虚拟控制方向符号未知的非完整系统的自适应输出反馈镇定

研究了有强非线性漂移项的非完整链式系统的输出反馈自适应稳定控制器的设计,其中这些漂移项包括非线性动态模型、未建模动态以及模型的未知参数,并且虚拟控制系数的符号也是未知的;目的是设计一个非线性输出反馈切换控制器使闭环系统全局渐进调节。用来对系统的状态和未知的参数的估计分别采用了一个新颖的观测器和估计器;在输出反馈自适应控制器的设计工程中,建设性的将积分反推技术地方法和基于给出观测器和参数估计器的方法结合在一起,同时Nussbaum增益作为自适应反推技术的一部分来处理虚拟控制系数符号的未知;仿真例子证明了给出方案的有效性。     

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·     

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.     

超混沌Lü系统的自适应广义投影同步

基于自适应控制方法和Lyapunov稳定性理论,分别在参数完全未知和部分未知的情况下,设计适合超混沌Lü系统广义投影同步的非线性自适应控制器,并进行数值仿真.结果表明,该方法使2个恒同超混沌Lü系统在全局范围内实现广义投影同步,在部分参数未知的情况下,实现了参数的跟踪.     

非线性混沌系统的鲁棒自适应控制

研完了不确定非线性Chua's混沌系统的跟踪控制问题.通过坐标变换将Chua's系统转换为严格反馈控制系统的一种通用形式,然后利用Backstepping方法和鲁棒控制技术,设计了参数自适应控制律,对存在的不确定性和未知干扰的非线性系统实现了输出跟踪.基于Lyapunov稳定性理论所设计的控制器不仅使系统输出跟踪给定的期望输出,而且使得系统对于所允许的不确定系统状态全局一致有界.仿真结果表明了所设计方法的有效性.     

非线性时滞系统的智能迭代学习控制

针对一类单输入单输出非线性时滞系统,提出了一种自适应神经网络迭代学习控制方案,神经网络用来逼近未知非线性函数和未知非线性时滞函数,放宽了传统迭代学习控制对非线性函数和非线性时滞函数的限制,拓展了迭代学习控制的应用范围．采用Lyapunov—Krasovskii函数和利用反演（Backstepping）技术设计神经网络学习律和控制律,基于Lyapunov稳定性理论,证明了闭环系统所有信号半全局一致最终有界,通过调节设计参数可以实现对目标轨线任意精度的跟踪．     

基于Backstepping设计的非线性鲁棒自适应控制

针对一类具有未知参数,未建模动态和外界干扰的不确定非线性系统,选择适当的参数对这些不确定性进行估值和补偿,利用Backstepping方法,设计了一种新的鲁棒自适应控制器.该控制器能保证闭环系统的所有信号是全局有界的,且输出的绝对值可以任意小.仿真结果表明,所设计的鲁棒控制器达到了理想的结果.     

仿射非线性系统的在线自适应模糊神经网络辨识与控制

针对单输入单输出非线性系统的自适应控制问题,提出了一种在线自适应模糊神经网络辨识与鲁棒控制的方法.该方法首先利用广义模糊神经网络学习算法,实时建立对象模型未知系统的逆动态模型,实现网络结构和参数的同时在线自适应.考虑到网络建模误差和外部干扰的存在,还设计了基于控制理论的鲁棒补偿器.仿真结果表明,该方法能对模型未知仿射非线性系统实现鲁棒输出跟踪.     

基于滑模技术的时变Lorenz系统的自适应同步

讨论了参数为时变的Lorenz系统的同步问题的自适应控制.驱动系统的参数未知并在一个有界区间内变化,同时区间的边界也未知.利用自适应控制设计控制器,并且为了增强混沌系统的鲁棒稳定性,控制器的设计运用了滑模控制的方法.在控制器的作用下,实现了响应Lorenz系统与驱动Lorenz系统的全局渐近同步.数据仿真表明该控制的有效性和可行性.     

一类非线性系统具有L2-增益的鲁棒自适应控制

针对一类含有未知参数和干扰的不确定非线性系统，提出了一种具有L2-增益的鲁棒自适应控制方法。该方法结合L2-增益鲁棒控制和非线性阻尼技术，基于Lyapunov函数反演设计方法设计了状态反馈自适应控制器，实现了不确定非线性系统的鲁棒输出调节。该控制器不仅把常规自适应控制设计的参数重复估计问题简化为对未知干扰的抑制，而且使得系统从干扰输入到可控输出的L2-增益小于等于给定的值γ。仿真结果表明了所设计控制器的正确性和有效性。     

Robust Adaptive Neural Control of a Class of MIMO Nonlinear Systems

In this paper we present a robust adaptive control for a class of uncertain continuous time multiple input multiple output (MIMO) nonlinear systems. Multiple multi-layer neural networks are employed to approximate the uncertainty of the nonlinear functions, and robustifying control terms are used to compensate for approximation errors. All parameter adaptive laws and robustifying control terms are derived based on Lyapunov stability analysis so that, under appropriate assumptions, semi-global stability of the closed-loop system is guaranteed, and the tracking error asymptotically converges to zero. Simulations performed on a two-link robot manipulator illustrate the approach and its performance.     

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.     

含时滞扰动非线性系统的输出反馈自适应控制

研究了一类含变时滞扰动不确定系统的输出反馈自适应稳定问题.假定不确定性满足所谓的匹配条件且标称系统的传递函数矩阵是严格反馈正实的.基于Lyapunov稳定性理论和Lyapunov-Krasovskii型泛函设计出了一种自适应输出反馈控制器,并证明了此控制器使得闭环系统最终一致有界.最后给出一个仿真例子说明结论的有效性.     

基于电流观测器的链式STATCOM反步控制方法

针对电网中链式静态同步补偿器(STATCOM)系统的非线性特性和不确定性,提出了一种基于高增益自适应观测器的链式STATCOM反步控制方法.针对STATCOM的输出电流值的估计,设计了一种基于神经网络高增益观测器,通过引入径向基函数(RBF)神经网络,对模型参数变化进行估计,通过反馈设计,对系统进行线性化处理,利用反步法实现电压控制器设计.结合李雅普诺夫的渐近稳定性理论,获得链式STATCOM输出无功电流的控制.仿真和实验结果进一步验证了控制方法的正确性和有效性.     

一类It型随机非线性大系统分散自适应跟踪

研究一类随机非线性大系统的分散自适应跟踪问题,该类型随机非线性大系统具有标准Wiener噪声扰动,并且可以参数化为严格反馈系统形式.首先通过坐标变换将其转换为参数化的严格反馈随机非线性大系统形式,选取四阶随机控制Lyapunov函数以避免在递推过程中发散;然后利用反步法构造性设计出系统状态反馈分散控制律及参数自适应律,在此分散控制器的作用下,每个局部输出都能够跟踪预先设定的参考信号,同时保证所有闭环信号有界,从而解决了原系统的自适应跟踪问题.     

全局稳定的机器人鲁棒自适应分散跟踪控制

提出一种全局稳定的鲁棒自适应分散控制策略,用于不确定性机器人的轨迹跟踪．该控制器由一个线性ＰＤ 分散反馈＋ 补偿不确定动力学的非线性自适应分散反馈构成．仅需要了解各关节输出的位置及速度状态,就能够克服通常难于建模的摩擦力和外部扰动影响,保证全局的渐近稳定．二自由度机器人的仿真证明了该法的有效性．     

基于观测器的非线性系统神经网络自适应控制

针对一类单输入单输出非线性不确定系统,基于状态观测器并结合自适应神经网络和滑模控制,提出一种稳定的间接自适应神经网络输出反馈控制算法.该算法不需状态可测的条件,并能保证系统稳定.仿真结果表明了该方法的有效性.     

一类非线性系统的鲁棒自适应输出反馈控制

论文研究了一类输入输出模型表示的非线性系统的鲁棒自适应跟踪问题 .文中考虑的系统除了如文献 [1 ]所具有的参数不确定性以外 ,还引入了非参数不确定性 ,进而设计出一个鲁棒自适应控制方案 ,实现了对一般给定的参考信号的半全局渐近跟踪 .