严格反馈型随机非线性系统输出反馈滑模控制

研究了一类带有不确定性参数的严格反馈型随机非线性系统的输出反馈镇定问题,主要是采用变结构滑模控制方法(SMC)来设计镇定控制器。首先根据系统的结构和输出状态构造了随机非线性状态观测器,并针对结构参数的不确定性,采用梯度自适应调节律,然后基于系统的观测状态选择滑动模切换流形,给出了不含噪声激励的变结构控制律,并证明滑动模的可达性和闭环系统滑模运动的稳定性,最后讨论了滑模控制的抖振抑制问题。通过系统仿真,与其它鲁棒控制方法进行比较,证明了本方法不仅能够有效地镇定该类随机非线性系统,并且具有一些更好的控制性能。     

一种改进的自适应模糊滑模大包线飞行控制方法

提出了一种改进的自适应模糊滑模大包线飞行控制方法。该方法以经模拟退火粒子群算法优化的小波神经网络实现非线性模型的逆,能够更加细致地逼近非线性模型,并针对自适应控制的鲁棒性与瞬态性能差的缺点,将滑模控制与自适应控制相结合共同补偿逆误差,提高了自适应控制的鲁棒性与瞬态性。仿真结果表明:所设计的自适应模糊滑模大包线飞行控制器具有优良的控制性能。     

基于GA的非线性电机自适应模糊滑模控制器设计

提出一种基于GA的自适应模糊积分型滑模控制策略,并将其用于具有非线性动态摩擦力的单轴运动控制系统中.控制器由自适应模糊控制项和补偿控制项组成,自适应模糊控制项用来逼近理想滑模控制律,补偿控制项用来补偿逼近偏差,利用李亚普诺夫稳定性理论推导出模糊规则和补偿控制项中逼近偏差边界在线自适应律,采用遗传算法优化自适应律中参数.仿真和实验结果表明了该控制策略的有效性.     

一类非线性系统的自适应神经跟踪控制

针对一类未知非线性动态系统，提出了一种基于神经网络的自适应输出跟踪控制方案。网络权值的自适应修正规则是基于Lyapunov稳定性理论实现的，避免了递归训练过程；一个滑模控制项用于消除神经网络逼近误差的影响。因此，该自适应神经控制器能保证系统的全局稳定性和输出跟踪误差渐近收敛于0。     

基于神经网络的导弹自适应滑模控制器设计

针对导弹六自由度非线性模型,根据时标分离原理将导弹系统分为快慢不同的四个回路.针对快、慢回路,提出了一种基于神经网络的自适应滑模控制器设计方案.首先分别在快、慢回路中采用反馈线性化实现解耦控制,然后设计基于神经网络的自适应滑模控制器来保证系统鲁棒性及性能,其中神经网络用来逼近系统的不确定性.理论分析及计算机仿真都表明,按照该方法设计的控制器不仅具有较强的鲁棒性,而且保证了闭环系统的渐近稳定性.     

Robust control of uncertain time delay system:a novel sliding mode control design via LMI

1 .INTRODUCTIONTi me-delay commonly occurs in various industrialsystems ,such as turbojet engines , electrical net-works ,automotive systems ,and chemical process ,etc .Its existenceis usually a source of poor systemperformance ,or instability . Hence ,the control ofti me delay systems has received considerable atten-tion over the past two decades , and different de-sign approaches have been proposed[1]. We wouldlike to point out SMC is a reasonable method tostabilize the uncertain ti me…     

基于神经网络的非线性系统的间接自适应控制

针对一类不确定非线性动态系统 ,利用多层神经网络系统MNNs的逼近能力 ,提出了一种间接鲁棒自适应神经网络控制器的设计方案。该方案不仅能够保证闭环系统的所有信号有界 ,而且理论分析证明了闭环系统的跟踪误差渐近收敛到零。仿真试验表明本控制算法是有效的。     

基于自适应快速终端滑模的航天器容错控制

针对执行机构发生故障时的航天器姿态控制问题,提出了一种基于自适应快速终端滑模的容错控制设计方法。该方法通过选择具有快速终端特性的滑模面,提高航天器容错控制的收敛速率,实现系统有限时间稳定|利用自适应控制方法在线调整控制器参数,消除对故障最小 值信息的依赖。仿真结果表明,与基于普通滑模控制器的容错控制相比,所提出的方法在保证系统鲁棒性和稳定性的同时,三轴姿态角和态角速度收敛时间可分别降低约54.5%和50%,实现快速有效的航天器容错控制。     

塔式起重机的神经网络滑模防摆控制

针对塔式起重机存在的负载摆动, 分析塔式起重机的动力学模型, 提出了一种基于遗传算法的塔式起重机神经网络滑模防摆控制新方法. 利用RBF神经网络输出逼近系统的不确定项, 并运用遗传算法优化滑模控制器的参数, 使得参数的收敛速度加快. 该方法削弱了滑模控制系统的高频抖振, 提高了系统的控制性能, 改善了系统的控制品质. 仿真结果表明方法的有效性和可行性.     

3-RRRT并联机器人解耦的反演自适应动态滑模控制

针对3-RRRT型搬运机器人提出一种解耦的反演自适应动态滑模控制方法,以提高控制精度和鲁棒稳定性。首先利用非线性补偿方法将系统解耦成线性系统,运用一阶动态滑模设计新的滑模面,然后利用基于李亚普诺夫函数的Backstepping控制设计方法和自适应控制技术,设计了全局渐近稳定的系统控制器,最后利用MATLAB进行了系统控制数值仿真,结果表明,对3-RRRT型并联机器人的这种强耦合的、具有不确定性的非线性系统,采用该解耦的反演自适应动态滑模控制方法,可以达到理想的控制精度,并能保障系统的鲁棒稳定性。     

非线性系统的模糊滑动模态控制

针对未建模的动态非线性系统，根据滑动模态控制原理，导出了基于Ｌｙａｐｕｎｏｖ稳定性的一种模糊控制器设计方法；避免了以往非线性滑模控制中控制信号的不连续造成系统“颤动”问题；显示出模糊推理的作用。     

不确定非线性系统自适应滑模跟踪控制及应用

针对一类非匹配不确定非线性系统,设计了一种高阶鲁棒自适应反推滑模变结构控制方法。在控制器设计中,考虑存在系统建模误差和外界未知干扰,借鉴动态面思想降低控制器复杂性,引入双曲正切函数和抖振衰减因子降低控制输入抖振,设计系统建模误差自适应律增强控制器鲁棒性,并将系统的稳定性证明简化为判断一个n阶对称矩阵的正定性问题。将设计的反推滑模控制器用于F-8飞机纵向机动控制并进行仿真,实现了飞机对指定轨迹的稳定跟踪。     

仿真转台解耦的鲁棒自适应模糊化设计

基于非线性微分几何理论，针对仿真转台设计了一种鲁棒自适应模糊化解耦控制器，该设计方法在保证系统稳定性和鲁棒性的同时，通过对传统的鲁棒滑模控制进行了处适应模糊化补偿，消弱了控制器的抖振，而且保证了转台解耦的有效性，该方法设计简单、实用，通过仿真验证了该设计的正确性。     

并联式运载器上升段广义超螺旋有限时间控制

针对受模型不确定和外部干扰影响的并联式运载器上升段姿态控制问题, 提出了一种基于广义超螺旋算法的自适应滑模有限时间控制方法。首先, 将姿态跟踪控制问题转化为跟踪误差系统的镇定问题, 建立了面向控制的模型。其次, 将单输入单输出(single input single output, SISO)固定时间广义超螺旋算法拓展应用到多输入多输出(multiple input multiple output, MIMO)耦合非线性系统上, 基于该算法设计了固定时间状态观测器和自适应滑模有限时间控制器, 利用Lyapunov稳定性理论证明了闭环系统的有限时间稳定特性。最后, 通过与传统比例-微分(proportional and differential, PD)控制器仿真对比, 验证了该方法具有更优的控制精度和鲁棒性。     

汽车转向/防抱死制动系统的协调控制研究

协同控制结构由执行级和协调级组成。在执行级中,设计基于最佳滑移率的汽车防抱死制动可调节滑模控制器。针对滑模控制中固有抖振缺陷,自动适时调节控制参数增益以消弱抖振。此外,设计基于鲁棒自适应控制的横摆力矩控制器和主动前轮转向控制器力求改善汽车动态响应、鲁棒自适应性和稳定性。在协调级中,设计适用于复杂工况的制动力分配策略,并提出一种协调控制转向系统和制动系统的新方法。最后用仿真结果验证所设计控制算法的稳定性和有效性。     

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。     

积分补偿的滑模控制器设计方法

对于一类具有不确定性扰动的非线性系统,提出了一种积分补偿的滑模控制器设计方法。为消除抖动现象,在切换面的邻近设置一边界层,在边界层外部,采用滑模控制方法驱动系统状态进入边界层。在边界层内部,在传统连续控制的基础上,引入积分补偿作用,以改善系统的稳态性能。对控制系统的稳定性进行了分析,并以倒立摆为对象进行了仿真验证,结果表明该控制方法是有效的。     

一类非线性不确定系统自适应terminal滑模控制方法

针对一类非线性不确定系统设计了自适应terminal滑模控制器,使跟踪误差在有限时间内收敛到零,消除了通常滑模变结构控制的到达过程,因而闭环系统从t=0时刻就对干扰具有鲁棒性。采用RBF神经网络逼近系统未知的非线性函数,引入滑模误差对其权值进行在线自适应调整,改善动态性能。最后给出的仿真例子证明了算法的有效性。     

基于连续滑模控制的主动队列管理算法及仿真

基于一种改进的滑模控制器提出了一种主动队列管理（AQM）算法。采用连续的滑模控制（SMC）方案来取代不连续的切换控制，消除了滑模控制中存在的抖振现象从而使队列跟踪性能得到改善．对于网络模型的不确定性、网络参数的时变性及非TCP适应流所引起的网络抖动试算法具有很强的鲁棒性。仿真结果表明该方法可以使队列长度快速收敛到设定值，同时使队列振荡最小，结果也表明在网络条件变化的情况下，该算法优于传统的PI控制和传统的滑模控制。     

Robust adaptive neural network control with supervisory controller

The problem of direct adaptive neural network control for a class of uncertain nonlinear systems with unknown constant control gain is studied in this paper. Based on the supervisory control strategy and the approximation capability of multilayer neural networks (MNNs), a novel design scheme of direct adaptive neural network controller is proposed.The adaptive law of the adjustable parameter vector and the matrix of weights in the neural networks and the gain of sliding mode control term to adaptively compensate for the residual and the approximation error of MNNs is determined by using a Lyapunov method. The approach does not require the optimal approximation error to be square-integrable or the supremum of the optimal approximation error to be known. By theoretical analysis, the closed-loop control system is proven to be globally stable in the sense that all signals involved are bounded, with tracking error converging to zero.Simulation results demonstrate the effectiveness of the approach.