严格反馈非线性系统的自适应逆最优控制

介绍了逆最优控制的基本思想，针对一类具有未知定常参数和未知时变有界扰动的严格反馈非线性系统，给出了逆最优增益配置定理，使用Backstepping算法，设计了逆最优控制器。该控制器是非线性的、连续的，且比较容易实现，仿真结果表明该控制算法的有效性。同时指出逆最优控制系统具有稳定裕度，因而具有局域鲁棒性，其稳定裕度是线性二次型最优调节器状态反馈控制在非线性系统中的推广。     

一类非线性大系统的分散输出反馈全局跟踪控制

研究一类满足满足Lipschitz条件非线性大系统的分散输出反馈全局渐近跟踪控制问题。通过对输出参考信号的递归处理,给出了一个时变的含有两类设计参数的分散输出反馈跟踪控制器,并给出了设计参数的确定方法使得各子系统输出全局指数渐近跟踪给定的参考信号。最后给出仿真实例验证本方法的有效性。     

非严格反馈非线性系统的自适应模糊控制

研究一类单输入单输出非严格反馈的非线性系统自适应模糊控制问题.基于系统函数单调递增的性质,提出了变量分离方法,并利用自适应模糊控制技术和Backstepping设计自适应模糊控制器.自适应控制器确保闭环系统的所有信号半全局有界,同时所有状态收敛到原点的一个充分小的邻域内,仿真例子验证了该方法的有效性.     

基于观测器的非线性系统神经网络自适应控制

针对一类单输入单输出非线性不确定系统,基于状态观测器并结合自适应神经网络和滑模控制,提出一种稳定的间接自适应神经网络输出反馈控制算法.该算法不需状态可测的条件,并能保证系统稳定.仿真结果表明了该方法的有效性.     

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。     

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.     

基于CMAC神经网络的一类SISO非线性系统的自适应反馈线性化控制

在已知名义系统的基础上,将ＣＭＡＣ神经网络用于一类状态反馈可线性化的单输入单输出（ＳＩＳＯ）连续时间非线性系统的鲁棒自适应反馈线性化,使系统获得要求的跟踪性能,控制器的结构为自适应反馈线性化控制律加一个鲁棒控制项,在很弱的假设条件下,应用李雅普诺夫稳定性理论证明了闭环系统内的所有信号为ＵＵＢ（均匀最终有界）．本方法特别适合于已知名义系统模型但具有不确定性的一类非线性系统的实时控制。仿真算例进一步证明了本方法的正确与有效。     

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·     

一类非线性系统反馈线性化的遗传神经网络实现

利用Ｈｏｐｆｉｅｌｄ反馈神经网络对一类仿射非线性系统进行反馈线性化，然后利用常规的ＰＩ控制方法设计控制器，同时指出，利用神经网络不仅可以对系统的状态进行辨识，而且可以辨识其相对阶数，并给出了完整的证明，在训练神经网络时，提出了一直直接基于寻优参数的遗传算法ＤＰＧＡ，仿真结果说明了该线性化方法的有效性。     

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NDO的高阶非线性系统自适应反推滑模控制

针对一类高阶非匹配不确定非线性系统轨迹跟踪问题,将反推控制和滑模控制相结合,设计一种基于非线性干扰观测器(NDO)的自适应反推滑模控制方案.通过设计每一步的李雅普诺夫函数保证闭环系统全局渐进稳定,且跟踪误差一致且有界.设计NDO对非匹配干扰进行补偿,建立系统建模误差自适应律并引入双曲正切函数.仿真表明:闭环系统能够实现对指定轨迹的稳定跟踪,且对非匹配干扰和建模误差同时具有鲁棒性,并有效降低控制抖振.     

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.     

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.     

互联非线性时滞系统的分散式自适应跟踪控制

为了实现系统对目标轨迹的快速准确跟踪,针对一类互联非线性时滞系统,提出了一种分散式自适应跟踪控制策略。通过使用极限学习机来处理系统中的未知非线性函数,引入Lyapunov-Krasovskii函数来处理未知时滞,结合反演控制技术和动态面控制技术,实现分散式自适应跟踪控制;基于Lyapunov稳定性理论以证明所设计的控制策略可以保证闭环系统跟踪误差一致且最终有界稳定,并借助两级化学反应釜系统验证所提控制策略的有效性。结果表明,所提控制策略能够有效处理系统中的非线性项与系统时滞,实现对目标轨迹的快速准确跟踪。所提策略能克服未知非线性和未知时滞对系统的影响,可为处理复杂非线性时滞系统提供参考。     

非线性混沌系统的鲁棒自适应控制

研完了不确定非线性Chua's混沌系统的跟踪控制问题.通过坐标变换将Chua's系统转换为严格反馈控制系统的一种通用形式,然后利用Backstepping方法和鲁棒控制技术,设计了参数自适应控制律,对存在的不确定性和未知干扰的非线性系统实现了输出跟踪.基于Lyapunov稳定性理论所设计的控制器不仅使系统输出跟踪给定的期望输出,而且使得系统对于所允许的不确定系统状态全局一致有界.仿真结果表明了所设计方法的有效性.     

PMSM的基于神经网络非线性预测控制

采用三层前向神经网络作为PMSM转速预测模型,对PMSM进行非线性预测控制.先通过离线训练获得初始预测模型,再在线对神经网络模型的权值和阀值进行调整;控制算法是将预测模型处理成线性和非线性两部分,并用一种快速线性预测控制方法求取控制律,大大减小在线计算量和提高控制的实时性.最后仿真结果表明该方法具有良好的动、静态特性和抗干扰能力.     

航空发动机鲁棒自适应反演控制

针对航空发动机非线性和不确定性的特点,提出了一种基于神经网络的多输入多输出反演控制方法。采用径向基神经网络逼近系统中的不确定性,在控制中引入自适应鲁棒项,以克服系统中不确定性的影响。在递推过程中,虚拟控制量和实际控制量的求取始终基于Lyapunov稳定性原理,从而保证了闭环系统的一致渐近有界。最后针对某型涡扇发动机非线性模型设计了转速控制器,仿真结果验证了该方法的有效性。     

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.