基于观测器的一类不确定非线性系统自适应输出反馈控制

针对一类不确定非线性系统,基于非线性状态观测器采用回馈递推(Backstepping)设计方法提出了一种鲁棒自适应L2增益控制方案。该控制方案首先对系统的不可观测状态设计非线性状态观测器,在此基础上通过多步递推得到系统的控制律并设计了未知干扰的参数自适应律,使系统具有L2增益性能。同时把采用常规设计方法需要对过多参数进行辨识问题简化为只需对与未知干扰个数相同的参数进行辨识的问题,简化了控制器结构。最后通过仿真算例验证了所设计控制方案的有效性。     

基于滑模观测器的非线性系统迭代学习控制

针对相当广泛的一类非线性系统有限时间轨迹跟踪问题,提出了一种基于滑模观测器的迭代学习控制算法。根据系统的非线性特性,利用一种滑模观测器对系统的状态进行估计,根据估计信号设计了一种类D型开环迭代学习控制律。这种控制方法不需要对系统的跟踪误差信号进行微分,从而对系统的量测噪声不敏感。给出了控制算法的收敛性证明,通过仿真实验证明了这种算法的有效性。     

基于非线性自适应观测器的故障诊断

将自适应控制的思想和状态观测器方法相结合研究了一类非线性控制系统的故障诊断问题。针对一类满足Lipschitz条件的带有未知参数的非线性系统,提出了一种非线性自适应状态观测器的设计方法,并将其应用到控制系统的故障诊断中。通过设置未知故障向量的自适应调整律,保证了状态观测器的渐近稳定。数字仿真证明了该方法的有效性,系统渐近稳定,状态向量和故障向量的估计值均趋近于实际值。     

参数不确定混沌系统的反步变结构控制

针对一类存在不确定性或者输入扰动的严参数反馈形式非线性混沌系统,提出一种基于反步法的自适应变结构控制器。结合反步法和变结构控制,在第1步到第n -1步,用递推方法来选取Lyapunov函数,运用自适应反步法设计,在第n步(n阶系统) ,选择适当的滑动面来确定变结构控制器,以实现系统的全局调节或跟踪。仿真结果表明,所提出的控制器对存在输入扰动和参数不确定时具有强鲁棒性     

最小相位不确定非线性系统的观测器设计

针对一类系统相对阶小于系统阶数的非线性系统,提出了一种基于输入输出线性化的观测器设计方法。首先考虑了模型已知时的非线性系统,通过微分同胚,将原系统变换为标准型,证明只要系统的零动态是局部指数稳定的,则基于估计误差的非线性动态方程是稳定的,即估计状态收敛到真实状态。然后分析了存在模型不确定性的系统的观测器设计问题,用RBF神经网络逼近不确定性,设计了神经网络加权系数的调整规律和Lyapunov函数,实现了含有不确定性时误差动态方程的渐近稳定性。仿真结果证明了算法的有效性。     

基于观测器的非线性系统直接自适应模糊控制

针对状态不可测的一类不确定非线性系统,利用模糊系统的逼近能力,提出一种基于观测器的直接自适应模糊控制方案。该方案通过引入观测量的调制函数,使得模糊系统的输入集在有界闭区域上,从而取消了观测量有界的假设。利用Kalman Yacubovitch Popov定理及李亚普诺夫函数,证明了闭环控制系统所有信号是有界的,跟踪误差收敛到零。仿真结果表明了该方法的有效性。     

基于高增益观测器的非线性系统自适应模糊滑模控制

针对一类有界的不确定非线性系统,基于高增益观测器并结合自适应模糊逻辑系统和滑模控制,提出了一种基于高增益观测器的自适应模糊滑模控制方案。该方案不需要系统状态可测的条件,而是通过设计高增益观测器来估计系统的状态并能保证观测误差一致最终有界。基于李亚普诺夫函数方法,给出了自适应模糊滑模控制律以及在线调节的参数自适应律。所提出的控制方案不但能使闭环系统稳定,而且保证了跟踪误差的一致最终有界性。仿真结果进一步验证了该控制方案的实用性和有效性。     

一类非线性切换系统基于观测器的稳定性分析

针对在实际工程系统中状态不可观测的困难,考虑了同时包含李普希兹非线性干扰项和不确定项的切换系统的稳定性问题.在一定的假设条件下,讨论了系统的滑模观测器.在不确定项满足匹配条件的情况下,基于滑模观测器的设计,利用多李亚普诺夫函数方法得到了保证误差切换系统渐近稳定的充分条件,所设计的滑模观测器成为切换系统的渐近稳定的观测器.这为非线性切换系统利用观测器进行稳定性分析提供了一个新视角.最后通过仿真算例验证了所提方案的正确有效性.     

具有非线性输入的一类不确定混沌系统的控制

研究了一类具有非线性输入的不确定混沌系统的跟踪控制问题。首先在系统状态已知,系统的非线性项及干扰项的界已知的情况下设计了理想滑模控制器,然后在系统只有一个状态可测,非线性项及干扰项的界未知的情况下,利用扩张观测器观测出系统的未知信息再设计控制器,从而实现了混沌系统的跟踪控制。最后对Duffing系统进行数值仿真,结果表明该控制方案是有效的。     

非线性不确定时滞系统观测器型鲁棒无源控制

将无源性概念引入到非线性不确定时滞系统中,研究了带有时滞和不确定性的非线性系统的鲁棒无源控制问题.首先,利用多层神经网络近似代替系统中的非线性部分,采用线性微分包含(LDI)技术来线性化该非线性环节.其次,基于LDI模型,构造适当的状态观测器和反馈控制器,利用Lyapunov稳定理论,通过一定的矩阵变换,将设计问题转化为线性矩阵不等式(LMI)的可行解问题.从而使控制器的设计简单易行.接着,引入无源化的损耗指标,给出具有指定损耗指标的鲁棒无源控制器设计方法.最后以Lo-gistic混沌系统为例进行仿真试验,结果表明该设计方法的有效性.     

Backstepping-based active fault-tolerant control for a class of uncertain SISO nonlinear systems

Active fault-tolerant control is investigated for a class of uncertain SISO nonlinear flight control systems based on the adaptive observer, feedback linearization and backstepping theory. Firstly an adaptive observer is constructed to estimate the fault in the faulty system. A new fault updating law is presented to simplify the assumption conditions of the adaptive observer. The asymptotical stability of the observer and the uniform ultimate boundedness of the fault estimation error are guaranteed by Lyapunov theorem. Then a backstepping-based active fault-tolerant controller is designed for the faulty system. The asymptotical stability of the closed-loop system and uniform ultimate boundedness of the tracking error are proved based on Lyapunov theorem. The effectiveness of the proposed scheme is demonstrated through the numerical simulation of a flight control system.     

一类非线性系统的自适应模糊滑模定位控制

针对一类由多子系统组成的,具有建模误差和未知不确定性的多变量非线性系统,提出了一种自适应鲁棒定位控制方案。分别在系统数学模型已知或未知的情形下,通过对不确定性的未知范数界描述,基于Lyapunov理论和Barbalat引理,给出了滑模鲁棒控制器的综合设计方法及其自适应控制律,保证整个闭环误差系统的稳定。该方法减少了对系统模型精确度的依赖,避免了传统方法对不确定性的人为预估行为。最后,通过船舶动力定位系统的控制仿真表明了本方法的有效性。     

Neural network based adaptive sliding mode control of uncertain nonlinear systems

The purpose of this paper is the design of neural network-based adaptive sliding mode controller for uncertain unknown nonlinear systems. A special architecture adaptive neural network, with hyperbolic tangent activation functions, is used to emulate the equivalent and switching control terms of the classic sliding mode control (SMC). Lyapunov stability theory is used to guarantee a uniform ultimate boundedness property for the tracking error, as well as of all other signals in the closed loop. In addition to keeping the stability and robustness properties of the SMC, the neural network-based adaptive sliding mode controller exhibits perfect rejection of faults arising during the system operating. Simulation studies are used to illustrate and clarify the theoretical results.     

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.