一类热源在边界点的反应扩散系统的边界控制

利用边界控制的backstepping方法研究了一类热源在边界点x=1的反应扩散系统.由于热源在边界,backstepping方法中常用的Voltegral变换失效,为了利用backstepping方法设计控制器,文章改进了原有的Voltegral变换,从而设计出反应扩散系统的控制器,最后,通过闭环系统的稳定性验证了控制器的有效性.     

基于backstepping的一类多输入非线性系统的控制设计

基于backstepping设计方法,讨论一类非线性系统的状态反馈镇定问题.针对这类非线性系统的特殊情形,运用backstepping方法,先设计其具有严格三角结构形式的嵌入子系统的控制器,进而推出整个系统的控制器,并利用Lyapunov方法证明所设计的控制器能使整个系统是渐近稳定的.最后通过实例验证了结果的正确性.     

严参数反馈非线性系统的自适应控制

本文对一类严参数反馈系统或经过变换可化为该种类型的非线性系统,基于backstepping递推设计方法,进行了自适应控制的设计.在此过程中,我们获得了对参数进行修正的规则.应用Lyapunov稳定性理论证明,该自适应控制器可保证整个非线性系统的稳定性.和有关文献中提出的设计自适应控制器所应用的方法相比,此方法引进了虚拟控制的概念,通过适当的引入虚拟控制,使得系统误差具有期望的渐进性态,从而实现整个系统的渐进镇定.     

采用逆系统方法的混合有源电力滤波器逐步反推滑模控制

提出一种基于逆系统方法的逐步反推(backstepping)滑模控制策略.在明确混合有源电力滤波器(SHAPF)的仿射非线性模型具有强耦合非线性特点后,利用逆系统方法进行线性化解耦,与原系统复合形成2个独立的伪线性子系统.设计伪线性子系统建模和参数不确定性误差的backstepping滑模控制器.与传统控制策略的仿真对比表明:所提控制策略可进一步提高SHAPF的滤波性能.     

一类随机非线性系统的自适应控制

研究一类单输入单输出的严格反馈随机非线性系统的自适应神经控制问题.利用神经网络参数化（RBF）和backstepping技术来进行控制器设计.所设计的控制器确保所有闭环信号是概率意义下有界的.     

不同类型混沌系统的广义投影同步

将主动backstepping控制方法应用于2个不同的混沌系统并实现投影同步,通过不断递推,选取一系列Lyapunov函数来设计控制器,使误差系统快速稳定在平衡点.最后以Lorenz系统和Chen's系统为例,进行了数值模拟.     

机械臂系统快速有限时间有界H∞量化跟踪控制

针对量化输入的电机驱动机械臂系统,研究其快速有限时间有界H_∞量化跟踪控制问题,设计基于指令滤波的神经网络快速有限时间有界H_∞量化跟踪控制器.采用指令滤波技术解决backstepping方法的“微分爆炸”问题,且避免有限时间控制设计中出现奇点.仿真结果表明该控制器具有有效性.研究结果能为机械臂系统的抗干扰设计提供理论指导.     

非线性非最小相位系统的半全局自适应输出反馈控制

讨论了含有参数不确定性或未知扰动的非最小相位的非线性不确定系统的半全局自适应输出反馈控制问题。当未知参数在一紧集上取值 ,且以线性形式出现时 ,利用Lyapunov方法和逆推 (backstepping)设计方法 ,给出了该类系统的输出反馈半全局自适应控制器的设计     

基于backstepping的自适应模糊控制及应用

近几年来,自适应模糊backstepping控制方法已经引起人们的广泛关注,并成为模糊控制领域中一个新的研究方向。笔者以三阶系统为例,介绍了单输入单输出非线性系统自适应模糊backstepping设计方法。给出了一个自适应模糊跟踪控制器的设计新方法,并用于控制倒立摆系统。仿真结果说明了所提出方法的有效性。     

反步法及其在自适应控制中的应用

本文针对一类严参数反馈系统或经过变换可化为该种类型的非线性系统,基于反步(backstepping)递推设计方法,进行了自适应控制的设计。在此过程中,我们获得了对参数进行修正的规则。应用Lyapunov稳定性理论证明,该自适应控制器可保证整个非线性系统的鲁棒稳定性。和有关文献中提出的设计自适应控制器所应用的方法相比,反步法引进了虚拟控制的概念,通过适当的引入虚拟控制,使得系统误差具有期望的渐近形态,从而实现整个系统的渐近镇定。     

基于动态面控制的MIMO自适应神经网络控制

针对一类具有未知函数控制增益的多输入多输出(M IM O)非线性系统,基于后推设计方法和动态面控制技术,提出一种间接自适应神经网络控制方案.该方案通过引入1阶滤波器,消除了后推设计中由于反复对虚拟控制的求导而导致的复杂性问题,并避免了反馈线性化方法可能出现的控制器奇异性问题,参数估计无需使用投影算法.利用李亚普诺夫方法,证明了闭环系统半全局一致终结有界,通过适当选取设计常数,跟踪误差可收敛到原点的一个小邻域内.仿真结果表明了该方法的有效性.     

不确定非线性系统的自适应反推终端滑模控制

针对一类具有未知非线性函数的严格反馈型不确定非线性系统,提出了一种自适应反推终端滑模控制方法。反推控制的前n-1步结合动态面控制技术设计虚拟控制律,第n步仅采用一个神经网络函数逼近器补偿系统所有未知非线性函数,得到了基于全局快速终端滑模控制的自适应神经网络控制器；通过引入一阶滤波器，不仅避免了传统反推控制存在的复杂计算,提高了系统的收敛速度,而且通过引入逼近误差和不确定干扰上界的自适应补偿项来消除建模误差和参数估计误差的影响,改善了稳态跟踪精度。理论分析证明闭环系统所有信号半全局一致终结有界，仿真结果验证了该方法的有效性。     

基于几乎干扰解耦的非线性系统自适应模糊输出反馈控制

研究了一类基于几乎干扰解耦的MIMO非线性不确定系统的输出反馈控制问题.研究的非线性系统具有嵌入式下三角结构,比严格反馈形式的非线性系统更具一般性,非线性系统的状态部分不可测.通过综合应用模糊逻辑系统和命令滤波反推控制技术,构建自适应模糊输出反馈控制器,命令滤波技术的引入消除了传统反推控制方法运算中存在的计算膨胀,设计的控制器不仅保证整个闭环系统的稳定性,而且在L2增益的意义上抑制了干扰对输出的影响.仿真结果表明了该方法的有效性.     

一类高阶非线性系统的自适应动态面控制

研究了一类不确定高阶非线性系统的稳定跟踪控制问题,并基于动态面控制技术,提出一种自适应控制的设计方案.该方法不仅取消了已有文献中高阶非线性系统的控制系数为已知常数或存在已知上下界的假设,而且通过引入1阶滤波器,消除了后推设计中由于反复对虚拟控制求导而导致的复杂性问题.利用Lyapunov方法,证明了闭环系统是半全局一致终结有界,通过适当选取设计参数,跟踪误差可收敛到原点的一个小邻域内.仿真结果表明了所提控制方法的有效性.     

基于Backstepping的不确定非完整控制系统的镇定

非完整控制系统为本质上的非线性系统，线性控制策略对其显得无能为力．为此，把一种新颖的非线性控制方法——Backstepping应用于非完整控制系统的镇定．Backstepping以Lyapunov稳定为设计原则．系统的设计实现了系统全局指数镇定，向时具有良好的动静态性能和强的鲁棒性．最后对一定的不确定性给出了系统仿真，验证了系统设计的有效性。     

基于小增益定理的非线性系统的自适应动态面控制

针对一类具有未知死区的严格反馈不确定非线性系统,基于输入状态稳定理论和小增益定理,利用T-S模糊系统的逼近能力,提出一种自适应模糊控制方案.该方案取消了死区模型参数上下界已知的假设和虚拟控制增益要求可微的假设;利用动态面控制技术,将一阶滤波器引入后推设计中避免了传统后推方法中对虚拟控制反复求导而导致的计算复杂问题.通过构造2个耦合的子系统满足输入状态稳定条件,利用小增益定理分析证明闭环系统半全局一致终结有界,且选取适当的设计常数,跟踪误差可收敛到零的一个小邻域内.     

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·     

三角形式非线性离散系统自适应神经网络控制

针对一类控制输入为三角形式的多输入多输出离散非线性系统,提出了基于反步法的自适应神经网络控制方法.由于该系统的控制输入为非仿射形式,不能采用反馈线性化的方法设计控制系统;因此,首先采用隐函数定理证实了能够使系统输出跟踪期望轨迹的理想控制输入的存在性,并构造了理想的控制输入.利用高阶神经网络估计这些控制输入,提出了基于反步法的自适应神经网络控制方法.证明了所提出的控制方法能够保证闭环系统的所有信号半全局一致最终有界,并通过仿真验证了该方法的有效性.     

一类不确定非完整系统的鲁棒镇定

研究了具有强非线性干扰和强漂移项的链式非完整控制系统的镇定问题.设计出一种鲁棒状态反馈控制律,使得闭环系统全局收敛到原点.将Input-state scaling变换方式与Backstepping反推法相结合的技巧,应用于非完整控制系统的镇定,其中,Backstepping反推法以Lyapunov稳定为设计原则.系统的设计实现了系统全局镇定,同时具有良好的动静态性能.仿真结果验证了本设计控制律的有效性.