不确定Liu混沌系统的动态面跟踪控制

针对一类含有常参数不确定性及外部干扰的Liu混沌系统的跟踪控制问题,采用动态面控制方法设计了一个新颖的非线性自适应鲁棒跟踪控制器。该方法由于在逆推设计过程中结合使用了一阶低通滤波器,从而避免了因“微分项的膨胀”而引起的算法复杂性。理论分析及仿真结果均表明所得到的控制器能够保证闭环系统的半全局渐近稳定,使得输出渐近期望跟踪轨迹,且对不确定性具有良好的适应性及鲁棒性。     

利用对象输出信息的预测控制新算法

本同了一种利用对象输出信息的预测控制新算法，此算法需调整的参数少，比ＰＩＤ参数容易整定；此算法的计算量少，能用于愉速过程的控制；此算法的鲁棒性好，能用在线性与非线性系统中；经仿真试验证明控制效果很好。     

阶梯式有约束非线性预测控制及其应用

非线性预测控制需要在每个采样周期内求解非凸非线性规划。针对在线求解的计算复杂性,提出基于阶梯控制的非线性预测控制算法,在每个采样周期,采用阶梯式控制策略,精确求解当前控制量,减少非线性规划决策变量的维数,降低了在线计算量,减少计算时间,提高了算法的快速性。仿真和实控结果表明,本算法具有良好的可行性和控制效果。     

用于回归估计的支持向量机方法

用于回归估计的支持向量机方法以可控制的精度逼近非线性函数，具有全局最优、良好泛化能力等优越性能，得到广泛的研究。描述了该方法的基本思想，着重讨论了V-SVM、最小二乘SVM、加权SVM、线性SVM等支持向量机的新方法，降低训练时间和减少计算复杂性的分解法、SMO及增量学习算法。在非线性系统参数辨识、预测预报、建模与控制研究中，支持向量机是很有发展前途的研究方法。     

具有不可测动态不确定性非线性系统的控制

针对具有非线性不确定性、不可测动态不确定性和参数不确定性的非线性系统,结合反演提出了自抗扰控制器。与现有的鲁棒自适应控制方法不同,该方法不区别不确定性的类别,构建了扩展状态观测器来处理总不确定性;同时为了避免传统反演设计过程中的计算复杂性,构建了微分器;此外,引入了动态信号来主导不可测动态不确定性。最后利用李雅普诺夫稳定性分析证明了设计的控制器可以保证系统输出收敛到参考信号的残集内。仿真结果验证了该算法的有效性。     

一种有约束的神经网络预测控制方法

针对非线性系统的控制问题，提出了一种采用黄金分割法的神经网络预测控制算法。该算法以神经网络作为预测模型，以黄金分割法用于优化控制器，其中以系统输入的约束条件作为黄金分割法的动态搜索区间。该算法解决了控制量的范围和变化速度受约束的情况下，未知非线性系统的预测控制问题，通过仿真研究证明了该算法计算速度、稳定性和杭扰动能力。     

快速阶梯式非线性预测控制

针对仿射非线性系统,以参考输出轨迹代替预测的未来输出进行多个一步预测,取代了多步预测,提出了快速非线性预测控制算法,计算量小,可获得解析控制律;引入了阶梯式控制思想,进一步降低了计算量,柔化了控制量的变化轨迹。对水箱液位控制系统的仿真和实验研究,获得了良好的控制效果,初步验证了算法的有效性。     

多变量系统预测函数解耦控制

提出一种新的多变量系统预测函数解耦控制(PFC)算法。该算法将多变量系统的PFC分散为若干单变量系统的PFC,使参数设计和算法求解大为简化。此外,利用该算法可得到一个解析的控制量计算方程,控制器参数均可离线计算,因此在线时算法简单、计算量小,可用于解决复杂的耦合控制问题。仿真结果表明了该算法的有效性和可行性。     

基于Elman网络的广义预测控制快速算法

将广义预测控制与Elman网络结合起来,提出了一种新的广义预测控制快速算法,首先用Elman网络对非线性系统进行辨识,建立预测模型,然后该算法引入了一种约束矩阵,约束矩阵的引入避免了矩阵求逆的计算,提高了系统的响应速度,最后通过对一个非线性系统的仿真验证了该方法的快速性和实用性.     

一类离散非线性系统反步递推黄金分割自适应控制

针对一类含参数不确定的离散时间严反馈非线性系统，提出了反步递推（Backstepping）算法与黄金分割原理相结合的新型控制策略。采用反步递推控制方法处理前n-2阶子系统，利用其结果重构余下的二阶非线性子过程，再通过黄金分割自适应算法对二阶子过程进行控制。该策略一方面解决了单纯反步递推算法在过渡阶段参数失配时，控制量剧烈波动的问题；另一方面减少了反步递推算法的计算量。给出了闭环系统有界稳定性的证明，并通过仿真实例验证了该反步递推黄金分割自适应控制方法的有效性和优越性。     

一类非线性系统的动态面二阶滑模控制

针对一类具有非匹配不确定的严格反馈非线性系统,基于动态面控制和二阶滑模控制设计方法,进行一种新颖的状态反馈控制器设计,实现了不确定系统任意小的跟踪误差。动态面控制类似于反演设计,但其包含一系列低通滤波器;低通滤波器允许控制对象数学模型不可微,这样就避免了反演设计所存在的"膨胀项",减少了计算量,易于实现。同时,由于引入二阶滑模控制,消除了传统滑模控制(一阶滑模控制)存在的抖振现象,既增强了控制系统的鲁棒性,又提高了系统的控制精度。     

非线性系统执行器死区故障的鲁棒自适应控制

针对一类具有不对称执行器死区故障的不确定非线性系统,基于反推滑模控制原理提出了一种神经网络鲁棒自适应控制方案。通过简化死区故障模型,取消了模型倾斜度相等和边界对称条件,结合动态面控制避免了传统反推设计方法存在的计算复杂性问题。所提控制方案取消了控制方向已知的条件,消除了执行器死区故障的影响,使得系统输出趋于给定参考轨迹的一个小领域。仿真结果验证了该方法的有效性。     

基于DSC和MLP的欠驱动船舶自适应滑模轨迹跟踪控制

针对存在船舶动态不确定和外界干扰的欠驱动水面船舶轨迹跟踪控制问题,提出一种基于动态面控制(dynamic surface control,DSC)和最小学习参数法(minimal learning parameter,MLP)的自适应滑模控制方法。在控制律的设计过程中,为实现位置跟踪误差的收敛,利用反步法设计船舶前向速度和横漂速度的虚拟控制律镇定轨迹跟踪误差;引入DSC技术,用于消除反步法对虚拟控制求导引起的“微分爆炸”问题;另外,采用MLP技术,以单参数在线学习代替所有权值在线学习,减少控制器的计算量,避免出现“维数灾难”问题,并结合带有“σ-修正”的自适应律,防止参数漂移,易于工程的实现。稳定性分析证明了所设计控制律可以保证轨迹跟踪船舶闭环系统中轨迹跟踪误差信号一致最终有界,仿真结果验证了所设计控制器的有效性。     

海流扰动下无人水下航行器的动态面反演轨迹跟踪控制

针对存在未知海流扰动条件下无人水下航行器(unmanned underwater vehicle, UUV)的轨迹跟踪控制问题, 提出一种欠驱动UUV的动态面反演轨迹跟踪控制方法。首先, 设计一种改进型海流扰动观测器来估测航行器动力学模型中存在的未知海流扰动。然后, 采用反演法并结合动态面控制技术设计三维轨迹跟踪控制器, 将控制算法中微分运算转换为简单且易于实现的代数运算, 降低控制算法复杂性的同时避免“微分爆炸”问题, 结合李雅普诺夫理论证明系统闭环稳定性。最后, 对所设计的控制器进行仿真验证, 结果表明所设计观测器能够有效应对时变海流干扰问题, 精确地完成UUV的轨迹跟踪控制任务。     

Study on robust terrain following control

1.INTRODUCTION Terrainfollowing(TF)isanimportanttechnology formodernaircraftsuperlowaltitudepenetration flights.Iteffectivelymakesuseofinterferenceand deadzonesinenemydefensesystemscreatedbystray groundwavesandterrainundulations,raisingaircraft survivalcapabilities.Manymethodsareusedinair craftsuchasadaptiveanglemethodinF 111andB 1, templatemethodin“Tornado”and“Mirage2000” etc.TFtechnologyisalsousedincruisemissilessuch as“Tomahawk”.Aerodynamicnonlinearitiesandthe uncertaintiesof…     

基于观测器的一类不确定非线性系统自适应输出反馈控制

针对一类不确定非线性系统,基于非线性状态观测器采用回馈递推(Backstepping)设计方法提出了一种鲁棒自适应L2增益控制方案。该控制方案首先对系统的不可观测状态设计非线性状态观测器,在此基础上通过多步递推得到系统的控制律并设计了未知干扰的参数自适应律,使系统具有L2增益性能。同时把采用常规设计方法需要对过多参数进行辨识问题简化为只需对与未知干扰个数相同的参数进行辨识的问题,简化了控制器结构。最后通过仿真算例验证了所设计控制方案的有效性。     

基于动态面的机械臂轨迹跟踪神经网络自适应算法

针对由直流电机驱动的多自由度机械臂轨迹跟踪系统,提出一种基于动态面反演的RBF神经网络自适应算法,该算法利用动态面反省控制技术,一方面解决系统的非匹配不确定性问题,另一方面有效地解决系统的“计算膨胀”问题,并通过RBF神经网络对系统中的外界扰动进行逼近,实现神经网络自逆应反凉控制,最后通过Lyapunov稳定性理论证明所得闭环系统的半全局一致最终有界。仿真结果证实该算法的有效性。