一种基于自适应小波网络的非线性控制设计

针对含有未建模动态的非线性系统,结合非线性动态逆和小波网络提出了一种新的非线性控制方法。根据小波网络的逼近特性,利用具有在线学习能力的单隐层小波网络来补偿动态逆的误差,建立了基于自适应小波网络的控制结构,用李雅普洛夫函数导出了小波网络权值的自适应调整規则。通过自适应调节,使控制系统能对受控对象及时地作出反应。最后分析了小波网络的结构和输入。     

新型神经网络模型参考自适应控制系统设计

针对任意复杂非线性系统，即控制器具有不可分离结构的离散非线性系统，提出新型神经网络模型参考自适应控制。该方案的提出简化了基于神经网络的模型参考自适应控制系统的设计，只需一个神经网络辨识器。统一了任意神经网络模型参考自适应控制的设计方法，更接近于工程实际。仿真结果证明了该方案的合理性和有效性。     

一种基于神经网络的任意模型参考自适应控制

针对一般模型参考自适应控制方法在解高阶非线性模型时参考模型阶数较高的不足,采用一种任意模型参考自适应控制降低了参考模型的难度。利用隐层神经网络对模型进行逼近,对线性化时由不确定因素导致的误差进行补偿,并利用直接Lyapunov稳定性理论证明了跟踪误差有界,最后将其应用到飞行器纵向非线性模型的自动着陆下滑控制设计中。仿真结果表明,所设计的控制器能够使飞行器较好地跟踪理想着陆轨迹,从而验证了方法的有效性。     

两种跟踪低阶模型的模型参考自适应控制方案设计与仿真

采用滤波器降阶和系统分解，并将部分因式看成未建模动态，进而转化成扰动的方法，分别设计了两种高阶系统跟踪低阶参考模型的模型参考自适应控制(MRAC)方案。使用低阶参考模型简化了系统结构。仿真验证了方案的有效性。     

基于神经网络补偿的广义离散模型参考自适应控制系统设计

用一个常规线性模型对被控对象进行辨识，线性模型辨识的余差用一个神经网络进行补偿，线性模型和神经网络共同构成对象的辨识模型。利用参考模型的输出状态和被控对象的预测值，提出了适于任何形式被控对象的广义离散MRACS设计方法，适用于线性、非线性、最小相位和非最小相位系统。仿真结果表明，系统响应速度快，能够跟踪任意给定的参考序列，具有较强的鲁棒性和较好的控制精度，从而拓宽了模型参考自适应控制的应用范围。     

混沌神经网络模型参考自适应控制器设计

研究了非线性的神经网络模型参考自适应控制器设计问题。将混沌机制引入常规BP算法,利用混沌机制固有的全局游动,逃出权值优化过程中存在的局部极小点,解决了网络训练易陷入局部极小点的问题。通过训练神经网络模型参考自应用控制器和辨识器,完成了对一类复杂离散非线性系统的控制。给出了具体的算法步骤。仿真结果表明了混沌BP算法优于常规BP算法。有效地提高了控制精度和适时性。     

一种Backstepping模型参考鲁棒飞行控制律的设计

提出了一种Backstepping模型参考鲁棒飞行控制律的设计方法。方法的主要特征是：在仅需要输入输出信号的情况下,即使系统参数未知且存在未建模动态和非线性因素干扰,系统仍能保证较强的鲁棒性,获得良好的跟踪效果。具体给出了飞机纵向通道短周期控制的设计方案,同时讨论了其他复杂模态下该方案的扩展方法。对上述方案的数值仿真显示了该方法良好的跟踪性能。     

严格区域稳定的模型参考自适应控制器设计

针对模型参考自适应控制的区域稳定性问题,采用Lyapunov直接法分析参数收敛与系统跟踪误差之间的关系。通过对系统误差项与参数估计项之间能量转移过程的描述,说明常规的区域稳定自适应控制器尚未充分考虑因估计参数振荡引起系统失稳的可能性。为此,提出一种简洁有效的区域稳定控制器设计方案,根据系统跟踪误差大小动态引入增益动态调整的鲁棒控制项,有效消除了控制中潜在的不稳定因素。基于SISO非线性系统的仿真研究验证了所提方案的有效性。     

永磁同步电机的模型参考模糊自适应控制

采用模糊基函数形式,将永磁同步电机时变参数的辨识转化为对模糊基函数权系数的辨识问题,经过离线学习和在线自适应调节的模糊估计器具有对永磁同步电机时变参数的逼近能力.利用参数跟踪误差和控制预测误差信息,设计模型参考模糊自适应速度控制器,基于Lyapunov稳定性理论分析了控制器的收敛性,仿真及dSPACE实验结果表明:所设计的永磁同步电机控制系统具有较好的参数跟踪及控制性能.     

RBF网络模型参考自适应控制在温度控制中的仿真研究

减压塔侧线温度系统是一个时变非线性复杂系统,采用常规的PID控制回路难以达到较好的控制品质。针对克拉玛依石化厂原油蒸馏装置中的减压塔,根据实际控制要求,提出了RBF神经网络模型参考自适应控制策略,设计了减压塔减三线温度控制系统,给出了RBF神经网络控制器和模型辨识网络参数的学习算法。仿真结果表明,采用提出的控制策略,控制效果非常好,完全达到控制要求。     

模型参考自适应内模控制及其仿真研究

本文提出了一种模型参考自适应内模控制方法。采用内模控制器作调节器，模糊逻辑作自适应机构，综合了模糊控制，内模控制和自适应控制的优点。仿真研究结果表明，这一方法是可行的，并能适应对象特性的大范围变化     

基于EKF永磁同步电机FMRAC方法的仿真研究

结合传统模型参考自适应方法控制性能优越的特性和模糊控制不依赖对象精确数学模型的优势,将模糊控制器植入模型参考自适应控制系统构架中。主模糊控制器用于取代传统模型参考自适应控制中的反馈控制器,模糊逆模型结合自适应调整算法取代复杂的常规自适应规则,利用模糊控制良好的非线性学习特性,构建模糊自适应控制机构。以永磁同步电机为例,在MATLAB/Simulink环境下建立双闭环控制系统,基于扩展卡尔曼滤波设计速度观测器,基于模糊模型参考自适应方法设计速度控制器,仿真结果表明:控制系统运行平稳,速度跟踪快速准确,具有良好的动、静态特性。     

电动汽车驱动电机离散MRAC研究

电动汽车驱动系统是电动汽车的关键技术之一,离散模型参考自适应控制方法用于电动汽车驱动电机的控制将更好地提高电动汽车驱动系统的性能。首先建立电动汽车驱动电机离散化的数学模型,提出性能指标,建立参考模型。在此基础上探讨了自适应控制方法的设计,推导出了离散模型参考自适应律。仿真研究表明采用离散模型参考自适应控制方法设计的电机驱动系统性能明显优于PID控制系统。实验结果验证了方案的可行性。     

一类非线性系统的模型参考自适应模糊控制

针对一类不确定非线性系统 ,基于一种修改的监督控制方案并利用广义多线性模糊逻辑系统的逼近能力 ,提出了一种模型参考自适应模糊控制器设计的新方案。该方案利用参考模型作为性能指标 ,自适应调节模糊控制器的规则库 ,并通过引入最优逼近误差的自适应补偿项来消除建模误差的影响 ,不但能保证闭环系统稳定 ,而且可使跟踪误差收敛到零。仿真结果表明了该方法的有效性     

模糊多参考模型自适应控制及仿真研究

将模糊理论应用于参考模型的选择，提出一种将模糊选择和自适应控制相结合的模糊多参考模型自适应控制算法。此方法通过模糊规则选取合适的参考模型，能克服传统自适应算法中由于系统参数跳变而带来的控制困难，并且具有较好的鲁棒性能。在无刷直流电机调速系统模型中的仿真表明，此方法控制的无刷直流电机在电机参考转速和负载转矩变化的情况下仍具有良好的动态性能和控制精度。     

采用Adaline神经网络实现增益自适应内模控制

引入1／1Pade逼近处理纯滞后环节，利用二步法设计内模控制器，运用单层Adaline神经网络参数辨识算法得到被控对象的稳态增益，并用于内模控制算法中，以此来自动调整被控对象模型增益，实现增益自适应控制。大量仿真实验表明此控制方法能克服系统增益变化对控制品质的影响，具有鲁棒性好，抗干扰能力强，控制精度高等特点。     

直接力导弹的模型参考自适应滑模控制器设计

针对导弹直接力/气动力复合控制的特点,提出了一种基于参考模型的自适应滑模控制方案.该设计方法针对系统所存在的不确定性,在滑模控制中引入了自适应参数调节律和模糊控制规则,采用自适应律逼近模型摄动和外界干扰的上界,采用模糊调节律有效减弱了一般变结构控制系统的抖颤问题,既进一步增强了系统的鲁棒性,又提高了自适应参数收敛过程中的跟踪精度.仿真结果表明,所提出的控制方案对机动指令具有较好的跟踪效果,适用于直接力/气动力复合控制导弹的控制系统设计.     

全局稳定广义预测自校正控制算法与模型参考适应控制算法

本文为时滞未知的确定性线性系统建立了全局稳定广义预测自校正控制算法。同时推出一种新型稳定离散模型参考适应控制算法，把广义预测自校正控制和模型参考适应控制融为一体。