直接跟踪参考信号的自适应控制(Ⅰ)

本文考虑连续时间的线性系统,按照它的相对阶n~*=0和n~*=1两种不同情况,分别设计出不含微分环节的自适应控制器,并证明了所构成的自适应控制系统是大范围一致稳定的,其输出渐近地跟踪直接给定的参考信号。     

直接跟踪参考信号的自适应控制(Ⅱ)

本文是文[1]的续篇,研究的对象是连续时间线性系统,对于系统相对阶n~*≥2的情况,设计出不含微分环节的自适应控制器,并证明所构成的闭环系统是全局稳定的,其输出渐近地跟踪直接给定的参考信号。     

直接跟踪参考信号的自适应控制（Ⅱ）

本文是文的续篇,研究的对象是连续时间线性系统,对于系统相对阶n≥2的情况,设计出不含微分环节的自适应控制器,并证明所构成的闭环系统是全局稳定的,其输出渐近地跟踪直接给定的参考信号。     

电液伺服系统的渐近跟踪自适应控制

根据电液伺服系统参数不稳定的特点,将渐近跟踪理论与自适应控制相结合,提出了一种基于参数辨识的电液伺服系统的渐近跟踪自适应控制方法,利用状态反馈动态配置系统的希望特征值和在输入端动态调节前馈增益实现渐近跟踪,达到自适应控制的目的。仿真结果表明,该方法稳定可靠,具有较高理论意义和实用价值。     

具有未建模动态系统的鲁棒自适应控制

本文针对一类具有未建模动态的离散线性系统提出了一种新的鲁棒自适应控制算法。此算法由一带有相对死区的最小二乘参数估计方案和一带有模型误差反馈的广义最小方差控制器构成。本文证明了：此算法不仅能保证在有未建模动态存在时闭环系统是鲁棒稳定的，而且还能保证系统的平均跟随误差趋于零。仿真结果表明：采用本文方法即使用低阶模型设计仍能获得满意的控制效果。     

离散时不变线性系统的自适应控制

针对含未建模动态和外来干扰的离散ＳＩＳＯ线性系统，提出一种具普遍性的自适应控制方法，这种控制器的设计是基于系统的已知降阶模型，对建模部分的未知参数采用带来死区的加权最小二乘法进行参数递推估计，从而得到稳健的自适应控制。     

模型参考自适应控制系统设计--输出误差直接自适应控制

本文利用输出误差直接自适应控制算法对一具体对象的模型参考自适应控制器进行设计.首先描述了常规的模型参考自适应控制法,然后提出了一种性能更佳的模型参考自适应控制方案.对两种模型参考自适应控制方案进行了鲁棒性分析.数值仿真结果表明,与常规的模型参考自适应控制法相比,本文所提出的控制方案大大提高了系统的性能,明显减小了震荡,缩短了自适应时间.而且在有界扰动的情况下,本文所提出的改进的控制方案能够更加较好地保证系统的各项性能.     

机器人的自适应分散跟踪控制

提出了一种自适应分散控制策略,用于不确定性机器人的轨迹跟踪,该控制器结构简单,而且无需计算回归矩阵,通过对二自由度的机器人的仿真,证明该方法能使跟踪误差快速趋近于零.     

基于Backstepping的模糊自适应跟踪控制

主要研究了单输入一单输出非线性系统的模糊自适应输出跟踪控制问题。模糊逻辑系统用于逼近系统中未知的非线性函数,然后基于Backstepping设计方法给出了系统性的输出跟踪控制器的设计方法。所构造的模糊控制器确保跟踪误差可以充分小,同时系统中的各个变量保持有界性。所提出方法的优越性在于自适应律中在线学习参数的数目独立于模糊规则的选择,从而避免了以往模糊自适应控制算法中自适应学习参数过多的缺点。最后,以一个例子进一步说明文中所得结论的有效性。     

无人直升机的自适应动态面轨迹跟踪控制

针对无人直升机模型阶数较高、负载变化大等问题,提出了一种基于自适应动态面的控制方法.该方法用一阶线性滤波器来估计虚拟控制信号的导数,显著简化了控制器的设计过程.此外,通过对无人机重量的自适应在线估计,保证了闭环系统在有负载变化下的稳定性,并基于李雅普诺夫稳定性理论,证明了轨迹跟踪误差半全局一致最终有界.最后,通过仿真实验进一步证实了该方法的有效性和可行性.     

一类随机线性系统的鲁棒自适应非线性控制设计

论文讨论了一类具有随机输入的线性控制系统的自适应鲁棒跟踪控制问题。将M.Krstic等提出的自适应非线性控制器设计方法与鲁棒控制基本原理相结合;证明了当控制系统的随机输入满足一定条件时,采用随机Backstepping自适应控制方法,能确保系统输出与参考信号误差的均方值全局有界,并能渐近收敛到一个预先任意置定的精度内。仿真实例表明这种控制器具有很好的鲁棒跟踪效果。     

自适应滑模跟踪控制研究及其应用

对模型跟踪自适应控制进行了新的探讨，提出了自适应滑模跟踪控制策略．对模型跟踪误差建立了滑动模型，实现了滑动模态控制，保证模型跟踪误差快速趋于零．该控制策略用于机械加工过程的仿真结果表明，其对机械加工过程参数变化的扰动有较好的适应性和较强的鲁棒性．     

基于自适应神经网络的歼击机模糊跟踪控制

提出了一种基于T-S模糊模型和自适应神经网络的跟踪控制方法.在系统具有未知不确定非线性特性的情况下,利用T-S模糊模型对系统的已知特性进行近似建模,设计基于模糊模型的模糊H∞跟踪控制律进行输出跟踪控制.在模糊控制的基础上,引入了基于RBF神经网络的自适应控制,用于在线对消不确定项和模糊建模误差的影响,以保证系统具有期望的鲁棒H∞跟踪性能.所提出的方案保证了闭环系统的稳定性,有效地提高了系统的鲁棒性和跟踪性能.仿真实例表明了所提出方法的有效性.     

非线性大系统分散模型参考自适应控制

提出了大系统的分散模型参考自适应控制（ＤＭＲＡＣ）算法，在存在参数变化内部扰动及系统非线性时，证明了新的自适应控制算法具有稳定性和鲁棒性，模拟例子也说明本了结论是正确的。     

非零初值的模型参考自适应控制

对于系统{x=Ax Bu,x(0)=x0,y=c^Гx，在x0≠0的情况下考虑了模型参考自适应控制（MRAC）的性质，证明了：（1）闭环系统所有信号有界；（2）跟踪误差收敛于零；（3）在持续激励的条件征参数估计收敛于真值。     

一类耦合系统的直接自适应神经网络控制

针对一类具有未知常数控制增益的耦合大系统，根据滑模控制原理，利用多层神经网络的逼近性质，提出了一种直接自适应滑模控制器的设计方案．通过在线调节神经网络的连接权、滑模控制增益，实现了对动态不确定性及建模误差的自适应补偿．利用李亚普诺夫方法，证明了自适应控制系统是全局稳定的，跟踪误差收敛到零．     

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。     

非最小相位系统的自适应跟踪Ⅰ:单输入单输出情况

基于最小方差预报理论和极点配置原理,作者提出一种类似于组合自校正器的自适应控制方案,消除了组合自校正器,跟踪参考信号时所发生的滞后现象,而且仍然保护了现有极点配置控制器的优点,从而克服了设计自适应控制器无法兼顾伺服跟踪性能和随机调节性能皆优的缺点。