自适应反演控制在一类非线性系统中的应用

针对一类不确定性上界未知的非线性系统,提出一种自适应反演控制方法.建立了一类带有外界扰动的不确定非线性系统的数学模型.将复杂的非线性系统分解成不超过系统阶数的子系统,采用反演思想,并用自适应更新律对非线性系统不确定性上界进行估计,设计了自适应反演控制器并证明了李亚普诺夫稳定性.采用所设计的控制律使非线性系统的输出能跟踪期望的轨迹,具有一定的鲁棒性.用数值仿真验证了所设计控制器的良好跟踪性能.     

飞艇三维航迹控制研究

研究了在系统存在不确定性或外界干扰的情况下飞艇的三维航迹控制问题.根据飞艇空间运动数学模型的特点,基于滑模变结构控制关于不确定因素的不变性,采用不确定仿射非线性系统在满足匹配条件下输出解耦变结构的控制方法,设计了飞艇的三维航迹控制律.仿真结果表明,在系统存在不确定性或外界干扰的情况下,仍可使飞艇按照规划的航迹飞行.     

基于反演技术和神经网络的移动机器人控制

提出了一种基于反演设计和RBF神经网络自适应的非完整移动机器人轨迹跟踪方法.首先,设计一个虚拟的速度控制律使得输出跟踪误差尽可能小;然后,利用反演技术设计一个基于RBF神经网络的动力学控制器,以确保在机器人系统中存在不确定性和外界扰动的情况下,机器人仍具有良好的跟踪能力.RBF神经网络连接权值在线自适应律由Lyapunov理论导出,保证了控制系统的稳定性.本文提出方法的主要优点是不需要移动机器人动力学的先验知识,而且对外界扰动具有良好的鲁棒性.最后,在两轮非完整移动机器人上的仿真结果证明了本文所提出方法的有效性.     

滤波减速器传动机器人的自适应RBF反演法控制

针对具有参数未知、外界扰动、强耦合、非线性和多变量的滤波减速器传动机器人建立系统数学模型并对其进行自适应RBF神经网络反演法控制。利用自适应RBF在线逼近系统模型中的未知非线性项设计基于自适应RBF神经网络的反演法控制器同时结合Lyapunov稳定性分析方法论证闭环系统的收敛性。所提控制方法有效地抑制诸如参数未知、外界扰动等对滤波减速器传动机器人的性能影响。仿真分析表明所提出自适应RBF神经网络反演控制器实现了滤波减速器传动机器人的高性能位置跟踪控制并具有很好的控制精度和鲁棒性。     

基于区间二型模糊神经网络反演控制抑制二惯量系统的机械振动

针对带有不确定性和扰动的二惯量伺服系统,提出了一种基于区间二型模糊神经网络的自适应反演控制策略抑制系统的机械振动.首先建立了二惯量系统的动力学模型,设计了反演自适应控制律;其次系统中负载和电机两端未知的扰动变量定义为待估计项,采用区间二型模糊神经网络对其进行估计,给出了基于区间二型模糊神经网络的参数自适应律.基于李雅普诺夫稳定性理论,证明了闭环系统输出跟踪的收敛性,并且跟踪误差可以通过调节控制参数达到任意小.仿真结果表明该方法具有较好的控制性能.      

基于主动自适应滑模控制的超混沌系统同步

针对一类带不确定性和外界扰动的超混沌系统的同步和反同步问题进行了研究.考虑到驱动系统与响应系统所受干扰和不确定性的上界未知的情形,将主动滑模与自适应控制相结合,利用参数自适应更新律对未知参数进行了估计.利用连续函数来替代控制律中的非连续符号函数,解决传统滑模控制器的抖动问题.利用Lyapunov稳定性理论证明了误差系统的渐近稳定性,数值仿真结果验证了设计的控制器的有效性.     

Preisach逆模型补偿的压电陶瓷执行器自适应滑模控制

为了降低压电陶瓷执行器迟滞特性对纳米定位平台精度的影响,利用Preisach逆模型补偿迟滞特性,并针对逆模型未能完全补偿的迟滞特性、模型参数的不确定性以及其他扰动设计了自适应滑模控制律.仿真实验结果表明,与普通滑模控制器以及逆补偿PID控制器相比,逆补偿的自适应滑模控制器提高了定位系统的跟踪精度,对系统不确定性和外界扰动有较强的鲁棒性.     

基于扩张状态观测器的永磁同步电机自适应滑模调速控制

针对永磁同步电机(permanent magnet synchronous motor,PMSM)调速系统存在参数不确定性及负载扰动问题,提出了一种基于扩张状态观测器的自适应滑模控制方法.在系统模型存在参数不确定性及负载扰动情况下,通过扩张状态观测器对系统的总和扰动进行实时观测,并在控制过程中加以前馈补偿以降低系统总和扰动对控制精度的影响,提高系统的动态性能.由于系统观测误差上界无法精确获得,自适应滑模控制器中的切换控制增益采用参数自适应律来调节,可有效改善系统的抖振现象,保证系统输出高精度跟踪期望信号.仿真结果表明,与传统的比例-积分(proportional-integral,PI)控制方法相比较,提出的基于扩张状态观测器的自适应滑模控制方法具有转速超调量小,响应速度快,对系统的参数不确定性及负载扰动具有很强的抑制力,且能够有效减弱滑模控制的抖振问题和提高系统的鲁棒性能.     

欠驱动起重机的神经网络直接鲁棒自适应控制

针对存在参数不确定性和外界随机扰动的欠驱动桥门式起重机防摇摆跟踪控制问题,提出一种基于径向基函数(RBF)神经网络的直接鲁棒自适应控制器.首先利用第二类拉格朗日方程建立双摆桥门式起重机系统动力学微分方程,并针对无扰动工况设计理想控制器;随后引入RBF神经网络拟合理想控制输出,在考虑扰动项影响的情况下设计神经网络权值更新...     

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．     

一类非线性系统的非奇异Terminal滑模控制

针对一类二阶非线性系统提出新的Terminal滑模控制面以克服传统的Terminal滑模控制的奇异问题,同时确保系统从任何初始状态在有限时间内收敛至平衡点;进一步考虑系统参数摄动和外界扰动等不确定性因素上界的未知性,用Lyapunov稳定性方法给出了一个带有未知性上界参数估计的自适应非奇异Terminal滑模控制的控制.     

柔性关节机械臂自适应神经网络动态面控制

针对柔性关节机械臂动力学模型具有非线性、不确定性和未知的外界扰动等问题,提出了基于自回归小波神经网络的自适应动态面控制方法.采用对于非线性系统具有良好学习和快速收敛能力的自回归小波神经网络,在线观测和补偿动力学模型的不确定项.并应用动态面方法设计控制器实现了关节轨迹跟踪控制.仿真和实验结果显示:当存在模型参数不准确及未建模的外部扰动力矩时,控制算法表现出良好的自适应能力,与传统动态面法和PD(比例微分)控制相比较,显著提高了柔性关节的位置跟踪精度.     

机械臂位置跟踪自适应反演滑模控制律设计

针对机械臂位置跟踪控制问题,设计了一种新型自适应反演滑模控制律。该方法利用机械臂各关节的位置和速度误差建立了滑模面函数,并根据反演原理设计了反演滑模控制律。然后,通过设计合适的自适应律对外部扰动进行在线补偿,降低了系统对外部扰动的敏感性,有效地抑制了系统的抖振。最后利用Lyapunov定理证明了系统的稳定性。仿真结果说明该控制律具有较好的控制性能。     

基于反演滑模控制的区分服务网络拥塞控制算法

针对区分服务网络的两种典型业务类型(奖赏业务和确保业务)分别进行分析和控制,应用非线性流体流理论建立区分服务网络模型,设计推导出一种新的自适应滑模控制器.先将非线性流体流模型转化为参数严格反馈的形式,然后应用反演控制理论完成控制器的设计.通过该方法设计的自适应反演滑模控制器,能够抑制系统的未知动态和不确定性扰动,使缓冲器队列长度的调节达到理想效果.在理想滑动模态下系统渐近稳定,仿真结果进一步验证了该控制器的有效性.     

阀控非对称缸系统鲁棒反馈线性化控制

针对阀控非对称缸液压系统存在不确定性和干扰问题,提出综合滑模变结构控制与反馈线性化控制的鲁棒反馈线性化控制策略.利用反馈线性化控制提高非线性系统控制精度,利用变结构控制补偿外界干扰与系统不确定性,并采用边界层法减少滑模变结构控制可能导致系统高频抖动.针对位移信号直接微分得到的加速度信号存在高频噪声问题,提出利用改进二阶滑模算法抑制干扰的影响.通过建立统一的阀控非对称缸液压伺服系统非线性数学模型,以时变负载力扰动为例对系统的动态特性进行了研究,结果表明:鲁棒反馈线性化策略能有效抑制外界的干扰和负载力扰动对液压位置追踪精度的影响,提高了液压控制系统的精度和鲁棒性.     

自适应强跟踪卡尔曼滤波在陀螺稳定平台中的应用

考虑陀螺稳定平台速度环控制系统含有陀螺测量噪声,设计了带有系统参数扰动迭代估计的自适应强跟踪卡尔曼滤波器,并与模型参考控制系统相结合,然后将其与现有的PI控制系统进行扰动隔离性能的系统仿真对比实验及其结果分析.实验结果表明,所提出的自适应强跟踪卡尔曼滤波器可以进一步提高扰动控制系统的隔离度性能,尤其在把非线性摩擦力补偿一半的情况作为未建模的不确定因素影响情况,所设计的滤波器不但能够稳定地工作,而且模型参考自适应控制系统和PI控制系统的隔离度性能都有明显的提高.     

车载GPS/DR组合导航系统卡尔曼滤波方法的改进

将全球定位系统(GPS)和航位推算法(DR)两种定位方式结合,实现车辆GPS/DR组合定位系统的自适应信息融合.联合卡尔曼滤波器存在数学模型不确定性和误差模型的随机性的缺点,提出改进方法是采用联邦滤波器,并引入利用模糊推理建立的模糊自适应联邦滤波器,提高了系统的精度和功能.     

基于滑模控制的车辆自适应巡航系统设计

针对自适应巡航系统控制鲁棒性及存在路面扰动、实时扰动等不确定性的问题,提出一种考虑安全车距的车辆自适应滑模控制方法.首先通过建立车辆纵向动力学模型,并将道路坡度作为系统扰动;基于安全车距设计自适应巡航滑模控制器,通过稳定性分析证明该控制器的稳定性;最后,通过与PID控制算法进行对比研究.结果表明:采用滑模控制器的自适应巡航控制系统具有更好的跟踪性能和抗干扰能力.     

一类带有广义不确定性非线性系统的自适应模糊反演控制

本文结合自适应控制、模糊控制和反演控制方法,针对带有广义不确定性的严格块反馈型非线性系统,设计了一种自适应模糊反演控制律。对反演控制律设计的不足之处,采用自适应模糊控制去逼近非线性系统中带有广义不确定性的非线性函数,从而实现了无需精确数学模型的全新控制律,避免了因存在不确定性对系统带来的不良影响。在此基础上,利用李亚普诺夫方法分析了系统的稳定性和收敛性。仿真结果表明：本文所设计的控制律,对严格块反馈型非线性系统中存在的不确定因素具有较强的鲁棒性和自适应性。     

基于模型预测内模的实时控制算法

对具有滞后性、外界扰动和被控对象参数不确定性、快速性要求高的一类单输入-单输出线性系统的非恒值实时控制的模型预测内模的控制算法进行了进一步的分析研究.从理论上分析了该控制算法的系统稳定性条件、稳态控制误差,研究了在逆变电源控制系统中,该控制算法对负载的鲁棒性和对扰动的抑制能力.算法仿真表明:该控制算法能够克服外界扰动和被控对象参数不确定性,系统具有较强的鲁棒性,稳态控制精度高,动态响应速度快.