具有降阶模型的多模型鲁棒自适应控制

针对传统鲁棒自适应控制器暂态性能差的缺点,提出了多模型鲁棒自适应控制方法.对于包含未建模动态的自适应控制系统,首先采用正则化技术把系统未建模动态转化为系统有界扰动,并利用系统低阶模型设计多模型鲁棒自适应控制器,最后证明了系统BIBO稳定以及跟踪误差有界.仿真实验说明所提出的方法能获得较好的控制效果.     

鲁棒的状态空间自适应预测控制算法

本文给出了状态空间自适应预测器的一种新算法，由于该算法采用了一种鲁棒的辨识器，因此，它具有一定程度的鲁棒性，稳定性分析的定量化结果表明，在一定的建模误差范围内，自适应闭环控制系统对于未建模动态是鲁棒稳定的。     

一种鲁棒稳定的自校正控制器

对于一类带有未建模动态和有界外部扰动的离散线性系统提出了一种新的自校正控制算法。此算法不要求系统参数更多的先验知识。不但能保证闭环系统是鲁棒稳定的。而且平均跟随误差趋于零。从而说明本文方法具有消除各种可能存在的稳态误差的能力,仿真结果证明了本文方法的有效性。     

基于阶梯化脉冲响应模型的鲁棒预测控制器

基于阶梯化脉冲响应模型，进行一种简单预测控制器的再设计，提出了一种鲁棒预测控制器，证明了建模误差在一定范围内，可保证预测控制器是鲁棒稳定的，并使得闭环系统在存在建模误差和未知常值扰动情况下无静态跟踪误差．最后用仿真研究验证此算法的鲁棒性．     

基于主-辅控制架构的无人机鲁棒飞行控制律设计

无人机在实际飞行中易受到扰动与系统未建模动态等不确定性因素的影响.为此,文中提出了一种新的鲁棒飞行控制律设计方法.该方法以主-辅控制器为基本架构,主控制器采用鲁棒伺服线性二次型调节(LQR)法构造,以提供基本指令跟踪控制输入;以加入主控制器后的理想闭环系统为参考模型,基于鲁棒模型参考自适应算法设计辅控制器,以抑制扰动和未建模动态对飞行控制系统的影响.理论分析表明,该控制律能够保证闭环飞行控制系统在存在有界扰动与未建模动态情况下稳定且跟踪误差有界.非线性对比仿真验证了控制系统对各种形式扰动的抑制作用,说明了该控制系统的有效性与鲁棒性.     

带有稳定学习算法的小波神经网络及应用

针对当系统存在未建模动态时,神经网络辨识易产生参数漂移和不稳定的问题,采用输入-状态稳定性(ISS,input-to-state stability)分析方法,获得小波神经网络权值矩阵和小波尺度参数的误差反传类时变学习算法,该算法不带有鲁棒修正即可以实现小波神经网络的鲁棒稳定性.仿真例子表明,此稳定学习算法优于一般的误差反传算法,并将带有稳定学习算法的小波神经网络用于污水处理过程出水水质COD(化学需氧量,chemical oxygen demand)的预测,获得了较好的效果.     

带有未建模动态的一类非线性系统的鲁棒自适应控制

本文针对一类带有未建模动态的非线性系统,在文献[1]的基础上设计了一种鲁棒自适应算法,并在理论上证明了系统的稳定性,利用这种算法,只要适当选择设计参数,可以使输出均方误差任意小.本文参考文献[1]的方法,弥补了文献[2]没有考虑未建模动态的不足,并将文献[1]的方法扩展到了更为广泛的一类非线性系统.     

仿射非线性系统的在线自适应模糊神经网络辨识与控制

针对单输入单输出非线性系统的自适应控制问题,提出了一种在线自适应模糊神经网络辨识与鲁棒控制的方法.该方法首先利用广义模糊神经网络学习算法,实时建立对象模型未知系统的逆动态模型,实现网络结构和参数的同时在线自适应.考虑到网络建模误差和外部干扰的存在,还设计了基于控制理论的鲁棒补偿器.仿真结果表明,该方法能对模型未知仿射非线性系统实现鲁棒输出跟踪.     

多变量系统的鲁棒自适应控制

考虑了具有未建模动态和外来有界干扰的离散时间多变量系统，提出了一种鲁棒自适应控制方案。这种控制器是基于系统的降阶模型设计的，其建模部分的参数估计采用带有死匹的最小二乘算法。在相当一般的假设下，证明了所建立的闭环系统是全局稳定的和跟踪误差是有界的。     

电液伺服系统多模型鲁棒自适应控制

针对电液伺服系统中存在不确定非线性和强参数不确定性的问题,提出一种多模型鲁棒自适应控制算法。根据系统参数不确定性范围建立了多个辨识模型,在辨识模型中设计非线性鲁棒项,以抑制干扰、未建模动态等不确定非线性的影响,提高系统的鲁棒性。基于辨识模型设计相应的控制器,采用基于辨识误差的性能指标函数作为切换依据,选取最佳控制器作为当前控制器,解决了传统自适应控制对参数自适应初值敏感的问题。该方法能够克服不确定非线性和强参数不确定性的影响,使系统得到渐进跟踪的性能,提高系统的瞬态响应性能。实验结果表明,该算法能抑制建模不确定性的影响,系统期望跟踪指令幅值为10mm时,跟踪误差大约为0.038 6mm,相对跟踪误差约为0.386%,系统跟踪精度得到了提高。