具有未知控制方向的自适应神经网络控制

讨论了一类具有未知死区模型和未知函数控制增益的SISO非线性系统的自适应神经网络控制问题.根据滑模控制原理,并利用Nussbaum函数的性质,提出了一种自适应神经网络控制器的设计方案.该方案取消了函数控制增益符号已知和死区模型参数上界、下界已知的条件.通过引入逼近误差的自适应补偿项来消除建模误差和参数估计误差的影响.理论分析证明了闭环系统是半全局一致终结有界,且跟踪误差收敛到零.     

非线性关联大系统分散自适应滑模控制研究

基于滑模控制原理,针对具有强关联作用并且各子系统内亦有不确定性干扰的非线性大系统的控制进行了研究,提出了一种分散自适应控制策略,根据神经网络逼近理论,用前向神经网络逼近控制增益函数,给出了逼近误差的自适应律,较好地解决了控制增益函数的确定问题,这样在控制算法中,只需要知道系统中各非线性函数的上界即可,最后用Lyapunov方法证明了闭环系统的稳定性,而且跟踪误差收敛到零的一个领域。     

具有未知死区和增益符号的自适应神经网络控制

针对一类具有未知死区和未知控制增益符号的单输入单输出非线性系统,根据滑模控制原理,并利用Nussbaum函数的性质,提出两种自适应神经网络控制器的设计方案. 通过引入示性函数,提出一种简化死区模型,取消了死区模型的倾斜度相等的条件. 通过引入逼近误差的自适应补偿项来消除建模误差和参数估计误差的影响. 理论分析证明闭环系统是半全局一致终结有界. 仿真结果表明该方法的有效性.     

一类MIMO非线性系统的自适应模糊滑模控制

研究了一类具有未知常数控制增益的MIMO非线性系统的自适应模糊控制问题。基于滑模控制原理,利用Ⅱ型模糊系统的逼近能力,提出了一种分散自适应模糊滑模控制器设计设计的新方案 。通过理论分析,证明了闭环控制系统是全局稳定的、跟踪误差收敛到零。     

基于模糊神经滑模观测器的永磁同步电机无传感器控制

为了解决传统滑模观测器的抖振问题,提出了一种用于永磁同步电机的模糊神经滑模观测器。分析了滑模增益对抖振的影响,并采用模糊神经网络动态调整滑模增益以改善抖振,利用李雅普诺夫函数证明了模糊神经网络观测器的稳定性。利用锁相环方法提取转子位置与速度信息,减小由高频噪声引起的误差。仿真结果表明:改进后的滑模观测器能够对永磁同步电机转子位置进行精确辨识,有效地抑制了抖振,实现了高性能的永磁同步电机无传感器控制。     

耦合系统的稳定间接自适应模糊控制

研究了一类具同时具有未知常数控制增益和未知函数控制增益的耦合大系统的间接自适应模糊控制问题。利用模糊建模方法和滑模控制原理,提出了一种稳定间接自适应模糊控制器的设计方案。根据李亚普诺夫方法,证明了半 全局稳定的,跟踪误差收敛到零的一个领域内。仿真结果表明了该方法的有效性。     

一类非线性系统综合自适应模糊控制

针对一类非线性系统把模糊控制、模糊逻辑逼近及模糊滑模控制相结合，提出一种综合自适应模糊控制方法．基于李亚普诺夫函数系统参数的自适应律，不需要最小逼近说差平方可积条件，而且利用模糊滑模控制补偿模糊系统的逼近最差及外部干扰对输出跟踪误差的影响，理论证明了闭环系统稳定，跟踪误差收敛到零或零的一个小邻城内．仿真表明了算法的有效性。     

一类欠驱动系统的自适应神经滑模控制

针对一类欠驱动系统在系统不确定性和外界干扰条件下的稳定控制问题,文章提出了自适应神经网络滑模控制策略。利用基于径向基函数(RBF)的神经网络在线估计系统的不确定量,采用李雅普诺夫方法设计自适应算法在线调整神经网络的参数;同时,利用带自适应算法的神经网络调节滑模控制的增益来消除滑模控制中的输入抖振现象;并通过李雅普诺夫定理论证了系统的稳定性。与传统滑模控制策略的仿真结果对比证明了系统是全局渐进稳定的,且控制器具有很好的适应性和鲁棒性。     

电液伺服系统的增益自适应滑模变结构控制

为实现对电液伺服系统非线性、不确定性和未建模动态等因素的有效补偿,将系统转换成具有自适应动态递归模糊神经网络(ADRFNN)辨识误差,即二次不确定性的等效线性数学模型,利用增益自适应滑模变结构控制(GASMC)方法对系统进行综合设计.实验结果表明:ADRFNN的高精度在线辨识和GASMC校正项的增益自适应功能使系统具有较强鲁棒性和更高的稳态精度,同时使系统控制量的颤振现象得到有效抑制.     

基于自适应反步法的非线性导弹制导/控制系统综合设计

利用基于RBF神经网络的自适应反步法结合滑模控制对非线性导弹的制导/控制系统进行了综合设计.首先把导弹的制导/控制系统转化为严反馈型,然后利用基于在线调节的神经网络反步法克服非线性系统的非匹配不确定性,引入的滑模控制项使跟踪误差趋于零.仿真结果表明,所设计的方法具有较强的实用性.     

非线性耦合系统的分散自适应模糊控制

针对一类具有高阶耦合作用的MIMO非线性系统,根据滑模控制原理,并利用模糊逻辑系统的逼近能力,提出一种分散自适应模糊控制器设计的新方案.对每一个子系统,仅通过子系统的局部信息在线调节模糊系统的可调参数、滑模控制增益, 从而实现了对动态不确定性及建模误差进行自适应补偿.理论分析证明了闭环系统是全局稳定的,跟踪误差收敛到零的一个邻域内.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。     

一类大系统的分散智能控制

该文针对一类具有未知函数增益的非线性大系统,基于滑模控制和Lyapunov稳定性理论,运用多层神经网络非线性映射逼近能力,提出一种分散的具有连续特性的自适应神经控制器的设计策略。通过分析,从理论上证明了闭环大系统是全局稳定的,跟踪误差有界且均方可积。仿真结果表明控制方案是有效的。     

不确定扰动情况下耦合Duffing混沌系统的广义投影同步的神经滑模控制

针对两自由度耦合Duffing混沌系统的广义投影同步控制的问题,提出了一种神经滑模控制器的设计方法.基于RBF神经网络构造系统的滑模控制器,设计自适应更新率对神经网络的网络权值进行在线调节,形成滑模控制器切换增益的自适应更新,利用Lyapunov方法证明了受控系统的稳定性.数值模拟结果表明,所设计的神经滑模控制器不但能有效降低响应系统的抖振,改善受控系统的动态品质,而且具有鲁捧性,在不确定扰动情况下仍能较好地控制驱动系统和响应系统间的混沌广义投影同步.此外,该控制器允许任意调整参数λi(i=1,2,3,4)的值得到不同类型的混沌广义投影同步.     

燃料电池空气供应系统自适应神经网络滑模控制

聚合物电解质膜燃料电池(polymer electrolyte membrane fuel cell, PEMFC)空气供应系统易受参数不确定性和外部干扰的负面影响,难以实现高精度数学建模和鲁棒控制.设计了一种自适应神经网络滑模控制器,用于将PEMFC空气供应系统过氧比调节至其最优参考值,以维持最大系统输出净功率并避免氧饥饿.利用径向基函数神经网络在线逼近系统的未建模动态,而无需对外部干扰与模型参数摄动的界的先验信息.由Lyapunov理论分别推导出神经网络权值和滑模增益的自适应律,以保证闭环系统稳定性.仿真结果表明,所设计的控制器不仅改善了过氧比控制的动态行为,还有效减弱了控制输入的大幅超调和抖振.     

机械手的神经网络直接离散时间自适应控制算法

提出了一种机械手的神经网络直接离散时间自适应控制算法。该算法是神经网络方法和自适应动态滑动模控制方法的集成。自适应动态滑动模控制的作用有两个：其一是在神经网络控制失灵的情形下提供控制系统的全局稳定性；其二是改善系统的跟随性能。整个系统的全局稳定性和跟随误差的收敛性采用李雅普诺夫稳定性理论进行了证明，并得到了一种新颖的神经网络权值调整算法。     

机械臂位置跟踪自适应反演滑模控制律设计

针对机械臂位置跟踪控制问题,设计了一种新型自适应反演滑模控制律。该方法利用机械臂各关节的位置和速度误差建立了滑模面函数,并根据反演原理设计了反演滑模控制律。然后,通过设计合适的自适应律对外部扰动进行在线补偿,降低了系统对外部扰动的敏感性,有效地抑制了系统的抖振。最后利用Lyapunov定理证明了系统的稳定性。仿真结果说明该控制律具有较好的控制性能。     

基于RBF的TCP网络自适应滑模控制

针对TCP网络的拥塞控制问题,提出了一种基于RBF神经网络的自适应滑模控制算法.为了简化滑模控制器的设计,将系统的各个不确定参数和非线性补偿整合成一个总的不确定.考虑到网络系统的不确定性上界很难获得,使用RBF神经网络对系统不确定的上界进行自适应学习.将RBF神经网络的输出作为不确定上界的补偿,从而消除了系统的不确定带...