含时滞的单输入单输出的非线性系统的自适应神经网络控制(英文)

对一类含时滞的单输入单输出的非线性系统提出了一种新的自适应神经网络控制方法.利用径向基神经网络来估计未知的连续函数.在设计中利用积分型Lyapunov-Krasovskii来消除未知的时滞.该文的结果的主要优点是:不仅有效地避免了控制奇异问题,也消除了对未知虚拟控制条件的限制.     

一类控制方向未知不确定性系统的自适应迭代学习控制

采用了一种自适应迭代学习的控制方法,对于一类含有未知控制方向以及参数化和非参数化不确定性系统进行了研究.结合连续的Nussbaum增益技术,很好地处理了系统中控制方向未知的问题.在满足局部Lipschitz连续条件下,非参数化不确定性可以得到有效的解决.通过构造微分-差分耦合参数自适应律,提出一种自适应迭代学习控制方案,保证系统跟踪误差沿迭代轴方向渐进收敛于零.基于一个构造的Lyapunov泛函,给出闭环系统收敛的一个充分条件.实例仿真结果验证了设计方法是有效的.     

Lipschitz非线性系统未知输入观测器设计

针对观测器匹配条件不满足情况下的Lipschitz非线性系统状态估计和未知输入重构问题,提出了一种未知输入观测器设计方法.首先,通过构造辅助输出向量,突破了观测器匹配条件的限制,并设计高阶、高增益滑模微分器实现对辅助输出向量及其微分的精确估计;之后,在辅助输出及其微分精确估计的基础上,设计具有滑模控制律和自适应调节律的自适应鲁棒滑模观测器,并提出了一种未知输入重构方法.该观测器设计方法不需知道Lipschitz常数,其大小可通过自适应调节律调节,且信息重构具有避免直接使用系统输出微分的优点.仿真结果表明,所设计的未知输入观测器不仅在观测器匹配条件不满足情况下可以实现对状态的渐进估计以及对未知输入重构之目的,而且自适应调节律能够在约5 s时间内实现对Lipschitz常数的自适应调节.     

Lipschitz非线性系统自适应观测器设计

对具有未知参数的Lipschitz非线性系统自适应观测器设计问题进行了讨论。首先，在一定的条件假设下，讨论了可同时辨识出系统常量参数的全维自适应观测器。然后，在同样的条件下，基于一坐标变换的方法，提出了一种降维自适应观测器设计方法。由此得出结论：具有常未知参数的Lipschitz非线性系统在同样的条件假设下，既可进行全维自适应观测器设计，也可进行降维自适应观测器设计。     

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.     

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     

仿射非线性系统的在线自适应模糊神经网络辨识与控制

针对单输入单输出非线性系统的自适应控制问题,提出了一种在线自适应模糊神经网络辨识与鲁棒控制的方法.该方法首先利用广义模糊神经网络学习算法,实时建立对象模型未知系统的逆动态模型,实现网络结构和参数的同时在线自适应.考虑到网络建模误差和外部干扰的存在,还设计了基于控制理论的鲁棒补偿器.仿真结果表明,该方法能对模型未知仿射非线性系统实现鲁棒输出跟踪.     

高超声速飞行器自适应高阶终端滑模控制

针对高超声速飞行器的纵向运动模型,研究了飞行器输出跟踪控制问题,提出了一种将动态逆方法与高阶终端滑模控制相结合的鲁棒自适应控制方法.首先,利用反馈线性化方法对高超声速飞行器纵向模型输入输出线性化;通过设计具有全局鲁棒性的终端滑模面,提高系统的输出收敛速度;同时,采用自适应高阶滑模控制律,在不确定上界未知条件下对其进行自适应估计,从而实现控制器增益的实时在线调整,减少系统抖振;最后,基于Lyapunov理论证明了此控制策略可以保证闭环系统稳定.仿真结果表明,所设计的控制器能够实现高超声速飞行器纵向爬升机动中速度和高度的稳定跟踪控制.     

增益系数未知条件下不确定船舶航向保持鲁棒λ调节控制

为更有效处理船舶航向保持系统中一般不确定性,即系统漂移不确定和控制增益系数未知,通过构建考虑预设镇定边界的Lyapunov能量函数,结合自适应Backstepping方法,提出一种具有预设镇定边界的鲁棒λ调节控制.该算法中自适应参数只需在控制误差超出镇定边界时进行在线调节,符合船舶控制工程需求.以大连海事大学"育龙"轮为研究对象进行仿真试验,结果验证了该算法的有效性.     

具有死区输入的不确定分数阶混沌系统的同步

针对一类具有死区非线性输入和外部扰动的不确定分数阶混沌系统同步问题,提出一种模糊神经网络结合自适应滑模控制的同步方法.利用模糊神经网络逼近未知的非线性函数,并且对逼近误差采用自适应控制进行补偿,同时构造了一种具有较强鲁棒性的分数阶积分滑模面.应用分数阶Barbalat引理和分数阶稳定性理论,设计自适应模糊神经网络滑模控制器和参数自适应律.数值仿真结果验证了该控制方法的有效性.     

初始误差未知的不确定系统预设性能反演控制

对一类严格反馈非线性系统的预设性能反演控制问题进行了研究.提出了一种新的误差转化方法,将原始的不等式约束的受限系统转化为等式的非受限系统,并放宽了对初始误差已知的限制,系统的控制增益为未知常数且初始跟踪误差未知.利用自适应估计器实现了对未知控制增益的逼近,并将虚拟控制量的跟踪问题转化为误差状态量的有界性问题,完成了反演控制器的设计.仿真结果表明:所设计的控制器能够满足预设性能的要求,且保证闭环系统所有的状态量有界,进而证明了控制器设计方法的有效性.     

采用代数建模方法的自适应观测器设计

针对伴有未知输入的一类线性时不变系统,当观测器匹配条件不满足时,研究了自适应观测器的设计问题。通过将未知输入划分为匹配未知输入和不匹配未知输入两部分,并假设不匹配未知输入可以表述为一个动态系统,从而可得一个满足匹配条件的增广系统;对于该增广系统讨论了自适应观测器的存在条件,给出了自适应观测器的设计方法,这种自适应观测器不仅可以观测原系统的状态,还可以重构、匹配未知输入。将该设计方法应用于一类机器人系统,虽然系统未知输入初值和观测器重构的未知输入初值相差很大,但是观测器重构的未知输入值能够很快地跟踪上系统实际的未知输入值;虽然这是一种有界误差跟踪,但是误差可以控制在很小的范围内,并不影响实际应用。仿真结果表明,所提方法是有效的。     

自适应反演控制在一类非线性系统中的应用

针对一类不确定性上界未知的非线性系统,提出一种自适应反演控制方法.建立了一类带有外界扰动的不确定非线性系统的数学模型.将复杂的非线性系统分解成不超过系统阶数的子系统,采用反演思想,并用自适应更新律对非线性系统不确定性上界进行估计,设计了自适应反演控制器并证明了李亚普诺夫稳定性.采用所设计的控制律使非线性系统的输出能跟踪期望的轨迹,具有一定的鲁棒性.用数值仿真验证了所设计控制器的良好跟踪性能.     

新型跟踪误差下的H∞自适应模糊控制系统

对一类非线性不确定系统,给出了一种设计具有H∞跟踪性能的自适应模糊控制系统的方法.为避免出现较大的控制力,引入了一种新型跟踪误差;然后用模糊系统来逼近被控对象数学模型中未知的函数,并用自适应控制理论得到了参数的自适应律.用LMI方法获取了辅助控制的增益.为验证本方法的有效性,给出了控制倒立摆的仿真实验例子.     

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.     

参数不确定超混沌系统的混合同步研究

针对一类参数不确定超混沌系统的混合同步问题,提出了一种设计控制律的方法.通过自适应控制法设计合适的控制器和参数自适应律,实现含未知参数的超混沌系统的混合同步控制,并利用不变集原理证明了混合同步误差系统是渐近稳定的.通过对超混沌Lü系统的数值仿真,验证了所提出方法的有效性.     

控制方向未知的非线性系统切换自适应全局快速有限时间控制

提出一种新的切换自适应全局快速有限时间控制方法,设计控制方向未知的非线性系统切换自适应快速有限时间控制器.通过有限时间切换律,自适应调整切换参数,使控制器的控制方向依提出的方向进行切换,能更快找到正确的控制方向.仿真结果表明:所设计的控制器能保证系统的所有状态在有限时间内收敛至平衡点,且有更快的收敛速度.     

变时滞互联项不确定大系统的分散自适应控制 (英)

研究了一类含变时滞互联项并同时具有匹配和不匹配不确定性的大系统的分散自适应控制问题. 假定互联项满足匹配条件和线性增长条件, 但增益未知; 同时假定匹配不确定性和扰动是有界的, 但上界未知. 采用自适应率来估计这些未知的界, 并结合LMI方法, 设计了一种分散鲁棒自适应控制器. 基于Lyapunov稳定性理论和Lyapunov-Krasovskii型泛函证明了此控制器使得闭环系统的 状态最终一致趋于零. 最后给出一个仿真例子说明结论的有效性.     

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.     

含TCSC装置的单机无穷大电力系统的非线性自适应动态面鲁棒控制

针对含晶闸管控制串联电容器装置的单机无穷大电力系统,考虑摩擦阻尼系数不确定及受外部未知干扰的情况,基于非线性自适应动态面控制方法,设计了鲁棒控制器,同时得到了系统不确定参数的自适应更新律以及系统稳定运行的充分条件.采用该方法避免了传统自适应backstepping法中对虚拟控制输入的反复求导,克服了计算量过大的缺点.数值仿真结果表明,所设计TCSC非线性自适应动态面鲁棒控制器在系统动态响应和不确定参数的估计性能方面优于传统的自适应backstepping鲁棒控制器,提高了电力系统的动态稳定性.