一类不确定离散非线性系统的边界层自适应模糊滑模控制

研究了一类不确定离散非线性系统的模糊滑模控制问题,提出了一种基于边界层模糊自适应的模糊滑模控制方法.首先,在系统非线性动态函数上界已知的条件下,给出了系统的准滑模控制律设计,证明了系统的闭环稳定性.引入一个滑模边界层可调参数,在边界层外施加准滑模控制律;在边界层内,去掉准滑模控制律,施加模糊逻辑控制.边界层参数用模糊逻辑系统进行在线自调节,消除了系统处于准滑动模态时的高频抖振.数值仿真结果证明了所设计控制律的优点和有效性.     

一类非线性系统的直接自适应模糊滑模控制

研究了一类非线性系统的一种直接适应模糊滑模控制（AFSMC）的问题。首先，在系统的非线性动态函数满足可估计和有界两个基本假设的条件下，给无了此类系统基于非线性动态函数估计的一般滑模控制律设计。然后基于目标函数梯度校正的方法，通过自适应机构调解模糊逻辑系统（FLS）的后作参数，所设计的自适应模糊逻辑系统（AFLS）能够逼近系统基于非线性动态函数估计的一般滑模控制律。这样，系统的自适应模糊控制律具有一般滑模控制律的控制效果，同时由于AFLS的滤波作用，具有消除滑模控制高频抖振的特性。数值仿真结果证明了所设计控制律的有效性。     

分散自适应模糊滑模控制器与车辆跟随控制

针对一类不确定非线性大系统提出了一种新的组合型自适应分散模糊滑模控制算法.借助模糊逻辑系统与滑模方法设计的控制器加权组合了间接与直接自适应两种模糊控制器,可以同时融合被控对象知识与控制知识两种模糊信息来提高自适应效果.在一类大系统框架下基于统一的格式提出了间接与直接自适应模糊控制设计方案,并进一步消除了现有各种相关控制算法的缺陷.闭环大系统被证明是一致渐近稳定的.该算法应用于自动公路系统车辆的跟随控制,仿真结果表明提出的组合型自适应模糊控制系统比通常间接或直接自适应模糊控制系统具有更好的跟踪性能.     

非匹配非线性系统多滑模模糊控制

针对一类非匹配非线性系统,提出一种多滑模自适应模糊控制算法。通过将参数光滑投影算法,带饱和层的滑模面设计技术以及积分型李雅普诺夫设计技术集成起来,使得算法提高了系统在抑制参数漂移、抖振现象、控制器奇异等方面的能力。算法保证闭环系统所有信号的有界性且使得跟踪误差收敛于任意设定的饱和层内。仿真结果进一步说明了算法的有效性。     

并联式运载器上升段广义超螺旋有限时间控制

针对受模型不确定和外部干扰影响的并联式运载器上升段姿态控制问题, 提出了一种基于广义超螺旋算法的自适应滑模有限时间控制方法。首先, 将姿态跟踪控制问题转化为跟踪误差系统的镇定问题, 建立了面向控制的模型。其次, 将单输入单输出(single input single output, SISO)固定时间广义超螺旋算法拓展应用到多输入多输出(multiple input multiple output, MIMO)耦合非线性系统上, 基于该算法设计了固定时间状态观测器和自适应滑模有限时间控制器, 利用Lyapunov稳定性理论证明了闭环系统的有限时间稳定特性。最后, 通过与传统比例-微分(proportional and differential, PD)控制器仿真对比, 验证了该方法具有更优的控制精度和鲁棒性。     

不确定非线性系统变结构模糊自适应鲁棒控制

考虑一类不确定非线性系统的鲁棒控制器设计问题，在假设系统不确定性函数结构未知的情况下，利用模糊系统对不确定性函数进行逼近，将获得的模糊系统函数作为系统不确定性界函数。在此基础上，提出了一种变结构模糊自适应鲁棒控制算法，该算法在确保系统的滑动模态超平面为渐近可达的前提下，在线对系统模型的控制增益参数和不确定性函数的界参数进行估计。最后以船舶减摇鳍非线性控制系统为例，进行了变结构鲁棒自适应模糊控制器的设计。仿真研究表明，所提出的算法是有效的。     

3-RRRT并联机器人解耦的反演自适应动态滑模控制

针对3-RRRT型搬运机器人提出一种解耦的反演自适应动态滑模控制方法,以提高控制精度和鲁棒稳定性。首先利用非线性补偿方法将系统解耦成线性系统,运用一阶动态滑模设计新的滑模面,然后利用基于李亚普诺夫函数的Backstepping控制设计方法和自适应控制技术,设计了全局渐近稳定的系统控制器,最后利用MATLAB进行了系统控制数值仿真,结果表明,对3-RRRT型并联机器人的这种强耦合的、具有不确定性的非线性系统,采用该解耦的反演自适应动态滑模控制方法,可以达到理想的控制精度,并能保障系统的鲁棒稳定性。     

一种改进的自适应模糊滑模大包线飞行控制方法

提出了一种改进的自适应模糊滑模大包线飞行控制方法。该方法以经模拟退火粒子群算法优化的小波神经网络实现非线性模型的逆,能够更加细致地逼近非线性模型,并针对自适应控制的鲁棒性与瞬态性能差的缺点,将滑模控制与自适应控制相结合共同补偿逆误差,提高了自适应控制的鲁棒性与瞬态性。仿真结果表明:所设计的自适应模糊滑模大包线飞行控制器具有优良的控制性能。     

不确定非线性系统的鲁棒自适应跟踪简化算法

传统的Backstepping自适应控制方法需要对虚拟控制律进行求导,从而导致“计算复杂性膨胀”。动态平面控制技术能够克服这一缺陷。将这一技术扩展到一类具有参数严格反馈形式的不确定非线性系统输出跟踪,这类系统同时包含线性参数和未知非线性函数两种不确定性。所设计的控制算法比现有算法大大简化,解决了“计算复杂性膨胀”问题;运用Lyapunov理论证明了闭环系统一致最终有界,仿真结果表明了算法的有效性。     

基于观测器的不确定非线性系统L1自适应控制

针对一类严格块反馈型不确定非线性系统,采用反步设计方法提出了一种新的基于滑模状态观测器的L1自适应控制方案。由于系统状态不完全可测,首先设计滑模观测器对系统状态进行估计,并分析观测器的收敛性,在此基础上,通过反步法得到系统的理想控制律。为了消除反步控制中的“项数膨胀”,引入非线性跟踪微分器来提取理想控制律的微分信号。为提高系统响应的瞬态性能,消除控制输入的高频振荡,引入L1自适应控制对控制律进行改进,通过理论推导证明了闭环系统的稳定性。最后通过数值仿真算例验证了所设计控制方案具有快速的收敛性、良好的跟踪性等期望性能。     

基于GA的非线性电机自适应模糊滑模控制器设计

提出一种基于GA的自适应模糊积分型滑模控制策略,并将其用于具有非线性动态摩擦力的单轴运动控制系统中.控制器由自适应模糊控制项和补偿控制项组成,自适应模糊控制项用来逼近理想滑模控制律,补偿控制项用来补偿逼近偏差,利用李亚普诺夫稳定性理论推导出模糊规则和补偿控制项中逼近偏差边界在线自适应律,采用遗传算法优化自适应律中参数.仿真和实验结果表明了该控制策略的有效性.     

基于干扰观测器的倒立摆自适应滑模控制及仿真研究

旋转二级倒立摆是一种非线性、强耦合的复杂不稳定的欠驱动系统,在已建立的倒立摆数学模型的基础上,提出了一种基于干扰观测器的离散自适应滑模控制算法,针对系统的内部参数变化和外部扰动,利用干扰观测器对系统的不确定因素进行了动态补偿,同时结合自适应算法降低系统的抖振,与未采用干扰观测器的传统自适应滑模控制律的仿真结果进行对比,可以看出,采用改进的控制算法大大降低了系统的抖振和超调,改善了系统的动态性能,得到更好的控制效果.     

Neural network based adaptive sliding mode control of uncertain nonlinear systems

The purpose of this paper is the design of neural network-based adaptive sliding mode controller for uncertain unknown nonlinear systems. A special architecture adaptive neural network, with hyperbolic tangent activation functions, is used to emulate the equivalent and switching control terms of the classic sliding mode control (SMC). Lyapunov stability theory is used to guarantee a uniform ultimate boundedness property for the tracking error, as well as of all other signals in the closed loop. In addition to keeping the stability and robustness properties of the SMC, the neural network-based adaptive sliding mode controller exhibits perfect rejection of faults arising during the system operating. Simulation studies are used to illustrate and clarify the theoretical results.     

一种自适应鲁棒跟踪模糊控制新算法

针对一类非线性不确定系统 ,在用T S模糊系统对未知聚拢不确定函数进行逼近的基础上 ,利用系统的耗散理论 ,系统地提出了一种自适应鲁棒跟踪模糊控制新算法。该算法基于一个新的Lyapunov函数 ,不仅可以使控制算法避免其它自适应控制算法中时常存在的奇异问题 ,而且还可以使自适应学习参数的数目减至最少 ,便于工程实现 ,并可确保闭环系统渐近稳定 ,系统的跟踪误差为零。经仿真研究表明 ,所提出的算法是有效的     

基于神经网络的非线性系统的间接自适应控制

针对一类不确定非线性动态系统 ,利用多层神经网络系统MNNs的逼近能力 ,提出了一种间接鲁棒自适应神经网络控制器的设计方案。该方案不仅能够保证闭环系统的所有信号有界 ,而且理论分析证明了闭环系统的跟踪误差渐近收敛到零。仿真试验表明本控制算法是有效的。     

增益符号未知的鲁棒自适应模糊控制

针对一类具有函数控制增益符号未知的不确定非线性系统,根据滑模控制原理和模糊系统的逼近能力,提出了一种自适应模糊控制器设计新方案。该方案利用Nussbaum函数的性质,取消了常用的函数控制增益符号已知这一条件。并通过引入最优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的有界性和跟踪误差收敛到零。仿真结果表明了该方法的有效性。     

欠控制方向非线性系统的鲁棒自适应控制

针对一类控制方向未知且具有未建模动态的非线性系统,提出了一种鲁棒自适应控制策略.算法推广了已有的鲁棒自适应非线性控制方法.控制算法保证闭环系统所有信号是一致终值有界的.同时,通过调整控制器设计参数,闭环系统能够实现期望的性能要求.仿真结果进一步说明了理论分析的有效性.     

无模型控制方法在直线电机控制中的仿真研究

将基于偏格式线性化的非线性系统无模型学习自适应控制方法应用在直线电机的速度和位置控制中．控制器的设计是直接基于称为伪偏导数的向量，伪偏导数是通过新型参数估计算法，根据给出的永磁直流直线电机非线性系统模型的输入输出信息在线导出的。利用Matlab软件进行仿真实验证明了该方法对电机这种具有不确知动态的非线性系统的有效性和稳定性。     

一类非线性系统的自适应模糊滑模定位控制

针对一类由多子系统组成的,具有建模误差和未知不确定性的多变量非线性系统,提出了一种自适应鲁棒定位控制方案。分别在系统数学模型已知或未知的情形下,通过对不确定性的未知范数界描述,基于Lyapunov理论和Barbalat引理,给出了滑模鲁棒控制器的综合设计方法及其自适应控制律,保证整个闭环误差系统的稳定。该方法减少了对系统模型精确度的依赖,避免了传统方法对不确定性的人为预估行为。最后,通过船舶动力定位系统的控制仿真表明了本方法的有效性。     

大型变速风力发电机组的自适应模糊控制

控制技术是风力发电机组安全高效运行的关键。风力发电机组是复杂多变量非线性系统,具有不确定性和多干扰等特点。本文提出使用模糊逻辑推理系统得到低风速时的发电机参考转速,该方法无需测量风速,避免了风速测量的不精确性。根据机组的运动方程,采用最近邻聚类学习算法建立发电机电磁转矩自适应最优模糊控制,低风速时获得最大风能利用系数。算法综合考虑风力发电机组的机械特性和电气特性,系统辨识作为控制算法的一部分自动执行。高风速时,变论域自适应模糊控制器控制桨距角,机组能准确地保持在额定功率发电。仿真结果表明了本文提出方法的有效性。