基于LESO无人水下航行器鲁棒动态面悬停控制

针对时变未知环境干扰及模型不确定下的全驱动型无人水下航行器(UUV)的悬停控制问题,提出了一种基于线性扩张状态观测器(LESO)的鲁棒动态面控制算法.首先,根据系统模型设计LESO在线估计时变环境力与模型不确定性引起的复杂干扰;然后,基于标称模型和LESO估计的UUV状态,采用反步法设计控制器,并引入动态面控制技术得到平滑的虚拟控制律导数,同时在控制律中引入自适应鲁棒项来补偿级联控制系统的不确定性;最后,证明了UUV闭环级联控制系统的所有误差信号一致最终有界.通过对一艘全驱动型UUV的仿真实验,验证了该方法的有效性.     

基于激光传感器定位的非完整AGV导引控制

针对非完整AGV (automatic guided vehicle)复杂非线性系统的高精度自由路径导引控制问题,提出一种基于激光传感器定位的路径跟随控制方法。首先在Serret-Frenet框架下建立AGV路径跟随运动学误差模型;然后基于Lyapunov直接法设计渐进稳定路径跟随控制器,解决AGV非完整约束控制的困难。最后采用多点激光反馈三角测量方法,实现AGV的精确实时定位。仿真结果表明,该控制器能够快速消除路径跟随误差,AGV系统运行平稳,能够精确跟随规定路径。     

基于误差空间的UUV三维鲁棒跟踪控制研究

针对水下无人航行器(UUV)系统存在非线性和不确定性的特点,采用基于误差空间理论的跟踪控制方法,进行UUV在复杂海洋环境以及自身工作状态和模块配置变化时的空间跟踪控制问题研究. 以海浪干扰下的深度跟踪控制仿真实验分析该控制方法的鲁棒性. 该控制方法的理论基础是结合被跟踪平台的动态过程,以被跟踪平台和跟踪平台的空间误差为状态空间的状态量组成误差空间系统. 由于融合了被跟踪平台的动态过程和跟踪误差,跟踪精度和跟踪能力增加,同时系统的鲁棒性也增强.      

高超音速飞行器的神经网络跟踪控制

针对最小相位高超音速飞行器非线性系统的调节器方程无法求出解析解的情况,提出利用三层神经网络来近似输出反馈控制器中的前馈函数的方法,得到基于神经网络的输出反馈控制器可以解决高超音速飞行器系统的跟踪控制问题的结论.     

具有未知死区和增益符号的自适应神经网络控制

针对一类具有未知死区和未知控制增益符号的单输入单输出非线性系统,根据滑模控制原理,并利用Nussbaum函数的性质,提出两种自适应神经网络控制器的设计方案. 通过引入示性函数,提出一种简化死区模型,取消了死区模型的倾斜度相等的条件. 通过引入逼近误差的自适应补偿项来消除建模误差和参数估计误差的影响. 理论分析证明闭环系统是半全局一致终结有界. 仿真结果表明该方法的有效性.     

基于主动转向的车辆路径跟随广义预测控制

为了增强车辆在外界干扰存下的路径跟随性能,提出了一种基于广义预测控制(GPC)的主动转向控制器来保证车辆对于路径的跟踪能力.采用受控自回归积分滑动平均模型(CARIMA)作为预测模型,通过带遗忘因子的最小二乘法辨识方法获得CARIMA模型参数,避免了由于车辆非线性造成的参数化建模不准确、繁琐问题.使用车辆路径侧向跟踪误差作为控制器输入,方向盘附加转角作为输出,与驾驶员方向盘转角进行综合,获得车辆方向盘最终转角.在Simulink-CarSim联合仿真环境下,验证了所设计控制器在双移线工况有强侧向风干扰时车辆对路径的跟随性能.     

基于虚拟领航者的UUV空间编队方法

针对多无人水下航行器(unmanned underwater vehicle,UUV)的空间编队问题,将UUV编队中的领航-跟随法和行为法相结合,提出了基于虚拟领航者的UUV空间编队方法.将虚拟领航者替代真实领航者,结合每个个体UUV的行为控制,并将传统的人工势场法推广到三维空间下,来实现UUV的编队控制.该方法在确保了多UUV系统的简单结构的前提下,同时增加了系统的可靠性,且系统保持分布式并行处理的特点.通过对编队队形保持及变换、编队避碰和编队地形勘测3种案例的仿真验证了所提出方法的有效性.     

欠驱动AUV自适应神经网络反步滑模跟踪控制

针对存在参数不确定性和外界未知干扰的欠驱动自主水下航行器(AUV)三维路径跟踪问题,提出一种基于神经网络的反步滑模控制策略.首先,利用虚拟向导的方法建立了欠驱动AUV三维路径跟踪误差模型;其次,基于李雅普诺夫稳定性理论,利用反步法和滑模控制方法设计一种自适应鲁棒控制器,并设计一种在线调节增益切换函数以降低系统抖振,同时采用径向基函数(RBF)神经网络控制技术对AUV系统中不确定参数以及外界非线性干扰进行自适应补偿估计,而后利用李雅普诺夫稳定性理论证明了整个闭环系统的稳定性;最后,针对一种新型飞翼式欠驱动AUV进行数值仿真实验,结果表明所设计控制器可以实现对三维路径的精确跟踪,并对外界非线性干扰具有良好的鲁棒性.     

一类非线性系统综合自适应模糊控制

针对一类非线性系统把模糊控制、模糊逻辑逼近及模糊滑模控制相结合,提出一种综合自适应模糊控制方法.基于李亚普诺夫函数系统参数的自适应律,不需要最小逼近误差平方可积条件,而且利用模糊滑模控制补偿模糊系统的逼近误差及外部干扰对输出跟踪误差的影响.理论证明了闭环系统稳定,跟踪误差收敛到零或零的一个小邻域内.仿真表明了算法的有效性.     

基于向量Lyapunov函数方法的顾前顾后型车辆跟随控制

采用固定车辆间距跟随策略,研究考虑前后车辆信息的"顾前、顾后"型自动化公路系统车辆纵向跟随控制.假定被控车辆能获得前后相邻车辆及车队领头车辆的状态信息,基于非线性车辆纵向动力学模型,设计了车辆跟随系统的纵向滑模控制规律;应用向量Lyapunov函数方法和比较原理,对一类无限维非线性关联系统的稳定性进行研究,在假定系统满足全局Lipschitz条件的情况下,以孤立子系统的稳定性条件为基础,得到该类非线性关联系统指数稳定性充分判据;基于该稳定性判据,对"顾前、顾后"型车辆跟随系统的稳定性进行分析,得到系统控制参数的收敛区域.研究结果表明:设计的车辆纵向跟随控制规律能使车辆速度误差和间距误差具有较快的收敛速度.     

欠驱动船路径跟踪的反演自适应动态滑模控制方法

针对欠驱动水面船的路径跟踪控制系统,提出一种反演自适应动态滑模控制方法。该系统由船舶艏摇非线性响应模型和Serret-Frenet误差动力学方程组成,并考虑建模误差和外界干扰力等不确定性。经过简化处理,将原欠驱动系统的控制问题转化为非线性系统的镇定问题。同时,基于反步方法和动态滑模控制理论,设计自适应动态滑模控制器。通过理论分析,证明在该控制器作用下,路径跟踪控制系统是全局渐近稳定的。仿真试验表明:该控制器对系统参数摄动和外界干扰不敏感,具有强鲁棒性和自适应性。     

基于Hamilton理论的无人车路径跟踪控制

针对当前车辆路径跟踪控制存在精度低、可靠性差的问题,基于Hamilton理论提出一种四轮驱动四轮转向无人车路径跟踪分层控制方法.通过集成车辆动力学模型和路径跟踪模型,建立了路径跟踪误差模型,结合系统控制目标,提出采用Hamilton理论设计车辆上层控制器,用于实现路径跟踪误差模型的镇定,从而提高车辆路径跟踪的精度与鲁棒性.同时,在下层控制器中,设计4个车轮纵向轮胎力分配算法,通过轮胎力的动态分配满足车辆上层控制需求.利用CarSim和Simulink搭建车辆路径跟踪联合仿真模型并进行仿真实验,仿真结果表明,提出的无人车路径跟踪分层控制策略能够通过前后轮转角以及4个轮胎力的实时控制与分配,抑制路径跟踪过程中的横向误差和航向误差,提高路径跟踪精度并确保控制系统的可靠性.      

基于集结模型的精馏塔产品质量非线性鲁棒控制

将奇异摄动方法应用于一个二元精馏塔的模型降阶 ,得到了一个用于控制器设计的集结简化模型。考虑到模型的误差和其他不确定性 ,设计了一个基于状态反馈的非线性鲁棒控制器。由于难以实时测量中间状态 ,又设计了一个非线性Luenberger型的观测器 ,使该控制器基于输出动态反馈。应用结果表明 ,该非线性鲁棒控制器对干扰和模型误差具有鲁棒控制作用     

基于自校正模型的非线性系统多模型预测控制

针对化工过程某些非线性系统的不对称动态特性，提出了一种基于自校正模型的多模型预测控制算法。在平衡点附近建立线性模型，利用当前工作点，通过二阶泰勒展开校正模型参数，补偿非线性不对称动态特性，形成了非线性系统的自校正多模型描述。以基于模型输出偏差的切换指标函数作为模型切换准则，结合状态反馈预测控制，构成了多模型预测控制器。pH值控制的仿真结果验证了该算法的有效性。     

基于动态逆和能量原则的导弹直接力-气动力复合控制

为了解决导弹直接力=气动力复合系统参数严重不确定和多操纵机构的耦合问题，提出了一种复合控制器的设计方案．采用动态逆方法设计了系统的基本控制律，利用信用度分配机制和模糊思想来提高小脑模型控制器（CMAC）神经网络的收敛性以补偿动态逆建模误差．在机构耦合问题处理上，采用能量最优原则构造了一种能量函数对直接力-气动力进行分配，降低了侧喷消耗和气动力舵偏角，使系统过渡过程平稳．最后，给定15km的高度，系统的马赫数在0．8～3．0内变化．数字仿真表明，控制器实现了指令信号的快速跟踪，而且直接力无冲击，舵偏角小，因此复合控制器的鲁棒性强，直接力-气动力的解耦效果良好．     

轮式移动机器人滑移补偿鲁棒控制

提出了滑移补偿鲁棒控制策略. 首先建立包含滑移因素的移动机器人运动学模型,其中滑移量以附加的有界扰动形式引入. 借助链式系统理论,将带有滑移扰动的系统运动学模型转化成为一个标准的受扰链式模型,利用该模型的数学结构可以方便地设计变结构鲁棒控制器. 由稳定性分析可知,滑移补偿鲁棒控制器可以保证法向控制误差的收敛以及姿态误差有界. 仿真实验表明,设计的滑移补偿鲁棒控制器可以有效地消除滑移因素对轨线控制精度的负面影响,提高移动机器人在复杂地形条件下的可操作能力.     

基于路径跟踪的欠驱动 UUV 编队协调控制

研究了空间曲线路径跟踪下多无人水下航行器（UUV）的编队协调控制问题．将此类控制问题分解为2个控制子问题：a．路径跟踪控制问题;b．协调编队控制问题．在单个UUV的路径跟踪控制中利用反步法设计路径跟踪控制器;通过引入代数图论知识,得到多个UUV复杂网络通信拓扑的数学表达,根据通信得到相邻UUV的状态来调整自身的航速,设计协调控制器,使得多UUV沿期望路径的位置和速度在规定队形下达到一致,实现多UUV间的协调,而不影响空间域上的路径跟踪性能．理论分析和仿真结果证实了控制器的有效性．     

利用RBF神经网络实现聚合反应的内模控制

文中研究基于径向基(RBF)神经网络算法的内模控制策略在苯乙烯本体聚合反应相对分子质量分布控制领域的应用。利用神经网络对非线性系统的逼近能力，把内模控制推广到聚合反应过程质量指标控制这一非线性系统中。针对建模过程中存在的稳态误差，在训练数据中增加了部分静态数据，有效的提高了模型的验证精度，大大改善了由神经网络构成的内模控制器的控制精度，消除了系统余差。仿真结果证明，基于神经网络算法的内模控制策略达到了较好的控制质量。     

四轮转向汽车路径跟随控制

路径跟随控制是汽车实现自动驾驶的重要工具,已在前轮转向汽车上取得了较好的效果,但是前轮转向汽车的路径跟随控制不完全适用于四轮转向汽车.对此,基于横向误差,提出一种四轮转向汽车路径跟随模糊控制算法.首先,建立响应面模型作为优化目标函数.然后,利用遗传算法对模糊控制器进行优化设计.最后,通过Carsim-Simulink联合仿真实验,对该算法进行验证.仿真结果表明,路径跟随横向误差得到有效降低,车身质心侧偏角也控制在0.6°以内.该算法能够实现精准的路径跟随,并提高汽车的操纵稳定性.     

基于MATLAB的变结构模型跟踪控制系统研究

广泛应用的直流调速系统采用传统PID控制 ,往往在负载、模型参数大范围变化时 ,难以达到令人满意的控制效果 因而以直流调速系统为对象 ,设计了一种变结构模型跟踪控制器 ,基于MATLAB/SIMULINK建立了动态仿真模型 ,并着重分析了对象参数变化、负载变化、控制参数选择等对系统性能的影响 仿真及分析结果表明 :采用数字控制的变结构模型跟踪控制系统 ,对对象参数变化及负载变化不敏感 ,具有较高的鲁棒性 ;非自衡对象负载变化后 ,系统存在微小的静差 ;控制参数的选择对变结构系统的性能影响很大