一类非线性不确定相似组合系统的鲁棒镇定

利用相对度给出了对非线性组合大系统相似结构的刻划,讨论了这种具有相似结构的非线性组合系统的鲁棒镇定问题·采用输入输出线性化与变结构控制相结合的方法设计出鲁棒控制器以确保系统在其平点处是渐进稳定的·结果表明系统的相似结构简化了对系统的分析与设计·     

不确定相似广义组合系统的鲁棒控制器设计

研究了一类具有相同线性结构的相似广义组合系统,其互联项是非线性的,而且含有不确定性·运用lyapnov方法,结合组合系统本身的结构特点和一般广义系统理论中状态反馈、受限等价概念,设计了状态反馈鲁棒控制器,使系统在平衡点处全状态渐近稳定且在状态响应中不包含脉冲项·由于受控系统具有相似结构,控制器本身也具有相似结构,因此易于工程实现·同时,根据不同控制器之间的相似性,毁坏的控制器也易于重新实现·研究结果表明,相似结构可以简化广义组合系统的分析和设计·     

TCSC的非线性逆推设计

针对带有TCSC(ThyristorControlledSeriesCompensation)的单机无穷大总线系统的非线性二阶模型,使用逆推方法设计了TCSC的非线性控制器·基于逆推设计方法,无需对原系统进行线性化,并能保证闭环误差系统在Lyapunov意义下渐近稳定·当系统存在常参数不确定性,例如阻尼系数不能精确测量的情况下,应用自适应逆推方法还可以设计一个动态反馈控制器,其中含有对未知参数的实时估计·设计过程表明逆推方法设计的控制器拥有更优越的性能·     

广义非线性交联大系统的鲁棒模糊分散控制

利用广义T S模糊模型对广义非线性交联大系统进行了鲁棒控制研究·首先 ,对广义非线性交联大系统建立模糊模型·然后 ,在系统可解条件下 ,给出了模糊分散控制器的设计方法 ,分析其考虑建模误差时的鲁棒稳定性 ,给出基于LMI的闭环系统鲁棒稳定的充分条件·进而 ,应用模糊规则及权重的性质得到基于LMI优化技术的低保守性的鲁棒模糊分散控制器设计方法·最后 ,算例说明了控制器的设计步骤和有效性·     

基于自适应逆推设计的STATCOM非线性鲁棒控制

针对受内部及外部扰动影响的含STATCOM(StaticSynchronousCompensator)的单机无穷大系统 ,使用自适应逆推方法构造出系统的存贮函数 ,进而同时获得非线性L2 增益干扰抑制控制器及参数替换律·该控制器不仅能够抑制干扰对系统输出的影响 ,而且由于在内部扰动中重点考虑了阻尼系数的不确定性 ,因此该控制器对系统参数变化也具有很强的鲁棒性·同时 ,该方法的设计过程系统、简明 ,易为工程人员所接受·仿真结果表明自适应逆推方法设计的控制器拥有更优越的性能     

广义互联大系统的相似结构和鲁棒镇定

运用Lyapunov方法和广义系统的第一等价形式,研究了具有非线性互联项和不确定性的广义互联大系统·以导数比例状态反馈和受限等价为基础定义了受控系统的相似结构,并根据标称系统的能控性给出了相似结构的一个简明判别法·设计了具有相似结构的鲁棒分散控制器,使得闭环系统正常化且渐近稳定·由于分散控制器的相似结构,只需一个控制器和相似参量,就可以得到所有的控制器,因此易于工程实现·     

基于非线性反馈控制的高维混沌系统同步

采用非线性控制系统的微分几何理论,将原混沌系统进行输入输出部分线性化,并结合极点配置方法,在一定的假设前提下,设计了一个实现高维混沌系统同步控制的反馈控制器,该方法可用于同步由单个状态变量或多个状态变量线性或非线性组合形成的多输出信号的同步·所提出的控制器的设计方法简单、直观,并且具有相当的灵活性,可适用于相当广泛的非线性系统,计算机仿真结果证实了所设计控制器的有效性     

基于动态神经网络的一类非线性组合系统自适应控制

针对一类非线性组合大系统,提出一种用动态神经网络逼近组合大系统的新型设计方法·首先由动态神经网络辨识非线性组合大系统,也就是利用动态神经网络逼近系统的未知项和互联项,其次设计控制器使实际系统的状态来跟踪参考模型的轨迹·利用Lyapunov稳定性理论保证跟踪误差和其他信号是最终一致有界的·通过一个非线性系统例子的仿真证明这种设计方法的可行性·这种设计方法能够解决大系统中最为复杂的互联项问题,得出基于神经网络的自适应控制律·     

一类复杂非线性系统的模糊控制稳定性分析

研究一类能够用离散动态模糊模型描述的复杂非线性系统的模糊控制稳定性问题·首先设计出PDC模糊控制器·然后利用区间系统理论,在带扰动系统二次稳定意义下给出了闭环系统渐近稳定的两个充分条件,并且后一稳定性条件被转化为线性矩阵不等式可解性问题·仿真结果证明了此方法的有效性·     

一类新型神经网络模型及其控制器设计

提出一种新型神经网络模型(HNM)·此模型是一种本质非线性模型,但可以应用线性控制理论的成果来设计稳定的控制器,并且模型中的连接权系数有各自的物理意义,可以通过经验来确定其初始值·同时通过分析对角矩阵的稳定性,给出了基于HN模型的控制器的设计方法及稳定性证明·仿真结果表明HN模型的有效性及控制器的优良性能·     

一类不确定非线性系统的鲁棒稳定控制器的设计

运用微分流形的分布为工具，先将一类多输入多输出不确定非线性系统通过对角状态反馈变换为一个状态矩阵为区间矩阵的不确定线性系统，把非线性系统的不确定性和对角状态反馈变换误差转化为区间矩阵。再对区间矩阵系统应用实对称矩阵集合的最小上界定理进行鲁棒控制器设计，从而达到对原非线性系统的鲁棒稳定控制。最后通过一个算例验征了该方法的有效性。     

一类非线性不确定时滞系统的鲁棒输出反馈控制

研究了一类具有多重时变时滞扰动的非线性不确定动态系统的鲁棒输出反馈控制。基于Lyapunov稳定性理论和Razumikhin定理，提出此类系统的无记忆输出反馈控制器设计方案。研究表明：所设计的两类控制器分别使得闭环系统终极一致有界和一致渐近稳定。     

一类不确定非线性时滞系统的自适应控制

考虑了一类不确定非线性时滞系统的自适应控制.基于Lyapunov稳定性理论和线性矩阵不等式(LMI)方法,处理了系统中的时滞项,并且巧妙地构造了自适应控制器和反馈控制器.通过估计非线性部分的未知参数,自适应控制器补偿了系统中的非线性部分,并保证了闭环系统是渐近稳定的.最后,数值例子和仿真结果验证了所设计控制器的有效性.     

一类不确定非线性时滞系统的白适应控制

考虑了一类不确定非线性时滞系统的自适应控制．基于Lyapunov稳定性理论和线性矩阵不等式（LMI）方法,处理了系统中的时滞项,并且巧妙地构造了自适应控制器和反馈控制器．通过估计非线性部分的未知参数,自适应控制器补偿了系统中的非线性部分,并保证了闭环系统是渐近稳定的．最后,数值例子和仿真结果验证了所设计控制器的有效性．     

抵御执行器故障扰动的二次性能指标可靠控制

针对线性不确定系统,在设计不确定系统保性能问题的基础上,提出了带有执行器故障的二次性能指标可靠控制问题。第一,设计静态输出反馈控制器给出了系统渐近稳定的充分条件,且满足二次性能指标。第二,考虑执行器连续增益故障,此时系统在原静态输出反馈控制器下无法维持原性能甚至是稳定性。第三,利用LMI给出了静态输出反馈可靠控制器且满足二次性能指标的设计方法。此控制器可使线性不确定系统在发生执行器故障后满足二次性能指标且依然保持稳定。最后,根据MATLAB仿真结果证明了该可靠控制器的科学性和严谨性。     

具有非线性摄动网络控制系统的量化控制设计

针对具有网络诱导时延及数据包丢失的非线性摄动网络控制系统,考虑系统存在量化误差及非线性摄动等干扰,建立具有一般性的网络控制系统新模型.基于李雅普诺夫稳定性原理和线性矩阵不等式方法,提出网络控制系统渐进稳定的充分条件和量化反馈控制器设计方法.通过求解凸优化问题获得具有非线性摄动网络控制系统的最大允许时滞界.最后,仿真示例验证了所提出方法的有效性.     

不确定时滞线性系统的鲁棒镇定问题

针对过程控制中普遍存在的时滞和不确定现象,应用Lyapunov稳定方法和Riccati方程方法研究了存在滞后的不确定线性系统的鲁棒镇定问题,其中的不确定性是时变有界的,不要求满足“匹配条件”;获得了一类不确定线性时滞系统用状态反馈控制器进行鲁棒镇定的充分条件.该充分条件以线性矩阵等式存在对称正定解的形式给出,通过求解代数Riccati方程的对称正定解构造线性状态反馈稳定化控制器.最后给出了算例,结果证明了对于不确定线性时滞系统,应用该方法构造的线性状态反馈稳定化控制器,可使闭环系统渐近稳定.     

一类单输入单输出非线性系统全局有限时间输出反馈控制

运用高增益方法、几何齐次理论、李雅普诺夫理论和有限时间稳定理论,研究了一类单输入单输出非线性系统的全局有限时间输出反馈控制问题,设计了由线性部分和非线性部分构成的输出反馈控制器。其中,线性部分的作用是确保闭环系统的零解是全局渐近稳定的,而非线性部分的作用是确保闭环系统的零解是局部有限时间稳定的。最后,仿真实例验证了所设计的控制器的有效性。     

时滞不确定关联大系统的鲁棒镇定问题

基于一类时滞不确定关联大系统的鲁棒镇定问题，设计了一种鲁棒控制器；通过线性矩阵不等式分别对子系统设计了无记忆分散状态反馈控制器，从而使得整个时滞不确定关联大系统渐近稳定．文中通过数值举例说明了本定理的可行性。     

Adaptive fuzzy compensation based composite nonlinear feedback controller design for robot manipulators

In order to suppress the influence of uncertain factors on robot system and enable an uncertain robot system to track the reference input accurately, a strategy of combining composite nonlinear feedback(CNF) control and adaptive fuzzy control is studied, and a robot CNF controller based on adaptive fuzzy compensation is proposed. The key of this strategy is to use adaptive fuzzy control to approach the uncertainty of the system online, as the compensation term of the CNF controller, and make full use of the advantages of the two control methods to reduce the influence of uncertain factors on the performance of the system. The convergence of the closed-loop system is proved by feedback linearization and Lyapunov theory. The final simulation results confirm the effectiveness of this plan.