一类非线性系统的故障估计和预设性能控制

研究了一类带有不匹配故障的非线性系统的故障估计和预设性能控制（PPC）问题，通过基于中间变量的估计观测器方法，设计了一种带有自适应参数更新律的故障估计器和状态观测器，提出了基于预设性能的容错控制方案．证明了系统状态误差和跟踪误差收敛于预先设计的集合内，且所有闭环信号都是有界的．通过仿真实验验证了算法的有效性．     

针对传感器故障的广义系统主动容错控制

针对传感器失效情形,提出基于全维状态观测器的广义系统主动容错控制的设计方法.根据广义系统的分离定理,当传感器失效,利用调整观测器增益阵参数的办法来实现容错.数值例子验证了所提方法的有效性.     

一类不确定非线性系统的鲁棒故障检测观测

主要研究了一类不确定非线性系统基于自适应故障检测(FD)观测器的故障估计问题.首先引入拟单边Lipschitz条件,相对于传统的Lipschitz条件在设计自适应故障检测观测器时是可以减少保守性的,并且利用Lyapunov函数和线性矩阵不等式(LM I)证明了自适应观测器的渐进稳定性以及故障估计误差是一致最终有界的.还证明了由传感器故障延拓至执行器故障时结论仍然是适用的,最后给出数值算例说明了结论的有效性.     

基于观测器的一类非线性系统的故障检测

研究一类非线性系统中故障的检测.由于此类的故障分布函数不仅仅只依赖系统中的输入与输出向量,同时也依赖于不可测的状态,所以增加了故障估计中的复杂性.在拟单边Lipschitz的条件下建立了故障检测观测器,最后证明观测器的渐进稳定性以及故障估计误差的一致有界性.     

基于输出反馈的分布时滞不确定系统的鲁棒H_∞容错控制

针对一类分布时变时滞的线性不确定性系统,基于Lyapunov-Krasovskii泛函、线性矩阵不等式和自由权矩阵的方法,在执行器发生故障的情况下,研究系统的鲁棒H_∞容错控制问题.设计鲁棒输出反馈H_∞容错控制器,使得分布时变时滞系统是鲁棒渐近稳定的,并满足H_∞性能指标.用数值算例结果证明了该分布时变时滞系统与输出反馈律所组成的闭环系统具有有效性和可行性.     

基于神经网络自适应观测器的鲁棒故障检测

提出一种基于动态神经网络的不确定非线性系统鲁棒故障检测方法,该方法通过构造神经网络自适应观测器来获取反映系统故障的残差信息以进行快速的故障检测,并采用Lyapunov稳定理论证明了闭环误差系统的一致最终有界稳定性.针对某型飞机舵面故障的仿真验证了本文方法的有效性.     

一种区间系统容错控制设计的新方法

讨论了一类线性连续时间区间系统的容错控制问题.把带有执行器故障的不确定连续系统转化为区间系统,在此基础上,提出了极点约束条件下的H∞保成本容错控制.分析了故障闭环系统满足区域极点约束和具有保性能上界和满足H∞指标的充分条件,并建立了容错控制中上述期望指标的相容性理论.运用线性矩阵不等式(LMI)技术,给出了一种严格的线性矩阵不等式设计方案,清楚地给出了期望的状态反馈容错控制律的表达式.通过数值算例验证了所给算法的有效性.     

基于LMI的时滞系统的鲁棒H∞容错设计

研究了线性时滞不确定系统的鲁棒容错H∞控制问题.针对传感器失效,基于LMI和Lapunov渐进稳定理论,讨论了线性时滞不确定系统在传感器故障情况下的鲁棒镇定问题,给出了闭环故障系统具有鲁棒容错H∞控制特性的一个充分条件.设计实例说明了该方法的有效性.     

基于LMI的时滞系统的鲁棒H∞容错设计

研究了线性时滞不确定系统的鲁棒容错H∞控制问题.针对传感器失效,基于LMI和Lyapunov渐进稳定理论,讨论了线性时滞不确定系统在传感器故障情况下的鲁棒镇定问题,给出了闭环故障系统具有鲁棒容错H∞控制特性的一个充分条件.设计实例说明了该方法的有效性.     

动态数据驱动的LS-SVM多模型预测主动容错控制

针对非线性系统提出了一种基于动态数据驱动的LS-SVM多模型预测主动容错控制方法,使系统对已知故障容错的同时,利用动态数据驱动对模型的补充,实现了对未知故障的主动容错．该方法首先基于LS-SVM建立系统正常或已知故障模式的动态模型库,实际运行时依据系统对性能容忍度指标和模型失配度指标的实时计算分析,判断系统所处的运行模式,当系统发生已知故障时,直接调用动态模型库中已有的模型,并采用经局部线性化近似预测控制算法计算控制律;当系统发生未知故障时,则选用模型库中最接近当前运行模式的模型进行故障过程的过渡容错控制,并以动态数据5步补充循环算法,快速建立该未知故障的LS—SVM模型,进而利用新模型实现系统对未知故障的主动容错．并以一非线性系统仿真实例验证了所述方法的可行性和有效性．     

一类状态不可测非线性时滞系统的神经网络故障诊断

针对一类状态不可测的非线性时滞系统,提出了基于神经网络故障诊断的新方法.采用系统的状态和时滞状态的估计值作为神经网络的输入对故障进行估计.首先构造一种状态观测器结构,利用输出信息和神经网络的非线性逼近能力对系统不可测状态进行估计,然后对系统发生的故障用另一个RBF神经网络进行估计,故障估计器的输入为系统的当前估计状态以及时滞状态,所估计出的故障是随时间变化的非线性函数.基于Lyapunov理论,分析并证明了系统的稳定性和参数收敛性,同时作了仿真研究.仿真结果表明,该方法能够很好地解决一类状态不可测的非线性时滞系统的故障诊断问题.     

一种基于BP网络的多模型预测主动容错控制方法

针对非线性受控对象,给出了一种基于BP神经网络的多模型预测主动容错控制方案,设计了故障诊断与决策机制的算法步骤,在基于BP网络建立系统正常或故障状态动态模型库的基础上,利用预测控制算法得到控制律,达到对非线性系统主动容错控制的目的．仿真结果表明所述方法的可行性和有效性．     

船舶航向非线性系统的自适应跟踪控制器设计

将非线性船舶操纵数学模型用于船舶航向跟踪的自动舵设计,同时考虑模型参数的不确定性以及舵机伺服系统特性,则船舶操纵非线性数学模型具有非匹配不确定形式.针对上述困难,提出一种新的自适应非线性控制策略,将Nussbaum函数与逆推(backstepping)技术相结合,设计了船舶运动航向跟踪控制器,成功解决了其虚拟控制系数符号未知的问题.在理论上,借助Lyapunov函数证明了所设计控制器使最终的非匹配不确定船舶运动非线性系统中所有信号有界,船舶实际航向自适应地渐近跟踪设定的期望参考航向.仿真结果表明所设计的控制器有效可行,对系统参数变化具有很强的鲁棒性.     

非线性系统的鲁棒自适应模糊轨迹线性化控制

针对一类非线性多输入多输出不确定系统,基于小增益理论提出了鲁棒自适应模糊轨迹线性化控制方法。利用T-S模糊系统逼近未知干扰和不确定性因素,采用Lyapunov方法及小增益理论证明了闭环系统所有信号一致最终有界。该算法自适应律的学习参数仅有1个,便于工程实现。最后利用本文提出的控制方案设计了空天飞行器飞行控制系统,仿真结果表明了控制方案有效性和鲁棒性。     

基于神经网络的机械臂自适应输出反馈控制设计

研究了机械臂的位置跟踪问题,提出了基于神经网络的自适应输出反馈控制方法. 该方法无需系统精确的数学模型,适用于具有非线性不确定性和外界干扰的机械臂控制系统. 设计的控制器由三部分组成：基于动态补偿器的输出反馈控制项、神经网络自适应控制项和鲁棒控制项. 神经网络的权值自适应学习率由Lyapunov稳定性理论得出. 仿真结果表明设计的控制器能驱动机械臂精确跟踪期望的位置,验证了该控制方法的有效性.     

非线性不确定系统的鲁棒自适应Backstepping控制

针对一类有界扰动不确定非线性系统,讨论了鲁棒自适应ε输出跟踪问题．利用Backstepping方法和鲁棒控制技术,对存在未知参数和动态不确定性的非线性系统设计了一种自适应输出反馈控制器．基于Lyapunov稳定性理论所设计的控制器不仅保证闭环系统状态全局一致有界,而且使系统的跟踪误差收敛到一个很小的邻域内．仿真结果表明了所设计方法的有效性．     

无人机鲁棒反推自适应编队导引控制设计

针对一般不确定系统研究了一种鲁棒反推自适应控制方法,采用自适应神经网络对未建模动态进行补偿,并利用Lyapunov 理论证明了跟踪误差的有界性. 分析了长机–僚机编队方式下的无人机编队导引控制策略,采用鲁棒反推自适应控制与动态逆方法对无人机编队飞行综合导引控制律进行设计. 进行了六自由度非线性仿真,表明所设计的编队导引控制器能使僚机对不确定机动的长机进行跟踪,并具有很好的鲁棒性.     

一种鲁棒自适应Backstepping控制方案研究

对基于调节函数的Backstepping自适应控制方案进行了改进,设计了一种新型鲁棒自适应无人机飞行控制系统.首先将某型无人机的系统模型转化为一个含有非线性参数不确定性、不确定的非线性与未建模动态的受扰严格反馈系统,然后提出了一种含有广义误差自适应调节项的新型李亚普诺夫函数,得出了稳定自适应控制律和参数更新律.最后该无人机的鲁棒自适应飞控系统的有效性得到了仿真验证.     

基于鲁棒时变卡尔曼滤波估计的无人机视觉编队

针对一般多输入多输出不确定系统,提出一种基于鲁棒时变卡尔曼滤波的估计算法. 该方法将时变卡尔曼滤波与自适应神经网络相结合,利用自适应神经网络克服外界非线性不确定因素,采用两个误差信号对其进行训练以提高估计精度,并对估计误差有界性进行证明. 将该方法用于无人机视觉编队视线信息的状态估计,仿真结果表明该算法能够很好地估计不确定机动长机的加速度,实现了僚机对长机的有效跟踪.