具有输入时滞的不确定系统鲁棒自适应控制

对带有输入时滞和状态时滞的线性不确定系统,利用系统将来的状态设计预估控制器,通过与之等价的因果控制器,给出积分形式的控制率,使得系统在自适应控制器的作用下渐近稳定。最后,通过数值算例说明在该控制器的作用下,系统的解趋于稳定的速度比在普通的状态反馈控制器作用下解趋于稳定的速度更快。     

一类非线性系统的鲁棒自适应控制

针对一类不确定的非线性系统,提出了一种鲁棒自适应控制设计,该方法能保证闭环系统所有信号全局一致有界,并且使所研究的非线性系统的范围扩大,仿真结果表明了该控制方案的有效性.     

基于Backstepping设计的非线性鲁棒自适应控制

针对一类具有未知参数,未建模动态和外界干扰的不确定非线性系统,选择适当的参数对这些不确定性进行估值和补偿,利用Backstepping方法,设计了一种新的鲁棒自适应控制器.该控制器能保证闭环系统的所有信号是全局有界的,且输出的绝对值可以任意小.仿真结果表明,所设计的鲁棒控制器达到了理想的结果.     

不确定非线性系统的鲁棒自适应控制

针对一类不确定非线性系统设计了一种鲁棒自适应控制方案,所设计的自适应控制器既能保证闭环系统所有信号的全局有界性,又能使跟踪误差以指数速度收敛到零的一个小邻域内,仿真结果表明了所提控制方案的有效性.     

离散系统的鲁棒自适应控制

本文提出一种鲁棒间接自适应极点配置控制器，它利用相对死区技术使得控制器对一类未建模动态误差和恒定了界扰动具有鲁棒性。文中详细地分析了闭环系统的稳定性和收敛性，找到了保证佤渐近稳定的充分条件。     

打磨机器人自适应鲁棒约束跟踪控制

实际工作中的打磨机器人存在外部干扰或参数摄动等不确定因素,这些不确定因素有界但边界未知。针对这种不确定环境下的打磨机器人末端轨迹跟踪问题,文章提出一种自适应鲁棒约束控制方法。该方法将期望轨迹视为系统约束,利用约束跟踪的思想来解决轨迹跟踪问题,并将系统分为标称部分和不确定部分;针对标称部分,通过U-K(Udwadia-Kalaba)方程来求解约束力矩,使系统满足理想状态下的约束条件;针对不确定部分,设计一种泄漏型自适应律对不确定性边界进行估计,并根据估计的边界和约束误差来调节鲁棒控制项的增益,进而有效地补偿系统的不确定性。李雅普诺夫方法证明了该系统具有一致有界性和一致最终有界性,对简化后的打磨机器人进行末端轨迹跟踪控制的数值仿真实验结果验证了所提出方法的有效性。     

具有未建模动态和有界干扰系统的鲁棒自适应控制(Ⅱ)

考虑一类同时具有未建模动态和有界干扰的连续时间系统,在推广的加权最小二乘法中嵌入一个带相对死区函数的时变加权因子,并以此算法估计系统建模部分的参数.对建模部分的相对阶,n*=n-m=1的情况,设计出不含微分环节的自适应控制器,系统输出直接跟踪所给定的参考信号,证明所构成的闭环系统是全局稳定的.     

一种简单的机器人鲁棒自适应轨迹跟踪控制算法

针对不确定性存在情况下的机器人轨迹跟踪 ,提出了一种鲁棒自适应轨迹控制算法 .控制算法是全局按指数收敛的 ,不需要知道机器人动力学模型 ,结构简单 ,计算量小 ,能使轨迹误差收敛到一任意小的区域内 .利用Lyapunov直接法分析了控制算法的稳定性和鲁棒性 .两关节直接驱动机器人的实验研究验证了算法的有效性 .     

一类非线性系统的鲁棒自适应控制

作者考虑一类具有有界于扰和未知参数的非线性系统（１）,设计出一种适用于输出跟踪的鲁棒自适应控制器。该控制器对线性参数化的不确定性和有界干扰具有鲁棒性,能保证闭环系统的全局稳定性,并解决了ε－跟踪问题。仿真实例表明,所设计的鲁棒自适应控制器具有良好的跟踪性能,而且所需的控制量不大,其数值在容许控制的范围之内。     

多变量系统鲁棒保护自适应控制算法

研究了多变量系统自适应控制的有关问题，提出了多变量系统的鲁棒保护自适应控制方法，数字仿真和实验结果表明，该方法有效地解决了时变滞后系统的控制问题，适用于控制多变量时变滞后和参数未知系统。     

具有降阶模型的多模型鲁棒自适应控制

针对传统鲁棒自适应控制器暂态性能差的缺点,提出了多模型鲁棒自适应控制方法.对于包含未建模动态的自适应控制系统,首先采用正则化技术把系统未建模动态转化为系统有界扰动,并利用系统低阶模型设计多模型鲁棒自适应控制器,最后证明了系统BIBO稳定以及跟踪误差有界.仿真实验说明所提出的方法能获得较好的控制效果.     

输入受限下机器人关节神经网络自适应控制

针对机器人关节控制输入受限以及动力学模型中存在非线性摩擦、柔性变形和未知外部干扰力矩等问题,提出了一种基于径向基函数（radial basis function, RBF）神经网络的输入饱和指令滤波自适应控制方法。基于指令滤波反步法,采用饱和函数约束控制输入的幅值,使用RBF神经网络在线逼近未知干扰,并利用Lyapunov稳定性理论证明了闭环系统的所有误差最终一致有界。仿真结果表明,控制算法不仅使系统的控制输入幅值被严格约束在规定的范围之内,完成了对目标轨迹的高精度跟踪（跟踪误差约为±0.003 rad）,而且还可抵抗外部阶跃干扰力矩和建模误差对控制系统的不良影响,保证系统的高精度与强鲁棒性,性能优于PID (propotional integral derivative)控制和普通指令滤波反步控制（command filter backstepping control, CFBC）,对机器人关节在高精度领域应用与智能控制具有重要价值。     

分布式机器人控制器体系结构的研究

本文提出了一种分布式机器人控制器的体系结构,采用以太网作为系统总线,统一的通信协议实现了从Internet 到设备底层的无缝连接.控制器采用面向对象技术以及模块化的设计方法,并对软件组件进行CORBA规范封装.所设计的机器人控制器不仅可以实现本地的示教再现和离线编程操作,还可以通过网络实现对机器人的远程控制.     

冗余度机器人手臂负荷自适应估测控制算法

在无力矩传感器力矩控制原理的基础上，提出了一种无力矩传感器自适应控制算法。通过设立期望的系统运行参考模式，使系统运行中敏感系数的取值与不受扰动影响的角加速度控制无关，从而保证系统的控制质量。运用MATLAB对2种控制方式在桢参数条件下进行仿真实验比较，证明了该算法的有效性。     

受限机器人系统的力与关节的Hybrid控制

使用矩阵代数理论研究了受限机器人系统的力与关节的ｈｙｂｒｉｄ控制问题,导出了一种新的力与关节的鲁棒自适应控制器设计方案。     

不确定线性系统鲁棒稳定控制器设计

针对一类不确定线性系统,给出具有状态时滞和输入时滞的线性系统输入反馈鲁棒H∞控制器设计。     

基于小波神经网络的自适应控制器设计

针对一类未知非线性系统,设计了一种基于小波神经网络的自适应控制器,并提出了一种适合在线学习的参数混合训练算法。根据离线和在线学习系统的特性,得到小波神经网络控制器的初始参数,使用混合训练算法在线修正控制律,实现了自适应控制。仿真结果验证了该控制方案的有效性。     

基于遗传算法的鲁棒PID控制器设计

将基于遗传算法的PID控制器设计方法应用于分布参数系统,在这个过程中,将系统的鲁棒性能指标作为目标函数选择的重要依据,使用遗传算法对PID参数进行寻优.仿真结果表明,由于加入鲁棒性信息,改进方法完全满足了控制系统的快速性、稳定性和准确性要求,控制系统表现出很好的动态鲁棒性及性能鲁棒性.     

基于回路成形法的鲁棒控制器设计

在对信号和系统范数以及鲁棒性描述的基础上介绍一种鲁棒控制器的图形设计方法──回路成形法,它能有效地解决被控对象的不确定性和外部干扰问题．最后,针对一设计实例用 Ｍａｔｌａｂ的动态仿真工具 Ｓｉｍｕｌｉｎｋ对设计出来的控制器进行系统仿真,成功地验证了回路成形法的有效性．     

用自适应法设计非线性控制器

本文采用自适应控制,设计非线性控制器,提出了一种对非线性系统控制的方案。仿真结果证实了可行性,可应用于实际系统。