基于NDO的高阶非线性系统自适应反推滑模控制

针对一类高阶非匹配不确定非线性系统轨迹跟踪问题,将反推控制和滑模控制相结合,设计一种基于非线性干扰观测器(NDO)的自适应反推滑模控制方案.通过设计每一步的李雅普诺夫函数保证闭环系统全局渐进稳定,且跟踪误差一致且有界.设计NDO对非匹配干扰进行补偿,建立系统建模误差自适应律并引入双曲正切函数.仿真表明:闭环系统能够实现对指定轨迹的稳定跟踪,且对非匹配干扰和建模误差同时具有鲁棒性,并有效降低控制抖振.     

基于模糊趋近律的自适应滑模变结构控制

针对一类非线性不确定系统,把自适应模型跟踪控制和模糊控制与趋近律相结合,提出一种新的自适应模糊滑模变结构控制方案.不仅消除了滑模变结构控制固有的高频颤动现象,对模型不确定性和外部干扰具有较强的鲁棒性,而且改善了系统到达段的品质,同时跟踪误差可收敛到零的一个邻域内.仿真结果也表明了该方案的正确性.     

一类非线性系统综合自适应模糊控制

针对一类非线性系统把模糊控制、模糊逻辑逼近及模糊滑模控制相结合,提出一种综合自适应模糊控制方法.基于李亚普诺夫函数系统参数的自适应律,不需要最小逼近误差平方可积条件,而且利用模糊滑模控制补偿模糊系统的逼近误差及外部干扰对输出跟踪误差的影响.理论证明了闭环系统稳定,跟踪误差收敛到零或零的一个小邻域内.仿真表明了算法的有效性.     

输入受限非线性系统的自适应零误差跟踪控制

针对非线性系统面临的不确定动态、未知外部扰动和输入受限问题，提出了一种考虑输入饱和的零误差跟踪控制器。首先将系统的未建模动态和外部扰动综合为有界的“总扰动项”，进而设计控制律和自适应律补偿这一扰动项，使跟踪误差渐进收敛至零而不仅仅收敛至有界的紧集内。相比于传统的考虑不确定动态和外部扰动的非线性控制方法，所提控制方法的控制器结构更加简单，跟踪精度更高。此外，通过设计辅助误差补偿系统，使得控制器能较好地应对输入饱和情形，在饱和情形消失后，补偿信号能够渐进收敛至零。最后，通过仿真验证了所提方法的有效性。     

未知环境下水下机械手智能抓取的自适应阻抗控制

为了满足水下机械手在未知环境下对目标抓取的多样性,保证抓住、抓牢并最大限度地避免目标损伤,提出了自适应阻抗控制方法.构建了基于位置的阻抗模型的力跟踪控制系统,采用递推最小二乘法辨识目标的阻抗参数,根据阻抗参数与机械手的运动特征,利用模糊推理方法在线调整抓取力的期望值,并根据期望抓取力与实际抓取力的误差设计自适应比例-积分-微分(PID)控制器来调整期望位置,以实现在跟踪目标位置的同时对期望抓取力信号的跟踪,并利用MATLAB/Simulink软件平台进行仿真实验.结果表明:自适应阻抗控制方法在自由空间和约束空间均具有良好的力、位移的跟踪性能;对期望抓取力的实时调整满足抓取目标的多样性,期望位置的自适应调整能够实现对期望抓取力的跟踪.     

基于改进型LuGre模型的自适应滑模摩擦补偿方法

为建立具有良好动态性能的开放式伺服系统,针对自适应摩擦补偿对未知建模误差和扰动抑制能力较弱的问题,提出了一种基于修正黏性摩擦Lu Gre模型的自适应滑模摩擦补偿方法.建立开放式伺服系统的动力学方程,并结合修正黏性摩擦Lu Gre模型,提出伺服系统的状态方程.根据反演设计的思想,设计自适应滑模摩擦控制器以及相应的自适应律和切换函数,并分析了其全局渐进稳定性.通过可编程多轴控制器(PMAC)实现了该补偿控制方案在开放式伺服平台的应用,并通过实验验证了其有效性.实验结果表明:与自适应摩擦补偿相比,该自适应滑模摩擦补偿方案在输入信号为正弦信号时,伺服系统的跟踪误差由±6.9,μm降低到±4.1,μm.采用该补偿方案可有效地抑制摩擦及其他不确定干扰对伺服系统的不利影响,进一步提高伺服系统的跟踪性能.     

基于无源辨识器的随机非线性系统自适应跟踪模块化设计

运用基于估计的模块化设计思想,研究了受方差不确定Wiener噪声干扰的参数严格反馈非线性系统对已知信号的自适应跟踪问题.构造控制Lyapunov函数,设计了具有鲁棒稳定特性的输入状态稳定控制器,确保系统满足控制器-辨识器分离.对不确定方差采用自适应方式处理.根据无源性理论,设计无源辨识器模块,给出了参数自适应律,确保系统误差的有界性,使跟踪误差在概率意义下收敛.     

不确定非线性系统的鲁棒自适应模糊滑模控制

对一类不确定非线性系统,利用滑模控制与模糊自适应控制相结合的方法,设计了基于模糊逻辑的鲁棒自适应模糊控制器.所提出的设计方法是用模糊模型逼近系统的不确定性项,根据滑模控制原理构造出模糊模型的参数自适应律,在线调节模糊模型的参数,同时处理存在逼近误差时的干扰抑制问题.该方法不仅能有效地消除高频抖振,对逼近误差具有较强的鲁棒性和对参考输入具有良好的跟踪性能,而且该方法不需要求取Lyapunov方程的公共解,且对不确定性的知识要求不高.该文用Lyapunov方法证明了闭环系统信号的全局有界性,以及整个系统的稳定性和鲁棒性.     

一类机器人滑模自适应鲁棒控制

针对存在系统参数不确定和有界外部扰动情况下的轨迹跟踪机器人系统控制问题,本文提出一种基于滑模变结构的鲁棒自适应控制方案。自适应控制律补偿系统参数不确定性,并对不确定性干扰上界进行实时估计;滑模控制消除了自适应律引起的参数误差,并且具有较强的干扰抑制能力。仿真表明此算法具有较高的跟踪精度和较强的鲁棒性。     

自主水下航行器事件触发自适应神经渐近深度跟踪控制

针对自主水下航行器(AUVs)在未知模型动力学和环境干扰作用下的高精度深度跟踪控制问题，设计一种事件触发自适应神经渐近跟踪控制器。采用径向基神经网络(RBF NNs)逼近模型中的非线性不确定项，将积分有界函数融入控制律和自适应律中，以实现跟踪误差的渐近收敛；采用最小学习参数(MLPs)技术压缩神经网络权重，构造单参数自适应律；在控制器至执行器通道上应用事件触发机制，构造变量式事件触发条件，避免“Zeno”现象；应用径向基函数的不等式关系，解决“代数环”问题；采用Laypunov直接法和Barbalat引理对闭环系统的稳定性进行分析，证明跟踪误差的渐近收敛。仿真试验验证本文控制策略可实现高精度深度跟踪。     

非线性关联大系统分散自适应滑模控制研究

基于滑模控制原理,针对具有强关联作用并且各子系统内亦有不确定性干扰的非线性大系统的控制进行了研究,提出了一种分散自适应控制策略,根据神经网络逼近理论,用前向神经网络逼近控制增益函数,给出了逼近误差的自适应律,较好地解决了控制增益函数的确定问题,这样在控制算法中,只需要知道系统中各非线性函数的上界即可,最后用Lyapunov方法证明了闭环系统的稳定性,而且跟踪误差收敛到零的一个领域。     

基于L1自适应算法的无人机横侧向控制研究

针对无人机在飞行过程中存在不确定性、时滞和强耦合等特点,设计一种包含基本控制律和补偿控制律的横侧向鲁棒自适应控制器.将无人机横侧向模型不确定性视为时变参数和干扰,采用基于线性二次型调节器(LQR)的L_1自适应控制方法,在满足闭环控制系统的渐进稳定的同时,并具有良好的鲁棒性与自适应性.仿真结果表明所设计的控制器可以实现对跟踪误差快速收敛.     

不确定机械臂的组合自适应迭代学习轨迹跟踪

针对一类同时含未知时变和未知定常参数、并带有可重复时变干扰的不确定机械臂系统,为精确跟踪期望轨迹并加快跟踪误差的收敛速度,提出了一种具有抗扰能力的机械臂组合自适应迭代学习控制算法.对未知定常参数和未知时变参数,分别采用时域和迭代域的参数自适应迭代学习律,并基于估计参数设计了机械臂的自适应迭代学习轨迹跟踪控制律.利用相似李亚普诺夫函数证明了轨迹跟踪误差的收敛性.针对二自由度关节式机械臂的仿真结果表明,应用所提算法可实现精确的轨迹跟踪,并加快迭代学习的收敛速度.     

不确定轮式机器人动力学鲁棒路径跟踪控制

使用预知期望几何路径函数描述跟踪误差,将路径跟踪问题转化为输出调节问题,基于机器人的动力学模型运用输入输出线性化方法得到运动学-动力学混合控制律,再使用反步法得到动力学控制律;基于类Lyapunov方法设计不确定参数自适应律,保证在未知定常参数情况下跟踪误差仍能够渐近收敛.最后给出了渐近稳定性的证明,数字仿真证实了该控制方案的有效性.     

基于滑模补偿的六轴机械臂RBF网络自适应控制

提出了一种基于滑模补偿的RBF网络自适应控制方法,并将其用于六轴机械臂上,实现了在模型不确定情况下高精度的位置跟踪以及快速的逼近速度.为了更好地保证其在摩擦力、外部干扰误差和参数变化等因素影响下的稳定性,采用滑模控制作为辅助控制,对系统进行鲁棒补偿,并且用模糊控制对切换增益进行时变以更好地补偿不确定项.所设计的自适应律权值不断进行在线调整,并应用Lyapunov定理验证了其稳定性.通过仿真结果和与其他文献方法进行的比较证明了所给出方法收敛速度更快、鲁棒性更强.同时也证明了在实际工程中,实际建模参数与理想值相差很大.     

一类非线性系统综合自适应模糊控制

针对一类非线性系统把模糊控制、模糊逻辑逼近及模糊滑模控制相结合，提出一种综合自适应模糊控制方法．基于李亚普诺夫函数系统参数的自适应律，不需要最小逼近说差平方可积条件，而且利用模糊滑模控制补偿模糊系统的逼近最差及外部干扰对输出跟踪误差的影响，理论证明了闭环系统稳定，跟踪误差收敛到零或零的一个小邻城内．仿真表明了算法的有效性。     

分块建模关节机器人的PI鲁棒滑模控制

为实现机器人关节位置镇定和轨迹跟踪控制,控制律的设计须针对确定的机器人动力学模型,由于机器人结构参数、作业环境的外界干扰及结构振动等不确定性因素的存在,会造成机器人动力学模型不确定.为此,设计3个RBF神经网络分别对不确定机器人模型中的3个不确定项进行分块建模,得到机器人估计模型,神经网络的权值采用自适应算法.针对机器人估计模型设计PI鲁棒滑模控制律.将所设计的控制器用于三关节机器人的三个关节的力矩控制,研究结果表明:三关节均约在1 s时达到期望位置和跟踪期望轨迹,镇定误差和跟踪误差也快速、稳定地趋于零.通过定义基于积分型的Lyapunov函数,利用Lyapunov稳定性理论证明了控制系统是全局渐近稳定的.     

建筑幕墙安装机器人的位置/力混合控制方法

针对建筑领域幕墙安装过程中所面临的幕墙质量变化、接触环境改变以及机器人动力学参数漂移等问题,提出了基于阻抗模型和自适应补偿的机器人位置/力混合控制方法。分析了幕墙受力,建立了幕墙与环境之间的接触力模型,获得了机器人-幕墙-接触环境的综合动力学方程;为解决幕墙与环境接触时的力控制问题,在设计控制器时建立了幕墙位置与接触力之间的阻抗关系,同时通过李雅普诺夫稳定性理论构造了自适应控制器来补偿未知不确定项,使幕墙轨迹跟踪阻抗外环生成的参考轨迹。对不同任务时的幕墙安装过程进行多组仿真实验,结果表明:所提方法均能实现高精度的幕墙位置跟踪,误差精度小于0.2 mm,同时可以使幕墙与环境之间有稳定的接触力,并具有一定的鲁棒性。     

含磁滞非线性的电动机伺服系统预设性能跟踪控制

针对电动机伺服系统中广泛存在的参数不确定性、不确定非线性(外干扰、非线性摩擦、磁滞等)问题,建立了包含连续可微摩擦模型和磁滞非线性的系统数学模型,提出了一种预设性能控制方法,通过定义预设性能函数,实现了对跟踪误差收敛率、最大超调量和稳态精度的预先设定,并结合自适应鲁棒控制方法实现同时存在参数不确定性、不确定非线性时的优良跟踪,且保证了较好的瞬态跟踪性能.采用李亚普诺夫函数从理论上证明了控制器的稳定性,进一步的仿真对比结果表明,该控制方法展现了优良的瞬态和稳态性能.     

基于Backstepping-L1自适应控制的旋翼飞行器容错控制

针对旋翼飞行器控制过程中存在侧风等外界干扰、飞机本身存在未建模动态等不确定性,提出了一种基于Backstepping-L1自适应控制的旋翼飞行器容错控制方法。首先,在不考虑不确定性的情况下,根据旋翼飞行器的动力学方程和运动学方程,利用Lyapunov函数方法设计了基于Backstepping控制的姿态控制律,实现了闭环系统的稳定控制,且响应快速精确。其次,考虑不确定性对系统的影响,在Backstepping控制器的基础上,通过引入自适应律和状态观测器,实现对不确定性的实时估计和系统状态的在线观测,进而设计出具有鲁棒性的L1自适应控制器,消除了不确定性的影响,实现了旋翼姿态的容错控制。再次,通过引入一个闭环稳定的自治参考系统,对所设计的L1控制器进行稳定性分析,分析表明:设计的状态观测器跟踪误差有界并收敛到0,能够准确实时地估计被控系统状态;自适应律可快速自适应于系统存在的干扰及未建模动态等不确定性;控制律可以保证系统在正常状态及存在不确定性的情况下实时跟踪引入的参考系统,且跟踪误差趋近于0,从而保证系统稳定。最后,通过MATLAB仿真对比验证了该方法的有效性。