基于U模型的混沌系统Super-Twisting同步控制研究

提出了一种基于U模型的混沌系统Super-Twisting同步控制方法,对混沌系统的混沌控制进行了描述,结合混沌系统的研究现状和非线性系统设计中的一些成果,提出了混沌控制与同步的一些新方法,设计出相应的控制器实现有限时间混沌同步控制。针对Lorenz系统和Chen系统进行了数值仿真,仿真结果证明了所给方法的有效性。     

非线性系统的神经网络逆模型控制

利用神经网络逼近任意非线性的能力 ,将其与非线性逆系统相结合 ,对非线性系统的逆模型进行建模 ,对实现的伪线性系统设计自适应控制进行综合 ,动态神经网络在线消除系统的近似逆误差和正向模型的辨识误差 ,设计权值调整规律为 w∧·=-λ·eTPbΦ(r ,r· ,v)‖e‖ p >E0‖e‖ p >E,仿真结果表明其有效 .     

基于U模型的神经网络PID控制系统设计

研究一类非线性对象的建模,提出通用的非线性U模型表达式。在非线性U模型基础之上,提出径向基神经网络PID控制算法,采用梯度下降法与PID位置增量算法相结合,根据径向基神经网络在线辨识非线性被控对象,得出Jacobian信息去修正PID控制器参数,最终完成非线性系统的精确控制。仿真结果证实,采用高精度的非线性U模型及神经网络PID控制算法提高了非线性控制系统的精度。     

基于神经网络的二阶非线性系统的自适应控制

本文采用神经网络对二附非线性系统进行特征辩识,并将其用于自适应控制,从而得到了一种新型的自适应控制方法。仿真实验表明该方法具有很强的学习能力和自适应性。     

仿射非线性系统的在线自适应模糊神经网络辨识与控制

针对单输入单输出非线性系统的自适应控制问题,提出了一种在线自适应模糊神经网络辨识与鲁棒控制的方法.该方法首先利用广义模糊神经网络学习算法,实时建立对象模型未知系统的逆动态模型,实现网络结构和参数的同时在线自适应.考虑到网络建模误差和外部干扰的存在,还设计了基于控制理论的鲁棒补偿器.仿真结果表明,该方法能对模型未知仿射非线性系统实现鲁棒输出跟踪.     

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。     

未知非线性系统的神经网络自适应鲁棒控制

针对一类未知非线性系统,基于神经网络理论提出一种间接自适应控制方法,该方法不仅保证了闭环系统的稳定,而且使外部干扰、神经网络逼近误差对跟踪误差的影响衰减到给定的水平.     

非线性系统的模型参考自适应控制

讨论了一类非线性系统的自适应模型跟随控制问题,首先给出了系统的描述,然后研究了该系统模型跟随控制的存在条件,最后,在保证局部稳定性的前提下,讨论了自适应控制系统的设计,仿真实例说明这种方法对较小范围的扰动抑制是很有效的。     

基于即时学习算法非线性系统多模型自适应控制

针对可获得大量输入输出数据的非线性系统，提出一种改进的即时模型辨识方法，并与自校正的极点配置控制算法相结合，设计多模型自适应控制器。所提出的建模方法和相应的多模型自适应控制器能较好地逼近非线性系统的动态特性，使系统的动态响应品质得到了有效的改善。     

一种非线性系统的神经网络自适应控制

带有死区非线性的系统广泛存在于各个领域，特别是机械领域中．该文采用人工神经网络实现的自适应控制器对这种非线性系统进行了控制研究，MATLAB仿真结果表明，这种自适应控制器能对该类非线性系统能实行有效的控制．采用这种自适应算法由于不再需要调整参数，将使控制系统的整定变得简单．     

一类非线性不确定系统的自适应模糊滑模控制

针对一类非线性不确定系统提出了一种自适应模糊滑模控制方法，利用趋近律构造理想控制，利用模糊逻辑系统逼近其连续项，用自适应律和非线性补偿保证滑模到达条件成立．该方法综合了自适应模糊控制和滑模控制的优点，既保证了闭环系统的稳定性，又限制了抖振，控制效果良好，仿真结果也说明了这一点．     

一类非线性网络化控制系统的滑模变结构控制

基于滑模控制系统滑动模态不变性和T-S模糊模型能有效解决菲线性系统建模的优点,研究了一类具有时延和丢包的非线性网络化控制系统的滑模变结构控制问题.采用滑模控制理论设计控制器,证明了在控制器作用下系统能在有限时间内到达滑模面并一直保持在滑模面上,并根据Lyapunov理论和线性矩阵不等式(LMI)方法推证出了系统状态全局稳定的充分条件.最后以一个仿真算例验证了本文方法的可行性和有效性.     

基于动态递归神经网络的自适应控制非线性系统研究

提出一种基于动态递归神经网络的自适应控制器 ,该控制器能通过自学习不断进行适应性控制 ,且结构简单 ,易于实现 .其主要特点是能够提供一个跟踪网络来辩识系统模型 ,进而确定控制器的网络参数 ,实现间接自适应神经网络控制 .经过对大量非线性系统的仿真研究 ,证明其具有良好的控制性能 .     

基于逆系统内模控制的非线性系统故障调节

针对一类满足Lipschitz条件的多输入多输出非线性可逆系统,提出一种基于逆系统内模控制的故障调节方法.该方法首先给出一种同时具有比例与积分项的快速故障估计算法,以此为受控对象设计自适应观测器来估计执行器故障,提高故障估计过程的快速性和平稳性;其次,根据故障估计值,基于逆系统方法产生附加控制律对逆模型进行补偿调节,并...     

基于Preisach逆模型的迟滞非线性系统自适应滑模控制

针对压电陶瓷的迟滞特性严重影响了精确定位或跟踪系统的精度,提出了基于Preisach逆模型的前馈补偿滑模自适应控制。为了避免逆模型的精度受原迟滞模型精度的影响,采用逆模型前馈补偿方法。逆模型前馈补偿不依赖于原模型的精度,同时可获得补偿电压,从而减弱迟滞特性;应用了自适应滑模控制方法,减小跟踪误差,并利用Lyapunov稳定性理论证明了所设计的控制器可保证系统全局渐进稳定。最后在Matlab环境中进行仿真。仿真结果表明,系统能够很好地跟踪期望输出,减小跟踪误差,验证了控制方案的有效性。     

一类非线性系统自适应模糊滑模控制器的设计

为了保证一类不确定非线性系统的稳定性,自适应模糊控制提出了附加监督控制的方法．在此基础上,结合滑模控制原理,提出了一种Ⅱ型间接自适应模糊滑模控制方法,该方法取消了监督控制,用滑模控制器增加了逼近误差的自适应补偿,理论分析证明控制系统全局稳定且跟踪误差收敛到零,然后将这种控制器应用到过程控制的典型对象液位控制中,仿真结果表明了该控制器的有效性和可行性．     

基于反演的不确定非线性系统自适应滑模控制

针对一类参数半严格反馈形式的非匹配不确定非线性系统,基于反演设计方法和滑模控制技术,研究了其在非匹配未知参数和非参数不确定性下的跟踪控制问题,提出了自适应反演滑模控制策略,实现了不确定非线性系统的鲁棒输出跟踪.本方法允许系统同时存在匹配和非匹配的参数不确定性及非参数不确定性,而且考虑了控制增益的不确定性,通过增益参数的设计还可实现滑模面到达时间的调节,并进一步削弱了抖振.仿真算例验证了理论的有效性.