基于T-S模糊模型离散时间非线性网络系统的输出跟踪控制

研究离散时间非线性网络控制系统的输出跟踪控制问题,其中被控对象是由T-S模糊模型表示。利用非平行分布补偿技术和时滞输入方法建立跟踪控制模型。以线性矩阵不等式的形式给出隶属度函数偏差依赖的控制器存在的充分条件,保证闭环系统的给定跟踪性能。     

随机时滞系统的记忆状态反馈非脆弱H_∞控制

基于Lyapunov泛函方法,结合线性矩阵不等式(LMI),研究了一类随机时滞系统的非脆弱镇定和H∞控制问题.时滞不仅存在于系统的状态,而且存在于系统的控制输入.在2种不同的控制器增益扰动下,通过求解LMI,设计了随机时滞系统的记忆状态反馈非脆弱H∞控制器.最后,通过数值仿真说明了方法的有效性和结论的正确性.     

非高斯随机分布系统的集成故障诊断与容错控制

针对一类非高斯非线性随机分布系统,提出了一种集成故障诊断与容错控制算法. 将基于有理平方根模型逼近其系统输出概率密度函数（PDF）,在此基础上给出了基于RBF神经网络观测器的故障诊断算法,诊断出系统发生的渐变故障信息,基于Lyapunov稳定性定理对其观测误差系统进行收敛性分析. 根据故障诊断信息,给出了PI跟踪容错控制策略,使得系统输出概率密度函数仍能够跟踪给定的分布. 仿真结果验证了该集成故障诊断和容错控制算法的有效性.      

一类非线性不确定时滞系统的多模型切换H∞跟踪控制

考虑了当系统存在不确定和外界干扰的情况下，一类非线性不确定时变时滞系统的多模型切换H∞跟踪控制的设计问题。利用时滞T-S模糊模型对非线性不确定时滞系统进行建模，将输入空间划分为若干个区域，在每一区域内设计局部T-S模型和控制器，这样在模糊规则数相同的情况下由于模糊论域的变小从而提高了逼近精度；在不确定性满足增益有界的条件下，得到了该类时变时滞非线性系统满足闭环稳定和H∞跟踪控制性能的充分条件，通过求解一组线性矩阵不等式(LMI)，获得模糊H∞跟踪控制律，基于Lyapunov稳定性理论，证明了在此控制律下闭环系统渐进稳定；根据所选定的变量，通过多模型切换控制，将相应的区域控制器切换为全局控制器，而其他控制器不起作用，实现对整体非线性系统的逼近与控制。     

小脑神经网络用于不确定时滞系统的鲁棒非脆弱控制

针对不确定时滞系统的鲁棒跟踪控制问题,设计了一种基于小脑神经网络CMAC的鲁棒非脆弱控制器。首先,给出小脑模型神经网络控制系统的算法。其次针对一类不确定时滞系统,根据李雅普诺夫稳定理论,进行了鲁棒非脆弱控制器的设计。假设反馈控制中即含有状态反馈不确定性,也具有状态时滞的不确定性。证明不确定时滞系统鲁棒非脆弱控制存在的条件。该条件可以利用Matlab的线性矩阵不等式LMI工具箱来求解鲁棒控制器的参数。之后利用CMAC神经网络较强的学习能力和鲁棒非脆弱控制器对参数摄动抑制作用的特点,将鲁棒非脆弱控制器与小脑模型神经网络CMAC相结合,构成小脑模型神经网络与鲁棒非脆弱控制器的复合控制,实现对不确定时滞系统的跟踪控制。仿真结果显示,对于输入端扰动和一定程度的参数摄动,经过复合控制器的作用,被控系统能在短时间的抖动后逐渐趋于稳定,不仅具有较快的响应速度,还具有较短的收敛时间和令人满意的跟踪精度。该种复合控制表现出较强抗干扰能力及鲁棒性。     

基于分段模糊Lyapunov函数的轮式移动机器人轨迹跟踪控制

研究了具有控制输入约束和外部干扰的轮式移动机器人的轨迹跟踪问题.在轨迹跟踪位姿误差的T-S模型和并行分布补偿框架下,利用分段模糊Lyapunov理论给出了满足控制输入约束的H∞控制器设计方法,并证明了闭环系统的稳定性.仿真结果验证了所提方法的有效性.     

时滞TCP网络的自适应滑模控制

针对具有输入时滞和状态时滞的TCP网络的拥塞控制问题,提出了一种基于自适应滑模控制的主动队列管理算法。通过引入一个特殊变换将原时滞系统转化为无时滞系统,从而消除时滞带来的影响。考虑到网络系统不确定性上界很难获得,提出了一种自适应律以适应系统的不确定的上界,并根据此自适应律设计了一个滑模控制器,所设计的控制器不仅可以使队列长度快速收敛到设定值,而且维持较小的队列振荡。仿真结果表明,该算法可以获得良好的暂态和稳态响应,该方法优于传统的PI控制和滑模控制。     

输入饱和约束下的非完整移动机器人轨迹跟踪控制

在控制输入饱和的约束条件下,以非完整移动机器人的运动学模型为对象,研究了移动机器人的轨迹跟踪控制问题,提出了一种光滑时变的控制器.基于Lyapunov方法,证明了所设计的轨迹跟踪控制器能够满足控制输入饱和的约束条件,并且能够保证闭环系统一致稳定,当机器人的期望线速度不为零时,闭环系统能够全局渐近稳定.仿真结果验证了该控制器的有效性.     

具有输入时滞的随机非线性系统的自适应神经网络控制

考虑一类具有输入时滞的随机非线性系统的自适应神经网络控制问题。通过定义含输入积分项的设计变量,将输入时滞系统转变为非时滞系统。结合神经网络控制、积分中值定理与Decoupled Backstepping技巧,针对该类系统提出一套自适应控制策略。所提出的控制器保证闭环系统的所有信号皆4阶矩半全局一致最终有界,并且跟踪误差收敛于原点附近的小邻域内。仿真实验结果验证了所提出控制策略的有效性。     

考虑输入时滞的舵机伺服系统自适应指令滤波输出反馈控制

针对舵机伺服系统运行过程中存在复杂非线性以及信号输入时滞、使系统的精度降低,严重时甚至造成系统失稳的问题,提出了一种考虑输入时滞的自适应指令滤波输出反馈控制策略。首先,将系统中存在的输入时滞考虑为控制器信号输入时滞,给出舵机伺服系统状态方程,选用梯度下降法设计时滞估计律对未知时滞进行估计;其次,将系统中存在的复杂非线性统一为扰动,选用扩展状态观测器(ESO)加以估计,将观测的系统状态值用于设计控制量实现输出反馈控制;然后,选用指令滤波将高阶求导过程转化为求积分,实现信号滤波以抑制微分噪声;最后,基于Lyapunov-Krasovskii泛函稳定性定理证明控制器实现系统有界稳定。仿真及实验表明,所提的控制方法与传统反步控制方法、自抗扰控制和比例微分积分(PID)控制方法相比,响应时间分别提升了92%、88%和51%,跟踪精度分别提升了90%、84%和26%。     

一种可用于线性动态延迟控制系统的闭环比例型一阶给定超前迭代学习控制算法

讨论了迭代学习控制的基本概念,并给出了一种可用于线性动态延迟系统的比例型一阶给定超前迭代学习控制算法.理论分析证明,这种控制算法对于跟踪重复运动的轨迹具有良好的效果.     

一类非线性时滞系统的自适应动态面控制

针对一类具有不确定输入时滞和干扰的非线性系统的跟踪控制问题,提出一种动态面控制、神经网络和自适应控制相结合的控制方案.通过构造一个滤波器和一个虚拟的状态观测器产生辅助信号,并利用神经网络来估计未知的连续函数,证明了系统跟踪误差收敛于一个充分小的紧集.     

车辆非线性悬架系统时滞瞬时最优控制

以车辆非线性悬架系统为研究对象,采用理论与仿真相结合的方法,研究系统时滞瞬时最优控制动力学特性.首先以立方多项式模型描述非线性特性,建立含控制回路时滞的车辆非线性悬架系统动力学方程;然后通过状态变换处理系统时滞,利用最优控制理论和龙格库塔法设计了时滞瞬时最优控制律;最后通过数值仿真分析了系统在确定性激励下和随机激励下的状态输出响应.结果表明,时滞瞬时最优控制律可以保证系统稳定,优化控制权重矩阵可以获得更好的减振性能,且为研究将时滞作为控制输入参数奠定了基础,为主动减振提供了新思路,具有重要的理论和工程应用价值.     

输入受限下机器人关节神经网络自适应控制

针对机器人关节控制输入受限以及动力学模型中存在非线性摩擦、柔性变形和未知外部干扰力矩等问题,提出了一种基于径向基函数（radial basis function, RBF）神经网络的输入饱和指令滤波自适应控制方法。基于指令滤波反步法,采用饱和函数约束控制输入的幅值,使用RBF神经网络在线逼近未知干扰,并利用Lyapunov稳定性理论证明了闭环系统的所有误差最终一致有界。仿真结果表明,控制算法不仅使系统的控制输入幅值被严格约束在规定的范围之内,完成了对目标轨迹的高精度跟踪（跟踪误差约为±0.003 rad）,而且还可抵抗外部阶跃干扰力矩和建模误差对控制系统的不良影响,保证系统的高精度与强鲁棒性,性能优于PID (propotional integral derivative)控制和普通指令滤波反步控制（command filter backstepping control, CFBC）,对机器人关节在高精度领域应用与智能控制具有重要价值。     

多输入多输出非线性时变时延系统的自适应跟踪控制

针对多输入多输出非线性时变时延系统,提出了一种模糊自适应跟踪控制方案,该方案构建了基于模糊T-S模型的自适应时变时延模糊逻辑系统,用来逼近未知非线性时变时延函数,从而实现了对非线性系统的建模.根据跟踪误差给出了模糊逻辑系统的参数自适应律,设计了H..补偿器来抵消模糊逼近误差和外部扰动.基于Lyapunov稳定性理论,提出的控制方案保证了闭环系统的稳定性并获得了期望的H..跟踪性能,机械臂的仿真结果表明了该方案的有效性.     

非匹配条件下的非线性潜艇垂直面系统L2控制器设计

研究非匹配条件的非线性潜艇垂直面系统的信号跟踪控制问题。通过构造恰当的输入、输出及状态变量,将该问题转换为干扰抑制控制问题。基于相对阶的概念,给出了多输入多输出非线性系统的标准型及链式结构。以干扰抑制控制问题的定义为基础,提出并证明了不依赖于匹配条件的非线性链式结构系统的L2控制器设计定理;并以此设计了某型潜艇垂直面非线性系统的L2控制器。通过仿真验证了该控制器具有较好的动态性能和鲁棒性。     

Robust Iterative Learning Controller for the Non-zero Initial Error Problem on Robot Manipulator

Industrial robot system is a kind of dynamic system w ith strong nonlinear coupling and high position precision. A lot of control ways , such as nonlinear feedbackdecomposition motion and adaptive control and so o n, have been used to control this kind of system, but there are some deficiencie s in those methods: some need accurate and some need complicated operation and e tc. In recent years, in need of controlling the industrial robots, aiming at com pletely tracking the ideal input for the controlled ...     

基于动态递归神经网络的动态矩阵控制

给出了利用动态递归神经网络 (DRNN)重构一个非线性动态过程的方法 ,对权值调整算法进行了推导。采用的动态递归神经网络具有非线性系统状态观测器的结构特征 ,容易实现并进行稳定性分析。利用训练好的网络作为预估模型 ,设计了基于DRNN的动态矩阵控制算法。仿真结果表明了权值调整算法和控制策略的有效性