考虑执行器饱和补偿的移动机器人自适应积分滑模控制

针对存在执行器输入饱和约束、模型参数不确定性以及外部扰动等因素影响下的移动机器人跟踪控制问题,提出一种考虑执行器饱和补偿的移动机器人自适应积分滑模控制方法。利用双曲正切函数对执行器输入饱和约束作近似处理,并将系统动力学模型表示为仿射系统形式。将执行器输入饱和约束的近似处理误差、模型参数不确定性以及系统外部扰动扩张为一个新的状态,进而设计扩张状态观测器对系统总和扰动进行估计,在此基础上设计系统自适应积分滑模控制器,从而改善普通滑模控制中抖振突出的问题,保证系统的跟踪控制性能。对所提控制方法进行了仿真验证,结果表明,所提控制方法在执行器输入饱和约束、模型参数不确定性以及外部扰动等因素影响下能够保证跟踪误差快速稳定收敛。     

控制饱和系统的极限学习机控制算法

为提升被控系统的鲁棒性和控制精度,对存在控制饱和约束和内外参数摄动的非线性系统,提出一种基于极限学习机的自适应反演控制算法。针对存在控制饱和约束的非线性系统,基于所设计的辅助函数,将非线性控制饱和约束转换成常规控制输入形式,有效降低了控制器的设计难度。为提升内外参数摄动的估计精度和估计算法速度,采用极限学习机逼近内外参数摄动的综合项,构建了基于极限学习机的自适应控制算法,理论证明了闭环系统的全局渐近稳定性。与自适应滑模控制器对比仿真结果显示,控制器在控制力矩总能耗、系统输出收敛轨迹上具有更优的品质。     

间接自适应动态递归模糊神经网络控制器设计

针对仿射非线性系统,提出了一种新型的基于动态递归模糊神经网络(DRFNN)的间接自适应控制器.该控制器采用DRFNN对系统的动态非线性映射进行在线估计,并依据李亚普诺夫稳定性理论推导出DRFNN参数在线调整的自适应算法,同时运用投影算法确保参数向量处于约束集合内.应用自适应DRFNN对动态非线性映射进行在线估计时,仅采用被控系统的1个状态变量作为其输入,避免了因增加输入个数而导致网络结构膨胀的问题,从而加快了收敛速度.仿真结果表明:由自适应DRFNN构成的控制器可使系统具有满意的跟踪性能.     

基于观测器的中立时滞系统自适应滑模控制

针对含有外部扰动、时变时滞以及非线性输入约束的不确定中立时滞系统,提出了基于状态观测器的时滞系统自适应滑模控制方法。首先,通过构造状态观测器以及利用滑模控制理论,设计基于估计状态的积分型滑模面。其次,构造Lyapunov函数,给出误差系统与估计状态系统渐进稳定判据。最后考虑到系统输入非线性和不确定性上界在实际中难以确定的问题,在控制器设计中引入自适应控制理论。仿真研究结果表明所提出的基于观测器的自适应滑模控制方法在处理时滞以及非线性影响上效果良好,系统可以快速收敛并且无抖振,具有强鲁棒性。     

考虑状态约束的液压系统自适应控制

针对液压伺服系统中的状态约束和不确定性问题,提出一种考虑状态约束的液压伺服系统自适应控制算法。该算法基于障碍李雅普诺夫函数设计了有限时间干扰观测器和自适应控制器,其中:有限时间干扰观测器用于干扰估计,且能保证估计精确;自适应控制器用于处理系统参数不确定性;障碍李雅普诺夫函数用于约束状态并保证闭环系统稳定。实验结果表明,该算法能够约束系统输出速度和加速度,系统期望跟踪指令幅值为10mm,稳态跟踪误差最大约为0.06mm,相对跟踪误差约为0.6%,系统跟踪精度得到了提高。     

非线性确定性系统的鲁棒自适应控制器

NARX模型的最小预报误差自适应控制器算法，存在着控制输入偏离以原点为收敛域中心的收敛问题，严重时将出现数值发散现象，系统是BIBO不稳定的。针对这种情况，提出了一种改进的控制输入准则函数和各样自适应控制策略，给出了NARX模型基于该准则函数的一种最小预报误差自适应控制器算法，及使系统无稳态偏差选取准则函数的限制条件，解决了系统存在稳态偏差的问题，同时给出了仿真结果。     

重装空投过程的自适应函数近似反步滑模控制

针对重装空投过程的飞机运动系统,考虑气动数据的测量和计算误差等不确定性,提出了带有自适应函数近似的反步滑模控制方法。首先将系统的复杂非线性不确定性分解为不确定参数向量和已知非线性矩阵,降低了控制器的设计难度,在此基础上,设计自适应算法近似不确定参数向量,并将自适应结果补偿到反步滑模控制器中,解决了滑模切换增益的选取依赖于系统不确定性边界的问题。理论分析表明,该方法能够保证飞机速度和俯仰角的跟踪误差收敛到平衡点任意小的一个邻域内。     

雷达卫星鲁棒逆最优自适应姿态跟踪控制

针对存在外界扰动和模型参数不确定性的雷达卫星姿态跟踪控制问题,提出了一类基于修正的罗德里格斯参数描述的雷达卫星鲁棒逆最优自适应控制器设计新方法．通过Backstepping方法和构造相应李雅普诺夫函数,设计了鲁棒逆最优控制器,避免了直接求解哈密顿一雅克比一贝尔曼偏微分方程,使控制器相对于选取的具有鲁棒性的代价函数最优,并以较小的L：增益,实现对外界扰动的输入一状态稳定和鲁棒性;针对系统参数不确定性设计自适应参数更新律,对参数进行自适应学习,有效降低参数不确定对系统的不利影响．仿真结果表明：该方法能有效抑制模型不确定参数和外界未知扰动的影响,在保证姿态跟踪精度的同时,能增强系统鲁棒性．     

一类带有未知时延的随机系统自适应控制

为了解决一类含有未知输入时延和状态时延的非线性随机系统的有界稳定跟踪控制问题,利用神经网络逼近未知的系统函数,并且使用反步法来构造所需的控制器,再利用动态面技术以避免出现"复杂性爆炸"的问题.针对系统的状态时延和输入时延,分别使用Lya-punov-Krasovskii函数技术以及补偿系统的相关方法.最后通过仿真实例验证该设计方案的合理性.结果表明该自适应神经网络控制器能够确保此闭环系统所有信号均半全局依概率有界,解决了此类含有未知时延和随机扰动的非线性系统的有界跟踪控制问题.     

输出误差约束的非线性系统的预定性能反步控制及应用

针对带有执行器故障、外界干扰与不确定参数的非线性系统的控制问题,提出自适应预定性能反步控制策略.首先,采用结构简单的障碍Lyapunov函数处理输出误差约束;其次,通过自适应律对不确定参数进行估计,并构造干扰观测器估计综合不确定,解决执行器故障、外界干扰与传统反步控制的"计算爆炸"问题;在此基础上设计预定性能控制器;再...     

具有输入饱和约束的永磁同步电机伺服 系统鲁棒有限时间控制

针对存在模型参数非线性不确定性因素和输入饱和约束的永磁同步电机伺服系统控制问题,提出一种具有抗输入饱和约束的鲁棒有限时间控制方法。为了处理输入饱和约束问题,通过定义饱和非线性函数将系统模型转化为带输入饱和约束的状态空间方程形式;将模型参数非线性不确定性因素扩张为一个新的状态变量,进而通过设计干扰观测器实现对不确定性因素的在线估计和前馈补偿,以提高系统的鲁棒性能;在模型参数不确定性因素前馈补偿的基础上设计永磁同步电机伺服系统鲁棒有限时间控制器,保证系统跟踪误差的有限时间收敛。仿真对比结果验证了所设计控制方法的有效性。     

多输入极值搜索系统预设性能控制

针对一类多输入极值搜索系统的预设性能控制问题,首先,利用目标函数设计出状态量极值参考轨迹;然后,利用性能函数和误差转换函数构建等效模型,分别针对单输入系统进行预设性能控制器设计;最后,从反演控制的角度逐步选取适当的李雅普诺夫函数设计不确定参数自适应估计律.该方法结构简单,容易实现,使系统在满足预设性能的前提下完成了极值搜索过程,数学仿真验证了方法的可行性.     

具有未知死区和增益符号的自适应神经网络控制

针对一类具有未知死区和未知控制增益符号的单输入单输出非线性系统,根据滑模控制原理,并利用Nussbaum函数的性质,提出两种自适应神经网络控制器的设计方案. 通过引入示性函数,提出一种简化死区模型,取消了死区模型的倾斜度相等的条件. 通过引入逼近误差的自适应补偿项来消除建模误差和参数估计误差的影响. 理论分析证明闭环系统是半全局一致终结有界. 仿真结果表明该方法的有效性.     

一类非线性系统具有L2-增益的鲁棒自适应控制

针对一类含有未知参数和干扰的不确定非线性系统，提出了一种具有L2-增益的鲁棒自适应控制方法。该方法结合L2-增益鲁棒控制和非线性阻尼技术，基于Lyapunov函数反演设计方法设计了状态反馈自适应控制器，实现了不确定非线性系统的鲁棒输出调节。该控制器不仅把常规自适应控制设计的参数重复估计问题简化为对未知干扰的抑制，而且使得系统从干扰输入到可控输出的L2-增益小于等于给定的值γ。仿真结果表明了所设计控制器的正确性和有效性。     

基于Lyapunov直接法的柔性梁振动控制

为避免控制溢出和保证控制系统实时性,针对具有边界未知扰动和变张力的柔性梁振动边界控制问题,基于柔性梁无穷维分布参数模型,结合边界控制技术和Lyapunov直接法设计了比例-微分(PD)边界控制器,用于对柔性梁的振动进行主动控制.该边界控制方法可使柔性梁系统达到外界干扰下的一致有界和指数稳定;所设计的PD控制器简单且独立于柔性梁系统参数,可确保系统具有较好的实时性和鲁棒性.仿真结果表明,文中控制方法能有效地抑制柔性梁的振动,降低其振动幅值.     

性能受限下的高超声速飞行器抗饱和控制

针对参数不确定和输入饱和影响下高超声速飞行器的控制问题,提出自适应障碍反步控制策略。首先,将高超声速飞行器纵向模型改写为面向控制模型,采用自适应方法处理不确定问题;其次,设计辅助系统解决输入饱和问题;再次,利用非对称正切障碍Lyapunov函数,保证所有状态误差满足预先设定的性能要求;在此基础上,在高度子系统的反步控制器设计过程中,采用一阶滤波器避免对虚拟控制输入进行高阶求导,解决“计算爆炸”问题;最后,基于Lyapunov理论证明系统的稳定性,并通过仿真分析验证所提控制策略的有效性。     

TCP网络的非线性自适应滑模控制

针对TCP网络存在网络参数高度变化和UDP流的情况,提出了两种非线性自适应滑模控制算法.考虑到系统不确定的上界很难获得,针对系统不确定的上界设计了一种自适应滑模控制器.由于使用了符号函数,该算法不能有效地抑制抖振.为此,设计了一种直接对不确定进行自适应的滑模控制器.仿真结果表明,对不确定的上界自适应的滑模控制器优于对上界自适应的滑模控制器,对上界自适应的滑模控制器优于PI控制器.     

基于Backstepping的模糊自适应跟踪控制

主要研究了单输入一单输出非线性系统的模糊自适应输出跟踪控制问题。模糊逻辑系统用于逼近系统中未知的非线性函数,然后基于Backstepping设计方法给出了系统性的输出跟踪控制器的设计方法。所构造的模糊控制器确保跟踪误差可以充分小,同时系统中的各个变量保持有界性。所提出方法的优越性在于自适应律中在线学习参数的数目独立于模糊规则的选择,从而避免了以往模糊自适应控制算法中自适应学习参数过多的缺点。最后,以一个例子进一步说明文中所得结论的有效性。     

一种改进的无模型自适应控制优化方法

针对一类复杂非线性系统提出了一种改进的无模型自适应控制(improved model-free adaptive control, IMFAC)方法,该方法通过对传统无模型自适应控制(model-free adaptive control, MFAC)方法控制器输出准则函数引入系统输出变化量来改善系统的动态性能。分析了IMFAC方法的稳定性和收敛性,并针对IMFAC方法中5个参数整定困难的问题,提出了基于灰狼优化(grey wolf optimization, GWO)算法的控制器参数优化方法(G-IMFAC)。对于GWO适应度函数中3个优化指标权重的最优分配问题,通过计算各个优化指标的信息熵来确定其权重。最后通过仿真模拟对比了G-IMFAC方法与传统MFAC方法及IMFAC方法的性能,结果表明G-IMFAC方法具有更小的超调量和更短的调节时间,进一步提高了系统的控制性能。     

环境约束可重构机械臂模块化力/位置控制

针对受环境约束的可重构机械臂系统,提出了一种自适应神经网络模块化力/位置控制方法.利用雅克比矩阵将机械臂末端与环境接触力映射到各关节,将系统动力学模型描述成一组通过耦合力矩相关联的子系统集合,通过控制各子系统的位置和力矩来达到控制末端执行器位置和接触力的目的.利用神经网络估计可重构机械臂系统的非线性项和交联项,通过自适应更新律在线估计神经网络权值函数,并引入滑模控制项补偿估计误差,从而保证闭环系统渐近稳定.最后,在不改变控制器参数的条件下对2个不同构形的2自由度可重构机械臂进行数值仿真,结果验证了所设计控制器的有效性.