复杂网络的有限时间同步控制

针对线性耦合的复杂网络有限时间同步控制问题, 在非线性动态满足一定条件的情况下, 基于同步误差, 结合线性反馈原理和有限时间控制思想, 提出两种不同的连续非光滑控制协议。并应用矩阵理论和有限时间稳定性引理, 给出复杂网络实现有限时间同步的充分条件。若选取合适的反馈控制增益, 可使复杂非线性耦合网络实现有限时间同步。最后通过仿真实例验证了该方案的可行性和有效性。     

非线性多智能体网络的分布式包容控制

针对具有本质非线性动态的多智能体网络,研究分布式包容控制问题.假设只有部分个体已知领航者信息,依据相对位置和速度信息设计分布式控制律.基于代数图论、矩阵理论和Lyapunov稳定性分析方法,得出非线性网络实现渐近包容控制的充分条件.当跟随者之间有向强连通且每个跟随者都至少存在一个领航者与其通信,可选取合适的控制增益使得跟随者渐近收敛到由多个领航者所围成的静态凸包中.仿真实例验证了理论分析的正确性和有效性.     

机器人的自适应神经全局滑模轨迹跟踪控制

针对具有不确定性的机器人系统,提出一种自适应神经全局滑模轨迹跟踪控制方案.控制器采用一种新的全局滑模面,使得系统在整个响应时间内都具有鲁棒性;并基于径向基函数神经网络自适应学习不确定性的未知上界,从而自适应调整控制律的切换增益.而且基于Lyapunov稳定性理论证明这种新型控制器能够保证机器人系统关节角位置矢量和角速度矢量的跟踪误差渐近收敛于0.仿真结果表明提出的控制策略能够使机器人系统仅在0.5 s内就实现快速的轨迹跟踪,可见该方案是可行且有效的.     

约束通信情况下非线性网络有限时间跟踪控制

针对具有本质非线性动态的多智能体网络, 研究个体传感范围有限情况下的有限时间协调跟踪控制问题。假设非线性动态满足Lipschitz 条件且初始网络拓扑无向连通, 基于智能体间的相对状态信息设计拓扑连通保持的非光滑控制协议。应用非光滑稳定性分析方法给出实现有限时间跟踪控制的充分条件, 即选取合适的控制增益参数, 以实现保持网络拓扑连通的有限时间跟踪控制。最后通过仿真验证该方案有效且可行。     

多智能体网络有限时间聚集控制

为解决个体动态为一阶积分器的多智能体网络的有限时间聚集控制问题, 提出基于势能函数的控制方案。依据状态信息采用势能函数法设计了分布式非线性非光滑控制协议。基于微分包含、广义梯度和集值李导数的定义以及非光滑分析中不变集原理, 进行了有限时间稳定性分析, 给出网络可实现有限时间聚集控制的充分条件。最后通过仿真验证了理论方案的有效性。     

基于二阶Adaline网络的滑模变结构控制器

针对一般神经网络滑模控制系统在线训练时间长、实时性差的问题,提出一种自适应神经滑模变结构控制系统。该系统主要由二阶Adaline网络辨识器、滑模控制器和变结构二阶学习算法估值器组成。其中二阶Adaline网络是对原Adaline网络的改进,在其输入样本向量中增广了有关样本的二次项,相当于用时变二次多项式去逼近非线性系统,既有原Adaline网络训练速度快的优点,又具有一定非线性逼近能力;滑模控制器根据辨识误差自适应调整趋近律中的增益参数;而变结构二阶学习算法首先对递推近似Newton法进行简化,然后将其改造成一种新型的变结构算法,具有较快的收敛速度。针对同一非线性系统,采用常规神经滑模变结构控制存在较小的抖振,平均调节误差为0.0913;而采用自适应神经滑模变结构控制很快趋于平稳,几乎消除高频抖振,平均调节误差为0.0109。仿真结果证明了该方案的有效性。