基于高增益观测器的非线性系统自适应模糊滑模控制

针对一类有界的不确定非线性系统,基于高增益观测器并结合自适应模糊逻辑系统和滑模控制,提出了一种基于高增益观测器的自适应模糊滑模控制方案。该方案不需要系统状态可测的条件,而是通过设计高增益观测器来估计系统的状态并能保证观测误差一致最终有界。基于李亚普诺夫函数方法,给出了自适应模糊滑模控制律以及在线调节的参数自适应律。所提出的控制方案不但能使闭环系统稳定,而且保证了跟踪误差的一致最终有界性。仿真结果进一步验证了该控制方案的实用性和有效性。     

基于可变增益的翼伞自适应模糊反步降高控制

针对含模型不确定性的无人动力翼伞低空降高控制问题,提出了一种基于可变增益的自适应模糊反步法控制策略。首先,推导了稳定航速下翼伞尾沿偏转变增益反步控制律,通过设计增益参数简化了控制器形式。然后,利用模糊逻辑系统在线逼近系统的不确定性,并加入自适应鲁棒项对逼近误差进行消除,采用Lyapunov理论得出的模糊系统权值和逼近误差自适应律,保证了闭环系统的一致最终有界性和跟踪精度。最后,针对控制器增益的组合形式,采用单独的模糊系统对增益参数进行在线调节。仿真结果验证了所提方法的有效性。     

基于观测器的一类不确定非线性系统自适应输出反馈控制

针对一类不确定非线性系统,基于非线性状态观测器采用回馈递推(Backstepping)设计方法提出了一种鲁棒自适应L2增益控制方案。该控制方案首先对系统的不可观测状态设计非线性状态观测器,在此基础上通过多步递推得到系统的控制律并设计了未知干扰的参数自适应律,使系统具有L2增益性能。同时把采用常规设计方法需要对过多参数进行辨识问题简化为只需对与未知干扰个数相同的参数进行辨识的问题,简化了控制器结构。最后通过仿真算例验证了所设计控制方案的有效性。     

非匹配不确定时滞系统的自校正滑模控制

针对一类不匹配、不确定并具有状态时滞的多输入多输出线性系统,基于线性矩阵不等式理论提出一种新的自校正滑模控制方法。该方法利用线性矩阵不等式给出滑动模态存在的充分条件,使系统在滑动模态运动下对于存在的不匹配不确定性扰动以及状态时滞具有完全不变性。引入双极性Sigmoid函数代替符号函数并根据Lyapunov稳定性理论设计了具有自适应能力的滑模控制器,在自适应律的作用下Sigmoid函数的边界层厚度以及切换增益可根据系统状态进行自适应调节,从而改善了滑模控制器输出量过大以及抖振等现象。基于Lyapunov理论证明了该方法的稳定性,最后通过仿真实验进一步验证了该方法的可行性及有效性。     

一类化工过程自适应状态观测器的设计

提出了一种非线性系统自适应状态观测器的设计方法。根据系统工作点的变化在线配置极点,选取合适的反馈增益矩阵,无论如何选取状态观测器的初值,都能保证观测器在大范围内稳定工作。理论分析了存在模型误差和噪声干扰时观测器的鲁棒性。在CSTR上的仿真结果证明,用该方法设计的观测器能够稳定收敛到状态真值,并且对模型失配和噪声干扰有一定的抑制能力     

一种MIMO OFDM系统中的自适应比特和功率分配算法

分析了MIMOOFDM系统中的自适应调制问题,提出了一种BICM-OFDM系统中的自适应比特和功率分配算法。基于完整的信道状态信息和奇异值分解理论,该算法自适应的为各发射天线的各个子载波分配比特和功率。蒙特卡罗仿真表明在10-5的误码率条件下在2×2MIMOOFDM系统中该算法相对于不采用自适应技术有大约4dB的相对增益。     

增益符号未知的鲁棒自适应模糊控制

针对一类具有函数控制增益符号未知的不确定非线性系统,根据滑模控制原理和模糊系统的逼近能力,提出了一种自适应模糊控制器设计新方案。该方案利用Nussbaum函数的性质,取消了常用的函数控制增益符号已知这一条件。并通过引入最优逼近误差的自适应补偿项来消除建模误差和参数估计误差的影响。理论分析证明了闭环系统的有界性和跟踪误差收敛到零。仿真结果表明了该方法的有效性。     

自适应延迟反馈控制Lorenz系统

用稳定性理论证明Lorenz系统平衡点在延迟反馈控制和自适应延迟反馈控制的稳定性.将自适应方法引入延时反馈控制系统,构成一种自适应延迟反馈控制混沌Lorenz系统,该方法能自动调整控制增益,使Lorenz系统由混沌运动状态转变为规则运动状态.由于初始控制增益取零值,所以控制扰动始终是很小,并在受控系统进入定常态后,控制扰动自动地趋于零,改善了DFC初始控制扰动过大的问题.在Matlab数值仿真中观察到控制增益和控制扰动的自动调整过程,验证了受控系统对平衡点的稳定收敛.     

基于神经网络的自由漂浮空间机器人鲁棒控制

针对带有模型误差及外界扰动的自由漂浮空间机器人轨迹跟踪问题,提出了一种基于神经网络的自适应鲁棒控制策略。采用对神经网络状态空间进行划分后与滑模变结构结合的控制器,对不确定非线性进行自适应学习,逼近误差作为外部干扰由鲁棒控制器消除。该方法从整个闭环系统的稳定性出发,利用H_∞理论设计的鲁棒控制器及神经网络权值的在线调整规则保证了系统的稳定性,并能使系统L2增益小于给定的指标,具有较好的控制精度及动态特性。仿真分析进一步证明了该自适应鲁棒控制算法的有效性。     

#br# 不确定参数快估反演自适应最优L2增益控制

为了加快参数自适应律微分方程求解速度和状态变量的稳定收敛速度,通过改进常规反演自适应L2增益控制算法和引入线性矩阵不等式(linear matrix inequality,LMI),实现了参数自适应律微分方程只需一步积分运算即可求解,简化了不确定参数自适应律计算求解,并保证了L2增益系数最小,给出了不确定参数快估反演自适应最优L2增益控制（rapid back stepping adaptive optimal L2 control, OP-L2-RBAC）的通式。军用电站谐波励磁系统的控制仿真结果表明,相对于传统反演自适应L2增益控制,该方法可加强军用电站励磁系统的动态稳定性。     

参数不确定Liu混沌系统的模糊反馈控制

研究了新近提出的Liu混沌系统的模糊控制方法。在用T-S模糊模型重构了系统结构的基础上,利用反馈控制思想,设计了Liu混沌系统的模糊控制方法,并通过Lyapunov函数的推导得到了系统以衰减率α全局渐近稳定的充分条件。该方法适用于参数确定的系统和含有不确定参数的系统。文章对两种情况均进行了仿真实验。所有的控制参数可以通过LMI方法得到,仿真结果验证了该控制方法的有效性。该模糊控制方法在连续混沌系统中具有通用性。     

不确定非线性系统变结构模糊自适应鲁棒控制

考虑一类不确定非线性系统的鲁棒控制器设计问题,在假设系统不确定性函数结构未知的情况下,利用模糊系统对不确定性函数进行逼近,将获得的模糊系统函数作为系统不确定性界函数。在此基础上,提出了一种变结构模糊自适应鲁棒控制算法,该算法在确保系统的滑动模态超平面为渐近可达的前提下,在线对系统模型的控制增益参数和不确定性函数的界参数进行估计。最后以船舶减摇鳍非线性控制系统为例,进行了变结构鲁棒自适应模糊控制器的设计。仿真研究表明,所提出的算法是有效的。     

分散自适应模糊滑模控制器与车辆跟随控制

针对一类不确定非线性大系统提出了一种新的组合型自适应分散模糊滑模控制算法.借助模糊逻辑系统与滑模方法设计的控制器加权组合了间接与直接自适应两种模糊控制器,可以同时融合被控对象知识与控制知识两种模糊信息来提高自适应效果.在一类大系统框架下基于统一的格式提出了间接与直接自适应模糊控制设计方案,并进一步消除了现有各种相关控制算法的缺陷.闭环大系统被证明是一致渐近稳定的.该算法应用于自动公路系统车辆的跟随控制,仿真结果表明提出的组合型自适应模糊控制系统比通常间接或直接自适应模糊控制系统具有更好的跟踪性能.     

基于观测器的非线性系统直接自适应模糊控制

针对状态不可测的一类不确定非线性系统,利用模糊系统的逼近能力,提出一种基于观测器的直接自适应模糊控制方案。该方案通过引入观测量的调制函数,使得模糊系统的输入集在有界闭区域上,从而取消了观测量有界的假设。利用Kalman Yacubovitch Popov定理及李亚普诺夫函数,证明了闭环控制系统所有信号是有界的,跟踪误差收敛到零。仿真结果表明了该方法的有效性。     

一类不确定非线性系统的自适应模糊控制

对一类不确定非线性系统提出自适应模糊控制方法。此方法用模糊逻辑系统设计自适应模糊监督控制器和自适应模糊控制器,且设计补偿器对逼近误差进行补偿,以此来减少逼近误差对跟踪精度的影响,同时对自适应模糊监督控制器和自适应模糊控制器中的未知参数设计了自适应学习律。证明了该方法不但能保证闭环系统稳定,而且可使跟踪误差收敛到原点的邻域内。仿真结果验证了此方法的有效性。     

直接鲁棒自适应模糊控制

针对一类不确定非线性系统 ,基于监督控制方案并利用第二类模糊系统的逼近能力 ,提出了一种直接鲁棒自适应模糊控制器设计的新方案。该方案通过引入最优逼近误差的自适应补偿项来消除建模误差的影响 ,从而在稳定性分析中取消了要求逼近误差平方可积或逼近误差的上确界已知的条件。理论分析证明了闭环控制系统是全局稳定的 ,跟踪误差收敛到零。仿真结果表明了该方法的有效性。     

基于T-S模型的非线性系统离散时间滑模控制

基于T-S模糊模型,讨论了一类非线性离散时间系统的控制问题。采用T-S模糊模型来描述非线性系统的动态模型,再将非线性系统的全局T-S模糊模型转化为线性不确定系统的模型。这样复杂的非线性系统的稳定问题就转化为线性不确定系统的鲁棒镇定问题。采用离散时间滑模控制方法实现线性不确定系统的鲁棒镇定。利用用线性矩阵不等式技术设计稳定的滑动模面,以降低非匹配不确定对系统的影响。给出了线性矩阵不等式形式的稳定滑动模面存在的充分条件。此外还给出了滑模控制律的设计方法。所给设计方法可保证系统鲁棒镇定,并且在滑动模面附近的抖振可明显减弱。最后,给出了truck-trailer的仿真算例,证明了所给方法的可行性和有效性。     

基于模糊逻辑的一类复杂系统全息控制设计

针对一类结构上具有相似性的非线性不确定复杂系统,利用模糊逻辑系统可以充分逼近连续函数的性质,研究这类复杂系统的鲁棒镇定问题,设计出了系统的全息鲁棒控制器和模糊逻辑系统参数估计的自适应律。为了简化控制器结构,在构造模糊逻辑系统时对被控系统的不确定性进行了归一化处理。在较弱的假设条件下,证明了这种控制器使被控系统的状态及参数估计误差一致终极有界,同时给出了误差的严密的数学分析。仿真实例表明所提出的方法是有效的。     

AN INTELLIGENT CONTROL SYSTEM BASED ONRECURRENT NEURAL FUZZY NETWORK AND ITS APPLICATION TO CSTR

In this paper, an intelligent control system based on recurrent neural fuzzy network is presented for complex, uncertain and nonlinear processes, in which a recurrent neural fuzzy network is used as controller (RNFNC) to control a process adaptively and a recurrent neural network based on recursive predictive error algorithm (RNNM) is utilized to estimate the gradient information ρy/ρu for optimizing the parameters of controller.Compared with many neural fuzzy control systems, it uses recurrent neural network to realize the fuzzy controller. Moreover, recursive predictive error algorithm (RPE) is im-plemented to construct RNNM on line. Lastly, in order to evaluate the performance of the proposed control system, the presented control system is applied to continuously stirred tank reactor (CSTR). Simulation comparisons, based on control effect and output error,with general fuzzy controller and feed-forward neural fuzzy network controller (FNFNC),are conducted. In addition, the rates of convergence of RNNM respectively using RPE algorithm and gradient learning algorithm are also compared. The results show that the proposed control system is better for controlling uncertain and nonlinear processes.