF神经网络基函数，cj和σj分别是第j个高斯基函数的宽度和中心，SZ神经网络隐含层输出，l是神经网络隐含层节点数；设计自适应反步滑模控制律为： 其中，是ε的估计值，为理想权重和估计权重的误差；为验证自适应反步滑模控制器的稳定性，选取Lyapunov函数II为： 对上式求导得： 为了使系统稳定，使系统更快的收敛，联立可得： 其中，λ1和λ2为收敛系数。

全文数据：

权利要求：

百度查询： 大连海事大学 一种自适应反步滑模控制的舰载光电跟踪系统设计方法