基于Backstepping设计的非线性鲁棒自适应控制

针对一类具有未知参数,未建模动态和外界干扰的不确定非线性系统,选择适当的参数对这些不确定性进行估值和补偿,利用Backstepping方法,设计了一种新的鲁棒自适应控制器.该控制器能保证闭环系统的所有信号是全局有界的,且输出的绝对值可以任意小.仿真结果表明,所设计的鲁棒控制器达到了理想的结果.     

柔性关节机械臂自适应神经网络动态面控制

针对柔性关节机械臂动力学模型具有非线性、不确定性和未知的外界扰动等问题,提出了基于自回归小波神经网络的自适应动态面控制方法.采用对于非线性系统具有良好学习和快速收敛能力的自回归小波神经网络,在线观测和补偿动力学模型的不确定项.并应用动态面方法设计控制器实现了关节轨迹跟踪控制.仿真和实验结果显示:当存在模型参数不准确及未建模的外部扰动力矩时,控制算法表现出良好的自适应能力,与传统动态面法和PD(比例微分)控制相比较,显著提高了柔性关节的位置跟踪精度.     

一类非线性不确定系统的鲁棒自适应控制

针对一类同时含未建模动态、非线性不确定性和参数不确定性的非线性系统,研究它的鲁棒自适应控制问题。系统中含有的未建模动态是更广泛的输入到状态实践稳定,非线性不确定性满足三角界条件。在李雅普诺夫第二方法框架下,应用自适应反演技巧,显式地构造出光滑的部分状态反馈控制器。该鲁棒自适应控制器能保证对所有允许的不确定性闭环系统的信号全局一致径向有界,且输出收敛于原点的小领域。仿真结果验证了所得结论的有效性。     

一类非线性系统的模糊自适应辨识及稳定性分析

针对一类含未建模动态的非线性系统,提出了一种模糊自适应辨识及稳定性分析方法.该方法首先设计模糊辨识器对系统未知部分进行辨识,然后设计控制器使系统稳定.控制器中的状态反馈控制器使系统的线性部分稳定,而基于辨识器的补偿器则用来消除未建模动态.仿真研究结果表明:该方法可以对非线性系统进行辨识,并使得整个系统稳定.     

参数不确定网络拥塞系统的保性能控制

针对网络控制系统在建模过程中普遍存在的参数不确定性问题,在现有的网络拥塞控制模型基础上,考虑了系统具有时变参数不确定性的情况.通过对已有非线性动态TCP模型进行线性化,得到一个带有参数不确定性的线性时变系统,并且,该线性系统模型能够更精确描述原来非线性系统.对于已得到的线性系统,利用Lyapunov稳定性理论,以及结合...     

一类不确定非线性系统的参数自适应滑模控制

针对一类具有不确定性的非线性系统,考虑参数摄动、未建模动态和外界干扰等各种不确定性的综合影响,提出了一种基于切换增益和sigmoid函数边界层厚度的参数自适应滑模控制策略,采用李雅普诺夫稳定性理论证明了闭环系统全局稳定性.该控制方法消除了传统滑模控制的输入抖振现象,而且跟踪精度高,无须确知不确定项的界.仿真算例验证了该方法的有效性.     

一类不确定非线性系统的鲁棒自适应跟踪

讨论了一类含线性未知参数和未建模动态的不确定非线性系统的自适应跟踪问题,通过backstepping过程给出了自适应控制规律。在该控制作用下,所有状态信号和控制信号都是有界的,且可保证未建模动态对输出的影响任意地小。     

一般非线性系统的鲁棒适应控制

主要对结构不确定性中含有未知参数和未知非线性函数的非线性系统,在参数上界未知的情况下,对参数进行在线估计,设计出适应控制器.     

一类中立非线性系统的未知参数谐波扰动补偿

对于一类受到外部未知参数谐波信号干扰下的中立非线性不确定系统,提出了一种基于自适应前馈补偿的控制器设计方法。首先设计非线性观测器将未知扰动估计问题转换为参数辩识问题,并在前馈通道对扰动进行抵消,其次设计具有鲁棒性能的状态反馈控制器来抑制未建模动态,从而在外部扰动和模型参数不确定同时作用下,使系统具有较好的控制性能。对二关节机械臂的仿真证明该方法的有效性。     

一类带有输入参数的不稳定内部动态的非线性系统自适应镇定

主要考虑了带有输入参数的不稳定内部动态的一类非线性输出反馈系统的全局稳定性. 内部动态的系数是输出的函数,系统的不确定性是由未知参数向量给出,输入的系数也有参数. 控制设计中最重要的一步是估计内部动态,之后在其基础上设计控制.     

基于小增益定理的非线性系统的自适应动态面控制

针对一类具有未知死区的严格反馈不确定非线性系统,基于输入状态稳定理论和小增益定理,利用T-S模糊系统的逼近能力,提出一种自适应模糊控制方案.该方案取消了死区模型参数上下界已知的假设和虚拟控制增益要求可微的假设;利用动态面控制技术,将一阶滤波器引入后推设计中避免了传统后推方法中对虚拟控制反复求导而导致的计算复杂问题.通过构造2个耦合的子系统满足输入状态稳定条件,利用小增益定理分析证明闭环系统半全局一致终结有界,且选取适当的设计常数,跟踪误差可收敛到零的一个小邻域内.     

非线性广义系统的输入-状态稳定性

研究非线性广义系统的输入-状态稳定性问题.输入-状态稳定性是非线性控制系统的一个重要性质,基于非线性系统的输入-状态稳定性概念,给出非线性广义系统输入-状态稳定(ISS)的定义,并利用ISS-Lyapunov函数给出非线性广义系统输入-状态稳定的一个充分条件.     

基于无源辨识器的随机非线性系统自适应跟踪模块化设计

运用基于估计的模块化设计思想,研究了受方差不确定Wiener噪声干扰的参数严格反馈非线性系统对已知信号的自适应跟踪问题.构造控制Lyapunov函数,设计了具有鲁棒稳定特性的输入状态稳定控制器,确保系统满足控制器-辨识器分离.对不确定方差采用自适应方式处理.根据无源性理论,设计无源辨识器模块,给出了参数自适应律,确保系统误差的有界性,使跟踪误差在概率意义下收敛.     

基于least-squares算法的随机非线性系统自适应控制的模块化设计

线性系统中基于估计的模块化设计就是任意镇定的控制器能够和任意标准的辨识器结合在一起,将这种设计思想推广到不确定随机非线性系统的鲁棒自适应控制设计中,设计一个输入状态稳定控制器模块,该控制器具有很强的参数鲁棒稳定性.根据Swapping技术设计辨识器模块,它由两个滤波器组成,将动态参数模型转化为静态模型,基于最小二乘(least-squares,LS)算法设计参数自适应律,并与梯度算法的设计结果进行比较研究,仿真结果验证了该算法的有效性.     

导弹编队飞行控制方法研究

为实现多导弹协同作战时的编队飞行,基于滑模变结构、自适应及非线性动态逆控制理论研究了导弹编队飞行控制方法. 在领弹的速度、加速度以及从弹的速度未知的前提下,将领弹与从弹的相对速度以及领弹的加速度视为可估计的有界不确定量,基于滑模变结构控制理论提出一种仅需弹间相对位置和相对速度信息的鲁棒编队控制律. 采用边界层法消除了系统的抖颤现象,并根据编队稳态误差的要求分析了边界层厚度的设置方法. 运用奇异摄动理论将导弹非线性动力学系统划分为3个快慢变化不同的子系统,考虑系统所受的外部干扰并将其视作有界不确定量引入慢变子系统中,基于自适应变结构控制和非线性动态逆控制理论,设计了具有鲁棒性的导弹编队自动驾驶仪. 仿真结果表明,导弹编队自动驾驶仪能够准确跟踪编队控制指令,实现多导弹的编队飞行.      

多层递归神经网络自适应控制及稳定性分析

提出一种基于多层归神经网络的自适应控制离散时间系统的方法,使用多层递归神经网络及新的动态ＢＰ算法（ＤＢＰ）描述未知系统的输入／输出关系。基于此神经网络模型,提出一种自适应控制方案,并对该方案的闭环稳定性进行了分析。     

受限机械臂的自适应小波滑模位置/力混合控制

针对终端运动受约束的机械臂位置/力混合控制问题,提出了一种自适应小波滑模控制算法.该控制方案将滑模控制的鲁棒性及自适应调整能力与小波神经网络相结合,根据坐标变换得到降阶位置/力模型,针对降阶模型采用小波神经网络在线学习系统未知动力学模型中的非线性部分,同时引入滑模控制自动调整小波网络权值参数,从而对神经网络的固有逼近误差进行有效补偿,达到期望的跟踪性能.二自由度机械臂的仿真结果表明该控制器能保证系统快速有效跟踪指定参考信号.     

两段不对称非线性系统的自适应控制新算法

针对两段不对称非线性系统，分别就非线性部分已知和未知两种情形提出了基于极点配置控制策略的自适应控制新算法，非线性部分已知时，该算法不仅能保证全局稳定性，而且能渐近跟踪一大类参考输出，非线性部分未知时，提出了一种新的辨识方法，使原耦合在一起的线性动态部分和非线性静态部分的参数分开进行辨识，新算法可用于非最小相位系统，并且可辨识的参数少，因此减小了计算量，仿真表明新算法的良好性能。     

基于ADP方法求解未知非线性零和微分对策问题

针对一类未知非线性系统的二人零和微分对策问题,提出了一种基于近似动态规划(ADP)方法的控制方案.该方案首先通过设计一个基于递归神经网络(RNN)模型的辨识方案来近似未知非线性系统动态.通过在RNN模型中增加一个新型的调整项,保证了所建立的RNN模型的动态与原未知系统动态的误差渐近收敛到零.然后在此RNN模型基础上,应用ADP方法求解鞍点存在或者不存在情况下的最优性能指标以及最优控制策略.最后通过一个仿真例子验证了所提方案的有效性.     

基于动态面控制的MIMO自适应神经网络控制

针对一类具有未知函数控制增益的多输入多输出(M IM O)非线性系统,基于后推设计方法和动态面控制技术,提出一种间接自适应神经网络控制方案.该方案通过引入1阶滤波器,消除了后推设计中由于反复对虚拟控制的求导而导致的复杂性问题,并避免了反馈线性化方法可能出现的控制器奇异性问题,参数估计无需使用投影算法.利用李亚普诺夫方法,证明了闭环系统半全局一致终结有界,通过适当选取设计常数,跟踪误差可收敛到原点的一个小邻域内.仿真结果表明了该方法的有效性.