基于广义最小二乘法的随机非线性系统自适应跟踪

运用基于估计的模块化设计思想,研究了受方差不确定Wiener噪声干扰的参数严格反馈形式非线性系统对已知信号的自适应跟踪问题.构造控制Lyapunov函数(control Lyapunovfunction,CLF),设计了具有鲁棒稳定特性的输入状态稳定(input-to-state stability,ISS)控制器,确保系统满足控制器-辨识器分离;运用Swapping技术设计辨识器模块,将动态参数模型转换成静态模型,考虑到方差不确定,采用广义最小二乘算法进行参数估计,讨论了系统方差的估计方法.     

基于least-squares算法的随机非线性系统自适应控制的模块化设计

线性系统中基于估计的模块化设计就是任意镇定的控制器能够和任意标准的辨识器结合在一起,将这种设计思想推广到不确定随机非线性系统的鲁棒自适应控制设计中,设计一个输入状态稳定控制器模块,该控制器具有很强的参数鲁棒稳定性.根据Swapping技术设计辨识器模块,它由两个滤波器组成,将动态参数模型转化为静态模型,基于最小二乘(least-squares,LS)算法设计参数自适应律,并与梯度算法的设计结果进行比较研究,仿真结果验证了该算法的有效性.     

一种新的模糊自适应控制方法

针对未知的非线性不确定系统,提出了一种基于广义模糊双曲正切模型的模糊自适应控制方法·该方法采用广义模糊双曲正切模型作为未知的非线性对象的辨识器,以此为模糊自适应控制器提供参数自调整必需的梯度信息·通过与其他的辨识器比较,说明了广义模糊双曲正切模型辨识器具有辨识参数少,辨识复杂性较小,易于提高逼近精度的优点·自适应控制器的梯度算法使被控对象的输出能很好地跟踪期望输出·仿真结果表明,此控制方案对未知的非线性系统的输入有很强的自适应跟踪能力·     

电液伺服系统多模型鲁棒自适应控制

针对电液伺服系统中存在不确定非线性和强参数不确定性的问题,提出一种多模型鲁棒自适应控制算法。根据系统参数不确定性范围建立了多个辨识模型,在辨识模型中设计非线性鲁棒项,以抑制干扰、未建模动态等不确定非线性的影响,提高系统的鲁棒性。基于辨识模型设计相应的控制器,采用基于辨识误差的性能指标函数作为切换依据,选取最佳控制器作为当前控制器,解决了传统自适应控制对参数自适应初值敏感的问题。该方法能够克服不确定非线性和强参数不确定性的影响,使系统得到渐进跟踪的性能,提高系统的瞬态响应性能。实验结果表明,该算法能抑制建模不确定性的影响,系统期望跟踪指令幅值为10mm时,跟踪误差大约为0.038 6mm,相对跟踪误差约为0.386%,系统跟踪精度得到了提高。     

基于神经网络的感应电动机的模型参考自适应速度控制系统

系统中分别设计了一个神经网络系统辨识器(NNP I)和一个模型参考自适应神经网络控制器(NNP IC),NNP I自适应地在线辨识出系统的集中不确定量,NNP IC能使到系统输出跟踪参考模型的输出。仿真实验表明,与常规的控制器相比,本文设计的速度控制方案能取得优良的控制性能,且在负载转矩和电机内部参数变化的情况下有很强的鲁棒性。     

一类非线性系统的模糊自适应辨识及稳定性分析

针对一类含未建模动态的非线性系统,提出了一种模糊自适应辨识及稳定性分析方法.该方法首先设计模糊辨识器对系统未知部分进行辨识,然后设计控制器使系统稳定.控制器中的状态反馈控制器使系统的线性部分稳定,而基于辨识器的补偿器则用来消除未建模动态.仿真研究结果表明:该方法可以对非线性系统进行辨识,并使得整个系统稳定.     

不确定分数阶Chen系统同步与参数辨识

讨论了不确定分数阶Chen系统的同步和参数识别问题,基于Lyapunove稳定性理论和自适应控制理论,提出一种用整数阶Chen系统来进行同步和参数辨识的方法,给出自适应控制器和参数更新率设计方法.数值仿真实现了分数阶Chen系统用整数阶Chen系统同步及参数辨识,结果表明提出方法的有效性.     

参数不确定机械臂的自适应反演跟踪控制

针对具有参数不确定性的单机械臂系统,采用自适应反演法设计出跟踪控制器,并且给出了不确定参数的自适应律.证明了设计的控制器能够保证闭环自适应系统的稳定性,并具有良好的跟踪控制效果.仿真结果表明本文采用的方法是正确有效的.     

互联混沌电力系统的自适应backstepping滑模鲁棒控制

针对受外在周期性负荷扰动和电磁扰动以及内部参数不确定的简单二机互联混沌电力系统模型,将backstepping法、自适应控制和滑模控制三者结合,设计了动态反馈鲁棒控制器,使闭环动态误差系统渐近稳定,并对所设计的鲁棒控制器的性能做了评估,同时对系统不确定参数进行实时动态辨识,得到参数自适应更新律,在设计过程中,不需要对原系统进行任何线性化处理,因此,完整保留了系统的非线性特性.数值仿真结果表明,所设计的控制器对参数不确定性和外在干扰具有很强的鲁棒性.     

一类非线性系统的全局自适应输出跟踪控制

研究一类具有不可控不稳定线性化和未知线性化参数的非线性系统的全局自适应控制·控制目标是设计一种鲁棒自适应非线性状态反馈控制器,实现系统的全局实用输出跟踪·应用Lyapunov稳定性理论和修正的自适应增加幂积分方法,给出了一个系统化的设计程序,递推设计了一种非线性自适应光滑状态反馈控制器·该控制器能保证跟踪误差充分小,且闭环系统所有信号全局有界·仿真结果表明该控制器是可行的并且是有效的·     

自适应强跟踪容积卡尔曼滤波算法

提出了一种自适应强跟踪容积卡尔曼滤波算法(ASTSCKF),该算法在平方根容积卡尔曼滤波算法(SCKF)步骤中引入强跟踪滤波器(STF),通过渐消因子在线修正一步预测误差协方差矩阵,强迫输出残差序列正交,使得算法具有应对系统状态突变等不确定因素的能力,增强了算法的鲁棒性;结合改进渐消记忆时变噪声统计估计器,对噪声方差阵进行实时在线估计,有效解决了SCKF算法由于噪声统计不准确、未知或时变性带来的滤波发散问题,使其具有应对噪声变化的自适应能力。仿真实验结果表明：ASTSCKF算法在系统状态发生突变并且噪声变化的情况下,能够表现出良好的滤波性能,较SCKF算法有更强的鲁棒性以及噪声变化的自适应性。     

严格反馈非线性系统的鲁棒自适应逆最优跟踪

针对具有未知定常参数和未知有界扰动的严格反馈非线性系统,结合参考信号,构造了误差系统,并解决了其逆最优控制问题.使用Backstepping算法,设计了误差系统鲁棒自适应逆最优控制器和参数自适应律,从而解决了原系统的鲁棒自适应逆最优跟踪问题,并给出性能估计.仿真结果表明该控制算法的有效性.     

基于指数饱和函数的非线性系统自适应模糊控制

为减小模糊逻辑系统的逼近误差,引入指数饱和函数项对一类未知非线性系统进行间接自适应模糊控制.直接用模糊逻辑系统逼近未知非线性函数,基于广义误差对模糊逻辑系统中的未知参数进行自适应调整,并用指数饱和函数项对逼近误差进行补偿.该方法不但能使跟踪误差收敛到原点的一个小邻域内,而且通过适当减小控制器中设计参数,可使跟踪误差减小.仿真验证了该方法的有效性.     

基于平方根UKF的水下纯方位目标跟踪

为了避免被动跟踪中非线性性带来的计算复杂化及跟踪精度的下降,该文将平方根无迹卡尔曼滤波(SR-UKF)算法应用到水下仅测角目标跟踪.利用协方差平方根代替协方差参加递推运算,解决了标准无迹卡尔曼滤波(UKF)算法中由于计算误差和噪声等因素有可能引起误差协方差矩阵负定而导致滤波结果发散的问题,保证了滤波算法的数值稳定性,提高了跟踪的精度和可靠性.仿真结果表明,SR-UKF非线性滤波算法应用于水下仅测角目标跟踪系统是有效的,而且滤波精度、稳定性和收敛时间明显优于扩展卡尔曼滤波(EKF)和标准UKF算法.     

具有未知侧滑和打滑的WMR强化学习自适应神经网络控制

利用反演设计,提出一种强化学习自适应神经网络轮式移动机器人(WMR)轨迹跟踪控制方法.首先在极坐标下建立WMR的轨迹跟踪误差模型,并基于此设计运动学控制器.然后,针对WMR动力学系统,设计自适应神经网络控制器.结合强化学习机制,同时对系统未知侧滑、打滑和模型不确定性进行优化补偿,并引入鲁棒控制项来消除补偿误差的影响,进一步提高了控制效果.所提控制方法使得闭环系统稳定,且最终一致有界收敛,其有效性通过数值仿真结果得到了验证.     

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.     

基于模糊补偿的深海作业级远程操控潜水器#br# 自适应位姿控制

摘要： 针对参数变化、流以及其他未知干扰对深海作业级远程操控潜水器(ROV)位姿控制的影响，设计了基于模糊补偿的ROV自适应位姿控制器.从大地坐标系下的ROV系统模型中分离出由于参数变化、流以及其他未知因素所产生的干扰力/力矩，并分析了干扰力/力矩的变化特性，利用模糊逻辑系统(FLS)进行逼近，设计基于干扰力/力矩模糊补偿的ROV自适应位姿控制器；同时，为了消除逼近误差的影响，设计了稳健自适应控制律.结果表明：FLS能够以较高的精度逼近ROV所受到的干扰力/力矩；所设计的基于模糊补偿的深海作业级ROV自适应位姿控制器具有良好的跟踪性能、抗干扰能力和稳健性.     

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.     

基于当前统计模型的机动目标被动跟踪

介绍了极坐标系下的被动跟踪算法及存在的问题，并分析了其原因，为解决机动目标的被动跟踪问题，选取当前统计模型对加速度进行建模，并建立双机目标测量模型，推导了被动式机动目标自适应跟踪算法。Monte-Carlo仿真表明，新算法能够跟踪任意机动的飞行目标。     

一类基于 RBF 网络机械手的轨迹稳定跟踪控制

目的 针对具有外界干扰不确定性的柔性关节机械手实际轨迹跟踪稳定性问题,提出一种自适应动态面控 制与神经网络相结合的方法。 方法 对于非线性系统中的函数以及未知参数,根据径向基函数(RBF)神经网 点对其进行逼近,并对来自外界对系统的干扰项,通过设计阻尼项将其补偿,再根据动态面的相 络的特 关知识对该非线性 系统中的控制器进行设计且实现关节轨迹跟踪控制。 结果 仿真结果表明:在非线性系统中,该方法能够克服干扰 不确定性项,实现机械手连杆转角 q 较好的跟踪效果,误差缩在 5%以内,具有较强的跟踪稳定性,且随着时间的进 行,跟踪误差愈发减小且趋向于 0,对于参数的估计以及逼近都达到了理想的阈值。 结论 该方法保证了闭环非线 性系统半全局稳定,又可利用参数调节的方式达到跟踪误差任意小,且设计的控制器不但保证了机械手的位置跟 踪稳定性,而且很好地解决了跟踪抖动问题。