一类严格反馈时滞系统的自适应输出反馈控制

针对一类单输入单输出的严格反馈时滞系统研究跟踪控制问题。该控制系统包含不确定项、输出约束、未知死区特性和未知时间延迟。首先,设计一个状态观测器来估计无法测量的系统状态;其次,利用径向基函数(radial basis function,RBF)神经网络去逼近未知的系统内部动态;同时,利用障碍李雅普诺夫(Lyapunov)函数确保输出约束及Lyapunov-Krasovskii方法消除时滞项对系统的影响;最后,基于Lyapunov稳定性理论,构造一个鲁棒自适应神经网络输出反馈控制器,并且克服了过参数问题。结果显示,设计的神经网络输出反馈控制器可以保证闭环系统中的所有信号都是半全局最终一致有界的,跟踪误差能收敛到零值小的领域内。文中通过两个例子进一步验证了提出方法的有效性。     

一类输入受限的不确定非线性系统自适应Backstepping变结构控制

针对一类输入受限的不确定非线性系统,提出了一种自适应Backstepping变结构控制器设计方法。建立了受未知非线性特征约束的执行器故障模型,可以描述系统存在死区、齿隙、饱和、滞回等输入受限情形以及可能发生的执行器失效、卡死等故障情形。设计径向基函数神经网络补偿未建模动态项,引入一阶低通滤波器避免了Backstepping控制中的计算复杂性问题。自适应近似变结构控制能够有效削弱控制信号抖振。理论分析和仿真实验结果证明,提出的自适应鲁棒控制律能够在输入受限的情况下自适应地调节控制输入,使得闭环系统稳定且满足控制性能要求。     

基于观测器的非线性系统执行器死区故障的自适应跟踪控制

研究了一类具有不对称执行器死区故障的非线性系统的跟踪控制问题。基于扩张观测器,提出了一种新的自适应跟踪控制方法。取消了系统所有状态完全可测的限制。在死区模型所有参数以及系统非线性不确定项上界均未知的情况下,所设计的自适应控制器可以很好地消除执行器死区故障的影响,保证跟踪误差有界。仿真结果表明该方法的有效性。     

基于自适应神经网络的非线性系统故障诊断

针对一类模型未知及状态不可测的非线性系统,提出了基于自适应神经网络的故障诊断策略,不仅在线估计神经网络的矩阵权重,而且在线估计高斯函数的宽度和中心。该方法对系统的未知非线性特性没有特别要求,仅对神经网络提出较弱的假设条件。首先利用径向基函数(Radial Basis Function,简称RBF)神经网络构造状态观测器,估计系统的状态。然后利用另一个自适应RBF神经网络作为故障估计器,其输入是系统的估计状态(而不是系统状态),其输出为系统所发生的故障模型。利用Lyapunov稳定理论详细分析了状态误差和故障误差的收敛性,分别给出了两个神经网络的参数调整律,仿真证明了该方法的实用性和有效性。     

非线性系统自适应逆设计及应用

对于一类存在输入未建模动态的非线性系统,提出了一种基于RBF神经网络的自适应逆补偿器设计方法。首先应用两个神经网络设计了补偿器,一个用来估计输入未建模动态,另一个用来作为未建模动态的自适应逆补偿器。该设计放宽了对未建模动态的一些苛刻的要求,如相对度为零,满足小增益条件等。仅要求D(u)逆稳和连续光滑。然后应用反演设计技术设计了控制器,并应用Lyapunov稳定性理论推导出神经网络权重向量的调节律,同时证明了闭环系统的渐进稳定性。最后给出的BTT导弹纵向控制系统设计仿真实例证明了该设计方法的有效性。     

非线性系统执行器死区故障的鲁棒自适应控制

针对一类具有不对称执行器死区故障的不确定非线性系统,基于反推滑模控制原理提出了一种神经网络鲁棒自适应控制方案。通过简化死区故障模型,取消了模型倾斜度相等和边界对称条件,结合动态面控制避免了传统反推设计方法存在的计算复杂性问题。所提控制方案取消了控制方向已知的条件,消除了执行器死区故障的影响,使得系统输出趋于给定参考轨迹的一个小领域。仿真结果验证了该方法的有效性。     

Adaptive variable structure control for large-scale time-delayed systems with unknown nonlinear dead-zone

The problem of adaptive fuzzy control for a class of large-scale, time-delayed systems with unknown nonlinear dead-zone is discussed here. Based on the principle of variable structure control, a design scheme of adaptive, decentralized, variable structure control is proposed. The approach removes the conditions that the dead-zone slopes and boundaries are equal and symmetric, respectively. In addition, it does not require that the assumptions that all parameters of the nonlinear dead-zone model and the lumped uncertainty are known constants. The adaptive compensation terms of the approximation errors are adopted to minimize the inuence of modeling errors and parameter estimation errors. By theoretical analysis, the closed-loop control system is proved to be semi-globally uniformly ultimately bounded, with tracking errors converging to zero. Simulation results demonstrate the effectiveness of the approach.     

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。     

Exponentially adaptive synchronization of an uncertain delayed dynamical network

Over the past decades, complex networks have been prosperous greatly in various fields of sciences and engineering. Much attention has been given to investigate the synchronization of complex networks in recent years. However, few work has done for the networks with uncertain parameters and unknown topology. In this paper, to further reveal the dynamical mechanism in complex networks with time delays, an uncertain general complex dynamical network with delayed nodes is studied. By constructing a drive network and a suitable slave network, several novel criteria for the networks consisting of the identical nodes and different nodes have been obtained based on the adaptive feedback method. Particularly, the hypotheses and the proposed adaptive laws for network synchronization are simple and can be readily applied in practical applications. Finally, numerical simulations are provided to illustrate the effectiveness of the proposed synchronization criteria.     

水面舰船动力定位系统ESO输入饱和控制

为解决现实服役海洋环境下,模型参数未知的水面舰船动力定位系统的控制问题,考虑执行器输入有界、舰船运动状态信号难测量等工程因素的限制,提出一种动力定位的状态观测饱和控制算法。首先,对非线性扩张状态观测器(extended state observer, ESO)在含有未知饱和控制输入结构下的状态观测能力进行分析,在原有假设条件的基础上制定一条附加假设条件,并分析该观测系统的合理性。接下来,将非线性ESO的特例(即线性ESO)应用于对舰船运动状态变量的实时观测,设计自适应律对模型的阻尼项和执行器不确定增益进行在线估计,进而得到各个执行器可变螺距形式的控制输入,引入动态辅助系统处理执行器的输入饱和限制。仿真结果表明:相比于传统的动力定位系统控制策略,所提出的控制策略在保证高定位精度和合理收敛速度要求的同时,更符合工程实际。     

自适应律修改的间接自适应模糊控制

针对一类不确定非线性系统提出了一种间接自适应模糊控制方法,此方法对模糊逻辑系统中的未知参数设计了一种新的自适应学习律,证明了在此自适应律作用下,不但能使跟踪误差收敛于原点的小邻域内,而且通过适当增大设计参数的值,可使跟踪误差减小。仿真结果验证了此方法的有效性。     

基于模糊自适应的微型飞行器姿态控制

针对一类不确定非线性系统,基于李亚普诺夫稳定性理论提出了模糊自适应算法.将系统分为标称模型和包含建模误差、参数变化、干扰及未建模动态等在内的混合干扰项,用模糊自适应控制实时逼近系统各个不确定参数,用鲁棒反馈控制消除系统的外部干扰.由于模糊自适应控制是对系统输入系数矩阵和系统函数向量的不确定部分的每一个分量进行实时逼近,所以系统控制的精确性得到了提高,有较好的鲁棒性.模糊逻辑系统的计算量相对较少,从而能够很好地完成系统输出信号的渐近跟踪.给出了控制算法的稳定性证明,并对微型飞行器的姿态控制系统进行了仿真研究,仿真结果验证了算法的有效性.     

一类时滞递归神经网络间的鲁棒自适应同步

针对一类具有不同吸引子的时滞递归神经网络间的同步问题,提出了一个自适应同步控制策略,建立了具有不同吸引子的两个神经网络间全局鲁棒同步的一个新判据。所提出的自适应同步控制策略不仅适用于结构已知的神经网络,而且也适用于不同结构和部分参数已知的神经网络,且对未知参数部分,由自适应更新律来辨识其参数。所提出的同步判据容易验证和控制律容易实现,数值仿真验证了所提方法的有效性。     

Indirect adaptive fuzzy control for a class of nonlinear discrete-time systems

An indirect adaptive fuzzy control scheme is developed for a class of nonlinear discrete-time systems. In this method, two fuzzy logic systems are used to approximate the unknown functions, and the parameters of membership functions in fuzzy logic systems are adjusted according to adaptive laws for the purpose of controlling the plant to track a reference trajectory. It is proved that the scheme can not only guarantee the boundedness of the input and output of the closed-loop system, but also make the tracking error converge to a small neighborhood of the origin. Simulation results indicate the effectiveness of this scheme.     

Robust adaptive neural network control with supervisory controller

The problem of direct adaptive neural network control for a class of uncertain nonlinear systems with unknown constant control gain is studied in this paper. Based on the supervisory control strategy and the approximation capability of multilayer neural networks (MNNs), a novel design scheme of direct adaptive neural network controller is proposed.The adaptive law of the adjustable parameter vector and the matrix of weights in the neural networks and the gain of sliding mode control term to adaptively compensate for the residual and the approximation error of MNNs is determined by using a Lyapunov method. The approach does not require the optimal approximation error to be square-integrable or the supremum of the optimal approximation error to be known. By theoretical analysis, the closed-loop control system is proven to be globally stable in the sense that all signals involved are bounded, with tracking error converging to zero.Simulation results demonstrate the effectiveness of the approach.     

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。     

弹性高超声速飞行器智能控制系统设计

针对气动舵受限下的弹性高超声速飞行器控制问题, 提出一种基于神经自适应的智能控制方案。在速度子系统的设计过程中, 为了降低对模型参数的依赖程度, 应用强化学习算法在线调整比例积分微分(proportional integral derivative, PID)控制参数, 给出智能PID控制策略。对于高度子系统, 考虑气动舵的动态特性, 利用神经自适应方法对模型未知函数及不确定项进行逼近。为了处理气动舵的约束问题, 以非线性模型预测控制为优化分配模板生成大量样本数据集, 经离线训练得到深度神经网络代替求解复杂优化问题和控制分配的过程。此外, 通过引入自适应超螺旋微分器处理外部扰动, 增强了系统的鲁棒性。利用Lyapunov方法证明了所设计控制器的稳定性, 并通过仿真验证了所设计控制方案能够快速计算控制指令, 实现高精度跟踪控制。     

Adaptive Robust Dead-Zone Compensation Control of Electro-Hydraulic Servo Systems with Load Disturbance Rejection

A backstepping method based adaptive robust dead-zone compensation controller is proposed for the electro-hydraulic servo systems(EHSSs) with unknown dead-zone and uncertain system parameters.Variable load is seen as a sum of a constant and a variable part.The constant part is regarded as a parameter of the system to be estimated real time.The variable part together with the friction are seen as disturbance so that a robust term in the controller can be adopted to reject them.Compared with the traditional dead-zone compensation method,a dead-zone compensator is incorporated in the EHSS without constructing a dead-zone inverse.Combining backstepping method,an adaptive robust controller(ARC) with dead-zone compensation is formed.An easy-to-use ARC tuning method is also proposed after a further analysis of the ARC structure.Simulations show that the proposed method has a splendid tracking performance,all the uncertain parameters can be estimated,and the disturbance has been rejected while the dead-zone term is well estimated and compensated.     

飞行器自适应反推Terminal滑模轨迹跟踪控制

飞行器非线性动力学模型通常包含由未知外界干扰和未建模动态构成的非匹配不确定性。针对建立的飞行器纵向运动仿射非线性模型,提出了一种基于非线性干扰观测器(nonlinear disturbance observer, NDO)的自适应反推非奇异终端滑模(adaptive backstepping nonsingular terminal sliding mode,AB-NTSM)轨迹跟踪控制方法。设计非线性干扰观测器对未知干扰进行观测补偿,无需干扰上界先验知识。设计未建模动态自适应律,提高控制器对系统不确定性的鲁棒性。对3种不同情况的仿真表明,干扰观测器能够实现对不同干扰精确观测,仅在干扰突变时有较大观测误差。在不确定性影响下,采用提出的控制方法,系统能够实现对指定轨迹的稳定跟踪,并有效消除控制信号的抖振。     

基于干扰补偿的拦截弹新型反演姿态控制

针对同时具有未知干扰以及输入饱和与死区特性的大气层内拦截弹姿态控制系统,提出了一种基于干扰补偿的自适应动态面控制器设计方法。该方法通过设计改进的非线性干扰观测器(nonlinear disturbance observer, NDO)对未知干扰进行抑制,利用径向基函数(radial basis function,RBF)神经网络逼近输入饱和引起的非线性项,通过设计参数自适应律在线估计未知死区边界。通过构造合适的Lyapunov函数,证明闭环系统状态一致终结有界。仿真结果表明,所提方法鲁棒性良好,在输入非线性和未知干扰作用下,依然能良好地跟踪指令信号。