基于混沌的白适应模糊PID参数寻优研究

针对自适应模糊PID控制器提出了一种基于混沌变量的优化算法.首先,利用混沌运动的遍历性特性,基于混沌优化方法进行PID控制器设计.在系统稳定的条件下,通过粗调和精确搜索可以找到具有最小参数的最佳控制器.这些参数被用来作为自适应模糊PID控制器的最佳参数.然后,按照自适应模糊控制方法,控制律及其参数可以被确定.仿真实验结果显示,该方法能够达到所要求的指标,其有效性得到了证明.     

混沌系统模糊自适应采样同步控制研究

主要针对两个具有参数未知的模糊混沌系统设计模糊自适应采样控制器,并利用 Lyapunov稳定理论和线性矩阵不等式技术获得系统控制器的增益,实现了一类参数未知模糊混沌同步.设计的自适应采样同步控制器与同类控制器相比更适合计算机控制实现,拥有更广阔的应用前景.仿真结果表明所提出的控制方法是有效的.     

神经网络控制、无模型控制PID控制仿真比较

在同一条件下，对三种仅用受控系统I／O数据来设计控制器的方法进行了控制性能仿真比较，三个受控系统分别取自文[1]和[5]。三种不同的控制方法各有其优缺点，仿真结果表明：无模型自适应控制具有其他两种方法所不具备的优点，适合处理结构时变、参数时变、阶教时变非线性离散时间系统的控制问题。     

一类非线性系统的鲁棒自适应控制

针对一类含有不确定参数和未知扰动的非线性系统，提出一种鲁棒自适应控制方法以确保系统输出稳定地精确跟踪给定的参考信号。控制器的设计分两步进行：首先，在不考虑扰动的情况下，采用一种基于参数映射的Lyapunov设计方法设计系统参数自适应控制器；然后，在该自适应控制器的基础上，采用衰减控制策略设计鲁棒补偿器，实现对扰动的抑制。最后通过数字仿真验证了设计方案的有效性。     

基于递归神经网络的伺服系统自适应反步控制

针对伺服系统的系统参数摄动和非线性动态摩擦补偿问题,提出基于递归神经网络(RNN)的自适应反步控制(RNABC)系统设计方法.RNABC系统由反步控制器和鲁棒控制器组成,反步控制器包含RNN不确定观测器,鲁棒控制器则用来消除由于引入不确定观测器而带来的逼近误差.由于自适应反步控制的自适应律源于Lyapunoy函数的,因此系统的稳定性得到了保证.仿真结果表明,对于系统参数摄动和非线性摩擦干扰RNABC能使伺服系统具有很好的跟踪性能.     

带有可伸缩挠性附件航天器的姿态控制

根据特征模型的参数推算了系统实时的转动惯量,设计了基于转动惯量的黄金分割自适应控制器和逻辑微分控制器,将这两种控制器相结合对带有可伸缩挠性附件的刚体进行姿态控制,仿真结果与基于确知系统模型所设计的变系数PD控制器相比较,表明了该自适应方法控制一类时变系统的有效性.基于特征模型的自适应方法不需要知道系统具体的模型,具有很强的鲁棒性能,因此这种方法具有很重要的实际应用价值.     

Rossler系统与统一混沌系统的异结构同步

针对异结构混沌系统的同步提出了两种不同的同步方案,研究了两个不同结构的混沌系统:Rossler系统与统一混沌系统的同步。系统参数已知时采用主动控制方法,通过设计适当的主动控制器,实现了响应系统与驱动系统的渐近同步;系统参数不确定或未知时采用自适应控制方法,基于李亚普诺夫稳定性理论,得出了两异结构混沌系统同步的充分条件,设计了相应的控制器和参数自适应律,使得响应系统的状态变量渐近跟踪驱动系统的状态变量,且两个系统的参数估计值渐近收敛于其真值,仿真结果证明了两种方案的有效性。     

一类不确定非线性系统的自适应模糊控制

对一类不确定非线性系统提出自适应模糊控制方法。此方法用模糊逻辑系统设计自适应模糊监督控制器和自适应模糊控制器,且设计补偿器对逼近误差进行补偿,以此来减少逼近误差对跟踪精度的影响,同时对自适应模糊监督控制器和自适应模糊控制器中的未知参数设计了自适应学习律。证明了该方法不但能保证闭环系统稳定,而且可使跟踪误差收敛到原点的邻域内。仿真结果验证了此方法的有效性。     

永磁同步电机的模型参考模糊自适应控制

采用模糊基函数形式,将永磁同步电机时变参数的辨识转化为对模糊基函数权系数的辨识问题,经过离线学习和在线自适应调节的模糊估计器具有对永磁同步电机时变参数的逼近能力.利用参数跟踪误差和控制预测误差信息,设计模型参考模糊自适应速度控制器,基于Lyapunov稳定性理论分析了控制器的收敛性,仿真及dSPACE实验结果表明:所设计的永磁同步电机控制系统具有较好的参数跟踪及控制性能.     

坦克高低向炮控系统直接自适应控制方法研究

提出了某坦克火炮高低向稳定系统的直接自适应控制方法,应用基于CGT的直接自适应控制原理,采用结构分解的方法,将被控对象中严格正实部分和其余部分分解开来,分别对它们设计基于CGT的自适应控制器和鲁棒控制器,从而实现对火炮高低向的控制。该算法无需辨识系统的参数,结构简单,对参数变化的适应能力强。仿真实验表明,这种方法正确可行。     

非线性离散系统的直接自适应神经网络控制器

对于一类非仿射离散时间系统,提出了一种新的自适应神经网络控制器。首先推导与原系统等价的仿射形式模型,由仿射模型推导控制律。控制律中采用一个神经网络,与传统的基于反馈线性化的自适应神经网络设计方法中采用两个神经网络相比,计算量大大减少且避免了控制器奇异问题。神经网络权值根据系统输入输出信号进行更新,另外σ项的引入,取消了为保证参数收敛持续激励的条件。系统的稳定性通过Lyapunov方法进行了分析,仿真实例验证了控制器的有效性。     

随机干扰下降阶时延混沌系统的自适应广义投影同步

研究随机干扰下降阶时延混沌系统的广义投影同步(RLGPSS).结合自适应控制方法和反馈控制技术,设计控制器和参数自适应更新律,实现混沌系统的RLGPSS问题,同时,对于系统未知参数能够有效的辨识.数值仿真结果证实了所提出控制策略的有效性.     

参数未知的不同结构混沌系统的自适应同步

针对一类混沌系统，研究了参数未知的不同结构混沌系统的自适应同步问题。基于Lyaponuv稳定理论，给出了自适应同步控制器的系统设计过程，以及同步控制器和参数自适应律的解析表达式。对于两个参与同步的不同结构的混沌系统，只要其维数相等且状态变量可测，就可以利用所提出的控制策略达到全局渐近同步。方法简单，无需试凑。以Lorenz系统和Lu系统的自适应同步控制为例，说明了该方法的有效性。     

直升机航向鲁棒保性能控制

针对具有时变不确定性且不确定性界为椭球的线性系统提出了一种新的具有自适应机制的鲁棒保性能控制器设计方法.首先,引入一个具有可由自适应律在线调整的可调参数的目标模型,通过该参数来保证由目标模型与被控模型所获得的误差系统渐近稳定.结合保证目标模型稳定性的设计,最终形成保证闭环系统稳定且控制器增益仿射依赖于可调参数的鲁棒保性能跟踪控制器.应用于安装在试验平台上的小型直升机航向控制中,仿真试验表明了该方法的有效性.     

基于自适应动态逆的着舰控制器设计

针对舰载无人机着舰过程中存在参数不确定、舰尾流干扰等问题,设计了一种基于自适应动态逆的着舰控制律.通过动态逆消除了非线性以及多变量耦合,在此基础上加入自适应律,分别设计了俯仰姿态控制器和速度控制器,并应用Lyapunov稳定性原理修正了自适应律并用来处理动力受限时的速度控制问题,保证动力补偿系统的稳定性.仿真验证结果表...     

具有时变扰动不确定系统的对偶自适应控制

对一类具有参数不确定性以及时变外部输入扰动的线性系统的控制方法进行了研究 :(1)提出了一种系统参数和扰动的联合辨识实时辨识方法 ,即在不需预先知道扰动模型的情况下 ,同时估计被控对象参数与外部输入扰动 ,并根据辨识结果对输入扰动进行实时补偿 ;(2 )设计了一对偶自适应控制器 ,该控制器具有控制与学习的双重作用 ,能够克服系统参数不确定性影响 ,且防止了传统自适应系统可能有的“关断” ,“终止”和“猝发”等不良现象 ,从而增强了自适应控制系统的鲁棒性。最后通过仿真例子验证了算法的有效性。     

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.     

基于模糊辨识的混合鲁棒自适应控制

针对一类多输入多输出不确定非线性系统,提出一种基于模糊辨识的混合鲁棒自适应控制方法。该方法探讨了自适应模糊控制器的参数自适应律由跟踪误差和逼近误差共同进行调节,并从理论分析和仿真角度证明了该方法比参数自适应律仅用跟踪误差进行调节的控制器具有更好的跟踪效果,该方法加快了系统跟踪误差的收敛速度。将该算法用于两连杆机械手轨迹跟踪,仿真结果表明该算法具有跟踪精度高,收敛速度快的优点。     

一类低速水下航行器的自适应反演运动控制

针对一类安装了垂向推进器的低速水下航行器,研究了垂直面内的非线性运动控制问题.考虑水下航行器动力学模型中的未知参数,采用反演技术设计非线性自适应控制器,使水下航行器的深度和俯仰角全局渐近稳定到期望值.利用REMUS水下航行器的数学模型进行仿真研究,结果验证了该控制器的全局渐近稳定性,以及对未知模型参数的自适应性.