MlMO离散时间非线性系统的控制设计方法

提出MIMO离散时间严格反馈非线性系统的一种控制设计方法。首先,将非匹配离散时间严格反馈非线性系统变换为匹配离散时间严格反馈非线性系统,然后再对变换后的系统进行反馈线性化设计。最后给出仿真算例。     

非线性离散时间系统的迭代学习控制

针对一类非线性离散时间系统，在系统参数未知情形下，提出了一种新的开－闭环迭代学习控制律，并给出了控制律的收敛性证明和收敛条件，在新控制律中，学习增益由线性估计模型确定，因此，避免了试凑增益。由机械手实例的仿真结果及收敛性证明，表明了所提出的控制律的有效性，并对初始状态误差和参数估计误差具有良好的鲁棒特性。     

一类离散时间非线性系统解耦问题

首先利用微分算法求出系统的相对阶，并证明了对于给定的系统，当选用状态反馈时系统具有微分不变性。然后通过在指定区域内的状态反馈，使系统达到输入－输出解耦，并给出了系统可解的充分必要条件，并用例子进一步验证。     

带有延迟的离散时间非线性系统的镇定

研究了一类带有延迟的多输入离散时间非线性系统，利用Lyapunov方法建立了闭环系统稳定的充分条件，并给出了使系统全局(或局部)渐近稳定的状态反馈控制律，从而延伸若干已有结果．     

非线性离散时间系统的自适应模糊逻辑控制

对一类非线性离散时间系统x(k 1)=f(x(k)) g(x(k)) d(k),根据模糊逻辑系统的逼近性质,给出了一种自适应模糊逻辑控制器的设计方法,利用李亚普诺夫稳定性理论,证明了控制算法是全局稳定的,跟踪误差收敛于零的某一邻域中,这一设计方法克服了JagamathanS(1998)文中要求模糊基函数向量满足持续激励（PE）条件这一难以验证和满足的假设条件。     

非线性振动控制的神经网络离散逆系统方法

针对非线性结构振动控制难以用线性控制方法精确控制的情况，提出神经网络离散逆系统方法．建立了结构的离散化模型，再用神经网络将非线性系统通过逆系统变换变为伪线性系统，对该伪线性系统可以用一般线性方法精确控制．该方法将非线性结构控制问题转化成了线性结构控制问题，使问题难度大大减小．对某非线性建筑结构振动作了控制仿真，实现了精确线性化，控制效果曲线与对线性结构控制效果曲线几乎完全吻合．神经网络离散逆系统方法发挥了神经网络和线性控制各自的优点，可用于强非线性结构的振动控制．     

离散时间非线性系统的一种新型状态观测器

该文通过建立离散时间非线性系统的状态估计与超定非线性方程组求解之间的联系,基于高斯－牛顿算法,得到了离散时间非线性系统的一种新型状态观测器,证明了该观测器的局部收敛性,并给出了仿真结果。     

一类非线性系统的全局反馈镇定

讨论了一类非线性系统的全局反馈镇定问题：能控的线性系统和非线性系统。结果表明，如果零动态系统全局渐近稳定，并且从零动态系统中可分解出一个Ｈｕｒｗｉｔｚ超平面，那么这一类非线性系统就是可全局反馈镇定的。验证了其有效性。     

基于观测器的一类离散非线性系统的控制

研究一类离散非线性系统的观测器设计问题,基于Schur补引理和Lyapunov稳定性定理,提出一类离散非线性系统的观测器设计方法.证明了在适当条件下,提出的观测器保证观测误差渐近趋于零.进一步,提出了基于观测器一类离散非线性系统的反馈控制器设计方法.并给出在反馈控制的作用下相应闭环系统达到稳定的充分条件.     

非线性离散系统的严格Lyapunov函数

给出了解析形式的非线性离散系统的严格Lyapunov函数,该函数是基于非严格Lyapunov函数的基础上构造得到的.     

非线性离散系统基于控制Lyapunov函数的反馈镇定

以控制Lyapunov函数为基础，研究了一类具有多个输入的非线性时间离散系统的反馈镇定问题．在假设存在一个二次型控制Lyapunov函数的前提下，明确给出了使得这类系统的零解全局渐近稳定的反馈控制律．根据LaSalle不变性原理．建立了使得闭环系统稳定的充分条件．这一结论推广和改进了具有单个输入的仿射非线性系统的反馈镇定问题．     

一类基于干扰观测的非线性离散系统控制方法

针对一类非线性离散系统,该文研究了一种新的基于干扰观测器设计的控制方法。干扰信号表示为一个动态子系统,可以涵盖常值、谐波等信号。通过设计具有可调参数的Lyapunov函数,基于线性矩阵不等式(LMI)提出了降阶干扰观测器设计方法。通过集成传统控制器,外部干扰可以被抵消,从而使闭环系统具有理想的性能。     

一类离散MIMO系统的神经网络自适应输出反馈容错控制

针对一类离散多输入多输出(MIMO)严格反馈系统,提出了基于神经网络的输出反馈容错控制.由于讨论的执行器故障类型有失效和卡死两种情况,提出了比例驱动方法,可将这两种故障类型恰当地表示出并便于控制器的设计;同时,由于此类多输入多输出系统不满足匹配条件,通过引入预测控制设计方法,可以克服这一缺陷.考虑到系统中的函数是未知的,利用神经网络具有逼近任意连续函数到任意精度的原理来估计该未知函数,由此证明了本文所提出的方法可以使得系统的所有参数及实际容错控制律均一致最终有界.通过MATLAB实验仿真,有效地验证了此方法的合理性.     

多输入多输出离散系统的输出反馈滑模控制

针对一类多输入多输出非匹配不确定离散系统,在状态不完全可测的情况下,设计了输出反馈滑模控制器.首先利用Lyapunov函数方法和线性矩阵不等式技术,给出了滑动模面函数方程,并进行了稳定性证明;其次,为了减弱离散指数趋近律的抖振现象,给出了基于幂次函数趋近律的控制律设计和理论分析过程,最后根据仿真结果验证了该设计方法的可行性和有效性.     

基于反馈线性化的 PMSM非线性控制器设计

针对永磁同步电机（ PMSM）绕组相电流与转速存在强耦合的特性,基于 PMSM精确的数学模型,采用反馈线性化的方法设计了一非线性控制器。该设计方法不但实现了电机系统的完全解耦,而且有效抑制了参数摄动、负载扰动等不确定因素对系统性能的影响。仿真结果表明,采用反馈线性化方法设计的 PMSM 控制系统具有很好的速度跟踪效果,可以获得良好的稳态精度与动态性能。     

非线性时滞不确定系统的鲁棒控制器设计

讨论了摄动是状态和控制的非线性函数的时滞不确定系统。利用Lyapunov函数方法，通过求解一个参数Riccai方程，给出使系统渐近稳定的线性状态反馈控制器设计方法。所讨论的系统是线性摄动情形的推广。最后通过一个算例验证了所给方法的可行性。     

三角形式非线性离散系统自适应神经网络控制

针对一类控制输入为三角形式的多输入多输出离散非线性系统,提出了基于反步法的自适应神经网络控制方法.由于该系统的控制输入为非仿射形式,不能采用反馈线性化的方法设计控制系统;因此,首先采用隐函数定理证实了能够使系统输出跟踪期望轨迹的理想控制输入的存在性,并构造了理想的控制输入.利用高阶神经网络估计这些控制输入,提出了基于反步法的自适应神经网络控制方法.证明了所提出的控制方法能够保证闭环系统的所有信号半全局一致最终有界,并通过仿真验证了该方法的有效性.