基于控制Lyapunov函数的鲁棒自适应控制器设计

研究一类含有系统扰动,并且状态项与控制项中同时含有未知参数的非线性系统的反馈稳定问题。利用鲁棒控制Lyapunov函数方法及参数映射技术,讨论了当系统存在I型与II型自适应鲁棒控制Lyapunov函数(ARCLF)时,系统的自适应控制问题,并针对两种情况分别进行了控制器的设计。通过算例验证了所提方法的可行性。     

一类执行器卡死的T-S模糊自适应容错控制

针对一类执行器发生故障的非线性系统,提出了基于T-S模糊模型和模型参考自适应控制的容错控制设计方案。该方案特点是:在利用Takagi-Sugeno(T-S)模糊模型对非线性系统进行建模时,假设局部线性模型的参数未知,利用自适应控制算法,在线调整控制器参数,实现系统对参考模型的状态跟踪。在系统发生故障时,系统能够重构控制律以抵消故障对系统的影响,维持系统的稳定性以及期望的跟踪目标。利用李亚普诺夫理论分析了系统的稳定性,给出了能够实现状态跟踪的匹配条件以及控制器参数更新律。利用某飞机模型进行了仿真,证明本文方法的有效性。     

基于自适应神经网络的非线性系统故障诊断

针对一类模型未知及状态不可测的非线性系统,提出了基于自适应神经网络的故障诊断策略,不仅在线估计神经网络的矩阵权重,而且在线估计高斯函数的宽度和中心。该方法对系统的未知非线性特性没有特别要求,仅对神经网络提出较弱的假设条件。首先利用径向基函数(Radial Basis Function,简称RBF)神经网络构造状态观测器,估计系统的状态。然后利用另一个自适应RBF神经网络作为故障估计器,其输入是系统的估计状态(而不是系统状态),其输出为系统所发生的故障模型。利用Lyapunov稳定理论详细分析了状态误差和故障误差的收敛性,分别给出了两个神经网络的参数调整律,仿真证明了该方法的实用性和有效性。     

基于Hammerstein模型的非线性自适应预测函数控制

传统的预测函数控制对非线性和多变性的实际对象控制效果不佳.采用基于Hammerstein模型的预测函数控制(PFC)内部模型辨识方法来拟合实际对象的非线性.针对实际时象的多变性,不断辨识对象,校正内部模型参数,增强控制系统适应对象变化的能力.选取正弦多项式形式的基函数并介绍了滚动优化的办法.优化性能指标选取双值指标,计算量小,精度高.整个算法线性寻优,不需要非线性模型预测控制的非线性滚动优化,输出可以应用模型参数直接计算.实验表明该方法比PID控制效果更好而且对模型失配具有很好的自适应性能.     

多模型自适应预测函数控制及仿真

许多工业控制对象存在一定程度的非线性环节,经典控制方法很难满足控制要求。多模型预测函数控制法结合了多模型控制法和预测函数控制法的优点,在一些复杂的工业控制系统中获得了成功的应用。结合模型匹配计算公式,提出了基于参数在线辨识的多模型切换方法。它不依赖于典型工况下系统参数的模型,且能根据实际系统的运行情况及时地切换模型参数。将这种控制方法应用到蒸馏塔温度控制系统中去,研究表明,这种控制方法有较强的自适应能力,具有一定的实用价值。     

基于神经状态空间的非线性系统建模研究

提出了一种基于神经状态空间的非线性系统建模方法.神经状态空间(NNSP)具有系统的拟线性特性,许多线性系统控制器设计方法均可以扩展到NNSP模型.本文采用了增广卡尔曼滤波方法进行神经状态空间的参数辨识,高阶校验模型用于验证非线性系统神经状态空间的模型的有效性.将本法应用于典型的化学过程的建模,结果表明本方法正确有效.     

基于观测器的一类不确定非线性系统自适应输出反馈控制

针对一类不确定非线性系统,基于非线性状态观测器采用回馈递推(Backstepping)设计方法提出了一种鲁棒自适应L2增益控制方案。该控制方案首先对系统的不可观测状态设计非线性状态观测器,在此基础上通过多步递推得到系统的控制律并设计了未知干扰的参数自适应律,使系统具有L2增益性能。同时把采用常规设计方法需要对过多参数进行辨识问题简化为只需对与未知干扰个数相同的参数进行辨识的问题,简化了控制器结构。最后通过仿真算例验证了所设计控制方案的有效性。     

高阶非线性控制系统的适应性仿真研究

针对带有外部扰动和参数摄动的不确定高阶非线性系统,利用积分行为补偿系统的各种未知因素,设计适应性非线性控制器(ANLC),并提出了全面的控制器适应性评价方法。首先结合典型信号扰动试验和模型参数摄动试验,检验系统的抗扰性和鲁棒稳定性;然后引入神经网络和Taylor级数展开理论构造非线性函数,改变高阶非线性系统的模型结构,利用Monte-Carlo随机试验方法,进行模型摄动的性能鲁棒性分析;并与精确反馈线性化(EFL)方法进行了定量比较。结果表明,适应性非线性控制器(ANLC)具有很强的适应性能,是解决不确定高阶非线性系统控制的有效途径。     

多输入多输出非线性系统的多面滑模控制

针对多输入多输出非线性系统 ,提出一种基于模糊小脑关联结构模型 (CMAC)神经网络的多面滑模变结构控制算法 ,特点是无需已知不确定性函数及其各阶导数的上界 ,证明了系统的状态及权值误差有界。与经典设计方法相比 ,所提出的方案允许非参数化不确定性。仿真实例显示了方法的有效性。     

严格反馈型随机非线性系统输出反馈滑模控制

研究了一类带有不确定性参数的严格反馈型随机非线性系统的输出反馈镇定问题,主要是采用变结构滑模控制方法(SMC)来设计镇定控制器。首先根据系统的结构和输出状态构造了随机非线性状态观测器,并针对结构参数的不确定性,采用梯度自适应调节律,然后基于系统的观测状态选择滑动模切换流形,给出了不含噪声激励的变结构控制律,并证明滑动模的可达性和闭环系统滑模运动的稳定性,最后讨论了滑模控制的抖振抑制问题。通过系统仿真,与其它鲁棒控制方法进行比较,证明了本方法不仅能够有效地镇定该类随机非线性系统,并且具有一些更好的控制性能。     

空天飞行器再入过程姿态预测控制律设计

针对一类多输入多输出非线性系统,设计了一种基于SDRE(state-dependent Riccati equation)的预测控制方法,并应用于空天飞行器再入过程的姿态控制律设计。SDRE是一种有效的非线性系统优化控制设计方法,利用SDRE的局部渐进稳定的特点,与有限时间预测控制律设计相结合,提出的控制方案保证闭环系统的稳定性。最后利用所提出的控制方案设计了空天飞行器飞行控制系统,并在高超声速条件下进行了仿真验证。仿真结果表明了控制方案的有效性。     

基于Riccati方程的导弹自适应姿态控制

针对存在参数不确定性的非线性弹体模型,提出基于状态相关Riccati方程的模型参考自适应状态控制方法。首先,针对弹体标称模型,建立特定形式下的Riccati方程,并求得其解析解,获得一种全局渐近稳定的次优控制律。然后,考虑到实际模型与标称模型之间存在的参数偏差会造成控制效果恶化,以标称模型下设计的闭环系统为参考模型,设计自适应控制律通过在线辨识参数使得实际模型趋向于参考模型,并保证跟踪误差和辨识误差有界。仿真结果表明,该控制律能够克服参数不确定性的影响,有效跟踪参考模型下的响应。     

基于Lag-SBP的Wiener型非线性系统的辨识方法

给出了Wiener型非线性系统的一种新的辨识方法，采用Laguerre函数与静态BP网络相结合构成Wiener型非线性系统的模型，并给出此模型参数递推辨识算法，这种模型参数辨识不需要实际系统的阶次和时延先验知识，对实际系统阶次和时延变化有较强的鲁棒性。数字仿真验证了该方法的有效性。     

基于状态依赖Riccati方程的复合控制导弹自动驾驶仪设计

针对直接侧向力与气动力复合控制拦截导弹的非线性控制问题,设计了基于状态依赖Riccati方程的自动驾驶仪。根据俯仰和偏航通道的非线性动力学模型,通过扩展线性化将其转化为具有状态依赖参数的类线性结构,并针对该类线性结构设计了基于状态依赖Riccati方程的加速度指令跟踪控制器。考虑到直接侧向力由脉冲发动机提供时具有离散特性,分析了实际控制量不能达到理想值时系统的非线性容限,给出闭环系统保持局部渐近稳定的充分条件。仿真实例验证了这种设计策略的有效性。     

基于聚类方法和神经网络的非线性系统多模型自适应控制

针对具有参数跳变的非线性系统,联合聚类算法和神经网络提出新的多模型自适应控制方法。首先对系统的输入输出数据进行模糊聚类,然后基于递推最小二乘法建立多个固定模型。为提高系统的暂态性能,同时建立两个自适应模型,并在此基础上设计鲁棒自适应控制器。此外,为了补偿系统的非线性部分,建立非线性预测模型,并设计非线性神经网络自适应控制器。所提方法可使控制切换系统具有稳定性保证。最后,通过性能指标对控制器进行平滑切换。仿真结果表明,所提方法能够保证系统具有良好的控制性能。     

Global stabilization of linear systems with bounded controls using state-dependent saturation functions

By using the so-called SP-stable polynomials, this paper reconsiders the problem of global stabilization of linear systems with input saturation. Firstly, a new nonlinear feedback law consisting of parallel connections of saturation functions by means of the so-called state-dependent saturation function is proposed for global stabilization of chains of integrators system. The state-dependent saturation function allows increasing the control energy when some of the states are badly scaled and can improve significantly the transient performances of the closed-loop system. Secondly, this type of global stabilization nonlinear feedback laws is extended to a class of linear systems that can be globally stabilized by bounded controls. Numerical examples show the effectiveness of the proposed approach.     

飞行器抗饱和鲁棒自适应非线性模型预测控制

针对巡航飞行器同时存在较大外部干扰和模型参数不确定性时自适应预测控制性能下降的问题,设计了带有模糊干扰观测器(fuzzy disturbance observer, FDO)补偿的鲁棒自适应非线性模型预测控制(robust adaptive nonlinear model predictive control, RANMPC)方法(简记为FDO-RANMPC方法)。首先,利用具有未知参数限制条件的递推最小二乘方法在线辨识模型参数;其次,利用模糊干扰观测器输出值抵消幅值较大的复合干扰,再利用Tube鲁棒预测控制策略设计了飞行器底层姿态系统具有稳定保障的FDO-RANMPC控制器;最后,在考虑复合不确定性情况下对指令姿态角跟踪的仿真中验证了控制器的有效性及其渐进稳定性。     

Constrained predictive control based on T-S fuzzy model for nonlinear systems

A constrained generalized predictive control （GPC） algorithm based on the T-S fuzzy model is presented for the nonlinear system. First, a Takagi-Sugeno （T-S） fuzzy model based on the fuzzy cluster algorithm and the orthogonalleast square method is constructed to approach the nonlinear system. Since its consequence is linear, it can divide the nonlinear system into a number of linear or nearly linear subsystems. For this T-S fuzzy model, a GPC algorithm with input constraints is presented. This strategy takes into account all the constraints of the control signal and its increment, and does not require the calculation of the Diophantine equations. So it needs only a small computer memory and the computational speed is high. The simulation results show a good performance for the nonlinear systems.     

具有模型和实际差异的非线性离散时滞系统最优控制

研究了非线性分布时滞系统的最优控制,提出了一种基于线性分布时滞模型和二次型性能指标问题的迭代算法。在模型和实际存在差异的情况下,该算法通过迭代求解分布时滞线性最优控制问题和参数估计问题,获得原问题的最优解。仿真实例表明该算法的有效性和实用性。