一类高阶非线性系统的动态面控制

针对一类含不可控不稳定线〖JP+2〗性化的高阶非线性系统的跟踪控制问题,给出了一种连续状态反馈动态面控制器设计方案。基于增加幂次积分方法,利用状态参考的思想,设计了可导的期望虚拟控制律。利用动态面技术,让期望虚拟控制律的函数通过一阶低通滤波器,避免了对期望虚拟控制律的函数进行微分。所提连续状态反馈动态面控制器能够保证跟踪误差半全局一致终结有界。数值仿真算例结果验证了所提控制方案的有效性。     

高次非线性系统自适应动态面输出调节方法

针对一类在线性外系统驱动下的不确定三角结构高次非线性系统的输出调节问题,提出了一种自适应动态面鲁棒输出调节方法。根据输出调节问题的可解条件,将该问题转化为三角结构高次非线性系统的镇定问题。在此基础上,前n-1步采用自适应增加幂次积分方法设计期望虚拟控制律;第n步引入具有误差的内模方程,通过有效地结合自适应增加幂次积分方法和内模控制,设计出鲁棒输出调节控制器。在每一步递推中,通过采用动态面控制思想引入一个低通滤波器,克服了对期望虚拟控制律的微分。最后,通过数值仿真实例验证了所提控制方案的有效性。     

高阶非线性时滞系统的神经网络动态面控制

针对一类具有未知时变时滞的不确定高阶非线性系统,基于增加幂次积分方法,提出了一种非光滑状态反馈自适应神经网络动态面控制设计方案。通过构造适当的Lyapunov Krasovskii泛函处理了未知时变时滞不确定项;通过利用神经网络权值范数的适当形式幂次函数,将神经网络用于对在单步递推中所构造的未知函数进行建模;采用动态面技术,解决了“微分爆炸”问题。所提控制方案能够保证闭环控制系统的状态量和跟踪误差半全局一致终结有界。最后,仿真算例结果表明了该方案的有效性。     

基于Backstepping的高超声速飞行器鲁棒自适应控制

针对非线性、多变量、不稳定且包含不确定参数的高超声速飞行器模型,设计了高超声速飞行器的鲁棒自适应Backstepping控制器。采用指令滤波的设计方法,得到内回路的跟踪指令及其一阶微分信号,避免了虚拟控制信号需要进行复杂求导计算的困难。飞行器不确定参数采用自适应律在线调整,通过设计辅助滤波系统,并通过修改自适应律中跟踪误差的定义,消除由于期望控制信号不能完全执行所引起的跟踪误差的影响,保证了参数估计在控制信号约束情况下的顺利进行。仿真结果表明,所提出的设计方法不仅应用简单,且能保证高超声速飞行器在不确定参数存在情况下的闭环稳定及良好的跟踪控制性能。     

起竖系统建模及动态面自适应滑模控制

针对起竖系统存在非线性特性、参数不确定性以及环境干扰等问题,在起竖系统的起竖控制过程中,提出了一种动态面自适应滑模的控制策略。建立了起竖系统的非线性数学模型,在滑模控制器设计中,引入动态面控制,利用一阶积分滤波器来计算虚拟控制项的导数,使控制器设计简单,加入自适应控制算法,实现对不确定参数的在线估计,消除系统的不确定性,并给出了控制律和自适应律。仿真结果表明,与比例积分微分控制和一般滑模控制相比,所提控制方法有较强的鲁棒性和良好的跟踪性能,提高了起竖过程的稳定性。     

一类高阶非线性系统的混合自适应重复学习控制

针对含有时变和时不变未知参数的高阶非线性系统,利用分段积分机制,提出了一种新的自适应重复学习控制方法,该方法结合了反馈线性化,可以处理参数在一个未知紧集内周期性快时变的非线性系统,通过引进微分-差分参数自适应律,设计了一种自适应控制策略,使广义跟踪误差在误差平方范数意义下渐近收敛于零,通过构造Lyapunov函数,给出了闭环系统收敛的一个充分条件.实例仿真结果说明了该方法的有效性和可行性.     

高阶随机非线性系统状态反馈镇定

针对一类高阶下三角随机非线性系统,提出一种新的镇定方案,采用增加一个幂积分的工具构建了一个全局稳定的光滑状态反馈控制律。通过反馈占有设计方法和Young不等式处理随机系统的非线性项,取消了对随机非线性系统反馈线性化和控制输入呈线性的要求,基于Lyapunov方法,证明了闭环系统依概率全局渐近稳定。最后,仿真实例说明了算法的可行性。     

基于回归神经网络的滑模跟踪器设计

基于回归神经网络的在线辨识 ,为实现非线性系统自适应控制提供了一种很有应有前景的方法。本文基于具有线性输入特性的神经网络 ,提出了使系统辨识误差具有指数收敛特性的学习算法。为了得到尽可能普遍的控制律 ,本文运用滑模技术设计出控制信号 ,用其补偿神经网络模型与非线性系统之间的匹配误差。以此为基础 ,提出一种新的基于回归神经网络的间接自适应控制方案。仿真结果表明 ,本控制方案具有较好的跟踪性能     

不确定非线性系统的自适应输出机动控制

针对不可控不可稳定线性化的非线性系统,研究了鲁棒自适应输出机动控制问题。在未知时变参数的界未知的情况下,利用增加幂积分技术和鲁棒递推设计方法,构造了光滑自适应机动控制器。该控制器不仅能使闭环系统的输出以任意小的跟踪误差跟踪理想的参考路径,而且沿该路径还满足一定的动态任务,即可以使跟踪速度以任意小的误差跟踪预先给定的理想速度。仿真结果表明了该方法的有效性。     

非线性时滞系统自适应输出反馈跟踪控制

针对一类参数化非线性时滞输出反馈系统,提出了一种自适应输出跟踪控制器的设计方案。引入时滞滤波器估计未知系统状态,采用backstepping技术设计控制律和参数自适应律,运用占优方法处理非线性时滞项,从而放宽了对非线性时滞函数的要求,实现了对给定目标轨线的全局渐近跟踪,同时保证闭环系统所有信号一致有界。基于Lyapunov-Krasoviskii泛函方法证明了整个闭环系统的稳定性。实例仿真说明了该方案的可行性。     

非仿射非线性系统的自适应模糊输出反馈控制

针对一类单输入单输出非仿射非线性系统,提出了基于观测器的自适应模糊输出反馈控制。该算法通过构造线性误差观测器估计系统输出误差和系统状态,利用估计状态变量和估计输出误差变量设计自适应控制律,采用模糊逻辑系统在线消除非线性系统中的不确定模型,引入监督控制消除系统逼近误差和外界干扰,并利用Lyapunov方法严格证明了在该控制律作用下闭环系统所有信号一致最终有解,闭环系统的输出能最终跟踪期望输出。仿真结果表明了该方法的有效性。     

带非线性观测器的欠驱动船舶自适应动态面输出反馈轨迹跟踪控制

针对船速与艏摇角速度均不可测的三自由度欠驱动船舶轨迹跟踪问题,考虑在海洋环境扰动未知,提出一种带非线性观测器的动态面自适应输出反馈控制方法。该方法通过对系统模型进行坐标变换,设计非线性观测器估计船舶的速度向量;采用动态面技术可处理反演法对虚拟控制量求导导致的“微分膨胀”问题,减少计算量;同时采用自适应律估计海洋环境干扰的界值,从而防止参数漂移。利用Lyapunov函数证明该控制律可保证船舶轨迹跟踪误差的一致最终有界性,仿真结果证明了所提出控制方法的有效性。     

基于神经网络的反步自适应大机动飞行控制

针对飞机大机动飞行时模型非线性和参数不确定性的特点,提出了一种基于全调节神经网络的反步自适应控制方法。飞机模型不确定部分由全调节径向基函数(radical basis function, RBF)神经网络在线补偿,控制律及神经网络参数自适应律由反步法回馈递推得到,并利用一种自适应参数策略的混沌粒子群算法优化控制器固定参数,改善动态性能,最后通过加权伪逆控制分配方法得到最终控制信号。仿真结果表明：在较大的模型气动参数不确定及控制增益矩阵未知时,所设计的控制律仍能理想地跟踪飞机大机动指令飞行,神经网络参数估计误差指数收敛到有界紧集,系统具有快速的收敛性和良好的鲁棒性。     

未知非线性系统的神经网络跟踪控制与仿真研究

应用输入／输出反馈线性化方法和李亚普诺夫方法，研究了一类具有未知非线性函数的非线性动态系统的自适应鲁棒输出跟踪控制问题。首先通过坐标变换和输入变换，将非线性系统变换为部分线性可控系统。接着采用多层前向神经网络来逼近未知非线性函数，网络的权值根据李亚普诺夫原则来在线修正，这样就克服了多神经网络控制系统中存在的稳定性问题。同时，为了减少权值学习时间，应用遗传算法预先离线训练网络权值。最后提出了一个基于神经网络建模的自适应鲁棒控制律，给出了李亚普诺夫意义下的稳定性证明。所提出的控制律可确保相应闭环系统的状态及跟踪误差一致最终有界。所给的Van der pol系统的例子说明了所提控制方案的有效性与鲁棒性。     

船舶航向的神经网络并行鲁棒模型参考控制

针对大型船舶的航向控制特性,提出一种神经网络并行自学习鲁棒模型参考控制方法。这种复合控制结构利用神经网络的学习能力和非线性映射能力,解决传统自适应控制中模型的在线辨识和控制器的在线设计问题,以达到对不确定非线性船舶的高精度输出跟踪控制;通过引入运行监控器,克服神经网络控制方法实时性差的问题;利用一个鲁棒反馈控制器,来保证神经网络模型学习初期闭环系统的稳定性。仿真结果表明这一方法对设定航向具有精确的跟踪控制效果。     

基于高增益观测器的非线性系统自适应模糊滑模控制

针对一类有界的不确定非线性系统,基于高增益观测器并结合自适应模糊逻辑系统和滑模控制,提出了一种基于高增益观测器的自适应模糊滑模控制方案。该方案不需要系统状态可测的条件,而是通过设计高增益观测器来估计系统的状态并能保证观测误差一致最终有界。基于李亚普诺夫函数方法,给出了自适应模糊滑模控制律以及在线调节的参数自适应律。所提出的控制方案不但能使闭环系统稳定,而且保证了跟踪误差的一致最终有界性。仿真结果进一步验证了该控制方案的实用性和有效性。     

超机动飞行的非线性鲁棒自适应控制系统研究

针对飞机模型中存在气动参数不确定性以及外界干扰等影响因素,设计了一种超机动飞行的非线性鲁棒自适应控制系统。控制系统设计过程中,模型不确定性和外界干扰由RBF神经网络在线补偿,控制律及神经网络权值自适应律由反步法得到。解决了系统中控制增益矩阵未知,同时存在外界干扰情况下的鲁棒飞行控制系统设计,并证明了闭环系统所有信号有界,系统跟踪误差和神经网络权值估计误差指数收敛到有界紧集内。对所研究的飞行控制系统进行了过失速Herbst机动仿真,结果验证了该系统在过失速机动条件下具有良好的控制性能。     

不确定非线性系统自适应滑模跟踪控制及应用

针对一类非匹配不确定非线性系统,设计了一种高阶鲁棒自适应反推滑模变结构控制方法。在控制器设计中,考虑存在系统建模误差和外界未知干扰,借鉴动态面思想降低控制器复杂性,引入双曲正切函数和抖振衰减因子降低控制输入抖振,设计系统建模误差自适应律增强控制器鲁棒性,并将系统的稳定性证明简化为判断一个n阶对称矩阵的正定性问题。将设计的反推滑模控制器用于F-8飞机纵向机动控制并进行仿真,实现了飞机对指定轨迹的稳定跟踪。     

一种基于神经网络的任意模型参考自适应控制

针对一般模型参考自适应控制方法在解高阶非线性模型时参考模型阶数较高的不足,采用一种任意模型参考自适应控制降低了参考模型的难度。利用隐层神经网络对模型进行逼近,对线性化时由不确定因素导致的误差进行补偿,并利用直接Lyapunov稳定性理论证明了跟踪误差有界,最后将其应用到飞行器纵向非线性模型的自动着陆下滑控制设计中。仿真结果表明,所设计的控制器能够使飞行器较好地跟踪理想着陆轨迹,从而验证了方法的有效性。     

考虑时延的多Euler-Lagrange系统自适应神经网络协调跟踪控制

考虑存在通讯时延,在有向通讯拓扑结构下研究多Euler-Lagrange系统的协调跟踪控制问题。仅有部分跟随者可以获得静态领航者信息。对每一个跟随者设计了一种分布式观测器,以获得领航者的状态量。针对系统模型具有非线性不确定性和外部扰动情况,基于神经网络方法提出了两种分布式自适应协调控制律,分别使每一个跟随者对领航者的跟踪误差最终有界和渐近收敛到零。运用Lyapunov稳定性理论对两种控制律的稳定性进行了证明。数值仿真验证了本文提出的控制律的有效性。