目的　给出线性跟踪微分器的设计方法,并研究将其用于控制系统状态反馈的效果.方法　利用积分器反馈方法,给出了α阶线性跟踪微分器(可实现对微分信号的α阶静态无差跟踪)及γ阶强跟踪微分器(可直接获得待微分信号的1～γ阶微分估值)两种线性跟踪微分器设计方案,并将其用于直接获取状态及进行状态反馈控制的仿真研究.结果与结论　结果表明只要合理地选择跟踪微分器的类型及参数,无论对线性系统还是非线性时变系统,这一方法均是有效的.文中还给出了选择线性跟踪微分器的基本原则.

在一种减压阀流量特性测量的新方法中,需要通过计算压力信号的导数来计算流量。如何在含有噪声的压力信号中准确提取压力微分信号是一个关键问题。该文借鉴控制领域研究成果,用跟踪微分器对压力信号的滤波并提取其微分信号。研究结果表明该方法具有参数调整简单,易于程序实现,数据处理结果较高等特点。

机电伺服系统存在较多不确定性,制约了系统性能提升。已有非线性控制方法虽可处理系统不确定性,但往往不能满足系统高频跟踪要求,而传统线性频宽控制方法又往往缺乏主动补偿不确定性的手段。针对机电系统参数未知又受时变干扰的情形,设计了一种L1自适应非线性控制策略,不仅有效补偿了系统不确定性,而且实现了非线性控制器与线性频宽参数的一体化设计。鉴于L1自适应控制策略依赖全状态反馈,又对测量噪声敏感,进一步搭建了跟踪微分器,快速跟踪速度信号动态特性的同时抑制了噪声,针对机电伺服系统的特点实现了跟踪微分器与L1自适应控制的有效融合。最后,对比仿真结果验证了算法的有效性。

针对移动机器人的轨迹规划和轨迹跟踪控制问题,提出一种加速度和速度约束情况下,通过贝塞尔曲线拟合参考轨迹,再利用跟踪微分器规划平滑速度的轨迹规划新方法;基于Backstepping方法,建立机器人位姿误差方程并进行控制器的设计,同时分析了控制参数对轨迹跟踪性能的影响;将轨迹规划方法和控制算法结合,并在仿真平台和移动机器人实物平台上进行实验验证。实验结果验证了轨迹规划算法和控制器的可靠性及有效性,相比于未进行速度规划、速度不连续和滑模控制等方法,提出的方法控制平稳且有效减少了位姿误差。

针对工程实践中电机转动惯量在线辨识方法中输入参数的异步性和噪声干扰，采用基于模型参考自适应的转动惯量辨识方法，并使用跟踪微分器对输入参数进行预处理来解决以上问题。对模型参考自适应和跟踪微分器这两种关键技术进行研究，为工程应用中普遍得不到理想转动惯量辨识结果的在线辨识方法提供了一个比较好的解决思路。实验表明：经过跟踪微分器预处理后，基于模型参考自适应的转动惯量在线辨识方法能获得比较理想的辨识效果，结果精确、辨识速度较快，具有良好的抗干扰性能。

在一种减压阀流量特性测量的新方法中,需要通过计算压力信号的导数来计算流量。如何在含有噪声的压力信号中准确提取压力微分信号是一个关键问题。该文借鉴控制领域研究成果,用跟踪微分器对压力信号的滤波并提取其微分信号。研究结果表明该方法具有参数调整简单,易于程序实现,数据处理结果较高等特点。