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.     

一类非线性MIMO系统的神经网络直接自适应鲁棒解耦控制

针对一类未知非线性MIMO系统(多输入/多输出系统),应用“主导输入”的概念,基于神经网络理论提出一种直接自适应鲁棒解耦控制方法.该方法不仅保证了闭环系统的稳定,而且使外部干扰、神经网络逼近误差及输入对输出的交叉耦合对跟踪误差的影响衰减到给定的水平.     

电液伺服系统的小波自适应鲁棒反演控制

针对电液伺服系统,提出了一种小波自适应鲁棒反演控制方法.用两个小波神经网络来逼近电液伺服系统中的模型未知部分、参数不确定项和虚拟控制的导数,所有小波神经网络的参数均实现在线调节.控制律和自适应律的设计保证了闭环系统一致且最终有界,从而达到对非线性电液伺服系统稳定跟踪控制的目的.鲁棒补偿器的设计进一步改进了电液伺服系统的跟踪性能.仿真结果表明,该方法能较好地满足控制精度的要求,同时系统具有较强的适应性和鲁棒性.     

一类非线性系统具有L2-增益的鲁棒自适应控制

针对一类含有未知参数和干扰的不确定非线性系统，提出了一种具有L2-增益的鲁棒自适应控制方法。该方法结合L2-增益鲁棒控制和非线性阻尼技术，基于Lyapunov函数反演设计方法设计了状态反馈自适应控制器，实现了不确定非线性系统的鲁棒输出调节。该控制器不仅把常规自适应控制设计的参数重复估计问题简化为对未知干扰的抑制，而且使得系统从干扰输入到可控输出的L2-增益小于等于给定的值γ。仿真结果表明了所设计控制器的正确性和有效性。     

一类非线性系统的模糊自适应容错控制

针对一类单输入单输出未知非线性系统,提出了模糊自适应故障诊断和容错控制方法。首先,利用模糊逻辑系统和非线性观测器技术实现非线性系统的故障诊断。在故障诊断的基础上．利用估计故障函数,实现了模糊自适应容错控制器的设计。证明了所提出的容错控制方案能够保证整个闭环系统的稳定性。把所提出容错控制方法应用于倒立摆系统．其仿真结果进一步验证了该方法的有效性。     

具有磁滞类间隙系统的鲁棒自适应控制

针对具有未知磁滞类间隙的非线性系统,提出一种鲁棒自适应控制(ARC)算法。采用连续时间动态微分方程描述此非线性特性,利用投影算子对参数进行估计。鲁棒自适应控制律由3部分组成,即模型补偿项、鲁棒控制项和鲁棒反馈项。仿真结果验证了该方法的可行性。     

一类不确定非线性系统的鲁棒自适应控制

针对一类包括非线性不确定性、有界干扰、时变参数等的具有纯参数反馈形式的不确定非线性单输入单输出系统,利用反演设计方法同自适应控制相结合的方法,设计了状态反馈鲁棒自适应控制器.该控制器能使系统达到渐进稳定,并能保证闭环系统信号的全局有界性,对非线性不确定性和有界干扰具有一定的鲁棒性,且对不确定性的知识要求不多.从仿真实例看出,所设计的鲁棒自适应控制器具有满意的控制效果,而且控制量在容许控制的范围之内.     

非线性系统的模糊Backstepping自适应容错控制

针对一类受扰动的且伴有执行器故障的严格反馈不确定非线性系统,提出了一种模糊自适应容错控制方法.当故障发生时,改变控制器结构使其融合故障.设计中,模糊逻辑系统用作在线逼近系统的未知动态和未知的故障函数,结合模糊自适应控制与backstepping技术,给出了模糊容错控制器方法,并基于Lyapunov定理严格证明了所提出的鲁棒模糊自适应控制方法能够保证整个闭环系统的稳定,最后通过仿真实例验证了该方法的有效性.所提出的模糊自适应容错方法扩展了经典容错控制方法的结果,给出的结果更具有一般性意义     

一种控制增益函数未知的自适应模糊控制

针对一类控制增益函数未知的、含有不确定项的非线性系统,为实现其跟踪控制目标,提出了一种鲁棒直接自适应模糊控制方法.该方法仅要求控制增益函数为有界函数,用广义模糊双曲正切模型逼近一个与控制增益函数无关的新颖的等价控制器,并为消除系统中的不确定项和逼近误差设计了一个双曲形式的鲁棒补偿控制项,从而保证了系统跟踪误差收敛到原点的一个小的邻域内,且所有的变量一致有界,控制输入平滑没有抖振.利用Lyapunov函数证明了该算法的有效性,并用倒立摆仿真实例进行了验证.     

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.     

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.     

一类非线性系统的鲁棒输出跟踪模糊控制

针对一类单输入单输出不确定非线性系统，提出一种稳定的自适应模糊控制方法。该方法应用I型模糊逻辑系统逼近过程的不确定部分，利用后推方法及监督策赂设计出一种鲁棒自适应控制器，理论分析证明了系统的稳定性，跟踪误差收敛到零。仿真结果表明了该方法的有效性。     

不确定性非线性系统的神经网络稳定自适应控制

为克服常规鲁棒控制中存在的保守性问题,提出一种不确定性非线性系统的神经网络稳定自适应控制算法。该算法是神经网络自适应控制和鲁棒最优控制的集成,采用线性参数神经网络逼近不确定性非线性函数,将神经网络逼近误差视为扰动并利用鲁棒控制对其进行抑制。整个系统的全局渐进稳定性及神经网络权值矢量的一致有界性采用Ｌｙａ－ｐｕｎｏｖ 稳定性理论和Ｂａｒｂａｌａｔ引理进行了证明,并证明了性能指标有界。在二自由度机械手应用中的结果表明,该控制系统不仅具有精确的跟踪性能,而且具有良好的鲁棒性。     

船舶航向非线性系统自适应模糊补偿控制

摘要： 研究了船舶直航和谐波航向控制问题.基于Lyapunov稳定性理论,将自适应模糊补偿技术应用到船舶航向非线性响应模型中,利用万能逼近定理构造模糊系统逼近系统中的未知非线性,提出了一种基于自适应模糊补偿且带有物理约束二阶滤波器的鲁棒跟踪控制器.运动响应模型考虑了建模误差和外界干扰,模糊系统能有效地逼近非线性系统,控制器能够准确地跟踪预设航向和转首角速度.舵角控制结合舵机伺服系统模型,操舵情况符合物理现实. 数值仿真在相同控制参数下与传统比例 微分(PD)控制作比较,结果验证了自适应模糊控制器的有效性和优越性.     

噪声有源控制的简化模糊神经网络方法

研究了非线性噪声有源控制的问题,给出了一种简化的模糊神经网络控制方法。控制系统只有一个输入,需要比较少的参数,因此降低了计算负荷。系统的收敛速度明显快于全局逼近神经网络。     

一类非线性离散系统的神经网络自适应控制

针对一类控制方向未知的单输入单输出非线性离散系统,将常规增量式数字PID控制器与自适应神经网络控制项相结合,提出了一种能够保证闭环系统稳定的自适应神经网络控制方法.常规PID控制器用来保证近似线性系统的稳定,自适应神经网络项用来处理非线性项对闭环系统的影响.在神经网络权值修正律中引入离散Nussbaum增益来解决被控系统控制方向未知的问题.证明了闭环系统的所有信号有界,且跟踪误差收敛于紧集,并通过仿真验证了所提方法的有效性.     

基于积分型Lyapunov函数的随机非线性系统的自适应控制

针对一类带有未知虚拟控制增益的随机严格反馈非线性系统,基于后推设计,引入积分型Lyapunov函数,并利用神经网络的逼近能力,提出了一种自适应神经网络控制方案.与现有研究结果相比,放宽了对控制系统的要求,取消了对于未知函数的限制条件.通过Lyapunov方法证明了闭环系统的所有误差信号依概率有界.仿真结果验证了所给控制方案的有效性.     

多层递归神经网络自适应控制及稳定性分析

提出一种基于多层归神经网络的自适应控制离散时间系统的方法,使用多层递归神经网络及新的动态ＢＰ算法（ＤＢＰ）描述未知系统的输入／输出关系。基于此神经网络模型,提出一种自适应控制方案,并对该方案的闭环稳定性进行了分析。