参数未知非线性混沌系统的自适应反演滑模控制

针对一类含有非匹配未知参数和非参数不确定性的混沌系统,基于自适应反演和滑模控制方法,研究自适应反演滑模控制策略,实现了不确定混沌系统的调节问题。与现有自适应控制相比,允许系统存在非匹配未知参数和非参数化的不确定性,增强了控制系统的鲁棒性。仿真算例证明了理论研究成果的正确性和鲁棒性。     

一种改进的自适应模糊滑模大包线飞行控制方法

提出了一种改进的自适应模糊滑模大包线飞行控制方法。该方法以经模拟退火粒子群算法优化的小波神经网络实现非线性模型的逆,能够更加细致地逼近非线性模型,并针对自适应控制的鲁棒性与瞬态性能差的缺点,将滑模控制与自适应控制相结合共同补偿逆误差,提高了自适应控制的鲁棒性与瞬态性。仿真结果表明:所设计的自适应模糊滑模大包线飞行控制器具有优良的控制性能。     

基于神经网络的导弹自适应滑模控制器设计

针对导弹六自由度非线性模型,根据时标分离原理将导弹系统分为快慢不同的四个回路.针对快、慢回路,提出了一种基于神经网络的自适应滑模控制器设计方案.首先分别在快、慢回路中采用反馈线性化实现解耦控制,然后设计基于神经网络的自适应滑模控制器来保证系统鲁棒性及性能,其中神经网络用来逼近系统的不确定性.理论分析及计算机仿真都表明,按照该方法设计的控制器不仅具有较强的鲁棒性,而且保证了闭环系统的渐近稳定性.     

Adaptive neural control for a class of uncertain stochastic nonlinear systems with dead-zone

The problem of adaptive stabilization is addressed for a class of uncertain stochastic nonlinear strict-feedback systems with both unknown dead-zone and unknown gain functions.By using the backstepping method and neural network(NN) parameterization,a novel adaptive neural control scheme which contains fewer learning parameters is developed to solve the stabilization problem of such systems.Meanwhile,stability analysis is presented to guarantee that all the error variables are semi-globally uniformly ultimately bounded with desired probability in a compact set.The effectiveness of the proposed design is illustrated by simulation results.     

一类非线性系统的直接自适应模糊滑模控制

研究了一类非线性系统的一种直接适应模糊滑模控制（AFSMC）的问题。首先,在系统的非线性动态函数满足可估计和有界两个基本假设的条件下,给无了此类系统基于非线性动态函数估计的一般滑模控制律设计。然后基于目标函数梯度校正的方法,通过自适应机构调解模糊逻辑系统（FLS）的后作参数,所设计的自适应模糊逻辑系统（AFLS）能够逼近系统基于非线性动态函数估计的一般滑模控制律。这样,系统的自适应模糊控制律具有一般滑模控制律的控制效果,同时由于AFLS的滤波作用,具有消除滑模控制高频抖振的特性。数值仿真结果证明了所设计控制律的有效性。     

基于连续滑模控制的主动队列管理算法及仿真

基于一种改进的滑模控制器提出了一种主动队列管理（AQM）算法。采用连续的滑模控制（SMC）方案来取代不连续的切换控制，消除了滑模控制中存在的抖振现象从而使队列跟踪性能得到改善．对于网络模型的不确定性、网络参数的时变性及非TCP适应流所引起的网络抖动试算法具有很强的鲁棒性。仿真结果表明该方法可以使队列长度快速收敛到设定值，同时使队列振荡最小，结果也表明在网络条件变化的情况下，该算法优于传统的PI控制和传统的滑模控制。     

基于RBF神经网络的鲁棒滑模观测器设计

针对非线性不确定性系统,提出一种鲁棒滑模观测器。所提出的鲁棒滑模观测器通过滑模与相应的控制策略来实现。设计参数的选取不需要求解大量方程,同时能保证对系统的非线性不确定性具有鲁棒性,系统中不确定性的上界值采用RBF神经网络进行自适应学习。通过设计滑模,可以调整观测器跟踪系统状态的收敛速度,使状态估计达到预期的指标。仿真结果验证了提出方法的有效性。     

Decentralized direct adaptive neural network control for a class of interconnected systems

1 .INTRODUCTIONA number of interconnected systems found in theworld, such as electric power systems ,industrymanipulators and computer networks , are oftencomposed of a set of subsystems . A centralizedcontrol strategy for the requirement of a large a-mount of information exchange between the sub-systems . A decentralized control method, devel-oped based only on local measurements ,is oftenpreferable . At present ,there have been many re-search results for adaptive control of interconnec-…     

未知混沌系统同步自适应控制及其仿真研究

研究了参数未知情况下，混沌系统的同步自适应控制问题。利用滑模控制思想设计了动态神经网络。应用这种神经网络辨识系统，利用最优控制理论设计同步自适应控制器。最后针对Chua’s电路系统进行了数值仿真，结果证明本文所给方法的有效性。     

机械臂系统的一种自适应滑模控制方法

针对一类不确定性多输入多输出动态系统给出了一种新的自适应滑模控制方法，而后基于多刚体动力学建立了一个自由飞行机器人（FFR）的动力学模型，并应用此方法于FFR的控制，数学仿真实验验证了方法具有很好的鲁棒性和实用性。     

基于观测器的不确定非线性系统L1自适应控制

针对一类严格块反馈型不确定非线性系统,采用反步设计方法提出了一种新的基于滑模状态观测器的L1自适应控制方案。由于系统状态不完全可测,首先设计滑模观测器对系统状态进行估计,并分析观测器的收敛性,在此基础上,通过反步法得到系统的理想控制律。为了消除反步控制中的“项数膨胀”,引入非线性跟踪微分器来提取理想控制律的微分信号。为提高系统响应的瞬态性能,消除控制输入的高频振荡,引入L1自适应控制对控制律进行改进,通过理论推导证明了闭环系统的稳定性。最后通过数值仿真算例验证了所设计控制方案具有快速的收敛性、良好的跟踪性等期望性能。     

非匹配非线性系统多滑模模糊控制

针对一类非匹配非线性系统,提出一种多滑模自适应模糊控制算法。通过将参数光滑投影算法,带饱和层的滑模面设计技术以及积分型李雅普诺夫设计技术集成起来,使得算法提高了系统在抑制参数漂移、抖振现象、控制器奇异等方面的能力。算法保证闭环系统所有信号的有界性且使得跟踪误差收敛于任意设定的饱和层内。仿真结果进一步说明了算法的有效性。     

含非线性输入的非线性系统自适应模糊控制

讨论一类含非线性输入的非线性系统的自适应模糊控制问题。首先运用隐函数存在定理证明系统的理想控制器的存在性,利用I型模糊逻辑系统对该理想控制器进行在线逼近,提出了一种具有监督器的自适应模糊滑模控制器设计的新方案。该方案通过直接自适应模糊控制器与监督控制器的适当切换,保证了闭环系统的稳定性,由此确定出建模的有界区域,而且通过引入最优逼近误差的自适应补偿项,保证跟踪误差收敛到零。仿真结果表明了该方法的有效性。     

基于积分反步法的四旋翼滑模轨迹跟踪算法

针对四旋翼无人机轨迹跟踪过程易受外界未知干扰而引起跟踪误差的问题,设计了基于积分反步法的滑模位置控制器。在该控制系统中,位置回路采用滑模积分反步法(sliding mode integral backstepping,IBS-SMC)非线性控制方法,姿态回路采用经典比例积分微分(proportion integration differentiation,PID)控制方法。通过仿真对PID、线性二次型调节器、IBS-SMC进行了比较。仿真结果表明与传统方法相比,IBS-SMC法具有更好的抗干扰能力与控制精度。最后通过飞行实验,检验了控制算法可行性。实验结果表明,所设计的IBS-SMC是一种符合工程实际的控制方法。     

新型神经网络模型参考自适应控制系统设计

针对任意复杂非线性系统，即控制器具有不可分离结构的离散非线性系统，提出新型神经网络模型参考自适应控制。该方案的提出简化了基于神经网络的模型参考自适应控制系统的设计，只需一个神经网络辨识器。统一了任意神经网络模型参考自适应控制的设计方法，更接近于工程实际。仿真结果证明了该方案的合理性和有效性。     

非线性系统执行器死区故障的鲁棒自适应控制

针对一类具有不对称执行器死区故障的不确定非线性系统,基于反推滑模控制原理提出了一种神经网络鲁棒自适应控制方案。通过简化死区故障模型,取消了模型倾斜度相等和边界对称条件,结合动态面控制避免了传统反推设计方法存在的计算复杂性问题。所提控制方案取消了控制方向已知的条件,消除了执行器死区故障的影响,使得系统输出趋于给定参考轨迹的一个小领域。仿真结果验证了该方法的有效性。     

轮毂电机驱动电动汽车电子差速系统研究

针对轮毂电机独立驱动电动汽车电子差速问题进行了研究.电子差速器要实现当车辆直线行驶时,两驱动车轮的轮速相等,而当车辆转向时,欲使车轮不发生滑移,车轮相对转向中心的角速度相等.为此,考虑车辆转向行驶时轴荷转移、向心力以及轮胎侧偏角的影响,计算每个车轮需要的驱动力矩,以车轮的滑移率为控制目标,提出了基于滑模控制(SMC)的电子差速控制策略,并在Matlab/Simulink环境下进行了仿真.仿真结果表明,此电子差速装置可以实现车辆直线行驶和转弯过程中将滑移率控制在最佳范围内,车辆能够按照预定方向稳定行驶.     

基于神经网络的全局滑模变结构控制

针对一类非线性不确定离散时间系统,提出了一种基于神经网络趋近律的全局滑模变结构控制方法。分别用两个前馈神经网络（FNNs）自适应调整趋近律中的参数ε和δ,克服了常规变结构控制方法中需要预先设定趋近律中参数的限制。在用径向基神经网络（RBFNN）对系统进行模型估计的同时,基于平移滑平面的设计方案,实现了系统的全局鲁棒滑模控制。仿真结果表明控制系统具有良好的跟踪性能,该方案使系统一开始就处于滑平面上,消除了系统抖振,具有较强的鲁棒性。     

拦截机动目标的三维自适应神经网络制导律

针对导弹拦截机动目标及导弹执行机构存在物理受限的问题,研究了三维非线性抗饱和制导律的设计问题,基于径向基函数神经网络法以及自适应法设计了抗干扰以及抗饱和的终端滑模制导律,该制导律是有界的并且能够保证系统状态一致最终有界,与传统抗饱和制导律相比具有收敛速度快和精度高的优势。进行了理论证明。给出数学仿真实验结果,验证了所设计制导律的有效性以及优越性。