机电伺服系统鲁棒自适应重复控制

针对执行周期性任务的机电伺服系统,设计了一种基于傅里叶级数近似的鲁棒自适应重复控制器,以抑制呈现一定周期性的建模不确定性对伺服性能的不利影响.通过对周期性的建模不确定性进行傅里叶级数近似,将自适应补偿和误差符号积分鲁棒(RISE)反馈相结合,其中自适应律用于处理系统参数不确定性,而RISE鲁棒控制律则可抑制其他非周期性建模不确定性,且鲁棒增益可自动调节.基于Lyapunov稳定性理论证明了闭环系统半全局渐近稳定,且系统所有信号有界.仿真结果表明,所提出的控制策略具有很好的建模不确定性抑制能力,可显著提高机电伺服系统的跟踪精度.     

一类基于模糊系统的非线性鲁棒自适应预测控制

基于模糊系统研究了一种新的非线性鲁棒自适应预测控制算法,并应用于空天飞行器(ASV)再入飞行的姿态控制律设计.利用模糊系统的一致逼近能力,逼近被控对象中的未知干扰和不确定性因素,并基于Lyapunov方法设计了鲁棒自适应控制律.模糊系统的权值无需调整,仅需根据系统的跟踪误差调节鲁棒自适应控制器中的参数,在线调整的参数仅为2个,从而大大简化了控制器的设计.理论分析证明了闭环系统的所有信号一致最终有界.利用所提控制算法设计了ASV高超声速飞行姿态的控制系统,仿真的系统响应时间为l.5s,且无超调,这表明该算法对参数不确定性和外界干扰具有较强的鲁棒性.     

电液伺服系统多模型鲁棒自适应控制

针对电液伺服系统中存在不确定非线性和强参数不确定性的问题,提出一种多模型鲁棒自适应控制算法。根据系统参数不确定性范围建立了多个辨识模型,在辨识模型中设计非线性鲁棒项,以抑制干扰、未建模动态等不确定非线性的影响,提高系统的鲁棒性。基于辨识模型设计相应的控制器,采用基于辨识误差的性能指标函数作为切换依据,选取最佳控制器作为当前控制器,解决了传统自适应控制对参数自适应初值敏感的问题。该方法能够克服不确定非线性和强参数不确定性的影响,使系统得到渐进跟踪的性能,提高系统的瞬态响应性能。实验结果表明,该算法能抑制建模不确定性的影响,系统期望跟踪指令幅值为10mm时,跟踪误差大约为0.038 6mm,相对跟踪误差约为0.386%,系统跟踪精度得到了提高。     

一类非线性系统的鲁棒自适应控制

作者考虑一类具有有界于扰和未知参数的非线性系统（１）,设计出一种适用于输出跟踪的鲁棒自适应控制器。该控制器对线性参数化的不确定性和有界干扰具有鲁棒性,能保证闭环系统的全局稳定性,并解决了ε－跟踪问题。仿真实例表明,所设计的鲁棒自适应控制器具有良好的跟踪性能,而且所需的控制量不大,其数值在容许控制的范围之内。     

一类具有一般不确定性非线性系统的ε-跟踪 I:输出反馈鲁棒自适应控制系统的设计

该文考虑一类具有一般不确定性和参数未知的非线性系统，首先设计出一个稳定的状态滤波器，从而获得状态的实时估计，然后依此设计出一种用于跟踪参考信号的输出反馈鲁棒自适应控制器。仿真结果表明，所设计的鲁棒自适应控制系统具有良好的跟踪性能，可以有效地解决ε－跟踪问题。     

一类机器人滑模自适应鲁棒控制

针对存在系统参数不确定和有界外部扰动情况下的轨迹跟踪机器人系统控制问题,本文提出一种基于滑模变结构的鲁棒自适应控制方案。自适应控制律补偿系统参数不确定性,并对不确定性干扰上界进行实时估计;滑模控制消除了自适应律引起的参数误差,并且具有较强的干扰抑制能力。仿真表明此算法具有较高的跟踪精度和较强的鲁棒性。     

采用干扰估计的液压系统自适应鲁棒控制

针对液压伺服系统的建模不确定性和未建模不确定性问题,提出基于精确干扰估计的自适应鲁棒控制算法。该算法通过反步方法融合了有限时间干扰观测器和自适应鲁棒控制器;有限时间干扰观测器用于估计非匹配集中干扰,能够保证有限时间精确估计干扰;自适应鲁棒控制器用于处理系统参数不确定性并保证闭环系统稳定性。该算法理论上能够保证描述的瞬时控制精度和稳态跟踪误差,并且在某一时间T1后取得渐近跟踪性能。实验结果表明:该算法能够准确估计非匹配干扰,系统稳态跟踪误差最大约为0.06mm,相对跟踪误差约为0.15%,系统跟踪精度得到了提高。     

机器人的鲁棒自适应轨迹跟踪控制

针对存在参数不确定和外界扰动的机器人系统,提出了一种基于模糊控制的鲁棒自适应跟踪控制器设计方法.该方法基于Lyapunov稳定性理论,整个闭环系统渐近稳定.通过二自由度机械臂系统的计算机仿真结果验证了该方法的有效性,可用于不确定性机器人系统轨迹跟踪鲁棒控制.     

综合的机器人鲁棒自适应控制

研究了不确定性机器人轨迹跟踪的鲁棒自适应控制方法．利用机器人动力学参数变量分离方法,将系统的集中不确定性反映到一个集中的标量参数上,进而提出一种基于简单的计算力矩结构的综合鲁棒自适应控制策略,同时还设计了一个通用的非线性反馈增益和一个简单的自适应律,通过在线刷新一个集中的系统不确定性参数,最后保证系统达到全局指数意义的渐近稳定或全局一致最后有界．通过简化控制结构得出一种简单的鲁棒控制器．按照对控制参数的不同选择,可保证系统达到严格的全局一致最后有界、全局渐近稳定、全局指数稳定三种稳定性结果．理论分析和计算机仿真验证了控制律的有效性．     

基于反演的不确定非线性系统自适应滑模控制

针对一类参数半严格反馈形式的非匹配不确定非线性系统,基于反演设计方法和滑模控制技术,研究了其在非匹配未知参数和非参数不确定性下的跟踪控制问题,提出了自适应反演滑模控制策略,实现了不确定非线性系统的鲁棒输出跟踪.本方法允许系统同时存在匹配和非匹配的参数不确定性及非参数不确定性,而且考虑了控制增益的不确定性,通过增益参数的设计还可实现滑模面到达时间的调节,并进一步削弱了抖振.仿真算例验证了理论的有效性.     

基于输出反馈的电液作动器自适应指令滤波控制

针对电液作动器跟踪控制中存在的结构化和非结构化的不确定问题,本文提出了一种输出反馈自适应鲁棒指令滤波跟踪控制方法.该方法结合了改进的LuGre摩擦补偿技术和自适应鲁棒指令滤波控制技术.自适应法则用来处理结构化不确定性;控制器鲁棒设计用来解决非结构化不确定性.除了位置信号外,速度、压力和摩擦力值均来自观测器,来自观测器的模型误差通过鲁棒设计进行补偿.指令滤波控制技术用来解决经典反步控制中固有的“复杂性爆炸”问题.控制器可以保证系统渐进稳定.通过对比实验证明了该方法在跟踪性能上的有效性.     

一类不确定非线性系统的鲁棒自适应控制

针对一类包括非线性不确定性、有界干扰、时变参数等的具有纯参数反馈形式的不确定非线性单输入单输出系统,利用反演设计方法同自适应控制相结合的方法,设计了状态反馈鲁棒自适应控制器.该控制器能使系统达到渐进稳定,并能保证闭环系统信号的全局有界性,对非线性不确定性和有界干扰具有一定的鲁棒性,且对不确定性的知识要求不多.从仿真实例看出,所设计的鲁棒自适应控制器具有满意的控制效果,而且控制量在容许控制的范围之内.     

新型的稳健盲多用户检测

基于稳健的Capon波束形成技术，提出了一种新型的稳健盲多用户检测器．根据特征波形的误差范围，该检测器可以较精确计算控制稳健性的对角加载量．结果表明，研究方法在比特误码率以及渐进多用户有效性等方面表现出良好的性能，且采用特征分解自适应跟踪算法，容易推广至自适应实现．     

雷达卫星鲁棒逆最优自适应姿态跟踪控制

针对存在外界扰动和模型参数不确定性的雷达卫星姿态跟踪控制问题,提出了一类基于修正的罗德里格斯参数描述的雷达卫星鲁棒逆最优自适应控制器设计新方法．通过Backstepping方法和构造相应李雅普诺夫函数,设计了鲁棒逆最优控制器,避免了直接求解哈密顿一雅克比一贝尔曼偏微分方程,使控制器相对于选取的具有鲁棒性的代价函数最优,并以较小的L：增益,实现对外界扰动的输入一状态稳定和鲁棒性;针对系统参数不确定性设计自适应参数更新律,对参数进行自适应学习,有效降低参数不确定对系统的不利影响．仿真结果表明：该方法能有效抑制模型不确定参数和外界未知扰动的影响,在保证姿态跟踪精度的同时,能增强系统鲁棒性．     

一类不确定非线性系统的神经网络鲁棒反推镇定控制

对一类不确定非线性系统,将反推控制和神经网络相结合,研究了其鲁棒渐近镇定控制问题。与通常研究中被控对象仅局限于严格反馈形式相比较,研究对象更具一般性。基于反推控制方法来构造镇定控制器,利用神经网络来逼近控制器构造过程中产生的不确定项,并提出一种新的自适应算法来在线调节神经网络权值。通过一步步适当地选取虚拟控制器的参数和神经网络权值的自适应律,最终得到的控制器使得整个闭环系统是全局渐近稳定的。     

航天器大角度姿态机动的自适应滑模控制

针对航天器大角度姿态机动过程中的严重非线性、航天器惯量的不确定性及外界干扰,提出了自适应滑模控制律.利用修正罗德里格参数建立航天器的数学模型,能克服欧拉角的奇异性和四元数约束条件的限制.选择一类滑模面,基于Lyapunov函数方法推导出控制律和自适应律,使控制律完全独立于对象的参数.理论分析及仿真结果表明,该控制律对航天器惯量不确定性和外界干扰有较强的鲁棒性,并且是全局渐近稳定的.     

基于单位分解的复杂系统分散自适应鲁棒控制设计

针对一类较为一般的不确定复杂系统，提出利用微分几何中单位分解的概念处理复杂系统中的不确定性，完成鲁棒控制器设计的新方法．该方法首先对被控系统中的不确定性进行归一化处理，进而构造出从属于状态变量的紧致域的一组开覆盖的单位分解，利用其具有以任意精度逼近非线性连续函数的性质，实现了对被控系统不确定性的近似逼近，然后设计了复杂系统的分散鲁棒控制器和参数估计的自适应律，并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．与已有的类似成果相比，该方法所用的假设条件较弱，也无需复杂的计算，更加贴近工程应用．算例仿真验证了所提出方法的有效性．     

Robust Adaptive Neural Control of a Class of MIMO Nonlinear Systems

In this paper we present a robust adaptive control for a class of uncertain continuous time multiple input multiple output (MIMO) nonlinear systems. Multiple multi-layer neural networks are employed to approximate the uncertainty of the nonlinear functions, and robustifying control terms are used to compensate for approximation errors. All parameter adaptive laws and robustifying control terms are derived based on Lyapunov stability analysis so that, under appropriate assumptions, semi-global stability of the closed-loop system is guaranteed, and the tracking error asymptotically converges to zero. Simulations performed on a two-link robot manipulator illustrate the approach and its performance.     

通信延迟下自适应容错控制及其在航天器编队中的应用

为解决编队系统存在的参数模型变动范围不可预测、执行器部分失效等问题,设计提出了一种自适应鲁棒容错编队控制方法。给出航天器相对位置非线性动力学模型,设计了自适应鲁棒容错控制器,并且分别设计自适应律估计故障大小、质量和外界扰动上界,同时分析了闭环系统的Lyapunov稳定性,给出系统稳定所需要的条件。数值仿真结果表明,提出的控制方法能实现编队跟踪控制的目标,位置跟踪稳态误差小于1.5×10^-3m,速度跟踪稳态误差小于1.8×10^-5m,验证了所提出方法的有效性。     

带有多个离散和分布时滞的不确定系统的鲁棒自适应控制

对于带有多个离散和分布时滞且有外部干扰的不确定线性系统提出一类鲁棒自适应控制方案.系统的不确定性是范数有界的未知连续函数,外部干扰是扇形有界的.分2步证明其结论:首先用线性矩阵不等式方法说明状态反馈控制可以保证系统的确定部分的稳定性;其次由于系统的不确定部分的上界未知,用自适应的方法来估计上界的值;利用径向基函数神经网络来估计关于状态的未知连续函数;最终证明了在结合状态反馈和自适应神经网络控制的复合控制律作用下闭环系统是渐近稳定的.然后,在第一步基础上,要求系统满足2个不等式条件,设计相应的控制律参数,用Lyapunov-Krasovskii泛函方法证明了闭环系统是指数稳定的.