一类非线性时滞系统的自适应动态面控制

针对一类具有不确定输入时滞和干扰的非线性系统的跟踪控制问题,提出一种动态面控制、神经网络和自适应控制相结合的控制方案.通过构造一个滤波器和一个虚拟的状态观测器产生辅助信号,并利用神经网络来估计未知的连续函数,证明了系统跟踪误差收敛于一个充分小的紧集.     

多变量无模型预测神经网络线性自抗扰控制

对难以建模的多变量非线性系统的控制难题,提出改进的具有辅助向量的多变量全格式动态线性化方法,采用其逼近非线性系统,用其构成预测模型,将其转化为具有耦合的若干个子系统,利用直接极小化指标函数自适应优化算法辨识其参数,将多变量线性扩张观测器的线性控制输入项改进为关于观测状态和控制输入向量及其微分的向量函数,并由该向量函数的逆向量函数构建当前控制输入向量,因其未知,使用对角回归神经网络逼近控制输入向量函数,采用多变量非线性递推最小二乘法优化对角回归神经网络连接权及多变量线性自抗扰控制参数,综上研究提出在线优化参数的多变量无模型预测神经网络线性自抗扰控制算法。仿真研究表明系统响应精度高,性能好,优于传统的线性自抗扰控制算法。     

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.     

考虑状态约束的液压系统自适应控制

针对液压伺服系统中的状态约束和不确定性问题,提出一种考虑状态约束的液压伺服系统自适应控制算法。该算法基于障碍李雅普诺夫函数设计了有限时间干扰观测器和自适应控制器,其中:有限时间干扰观测器用于干扰估计,且能保证估计精确;自适应控制器用于处理系统参数不确定性;障碍李雅普诺夫函数用于约束状态并保证闭环系统稳定。实验结果表明,该算法能够约束系统输出速度和加速度,系统期望跟踪指令幅值为10mm,稳态跟踪误差最大约为0.06mm,相对跟踪误差约为0.6%,系统跟踪精度得到了提高。     

一类带有未知时延的随机系统自适应控制

为了解决一类含有未知输入时延和状态时延的非线性随机系统的有界稳定跟踪控制问题,利用神经网络逼近未知的系统函数,并且使用反步法来构造所需的控制器,再利用动态面技术以避免出现"复杂性爆炸"的问题.针对系统的状态时延和输入时延,分别使用Lya-punov-Krasovskii函数技术以及补偿系统的相关方法.最后通过仿真实例验证该设计方案的合理性.结果表明该自适应神经网络控制器能够确保此闭环系统所有信号均半全局依概率有界,解决了此类含有未知时延和随机扰动的非线性系统的有界跟踪控制问题.     

多变量非线性系统的模糊自适应输出反馈H∞控制

针对一类多输人多输出非线性不确定系统，提出了一种模糊自适应输出反馈控制方法．该方法不需要系统状态已知的条件，而是设计模糊观测器来估计系统的状态，证明了所提出的模糊自适应控制方法不但保证闭环系统的稳定性，而且在系统状态不可测的条件下，输出跟踪误差取得H^∞跟踪控制性能，通过仿真研究表明了所提出的方法的有效性．     

无反步设计的严格反馈型非线性系统神经网络自适应跟踪控制

针对一类具有外部干扰、仅输出可测的SISO严格反馈型非线性系统,提出一种神经网络输出反馈跟踪控制方法。该方法将严格反馈型系统转换成标准仿射型系统,从而避免反步设计过程,且无需设计状态观测器。最终控制律和神经网络权值更新律中仅用到输出误差。基于Lyapunov方法证明了闭环系统所有信号有界,跟踪误差收敛到有界紧集内。最后,应用高机动导弹的位置跟踪控制验证了该方法的有效性。     

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.     

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.     

具有状态约束的机电伺服系统自适应鲁棒控制

针对执行器动态及其状态受限、状态中存在测量噪声的问题,为伺服系统设计了一种基于非线性高增益观测器的自适应非线性鲁棒跟踪方法.基于系统位置测量值设计高增益观测器,利用滤波器消除噪声对观测器精度的影响,采用自适应律估计观测器增益,以保证观测器的鲁棒性.在设计过程中,引入一种新的障碍Lyapunov函数,以限制中间控制信号的幅值而满足系统对状态变量的约束要求,并通过Lyapunov方法验证了闭环系统的一致有界稳定性.结果表明,所提出的方法能够准确估算负载位置和速度.与传统的控制方法相比,其所观测的信息量较充分、估计精度较高、抗干扰能力及参数变化的鲁棒性较强.