严格反馈非线性系统的鲁棒自适应逆最优跟踪

针对具有未知定常参数和未知有界扰动的严格反馈非线性系统,结合参考信号,构造了误差系统,并解决了其逆最优控制问题.使用Backstepping算法,设计了误差系统鲁棒自适应逆最优控制器和参数自适应律,从而解决了原系统的鲁棒自适应逆最优跟踪问题,并给出性能估计.仿真结果表明该控制算法的有效性.     

双线性系统随机多输入间接自适应前馈控制器及其应用

本文针对随机双线性多输入系统，提出了一种适用于具有多种扰动对象的随机多输入间接自适应前馈控制器，其特卢、是通过引入改进的广义最小方差最优控制律来克服双线性对系统的影响，该控制器采用间接算法实现，并适用于延时未知系统。它不仅具有渐近最优的控制的效果，可以对可测干扰实行有效的动静态补偿，消除稳态跟踪误差，使随机干扰对系统的影响最小，而且即使用于不稳定和（或）逆不稳定系统也具有全局收敛特性。文中还介绍了如何应用该控制器来实现多变量系统的随机间接自适应解耦控制。     

对于未知非线性离散系统的支持向量机内模控制方法

该文对于未知非线性离散单输入单输出(SISO)系统提出了一种基于支持向量机的内模控制方法。整个控制律包括标称控制器与鲁棒控制器2部分,标称控制器是基于支持向量机-非线性自回归滑动平均(SVM-NARMA)模型用二次型最优性能指标推导出来的,而鲁棒控制器可以减少不确定性对系统性能的影响。利用Lyapunov方法证明了闭环系统的稳定性和鲁棒性。结果表明:该方法不仅适用于不具有严格相对阶的系统,也适用于具有不稳定零动态的系统。大量仿真结果验证了该方法的有效性。     

混沌Arneodo系统非线性与自适应模糊神经网络控制

针对Arneodo系统的参数不确定性,阐述了Arneodo控制系统中抵消非线性的基本思想和设计方法.利用LQR线性反馈技术,设计了具有稳定裕度的二次型最优控制器,同时在控制器中引入一个用于函数逼近的自适应模糊神经网络,利用该神经网络抵消控制系统中的非线性项,使受控系统的某一状态变量可被镇定到任意参考位置.这种具有模糊神经网络的控制器实现了参数不确定系统的精确反馈线性化控制.通过仿真比较研究,说明了反馈线性化与自适应神经网络相结合的控制器具有良好的控制性能,且更易实现.     

高超声速飞行器非线性干扰观测器动态面滑模控制

针对高超声速飞行器纵向模型具有高度非线性、多变量耦合以及参数不确定等特点,提出一种基于非线性干扰观测器的高超声速飞行器动态面滑模控制方案。利用非线性干扰观测器观测未知干扰,并通过动态面滑模设计控制器使观测误差指数收敛,针对高度和速度进行了稳定性分析,采用动态逆的方法设计速度控制器,控制律的设计保证了闭环系统的半全局一致稳定。仿真结果表明,该控制方案能够有效地的克服非线性干扰的影响,提高系统的鲁棒性。     

非线性系统神经模糊自适应控制的问题与策略

针对具有未知动力学的机械臂系统 ,提出一系列神经模糊自适应控制方法。提出神经模糊动态逆稳定自适应控制方法 ,该方法使用动态神经模糊系统逼近非线性动态系统 ,设计的动态逆控制器可以通过参数的设定保证闭环系统在初始控制段的动态性能 ,而无需事先要求机械臂状态位于某一紧集的假设。结合延时神经模糊网络 ,引入降维观测器估计输出重定义后机械手的速度矢量 ,从而建立了非线性系统的控制器观测器设计的新方法。采用了动态逆和“Back-stepping(后退 )”的技术 ,将以上方法成功推广到了考虑执行电机动力学特性的柔性连杆机械臂问题上     

TCSC的非线性逆推设计

针对带有TCSC(ThyristorControlledSeriesCompensation)的单机无穷大总线系统的非线性二阶模型,使用逆推方法设计了TCSC的非线性控制器·基于逆推设计方法,无需对原系统进行线性化,并能保证闭环误差系统在Lyapunov意义下渐近稳定·当系统存在常参数不确定性,例如阻尼系数不能精确测量的情况下,应用自适应逆推方法还可以设计一个动态反馈控制器,其中含有对未知参数的实时估计·设计过程表明逆推方法设计的控制器拥有更优越的性能·     

一类非线性系统的全局自适应输出跟踪控制

研究一类具有不可控不稳定线性化和未知线性化参数的非线性系统的全局自适应控制·控制目标是设计一种鲁棒自适应非线性状态反馈控制器,实现系统的全局实用输出跟踪·应用Lyapunov稳定性理论和修正的自适应增加幂积分方法,给出了一个系统化的设计程序,递推设计了一种非线性自适应光滑状态反馈控制器·该控制器能保证跟踪误差充分小,且闭环系统所有信号全局有界·仿真结果表明该控制器是可行的并且是有效的·     

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．     

不确定组合系统的分散动态状态反馈控制

给出了一类具有非线性关联和不确定性的线性时变大系统的分散反馈镇定控制器的设计方法·研究结果表明,所设计的控制器具有较强的鲁棒性,动态状态反馈控制器的引入,避免了在系统不确定项界未知的情况下,采用估计界所设计的控制器的过分保守性或不能使系统稳定,采用非线性控制器仅能得到系统实用稳定的不足·仿真结果表明,其方法是有效的     

时间最优控制算法及其在SVC控制中的应用

针对时间最优控制系统中存在的"颤振"问题,提出了在开关线两侧设置"回滞带"以及在原点邻域内切换为连续稳定控制律的一种实用型改进算法。同时,将上述算法与逆系统方法相结合,对含TCR-FC型静止无功补偿器(SVC)电力系统设计出相应的反馈线性化和时间最优组合的非仿射非线性紧急支持配合控制器。数字仿真表明,该算法有效地解决了在设计过程中导出的双积分型时间最优控制在实用中出现的颤振问题,并可使电力系统在受到扰动时,能够尽快地镇定到正常的运行状态。     

逆系统方法及其应用

本文提出了一种设计非线性反馈控制系统的方法，称作过系统方法．这种方法的要点，就是用对象的逆系统构造出一种可用反馈结构实现的“α──阶积分逆系统”，将原对象补偿为具有线性传递关系的系统，即α阶伪线性系统，然后用线性系统的理论来解决这种系统的综合问题。同时，本文还将逆系统方法用于机械手控制系统的设计，从所给出的仿真来看，结果是令人满意的。     

含时滞的单输入单输出的非线性系统的自适应神经网络控制(英文)

对一类含时滞的单输入单输出的非线性系统提出了一种新的自适应神经网络控制方法.利用径向基神经网络来估计未知的连续函数.在设计中利用积分型Lyapunov-Krasovskii来消除未知的时滞.该文的结果的主要优点是:不仅有效地避免了控制奇异问题,也消除了对未知虚拟控制条件的限制.     

基于逆系统方法发电机非线性励磁调节器研究

将非线性系统的逆系统方法用于电力系统，结合ＩＴＡＥ最佳控制规律，推导出了发电机非线性励磁控制规律．大扰动仿真结果表明，基于逆系统方法设计的发电机非线性励磁控制器能较大地改善系统的动态性能．同时，该方法的线性化过程较微分几何方法简单得多，更适于工程应用．     

非线性稳定解析系统最优控制的迭代法

本文研究非线性稳定解析系统的最优控制问题. 推广线性稳定系统最优控制的Kleimman迭代法, 构造非线性稳定反馈控制序列, 使得相应的评价泛涵序列单调下降和一致收敛, 并证明非线性稳定反馈控制序列一致收敛到非线性最优控制问题的最优反馈控制. 同时,建立一个待定幂级数算法, 计算迭代序列,逼近非线性最优控制问题的最优反馈控制, 并给出一个例子加以演示.     

时滞系统终端时间参数优化控制

针对时滞系统终端时间优化控制问题,提出一种基于参数化的数值求解方法.首先将优化控制向量用分段常数函数来近似;然后引入时间转换方法将未知切换时间点和未知终端时间映射到新时间域的固定时间点上,从而将原未知时域的时间最优控制问题近似为固定时域的非线性规划问题;最后采用全联通粒子群算法求解.资源再生系统优化控制问题的仿真结果表明所提方法是有效的.     

含风电场的电力系统紧急电压模型预测控制

基于非线性模型预测控制理论,文中提出包含风电场的紧急电压控制器设计方法.以系统的准稳态近似模型为基础,建立滚动动态优化模型,将其滚动优化问题描述成一个具有连续—离散时间微分—代数方程组的最优控制问题,其优化目标是负荷节点电压偏差和控制成本最小.采用Radau排列法将滚动动态优化模型转化为非线性规划问题,并借助建模软件A...     

一类非线性时滞系统的自适应动态面控制

针对一类具有不确定输入时滞和干扰的非线性系统的跟踪控制问题,提出一种动态面控制、神经网络和自适应控制相结合的控制方案.通过构造一个滤波器和一个虚拟的状态观测器产生辅助信号,并利用神经网络来估计未知的连续函数,证明了系统跟踪误差收敛于一个充分小的紧集.     

一类不确定非线性系统的直接自适应模糊控制

针对一类具有未知函数增益的不确定非线性系统,基于监督控制方法并利用第二类模糊系统的通用逼近能力,提出一种新的直接自适应模糊控制设计方案.该方案通过引入最优逼近误差的自适应补偿项和新的鲁棒项,削减建模误差和参数估计误差的影响,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系统状态有界,跟踪误差收敛到零.仿真结果表明了该方法的有效性.