基于神经网络补偿的广义离散模型参考自适应控制系统设计

用一个常规线性模型对被控对象进行辨识，线性模型辨识的余差用一个神经网络进行补偿，线性模型和神经网络共同构成对象的辨识模型。利用参考模型的输出状态和被控对象的预测值，提出了适于任何形式被控对象的广义离散MRACS设计方法，适用于线性、非线性、最小相位和非最小相位系统。仿真结果表明，系统响应速度快，能够跟踪任意给定的参考序列，具有较强的鲁棒性和较好的控制精度，从而拓宽了模型参考自适应控制的应用范围。     

一种非线性自适应逆噪声控制器设计及其仿真

基于模糊神经网络算法研究了非线性系统的噪声消除问题,设计了一类非线性自适应逆噪声消除控制器。该文利用模糊神经网络融合算法所具有的对任意函数的精确逼近性,对非线性系统进行建模和逆建模,从而为非线性自适应逆噪声控制器的有效性提供了保障。最后将所设计的控制器用于仿真实例,研究表明该噪声控制器能有效地消除非线性被控对象的噪声污染。说明了该方法的可行性和有效性。     

具有时变扰动不确定系统的对偶自适应控制

对一类具有参数不确定性以及时变外部输入扰动的线性系统的控制方法进行了研究 :(1)提出了一种系统参数和扰动的联合辨识实时辨识方法 ,即在不需预先知道扰动模型的情况下 ,同时估计被控对象参数与外部输入扰动 ,并根据辨识结果对输入扰动进行实时补偿 ;(2 )设计了一对偶自适应控制器 ,该控制器具有控制与学习的双重作用 ,能够克服系统参数不确定性影响 ,且防止了传统自适应系统可能有的“关断” ,“终止”和“猝发”等不良现象 ,从而增强了自适应控制系统的鲁棒性。最后通过仿真例子验证了算法的有效性。     

磨矿分级过程多模型智能控制研究

提出了一种非线性多模型控制算法,在若干平衡点附近首先建立多个子模型及相应的控制器,再通过在线计算模型匹配度来适应模型参数的变化,被控对象的最终输入是各控制器输出的加权和.将其应用于磨矿分级非线性系统的控制研究,仿真结果表明,所提算法极大地改善磨矿分级系统的动态响应,并增强了系统的鲁棒性.     

基于自适应逆控制的离散MRAC设计

在模型参考自适应控制中,以往消除扰动的方法是将系统输出和干扰同时反馈来提高系统性能和消除干扰,两者只能折中实现。针对此问题,结合自适应逆控制理论和超稳定理论,提出了一种克服随机扰动的离散MRAC设计方法。本方法引入自适应逆模型来消除系统扰动,将对象性能和扰动控制分开单独进行处理,可分别提高各自的性能。仿真实验证实了方法的可行性。     

基于组合式信号源的非线性系统辨识

针对非线性系统中噪声的干扰，研究了一类神经模糊Hammerstein输出误差非线性系统的建模和辨识方法，利用组合式信号源实现静态非线性模块和动态线性模块参数辨识的分离，推导了相关性分析法和辅助模型递推最小二乘辨识方法估计动态线性模块和非线性模块的参数，有效抑制系统输出噪声的干扰。仿真结果表明：与最小二乘算法、多项式模型以及多信息方法相比，提出的方法具有参数估计收敛速度快，辨识精度高，建模误差小等优势，验证了所提学习算法的有效性。     

基于聚类方法和神经网络的非线性系统多模型自适应控制

针对具有参数跳变的非线性系统,联合聚类算法和神经网络提出新的多模型自适应控制方法。首先对系统的输入输出数据进行模糊聚类,然后基于递推最小二乘法建立多个固定模型。为提高系统的暂态性能,同时建立两个自适应模型,并在此基础上设计鲁棒自适应控制器。此外,为了补偿系统的非线性部分,建立非线性预测模型,并设计非线性神经网络自适应控制器。所提方法可使控制切换系统具有稳定性保证。最后,通过性能指标对控制器进行平滑切换。仿真结果表明,所提方法能够保证系统具有良好的控制性能。     

基于PSO在线优化的多模型自适应动态矩阵控制

针对常规的自适应动态矩阵控制算法,在实际被控对象的模型参数发生突变时,系统的瞬态响应较差,提出了基于PSO在线优化的多模型自适应动态矩阵控制方法。对一类含跳变参数的单输入单输出离散时间被控对象,在模型参数范围未知情况下,以自适应模型参数为依据,经规则判断后通过所提出的基于双群体深度搜索的粒子群优化（PSO）算法在线优化自适应模型参数,并通过所定义的模型相似度自动建立多个固定模型。通过指标切换函数找到当前最优控制器。仿真结果表明,该方法明显优于常规的自适应动态矩阵控制算法,说明了该方法的有效性和可行性。     

基于在线聚类的机器人自适应模糊建模

针对机器人这种具有时变、强耦合和不确定性的复杂非线性被控对象,提出一种基于在线聚类的模糊自适应方法用于机器人系统建模。建模过程中采用在线聚类算法辨识机器人T-S模型的前提参数,采用递推最小二乘算法(RLSE)辨识结论参数,根据过程中新的数据信息,模糊规则可以自动增加、修改和删除,实现了模型结构和参数的在线辨识和更新,而且该方法具有模型结构简单、建模速度快、精度高等优点。最后通过二自由度机器人仿真研究证明了该方法的有效性和优越性。     

基于模糊辨识的混合鲁棒自适应控制

针对一类多输入多输出不确定非线性系统,提出一种基于模糊辨识的混合鲁棒自适应控制方法。该方法探讨了自适应模糊控制器的参数自适应律由跟踪误差和逼近误差共同进行调节,并从理论分析和仿真角度证明了该方法比参数自适应律仅用跟踪误差进行调节的控制器具有更好的跟踪效果,该方法加快了系统跟踪误差的收敛速度。将该算法用于两连杆机械手轨迹跟踪,仿真结果表明该算法具有跟踪精度高,收敛速度快的优点。     

飞行器抗饱和鲁棒自适应非线性模型预测控制

针对巡航飞行器同时存在较大外部干扰和模型参数不确定性时自适应预测控制性能下降的问题,设计了带有模糊干扰观测器(fuzzy disturbance observer, FDO)补偿的鲁棒自适应非线性模型预测控制(robust adaptive nonlinear model predictive control, RANMPC)方法(简记为FDO-RANMPC方法)。首先,利用具有未知参数限制条件的递推最小二乘方法在线辨识模型参数;其次,利用模糊干扰观测器输出值抵消幅值较大的复合干扰,再利用Tube鲁棒预测控制策略设计了飞行器底层姿态系统具有稳定保障的FDO-RANMPC控制器;最后,在考虑复合不确定性情况下对指令姿态角跟踪的仿真中验证了控制器的有效性及其渐进稳定性。     

时变时滞不确定系统模糊自适应H∞控制

针对含非线性和干扰项的时变时滞系统鲁棒稳定问题,提出一种模糊自适应H_∞控制方法。采用T-S模糊系统对未知非线性函数向量进行逼近,设计自适应全调节律,即同时调整模糊参数矩阵和基函数参量。对于逼近产生的误差和外界干扰,引入H_∞控制。基于李亚普诺夫稳定性理论和线性矩阵不等式技术,在保证系统稳定的前提下,通过求解矩阵不等式得到满足设计要求的控制器。通过对已有算例和空天飞行器高超声速飞行控制系统的仿真验证了所提方案的有效性。     

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。     

基于T-S模糊模型的非线性自适应逆控制系统

现在非线性自适应逆控制系统中，由于对象模型和逆控制器均采用非线性自适应滤波器，自适应过程需要同时训练至少两个串联的非线性自适应滤波器，从而造成自适应学习过程过于复杂。利用一组自适应LMS滤波器建立非线性对象的T-S模糊模型，它为逆控制器的学习提供了准确的解析的对象模型Jacobian信息，从而有效简化了自适应逆控制学习过程。仿真结果表明，无论是离线建模还是在线建模，该非线性自适应逆控制方法均能取得理想的控制效果。     

T-S 模型输入饱和扰动抑制及在Lurie 系统中的应用

研究了一类输入饱和T-S 模糊系统的扰动抑制问题。采用分区讨论与大中取大综合方法处理饱和项，利用Lyapunov 稳定性理论，提出了非线性系统的执行器饱和控制器存在的充分条件，进一步对控制器进行了优化，以实现扰动抑制要求。通过简单变换，将该条件转化为Matlab 易于求解的线性矩阵不等式。最后对鲁里叶(Lurie)系统的控制仿真验证了方法的有效性。     

永磁同步电机的模型参考模糊自适应控制

采用模糊基函数形式,将永磁同步电机时变参数的辨识转化为对模糊基函数权系数的辨识问题,经过离线学习和在线自适应调节的模糊估计器具有对永磁同步电机时变参数的逼近能力.利用参数跟踪误差和控制预测误差信息,设计模型参考模糊自适应速度控制器,基于Lyapunov稳定性理论分析了控制器的收敛性,仿真及dSPACE实验结果表明:所设计的永磁同步电机控制系统具有较好的参数跟踪及控制性能.     

基于RBF网络非线性系统逆控制的一种设计方案

基于逆动力学控制的思想,提出一种RBF神经网络逆控制与PID控制相结合的在线自学习控制方案。辨识器采用RBF神经网络结构和最近邻聚类算法,实现了对系统逆动力学模型的动态辨识。并将辨识模型作为控制器模型,与被控对象串联,构成一个动态伪线性对象,从而使非线性对象的控制问题转换为线性对象的控制问题。仿真实验证明该控制策略不仅能使系统具有良好的动态跟踪性能和抗干扰能力,而且具有较强的鲁棒性。     

基于干扰补偿的拦截弹新型反演姿态控制

针对同时具有未知干扰以及输入饱和与死区特性的大气层内拦截弹姿态控制系统,提出了一种基于干扰补偿的自适应动态面控制器设计方法。该方法通过设计改进的非线性干扰观测器(nonlinear disturbance observer, NDO)对未知干扰进行抑制,利用径向基函数(radial basis function,RBF)神经网络逼近输入饱和引起的非线性项,通过设计参数自适应律在线估计未知死区边界。通过构造合适的Lyapunov函数,证明闭环系统状态一致终结有界。仿真结果表明,所提方法鲁棒性良好,在输入非线性和未知干扰作用下,依然能良好地跟踪指令信号。