一类非线性系统的迭代学习控制

在一类非线性系统的闭环迭代学习控制中，对系统输入进行闭环D型迭代学习，对输入的初值采用P型迭代学习控制律，给出了它的收敛性证明，从收敛性的证明过程可以看出，这种迭代学习控制受到较小的收敛条件的限制最后用仿真结果对收敛性和收敛条件进行了验证。     

不确定时滞非线性系统的迭代学习控制

针对一类不确定状态时滞非线性系统 ,提出了一种形式简单的迭代学习控制算法 ,从理论上给出了算法收敛的充分条件 ,进一步分析了不确定状态时滞、系统采样频率与跟踪性能之间的关系。该学习算法无需精确已知系统的状态时滞 ,而只要估计状态时滞的界 ,因而具有算法简单、计算量小、易于实现等特点。仿真结果表明了该算法的实用性和有效性。     

一般非线性离散系统的闭环迭代学习控制研究

通过对开环迭代学习控制的不足进行分析,提出了基于当前输出误差的闭环P型迭代学习控制律,针对一般非线性离散系统,给出了学习控制的收敛条件。仿真结果表明,简单的闭环P型迭代学习控制即能使非线性系统实现对期望轨线的无差跟踪。     

基于T-S模型的非线性系统的迭代学习控制

针对T-s模糊系统的轨迹跟踪控制问题,提出了基于正交多项式的迭代学习算法.该方法首先推导了T-S模糊全局系统的等价系统,然后利用正交多项式级数展开技术和其积分运算矩阵,将等价系统的微分方程转化为代数方程.在此基础上,用迭代学习的方式来修正输入量的正交多项式系数.所得算法对于具有任意相对阶的非线性系统,可用输出误差信号本身来构造学习律.仿真实例表明了新算法的有效性.     

基于高增益观测器的非线性系统自适应模糊滑模控制

针对一类有界的不确定非线性系统,基于高增益观测器并结合自适应模糊逻辑系统和滑模控制,提出了一种基于高增益观测器的自适应模糊滑模控制方案。该方案不需要系统状态可测的条件,而是通过设计高增益观测器来估计系统的状态并能保证观测误差一致最终有界。基于李亚普诺夫函数方法,给出了自适应模糊滑模控制律以及在线调节的参数自适应律。所提出的控制方案不但能使闭环系统稳定,而且保证了跟踪误差的一致最终有界性。仿真结果进一步验证了该控制方案的实用性和有效性。     

基于观测器的不确定非线性系统L1自适应控制

针对一类严格块反馈型不确定非线性系统,采用反步设计方法提出了一种新的基于滑模状态观测器的L1自适应控制方案。由于系统状态不完全可测,首先设计滑模观测器对系统状态进行估计,并分析观测器的收敛性,在此基础上,通过反步法得到系统的理想控制律。为了消除反步控制中的“项数膨胀”,引入非线性跟踪微分器来提取理想控制律的微分信号。为提高系统响应的瞬态性能,消除控制输入的高频振荡,引入L1自适应控制对控制律进行改进,通过理论推导证明了闭环系统的稳定性。最后通过数值仿真算例验证了所设计控制方案具有快速的收敛性、良好的跟踪性等期望性能。     

非线性系统开闭环PD型迭代学习控制的鲁棒性

利用开闭环PD型迭代学习控制算法,对一类具有不确定性或扰动的重复非线性时变系统的鲁棒性进行研究,给出了该系统在开闭环PD型迭代学习控制律控制下的鲁棒条件,并证明了该受扰系统在干扰有界的情况下跟踪误差的一致有界收敛性,当所有干扰渐近消失时,系统输出渐近跟踪给定的期望轨迹。数字仿真表明了结论的有效性。     

非线性系统在任意初态下的闭环迭代学习控制

针对一类在有限时间区间上重复运行的非线性系统,提出了一种带有初态学习的闭环D型迭代学习控制算法,并利用算子理论证明了系统在任意初态条件下经过迭代学习后,其输出能够完全跟踪期望轨迹,同时得到了该算法收敛的谱半径形式的充分条件。该算法不仅解决了闭环D型迭代学习控制的初态问题,而且还放宽了收敛条件。最后通过simulink、matlab语言和S函数相结合的方法对控制系统进行了仿真,仿真结果验证了该算法的有效性。     

基于非线性干扰观测器的高超声速飞行器反演滑模控制

针对高超声速飞行器非线性动力学系统中存在的高度非线性、多变量耦合及参数不确定等特点,利用非线性干扰观测器对各种干扰的逼近特性,结合反演滑模控制,设计了一种飞行器反演滑模控制器。该方法首先利用干扰观测器观测出系统的干扰,未观测出的部分干扰使用反演滑模控制进行补偿,避免了累积误差,实现对制导指令的鲁棒输出跟踪,并证明了系统稳定性。仿真结果验证了该方法能较理想地观测干扰,保证系统良好的鲁棒性。     

目标轨线迭代可变的非线性系统自适应学习控制

针对含有混合参数的非线性不确定系统,提出了一种自适应迭代学习控制方案。该方案利用Back-stepping方法和参数重组技巧相结合,可以处理目标轨线迭代可变的跟踪问题。通过引入微分-差分自适应学习律,设计了一种自适应控制策略,使得跟踪误差在一个有限区间上的积分渐近收敛于零;通过构造Lyapunov-like函数,给出了闭环系统收敛的一个充分条件。数值仿真验证了所提方法的可行性。     

Disturbance observer based time-varying sliding mode control for uncertain mechanical system

It is now well known that the time-varying sliding mode control (TVSMC) is characterized by its global robustness against matched model uncertainties and disturbances. The accurate tracking problem of the mechanical system in the presence of the parametric uncertainty and external disturbance is addressed in the TVSMC framework. Firstly, an exponential TVSMC algorithm is designed and the main features are analyzed. Especially, the control parameter is obtained by solving an optimal problem. Subsequently, the global chattering problem in TVSMC is considered. To reduce the static error resulting from the continuous TVSMC algorithm, a disturbance observer based time-varying sliding mode control (DOTVSMC) algorithm is presented. The detailed design principle and the stability of the closed-loop system under the composite controller are provided. Simulation results verify the effectiveness of the proposed algorithm.     

一类非线性不确定系统自适应terminal滑模控制方法

针对一类非线性不确定系统设计了自适应terminal滑模控制器,使跟踪误差在有限时间内收敛到零,消除了通常滑模变结构控制的到达过程,因而闭环系统从t=0时刻就对干扰具有鲁棒性。采用RBF神经网络逼近系统未知的非线性函数,引入滑模误差对其权值进行在线自适应调整,改善动态性能。最后给出的仿真例子证明了算法的有效性。     

PD-type iterative learning control for nonlinear time-delay system with external disturbance

1 .INTRODUCTIONTheiterativelearning control method was proposedby Ariomoto et al[1]for the control system, whichcan performthe same task repetitively . The basiclearning controller for generating the present con-trol input is based on the previous control historyand a learning mechanism.In the last two decadesiterative learning control has been extensivelystudied and achieved significant progress in boththeory and application,and becomes the one of themost active fields inintelligent cont…     

Neural network based adaptive sliding mode control of uncertain nonlinear systems

The purpose of this paper is the design of neural network-based adaptive sliding mode controller for uncertain unknown nonlinear systems. A special architecture adaptive neural network, with hyperbolic tangent activation functions, is used to emulate the equivalent and switching control terms of the classic sliding mode control (SMC). Lyapunov stability theory is used to guarantee a uniform ultimate boundedness property for the tracking error, as well as of all other signals in the closed loop. In addition to keeping the stability and robustness properties of the SMC, the neural network-based adaptive sliding mode controller exhibits perfect rejection of faults arising during the system operating. Simulation studies are used to illustrate and clarify the theoretical results.     

严格反馈型随机非线性系统输出反馈滑模控制

研究了一类带有不确定性参数的严格反馈型随机非线性系统的输出反馈镇定问题,主要是采用变结构滑模控制方法(SMC)来设计镇定控制器。首先根据系统的结构和输出状态构造了随机非线性状态观测器,并针对结构参数的不确定性,采用梯度自适应调节律,然后基于系统的观测状态选择滑动模切换流形,给出了不含噪声激励的变结构控制律,并证明滑动模的可达性和闭环系统滑模运动的稳定性,最后讨论了滑模控制的抖振抑制问题。通过系统仿真,与其它鲁棒控制方法进行比较,证明了本方法不仅能够有效地镇定该类随机非线性系统,并且具有一些更好的控制性能。     

一类非线性系统的自适应模糊滑模定位控制

针对一类由多子系统组成的,具有建模误差和未知不确定性的多变量非线性系统,提出了一种自适应鲁棒定位控制方案。分别在系统数学模型已知或未知的情形下,通过对不确定性的未知范数界描述,基于Lyapunov理论和Barbalat引理,给出了滑模鲁棒控制器的综合设计方法及其自适应控制律,保证整个闭环误差系统的稳定。该方法减少了对系统模型精确度的依赖,避免了传统方法对不确定性的人为预估行为。最后,通过船舶动力定位系统的控制仿真表明了本方法的有效性。     

一类非线性系统的滑模控制稳态精度研究

针对一类非线性系统的线性滑模控制和Terminal滑模控制稳态精度问题,分析使用饱和函数代替滑模控制律中符号函数的线性滑模控制和Terminal滑模控制系统的稳态误差与饱和函数宽度的数值关系,得出两者的数学表达式,为协调既削弱滑模控制的颤振又保证稳态精度的滑模控制系统的饱和函数宽度的选择提供了理论依据。定量地比较线性滑模控制和Terminal滑模控制的稳态精度,得出了Terminal滑模控制比线性滑模控制有更好稳态精度的结论,通过数值仿真算例证明理论分析的正确性。     

基于RBF神经网络的鲁棒滑模观测器设计

针对非线性不确定性系统,提出一种鲁棒滑模观测器。所提出的鲁棒滑模观测器通过滑模与相应的控制策略来实现。设计参数的选取不需要求解大量方程,同时能保证对系统的非线性不确定性具有鲁棒性,系统中不确定性的上界值采用RBF神经网络进行自适应学习。通过设计滑模,可以调整观测器跟踪系统状态的收敛速度,使状态估计达到预期的指标。仿真结果验证了提出方法的有效性。