非线性时滞系统鲁棒自适应H∞几乎干扰解耦

研究了一类非线性时滞系统的鲁棒自适应H∞控制问题.基于Lyapunov函数的递推设计方法,设计了一种新的自适应控制律和H∞控制器.通过巧妙的选取Lyapunov函数解决了时滞问题,实现了递推设计的推广.数值例子和仿真结果验证了结论的有效性.     

不确定非仿射非线性时滞系统的神经网络自适应控制

针对一类不确定非仿射非线性时滞系统,提出了一种神经网络的自适应控制器.利用隐函数定理、泰勒展开式和中值定理,把非仿射非线性时滞系统转化为仿射非线性时滞系统,同时利用神经网络可逼近任意非线性函数的能力,结合误差滤波理论及Young不等式处理时滞项.根据Lyapunov理论,在一定的条件下,给出了系统稳定的充分条件,并给予证明.该控制器保证了跟踪误差收敛,从而说明了该控制器的有效性.     

一类非线性时滞系统的自适应镇定

考虑了一类非线性时滞系统的自适应镇定问题.在一般条件下,利用Lyapunov函数和Backstepping方法设计了一个自适应状态反馈控制器,使得闭环系统全局渐近稳定,并且给出了仿真算例.     

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.     

非线性时滞系统的智能迭代学习控制

针对一类单输入单输出非线性时滞系统,提出了一种自适应神经网络迭代学习控制方案,神经网络用来逼近未知非线性函数和未知非线性时滞函数,放宽了传统迭代学习控制对非线性函数和非线性时滞函数的限制,拓展了迭代学习控制的应用范围．采用Lyapunov—Krasovskii函数和利用反演（Backstepping）技术设计神经网络学习律和控制律,基于Lyapunov稳定性理论,证明了闭环系统所有信号半全局一致最终有界,通过调节设计参数可以实现对目标轨线任意精度的跟踪．     

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。     

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．     

具有输出限制的纯反馈系统的神经网络控制

为了研究一类具有输出限制的不确定非线性纯反馈系统的自适应神经网络追踪控制问题,利用神经网络的非线性逼近能力与自适应控制的反推法给出该系统的自适应控制器;利用障碍Lyapunov函数与隐函数存在定理进行控制器的设计。结果表明,该控制方法保证了闭环系统所有信号的半全局一致最终有界性。     

一类非线性时滞系统的鲁棒H_∞几乎干扰解耦

研究了一类非线性时滞系统的鲁棒H∞控制问题.基于Lyapunov函数递归设计方法,构造了一种新的控制律和H∞控制器.通过技巧性地构造正定Lyapunov函数,解决了时滞问题,实现了递归设计的推广.数值例子和仿真说明了结论的正确性.     

未知非线性时滞系统控制设计

本文以一类动态未知的时滞非线性系统为研究对象,利用步进反推设计方法给出了使该类系统能够跟踪给定参考信号的控制器.设计中采用了模糊逻辑系统来逼近未知的非线性函数,并用自适应机制同时调节模糊系统的权参数和基函数中的参数,从而不要求模糊系统的基函数事先已知.本文通过选取积分型Lyapunov函数,证明了所提出的控制方案能够保证闭环系统的稳定性和期望的跟踪精度.仿真结果进一步验证了所得结论.     

具有非线性切换函数的变结构控制器设计

本文针对机器人的给定点调节问题，提出了一种新的控制方法。本方法主要特点为：采用李亚普诺夫函数V＝S^TMS替代变结构控制器设计中通常采用的到达条件SS＜0，从而避免了烦琐的惯性阵转换问题；通过使用非线性切换函数替代线性切换函数，大大改善了系统的动态响应；通过约束系统动点在扇区内滑动来替代在切换面交的滑动，使抖动得以消弱。     

一类高阶次随机非线性系统的状态反馈镇定

研究一类高阶随机非线性系统状态反馈镇定问题.结合反推技术和加权积分技术,通过适当地选取Lyapunov函数和设计参数,给出了一个自适应状态反馈控制器的设计过程.所设计的控制器保证了闭环系统是依概率全局稳定的.     

桥式起重机神经网络自适应滑模定位防摆控制

针对桥式起重机非线性、存在外界干扰的特点,提出了一种神经网络自适应滑模控制器。首先采用拉格朗日法建立桥式起重机动力学模型;然后在分层滑模控制器的基础上,设计了径向基函数(RBF)神经网络权值自适应更新率,利用RBF神经网络补偿系统的非线性与外界干扰引起的不确定上界,并利用粒子群算法对控制器参数寻优,通过构造Lyapunov函数证明了系统的稳定性;最后设计了1组仿真实验和1组在搭建的实验平台上的验证实验,仿真结果表明:在非线性及外界干扰作用下,神经网络自适应滑模控制器可以快速实现小车定位和负载消摆,控制器可以消除不确定上界对系统的影响。实验结果也表明,所设计的控制器可以使桥式起重机达到控制目标,具有一定的抗干扰能力。     

一个混沌电路的自适应同步

针对从动系统对主动的参数未知的情形,讨论了一个混沌电路的同步控制问题.当从动系统对主动系统的参数未知时,采用李亚普洛夫稳定性理论和自适应设计方法,设计出了一个自适应控制器.该控制器可实现主从混沌系统间的自适应同步并同时实现参数的辨识.仿真结果表明该设计方法的有效性.     

基于RBF神经网络的非线性磁悬浮系统控制

磁悬浮系统是一个典型的不确定、非线性系统.由于磁悬浮系统的复杂性很难建立精确的数学模型,采用RBF神经网络(RBFNN)对非线性磁悬浮系统进行辨识,再根据神经网络自适应控制原理设计了非线性磁悬浮系统的神经网络自适应状态反馈控制器与自适应PID控制器,并利用MATLAB进行了仿真.仿真结果表明,神经网络自适应控制能很好地控制本磁悬浮系统;神经网络自适应控制器对于此非线性磁悬浮系统位置具有良好的控制效果,该控制系统具有较好的稳态特性和控制特性.     

一类非线性离散系统模糊自适应控制器设计

针对一类非线性函数未知的非线性离散系统 ,提出一种基于模糊基函数的稳定自适应控制器设计方法 ,该方法基于Lyapunov稳定性理论 ,因此 ,整个闭环系统渐近稳定 .使用遗传算法 (GA)实现对可调参数的全局优化 ,代替通常设计自适应控制器时对参数调节律的繁琐求取 .仿真结果验证了该方法的有效性     

装载机工作装置的模型与自适应迭代学习控制

在理想情况下用牛顿-欧拉法建立装载机工作装置的二自由度动力学模型,考虑实际情况中存在的建模误差和扰动干扰,设计自适应迭代学习控制器对其进行轨迹跟踪控制研究,基于Lyapunov函数证明了跟踪误差的稳定性和收敛性,在matlab环境下对所设计的控制器进行仿真研究。仿真结果表明,所设计的控制器对装载机工作装置有极好追踪效果,验证了该算法的可行性与有效性。     

一类非线性广义系统的弹性稳定控制

利用Lyapunov稳定性理论,以线性矩阵不等式的形式给出系统弹性稳定的充分条件,通过求解此线性矩阵不等式便可得到相应控制器.     

一类非线性网络控制系统的控制器设计

针对一类非线性网络控制系统,提出了一种新型自适应模糊滑模预测控制方法,采用带有时间超前非线性状态预估器的新型的滑模控制(SMC)方案,补偿网络诱导时延,而后利用模糊自适应系统来逼近非线性环节,并基于Lyapunov稳定性理论设计自适应律,保证系统的稳定性. 以网络环境下空间飞行器的姿态控制为例进行仿真,结果表明,所提出的方法不仅实现了高精度的姿态稳定控制,且系统对不确定参数、网络诱导延时及外界干扰带来的影响具有很好的鲁棒性.