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．     

船舶航向保持RBF神经网络自适应非线性控制

针对船舶模型不确定和控制增益未知的非线性船舶航向控制问题,基于RBF神经网络自适应控制,提出一种新的非线性航向保持控制器.首先,在理论上证明存在连续的控制律;然后,通过RBF神经网络对其逼近;最后,借助Lyapunov稳定性理论分析证明船舶航向保持闭环系统的所有误差信号一致最终有界.仿真研究验证了该控制器的有效性.     

基于积分型Lyapunov函数的随机非线性系统的自适应控制

针对一类带有未知虚拟控制增益的随机严格反馈非线性系统,基于后推设计,引入积分型Lyapunov函数,并利用神经网络的逼近能力,提出了一种自适应神经网络控制方案.与现有研究结果相比,放宽了对控制系统的要求,取消了对于未知函数的限制条件.通过Lyapunov方法证明了闭环系统的所有误差信号依概率有界.仿真结果验证了所给控制方案的有效性.     

具有状态传感器故障的非线性系统容错稳定控制

针对一类具有状态传感器故障的非线性系统,提出了一种基于神经网络的自适应容错稳定控制方案.通过Lyapunov稳定理论,证明了该闭环控制系统中所有信号半全局一致终结有界,该设计方案的有效性在仿真结果中得到了验证.     

多输入多输出非线性时变时延系统的自适应跟踪控制

针对多输入多输出非线性时变时延系统,提出了一种模糊自适应跟踪控制方案,该方案构建了基于模糊T-S模型的自适应时变时延模糊逻辑系统,用来逼近未知非线性时变时延函数,从而实现了对非线性系统的建模.根据跟踪误差给出了模糊逻辑系统的参数自适应律,设计了H..补偿器来抵消模糊逼近误差和外部扰动.基于Lyapunov稳定性理论,提出的控制方案保证了闭环系统的稳定性并获得了期望的H..跟踪性能,机械臂的仿真结果表明了该方案的有效性.     

非线性关联大系统分散自适应滑模控制研究

基于滑模控制原理,针对具有强关联作用并且各子系统内亦有不确定性干扰的非线性大系统的控制进行了研究,提出了一种分散自适应控制策略,根据神经网络逼近理论,用前向神经网络逼近控制增益函数,给出了逼近误差的自适应律,较好地解决了控制增益函数的确定问题,这样在控制算法中,只需要知道系统中各非线性函数的上界即可,最后用Lyapunov方法证明了闭环系统的稳定性,而且跟踪误差收敛到零的一个领域。     

Duffing系统的控制研究

对Duffing混沌系统采用基于RBF神经网络逼近非线性项的滑模控制方法,设计了系统的控制输入和RBF神经网络的自适应律,然后从理论上对系统进行稳定性分析,构造Lyapunov函数,通过理论推导证明了在所设计的控制输入和RBF自适应律作用下,系统在原点是渐近稳定的.最后仿真结果证明了该方法的有效性,利用该方法可以实现对周期信号的快速稳定跟踪,达到了控制目的.     

机器人的自适应神经全局滑模轨迹跟踪控制

针对具有不确定性的机器人系统,提出一种自适应神经全局滑模轨迹跟踪控制方案.控制器采用一种新的全局滑模面,使得系统在整个响应时间内都具有鲁棒性;并基于径向基函数神经网络自适应学习不确定性的未知上界,从而自适应调整控制律的切换增益.而且基于Lyapunov稳定性理论证明这种新型控制器能够保证机器人系统关节角位置矢量和角速度矢量的跟踪误差渐近收敛于0.仿真结果表明提出的控制策略能够使机器人系统仅在0.5 s内就实现快速的轨迹跟踪,可见该方案是可行且有效的.     

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.     

基于小波神经网络的自适应控制器设计

针对一类未知非线性系统,设计了一种基于小波神经网络的自适应控制器,并提出了一种适合在线学习的参数混合训练算法。根据离线和在线学习系统的特性,得到小波神经网络控制器的初始参数,使用混合训练算法在线修正控制律,实现了自适应控制。仿真结果验证了该控制方案的有效性。     

一类大系统的分散智能控制

该文针对一类具有未知函数增益的非线性大系统,基于滑模控制和Lyapunov稳定性理论,运用多层神经网络非线性映射逼近能力,提出一种分散的具有连续特性的自适应神经控制器的设计策略。通过分析,从理论上证明了闭环大系统是全局稳定的,跟踪误差有界且均方可积。仿真结果表明控制方案是有效的。     

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.     

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.     

基于变伸缩因子的模糊自适应船舶航向控制

针对船舶航向控制系统中固有的非线性和模型不确定性,提出一种基于变伸缩因子的模糊自适应控制方法.该控制方法基于Norbbin非线性船舶运动模型,采用Lyapunov稳定性理论确保闭环系统的稳定性,结合投影算法设计参数自适应律,能够以精简的模糊规则实现较高的控制性能.仿真结果验证了该控制方法的有效性和优越性.     

具有Markov跳跃参数的随机非线性系统的自适应跟踪

采用随机控制Lyapunov设计方法,针对参数严格反馈形式的Markov跳跃非线性系统,研究了一类具有Markov跳跃参数的随机非线性系统的自适应跟踪问题.给出了参数自适应律和控制律,使得跟踪误差以概率1渐近衰减到零.仿真结果表明了该设计方法的有效性.     

具有死区输入的不确定分数阶混沌系统的同步

针对一类具有死区非线性输入和外部扰动的不确定分数阶混沌系统同步问题,提出一种模糊神经网络结合自适应滑模控制的同步方法.利用模糊神经网络逼近未知的非线性函数,并且对逼近误差采用自适应控制进行补偿,同时构造了一种具有较强鲁棒性的分数阶积分滑模面.应用分数阶Barbalat引理和分数阶稳定性理论,设计自适应模糊神经网络滑模控制器和参数自适应律.数值仿真结果验证了该控制方法的有效性.     

基于径向基函数神经网络迟滞非线性自适应控制

提出了一种新的动态迟滞非线性模型．将一定数量不同死区宽度的backlash模型并行相加,作为一个动态系统以仿真执行器中的迟滞特性．利用该模型,采用伪控制方法设计了一套具有未知迟滞特性非线性系统的神经网络自适应控制方案,通过自适应算法来调整干扰项的上限．采用Lyapunov稳定性理论进行了严格证明,仿真试验验证了所提方案的有效性．     

基于ESN的非线性随机系统对偶自适应控制

设计了一种用于一类单入单出(SISO)离散随机仿射非线性系统的自适应对偶控制器.回声状态网络(ESN)是一种带有动态池的回归神经网络,通过使用卡尔曼滤波在线调节ESN的参数,估计未知非线性系统的模型,然后基于一种显式次优的代价函数来设计其对偶自适应控制律.最后通过仿真及蒙特卡罗分析验证了所提出的对偶控制律的有效性.     

一类不确定非线性系统基于SVR的Backstepping自适应跟踪控制

针对含有不确定非线性扰动项的一类非线性系统,结合支持向量回归理论,采用Backstep-ping控制方法设计自适应非线性控制器.在分析满足Backstepping设计条件的一类非线性系统结构形式的基础上,应用支持向量回归辨识并补偿系统不确定项及未知扰动,基于Lyapunov稳定性理论,选取Lyapunov函数,证明闭环系统最终一致有界,且跟踪误差指数收敛.通过对典型系统仿真分析表明,相比于径向基神经网络自适应Backstepping控制方案,支持向量回归因其内部参数由训练优化产生,不依赖先验经验及外界干预,适应性较好,对参考指令信号跟踪收敛快,稳态误差小,控制方案有效,且系统具有一定鲁棒性.     

基于自适应反步法的自主水下机器人变深控制

为实现自主水下机器人(AUV)的高精度变深控制,基于AUV垂直面的运动学和非线性动力学模型,提出了神经网络自适应迭代反步控制方法,设计了运动学和动力学控制器.文中首先考虑AUV非线性模型的攻角和水动力阻尼系数的不确定性,设计神经网络控制器来对纵倾运动中的非线性水动力阻尼项和外界海流干扰作用进行在线估计,并基于Lyapunov稳定性理论设计神经网络权值的自适应律,保证系统闭环信号的一致最终有界.最后通过两组仿真实验,比较了所设计的控制器在设定控制器增益参数下的系统响应和在扰动作用下的变深控制性能,结果表明,所设计的控制器具有较小的稳态误差和较高的跟踪精度.