滑模控制概述1 .滑模控制概念2 .滑模控制原理3 .滑模控制设计步骤4 .研究现状5.1自适应滑模变结构控制5.2模糊滑模控制5.3神经网络与滑模控制的耦合
1 .滑模控制概念
滑模控制(Sliding Mode Control，SMC )是一种特殊类型的变结构控制(Variable Structure Control，VSC )，故又称滑模变结构控制，是近年来得到广泛应用和发展的一种控制方法滑模控制本质上是一种非线性控制，控制结构随时间变化。 滑模变结构控制是非线性系统中普遍采用的分析方法之一，其显著优点是对不确定参数和扰动具有较强的鲁棒性，广泛应用于航空航天、机器人控制及化工控制等领域。
2 .滑模控制原理滑模变结构控制。 滑动模式是系统受限于子流形上的运动时的状态。 一般来说，系统的初始状态不一定在其子流形上； 另一方面，在变结构控制器的作用下，在一定时间范围内系统的状态轨迹可以移动并保持在此子流形上，这一过程称为到达过程。 系统的状态轨道以滑动模式移动，最终朝向原点。 这个过程称为滑动运动。
滑动机构的控制原理是，控制器将状态和误差带到滑动面，并保持在滑动面上，可以说是组合了不稳定的相平面图的稳定相平面图。 滑模的运动特性是预先按要求设计的，对参数变化和扰动不敏感，对系统具有极强的鲁棒性。 另外，应用于非线性系统时，不需要进行复杂线性化，因此控制的实现简单且迅速。 这种控制方法的缺点是状态轨迹到达滑模面后，很难沿滑模面平衡移动，来回于滑模面两侧，会发生抖动[4]。
3 .滑模控制的设计程序一般，滑模变结构控制的设计包括以下两个部分：
(1)通过滑模面设计，使系统状态轨迹进入滑模后具有渐近稳定等良好的动态特性；
)滑模控制律设计使系统的状态轨迹在有限时间内移动到滑模面上，并在此基础上保持运动。
滑模控制设计面临的第一步是滑模面的选取问题，滑模面确定后，还决定了滑模运动的稳定性和动态质量。 线性滑动面的公式是状态变量或误差项的累加，或者是状态变量或误差项的微分累加。 线性结构滑模完全能够满足线性系统控制性能的设计要求，系统处于滑模时稳定性分析简洁、方便，参数设计也方便，迄今为止许多研究都是基于线性滑模。 但其局限性在于应用线性滑模面时，系统的状态跟踪误差在有限时间内不会收敛为零。 因此，线性滑模面适用于速度和精度要求不高的非线性系统。
时变滑模面：无论是线性滑模面还是非线性滑模面，控制系统的初始状态都不是完全符合滑模面的，因此系统的运行存在接近阶段和滑模阶段。 时变滑模面随系统状态和时间的变化而变化，使系统始终处于滑模状态运行，消除接近阶段，提高系统的鲁棒性。 结合智能控制，如何设计时变滑模面是滑模面研究的重要内容。
从滑模面外进入滑模面在正常运动阶段的系统质量由趋近律决定。 通过选择不同的接近法，可以获得不同的动态质量特性。 初始趋近律的形式有等速趋近律、指数趋近律、一般趋近律和幂次趋近律，其中常用指数和幂次趋近律。
4 .研究现有滑模变结构控制具有响应迅速、设计简单、抗外部参数和扰动鲁棒性等优点，可用于解决许多问题。 滑模控制自提出以来，在国内外得到了迅速的发展，近十年来还有更多的作品，以滑模控制为主题的文献，仅中文就有7000多件。
非线性系统一直是控制界的热点问题。 由于许多非线性系统很难线性化，滑模变结构控制为解决非线性系统提供了典型的应用环境。 目前，该领域的研究主要包括输入和状态约束的非线性系统和输入约束的非线性系统等。
近年来，基于趋近律的控制方法由于简单且鲁棒，在实际系统中得到了广泛的应用。 在这种方法中，如何找到鲁棒性强、能消除抖振的控制策略是关键，因此，关于改进趋近律的研究是滑模变结构控制研究的热点。
应用领域：滑模控制已有近10年，应用领域不仅局限于电机伺服系统、机器人、机械臂、不确定系统和时变系统，还扩展到航天、船舶、导弹、坦克火控等多种复杂而强大的非线性系统
zxdmy现象是滑模变结构控制的突出问题。 滑模变结构控制的一个显著特点是系统在运行中切换频繁。 由于实际系统的能量都是有限的，控制力也是有限的，而且由于系统惯性的存在，滑模变结构的控制系统切换必然会出现延迟，从而产生zxdmy。
zxdmy的产生会影响控制系统的性能，严重时会导致系统失稳，国内外学者对此问题有很多研究，目前弱化zxdmy的方法主要有以下三种：
过滤方法。 使用滤波器平滑信号。
观测器方法。 通过观测器消除噪声和不确定性，减少zxdmy的发生源。
降低开关增益。 zxdmy是由不连续的控制器切换引起的，所以减小切换增益可以有效地减弱zxdmy。
迄今为止还没有消除zxdmy的统一方法，这些方法各有优劣。
5.1发展趋势5.1随着自适应滑模变结构控制计算机、机器人及电机等技术的飞速发展，采用滑模变结构控制方法研究的系统越来越复杂； 在滑模控制装置的设计中，还出现了复杂的非线性滑模面。 这是滑动面的可达性分析，滑动模式
的稳定性分析带来新的了困难。近年来已有越来越多的学者将滑模控制与其他控制方法相结合，如何巧妙地将不同的控制方法相结合，以克服单一的控制律带来的缺点，是非常值得关注的问题。这其中以自适应和滑模控制方法使用的最多，其次为模糊控制方法.不确定参数由自适应控制来补偿，其它干扰性由滑模控制方法来处理。
现实系统中,参数大多都是变化的,将自适应控制和滑模变结构控制相结合为解决参数在线估计提供了很好的思路。此外,在滑模变结构控制中,为保证滑模面的可达性,通常假设系统的不确定参数和外界扰动为上、下界已知,但在现实系统中，上述条件通常难以实现。针对这一问题，学者们提出了自适应滑模变结构控制的思想并得到了广泛应用。 5.2模糊滑模控制
模糊滑模控制的作用表现的两方面，在有些文献中将不连续的控制信号连续化，可减轻或避免一般滑模控制的抖振现象:另一种作用是模糊规则还可以实现滑模控制参数的自调整.将模糊控制与滑模控制结合可以改进和优化滑模变结构控制，主要优点在于控制器与系统模型独立，模糊规则容易建立，模糊控制无需建立系统精确的数学模型，具有很强的鲁棒性。
根据对已有研究成果的描述和分析，我们可以对该研究领域的进一步发展作出一些预测.模糊控制和滑模变结构控制的相似性，已经提供了一种新的模糊控制系统参数设计的策略和方法,在今后研究中可基于这种策略，发展已有方法，为常规模糊控制一直面临的稳定性分析乃至完全系统化的设计、分析与综合问题提供解决手段。
模糊滑模控制（FSMC）具有启发式特征，其结构和运算简单，把模糊控制对模型的完全不依赖性和滑模控制的鲁棒性结合在一起，按照滑模控制原理巧妙地实现了控制目标的转换，是控制工程中很有前途的实用控制方法。关于其前进和发展方向，可以看到，模糊滑模控制的设计仍然是基于经验的，在控制结构和设计策略.上对于常规模糊控制有较强的继承性，它表现出的鲁棒稳定性并没有真正按滑模控制理论获得严格的证明,因此形式化地加以证明是一项重要工作，对于控制对象为低阶时控制器结构的简化文的工作具有积极意义，它已经初步展示了在以滑模方式进行“信息融合”的基础，上继续运用这种方法从而形成高层滑模和信息融合的思想。
由于自适应、神经网络、模糊控制和滑模变结构控制之间具有很强的互补性，既可保持系统稳定，又可减弱抖振,同时不失强鲁棒性，因此，目前滑模变结构控制方法与各种智能控制方法相结合已经成为重要的研究方向,并随之出现了许多新的问题有待进一步研究。
神经网络具有较强的自学习能力,可以充分逼近任意复杂的非线性。其缺点是稳定性及收敛性证明困难，学习速度较慢,难以控制较复杂的对象。可利用模糊逻辑的推理能力,神经网络的自学习能力和滑模变结构的快速性，进行多种控制方式融合，实现滑模变结构的智能控制。
人工神经网络是在现代神经生物学研究基础上提出的模拟生物进化过程以反映人脑某些特性的计算结构，在外界输入样本的刺激下不断改变网络的连接权值乃至拓扑结构，以使网络的输出不断地接近期望的输出.其最大的优点在于具有较强的学习能力和高度的并行运算能力，能充分逼近任意复杂的非线性关系并具有较强的鲁棒性和容错性。
滑模变结构控制存在的不足，促使其与神经网络控制相结合，以使系统在保持对摄动和外部干扰强鲁棒性的同时，尽量消除抖振的发生.从上个世纪后期开始，许多专家学者就结合二者进行了很多研究工作，在诸多方面得到了非常有意义的成果。