受限机械臂的自适应小波滑模位置/力混合控制

针对终端运动受约束的机械臂位置/力混合控制问题,提出了一种自适应小波滑模控制算法.该控制方案将滑模控制的鲁棒性及自适应调整能力与小波神经网络相结合,根据坐标变换得到降阶位置/力模型,针对降阶模型采用小波神经网络在线学习系统未知动力学模型中的非线性部分,同时引入滑模控制自动调整小波网络权值参数,从而对神经网络的固有逼近误差进行有效补偿,达到期望的跟踪性能.二自由度机械臂的仿真结果表明该控制器能保证系统快速有效跟踪指定参考信号.     

航空发动机模糊自适应广义预测解耦控制

为克服航空发动机控制回路间的耦合作用,针对具有不确定大时延的航空发动机分布式控制系统,提出了一类模糊自适应广义预测解耦控制算法.利用发动机非线性模型的输入输出数据对模糊自适应推理网络进行离线训练,网络的前提参数训练后固定,后件参数则可在线调整以使网络能更好地逼近实际系统.将模糊自适应推理网络作为广义预测控制器的预测模型,可以省去常规广义预测控制器的反馈校正机构.仿真表明:当参考轨迹为阶跃信号、斜坡信号时,所设计的控制器均具有良好的动态跟踪特性和解耦特性,当时延发生变化时,系统输出仍然能稳定地跟踪参考轨迹,说明该控制器对时延不敏感,鲁棒性强.     

一类随机线性系统的鲁棒自适应非线性控制设计

论文讨论了一类具有随机输入的线性控制系统的自适应鲁棒跟踪控制问题。将M.Krstic等提出的自适应非线性控制器设计方法与鲁棒控制基本原理相结合;证明了当控制系统的随机输入满足一定条件时,采用随机Backstepping自适应控制方法,能确保系统输出与参考信号误差的均方值全局有界,并能渐近收敛到一个预先任意置定的精度内。仿真实例表明这种控制器具有很好的鲁棒跟踪效果。     

基于模型参考的自适应PID控制器

提出了一种基于模型参考的自适应 PID控制器 ,通过引入一自适应误差信号 ,根据模型参考自适应控制原理的方法 ,推导了 PID参数整定的自适应率 .仿真结果表明 ,该控制器与典型的PID控制器相比 ,显著提高了系统的动态响应性能 ,系统输出能够很好地跟踪参考模型的输出 ,具有一定的抗干扰性 ,鲁棒性较好     

直线永磁电机的自适应容错控制

针对带有执行器故障的直线游标永磁电机非线性系统,设计一种基于容错技术的自适应控制器,采用故障补偿律和反步法保证非线性系统的所有闭环信号一致有界,并且系统输出能够渐近跟踪到期望的参考信号.采用MATLAB软件进行数值仿真,证实该控制方案的有效性.     

基于观测器的异步电动机模糊自适应控制

研究了异步电动机位置跟踪控制问题.设计降维观测器用于估计异步电动机的角速度,利用模糊逻辑系统逼近系统中的非线性函数,并基于反步法实现异步电动机的自适应模糊控制.所提出的控制器能够有效地跟踪给定的参考信号.仿真结果验证了该方法的有效性.     

一类时变系统模型参考自适应迭代学习控制

针对一类有限时间区间上可重复运行的有界输入有界输出稳定的一阶线性时变系统,其高频增益和惯性参数均时变,为使之能够跟踪不同的参考轨迹,将模型参考自适应控制方法与迭代学习方法相结合,提出了模型参考自适应迭代学习控制算法.基于类李雅普诺夫(Lyapunov-like)函数证明了当迭代次数趋于无穷时,跟踪误差在有限时间区间上一致收敛到零,并证明了闭环系统中参数估计和控制信号有界.系统仿真验证了所提控制算法的有效性.     

基于学习的自校正控制算法

提出了一种基于学习的自校正控制算法 ,算法中包含一个自适应模型和多个固定模型 ,每一个模型都有一个相对应的控制器 .在每一采样时刻 ,将当前时段内具有最小预测误差的模型对应的控制器的输出作为控制输入 .在该算法中 ,自适应模型和自适应控制器的作用是确保闭环系统的稳定性和输出跟踪误差的渐近收敛性 ,而固定模型和固定控制器的作用是当被控对象的参数发生变化时 ,在自适应模型的参数估计收敛之前 ,暂时担当控制器的角色 ,以改善闭环系统的暂态响应 .证明了闭环系统的稳定性和输出跟踪误差的渐近收敛性 .仿真结果表明算法的有效性     

一类欧拉-拉格朗日系统的自适应切换跟踪控制

研究一类具有周期扰动的欧拉-拉格朗日系统的自适应切换跟踪控制问题.与相关文献本质不同的是,扰动具有未知周期和上界,导致传统的控制方法无效.首先,利用反推设计方法并结合扰动学习机制,给出状态反馈控制器(含有待调节的控制器参数)的显式形式.然后,设计适当的切换机制在线调节控制器参数.切换发生有限次之后停止,所设计的自适应切换控制器保证闭环系统所有状态都有界并且系统输出跟踪到给定的参考信号.最后,仿真实验验证理论结果的有效性.     

一类带有监控器的自适应模糊神经网络机器人跟踪控制

提出一种自适应模糊神经网络(FNN)监督控制方案。该方案在FNN控制器的基础上串联一个监督控制器,实现对系统的跟踪控制。监督控制器在FNN控制器不能维持系统稳定时发挥作用,从而确保了闭环系统的全局稳定性,且使系统具有良好的跟踪性能。并把此方案应用在机器人跟踪控制上。仿真结果表明了该控制方案的可行性。     

含有未知负载跳变机械臂的切换跟踪控制器设计

为具有不可测跳变负载的机械臂设计了控制器的选择机制以达到轨迹跟踪的控制目的.用切换系统描述参数跳变的机械臂,从而将负载的切变表示为系统的切换信号.为每个负载设计子控制器,并在系统切换信号完全不可用的情况下,通过构建监督变量给出子控制器的切换逻辑.当负载变化满足平均驻留时间条件时,能够达到对输入参考信号的渐近跟踪.仿真证明了方法的正确性.     

基于自适应MPC的无人驾驶车辆轨迹跟踪控制

根据自适应模型预测控制相关原理,设计一种无人驾驶车辆的轨迹跟踪控制策略.基于车辆动力学模型,建立轨迹跟踪控制器,并设计目标函数与相关约束,利用自适应MPC(model predictive control)控制算法对其进行求解.在每一个控制时刻工作点,不断更新卡尔曼状态估计器相关增益系数矩阵以及控制器的状态来适应无人驾驶车辆当前的工作环境,以此补偿车辆的非线性以及状态测量噪声带来的影响.在MATLAB中搭建仿真模型并进行仿真验证,得出自适应MPC对于无人驾驶车辆的轨迹跟踪拥有较好的控制精度与鲁棒性,验证了该算法应用在轨迹跟踪控制层的有效性,为轨迹跟踪控制的研究提供了参考.     

不确定Duffing混沌系统的自适应跟踪控制

研究了连续时间Duffing混沌系统在具有不确定性扰动时的自适应跟踪控制问题．基于稳定性理论,在系统存在有界扰动但扰动的界大小未知时,采用自适应控制方法,构造出一个自适应控制器,可实现系统的状态渐近跟踪预先给定的轨线．仿真进一步说明了该控制器的有效性．     

基于气动人工肌肉的混合位置跟踪控制

针对一种气动人工肌肉驱动的弹簧质量位置控制系统,设计了一个带有自适应模糊小脑模型（Cerebellar Model Articulation Controller,CMAC）在线逼近的离散趋近律滑模混合控制器.该混合控制器中离散趋近律滑模策略产生控制器的输出;自适应模糊CMAC用以逼近气动人工肌肉系统中的不确定项.CMAC网络权值的在线学习调整保证了自适应模糊CMAC的逼近性能.对离散抗饱和PID控制器（DASPID）与自适应模糊CMAC离散滑模混合控制器（HybridC）的位置跟踪控制性能进行了对比实验.实验结果表明,HybridC较之DASPID有更好的位置跟踪控制性能.当期望参考输入为正弦信号时,DASPID的最大位置跟踪误差为±15 mm;而HybridC的最大位置跟踪误差仅为±07 mm,平均位置跟踪误差大约仅为±02 mm.并且,离散滑模所固有的抖振现象得到了有效的抑制.     

Rssler超混沌系统的改进广义混合投影同步

针对Rssler超混沌系统, 采用自适应控制方法, 通过设计控制器, 研究该系统的广义混合投影同步(FSHPS). 并在此基础上, 首次提出了响应系统同时含有控制变量α时, 系统的改进广义混合投影同步(IFSHPS)运动行为, 理论分析和数值仿真验证了该同步方法的可行性.      

交流伺服系统自适应反演滑模控制器设计

针对火箭炮交流伺服系统中存在的转动惯量及负载力矩变化大、冲击力矩强等特性,提出了一种自适应反演滑模控制方法. 该方法通过选择适当的Lyapunov函数保证了系统的稳定性,自适应反演控制率渐近跟踪被控对象的参考位置信号,滑模控制抑制了参数摄动及负载扰动. 理论及仿真研究结果表明,该控制器不仅能够保证系统的响应速度和控制精度,而且具有较强的鲁棒性.     

仿真研究单周期控制开关功率变换器的稳定性

研究了单周期控制技术用于功率变换器的PWM控制,对单管功率变换器设计了单周期控制器,该控制器可使系统输出严格跟踪参考信号,并利用仿真软件对电路进行了仿真试验,证明单周期控制具有较强的抗电源干扰能力.     

Rossler超混沌系统的改进广义混合投影同步

针对R(o)ssler超混沌系统, 采用自适应控制方法, 通过设计控制器, 研究该系统的广义混合投影同步(FSHPS).并在此基础上, 首次提出了响应系统同时含有控制变量α时, 系统的改进广义混合投影同步(IFSHPS)运动行为, 理论分析和数值仿真验证了该同步方法的可行性.     

四旋翼无人机悬停飞行自适应PD控制器设计

提出一种基于模型参考的自适应PD控制器设计方法,用于质量可变的四旋翼无人机的悬停飞行控制。由无人机的动力学方程对悬停飞行时姿态角近似处理得出参考模型,根据参考模型选取一个与实际系统相似并且有期望动态特性的二阶系统。基于Lyapunov稳定性理论的方法,通过被控对象的输出与参考模型输出之间的误差确定控制器的参数,当被控对象参数发生变化时,自适应机构通过参数估计调整PD控制器的输出,使被控对象参数的估计值总能跟踪其实际值,并分别与常规的PD控制器和加入了限速补偿环节的PD控制器进行仿真实验对比。结果表明,该控制器的控制信号比常规的PD控制器超调量小;比加入了限速补偿环节的PD控制器调节速度快,稳定性更好。对于四旋翼无人机的悬停有更好的控制效果。     

恒压网络静液传动系统的神经网络滑模控制

根据恒压网络条件下的静液传动系统的特点,建立用于转速控制的二自由度动力学模型.针对恒压网络静液传动系统的参数摄动和不确定性,选择液压泵/马达的角速度和角加速度为控制变量,设计一种神经网络自适应滑模控制器,采用径向基函数神经网络(RBFN)取代滑模切换控制部分,利用其在线学习功能,对系统的不确定因素进行自适应补偿,应用李亚普诺夫稳定性理论推导网络权值的在线自适应率,保证闭环控制系统的稳定性.在模拟试验台上进行了阶跃信号和斜坡信号的转速控制响应分析,并与常规PID控制以及基于神经网络的PID(NNPID)控制进行对比.试验结果表明:所设计的控制器具有良好的控制效果,能使系统具有良好的跟踪性和强的鲁棒性,有效地消除高频抖振现象.