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。     

非线性时滞系统的智能迭代学习控制

针对一类单输入单输出非线性时滞系统,提出了一种自适应神经网络迭代学习控制方案,神经网络用来逼近未知非线性函数和未知非线性时滞函数,放宽了传统迭代学习控制对非线性函数和非线性时滞函数的限制,拓展了迭代学习控制的应用范围．采用Lyapunov—Krasovskii函数和利用反演（Backstepping）技术设计神经网络学习律和控制律,基于Lyapunov稳定性理论,证明了闭环系统所有信号半全局一致最终有界,通过调节设计参数可以实现对目标轨线任意精度的跟踪．     

基于改进LuGre摩擦模型的机器人关节模糊自适应反步控制

为实现机器人关节在非线性摩擦和外界未知干扰力矩等因素影响下的精确和稳定控制,通过改进LuGre摩擦模型来描述系统的非线性摩擦特性,采用自适应算法进行摩擦补偿来逼近摩擦力的变化,并采用模糊神经网络逼近外界未知干扰力矩对系统的影响.引入正切障碍李雅普诺夫（Lyapunov）函数对输出信号进行约束,使误差被限制在给定范围之内.利用双曲正弦函数跟踪微分器解决了虚拟输入微分引起的“微分爆炸”和一阶滤波器精度差问题,将自适应控制方法与反步控制理论相结合,提出了一种带摩擦补偿的模糊自适应反步控制方法.利用Lyapunov判据证明了闭环系统的所有误差最终一致有界,并通过仿真得出本文所提出的控制方法相比于传统PID与神经网络动态面控制（Radial Basis Function Dynamic Surface Control,RBFDSC）,位置跟踪误差分别提高了近7.5%和3%;当LuGre模型参数变化时,自适应算法也可以精确对摩擦力进行跟踪补偿,从而验证了本文所提出的控制策略的有效性和鲁棒性.     

带有时变时滞和未知死区的纯反馈系统的自适应跟踪控制

针对一类带有时变时滞和未知死区的纯反馈非线性系统,提出一种新的自适应模糊跟踪控制方案。采用自适应反步法设计了一个虚拟控制输入信号;利用模糊逻辑近似解决了系统中的未知函数所带来的困扰;为了处理未知死区干扰,设计了一个自适应模糊控制器,使用中值定理解决纯反馈结构中设计控制器的复杂问题。该控制方案保证闭环系统所有信号半全局一致有界,与此同时,系统的跟踪误差收敛到原点的一个小邻域内。最后,仿真例子证明了方案的有效性。     

控制受限的卫星姿态自适应滑模镇定

研究控制输入受限的卫星在转动惯量大小完全未知且存在有界外干扰时的资态镇定问题,利用四元数和双曲正切函数的有界性设计了-种不依赖于卫星转动惯量的有界鲁棒自适应滑模控制律,其中自适应律在线调节滑模面参数.用李亚普诺夫方法证明了:通过选择控制器参数可保证闭环系统的姿态误差和角速度误差渐近趋于零.仿真结果表明:利用所设计的控制律可在控输入受限情况下有效抑制外部干扰和转动惯量不确定性的影响,达到预期控制目标.     

一类MIMO系统的自适应模糊观测器设计

针对一类MIMO非线性状态不可测系统,提出一种基于观测器的自适应模糊控制方法。该方法应用＂主导输入＂的概念,同时考虑了函数逼近误差和系统外扰的存在,假设了该系统逼近误差和系统外扰有界但界未知的情况;并探讨了自适应模糊控制器的参数自适应律由跟踪误差和逼近误差共同进行调节。基于李亚普诺夫函数证明了闭环系统的所有信号是有界的,并且跟踪误差收敛到零。仿真结果表明了该方法的有效性。     

输入受限乘波体飞行器无估计预设性能控制

针对输入受限的乘波体飞行器跟踪控制问题,提出了一种无估计的预设性能控制方法。首先,针对可能发生的执行器饱和问题,设计了一种新型抗饱和补偿系统。然后,利用补偿系统状态构造新的预设性能转换误差,基于预设性能控制与反演控制的方法,为速度子系统与高度子系统设计了无需估计的低复杂度控制器。该设计方法的优越性在于无需状态估计与神经逼近,显著降低了控制的复杂度与计算量。基于Lyapunov稳定理论证明了所有转换误差与跟踪误差最终一致有界。最后,通过数值仿真验证了所提方法的有效性。     

具有输入饱和的电液伺服系统反步位置跟踪控制

针对具有输入饱和的电液伺服系统,设计一种基于干扰观测器的反步位置跟踪控制器。利用干扰观测器对系统中由外部扰动、参数不确定等引起的未知复合干扰进行估计,同时利用跟踪微分器估计虚拟控制量的微分信号,有效降低控制器复杂性。基于Lyapunov稳定性理论证明在所设计控制器的作用下,闭环系统所有信号一致最终有界。最后对某650 mm轧机电液伺服系统进行仿真,验证所提方法具有较好的跟踪性能。     

无反步设计的严格反馈型非线性系统神经网络自适应跟踪控制

针对一类具有外部干扰、仅输出可测的SISO严格反馈型非线性系统,提出一种神经网络输出反馈跟踪控制方法。该方法将严格反馈型系统转换成标准仿射型系统,从而避免反步设计过程,且无需设计状态观测器。最终控制律和神经网络权值更新律中仅用到输出误差。基于Lyapunov方法证明了闭环系统所有信号有界,跟踪误差收敛到有界紧集内。最后,应用高机动导弹的位置跟踪控制验证了该方法的有效性。     

三角形式非线性离散系统自适应神经网络控制

针对一类控制输入为三角形式的多输入多输出离散非线性系统,提出了基于反步法的自适应神经网络控制方法.由于该系统的控制输入为非仿射形式,不能采用反馈线性化的方法设计控制系统;因此,首先采用隐函数定理证实了能够使系统输出跟踪期望轨迹的理想控制输入的存在性,并构造了理想的控制输入.利用高阶神经网络估计这些控制输入,提出了基于反步法的自适应神经网络控制方法.证明了所提出的控制方法能够保证闭环系统的所有信号半全局一致最终有界,并通过仿真验证了该方法的有效性.     

一种控制增益函数未知的自适应模糊控制

针对一类控制增益函数未知的、含有不确定项的非线性系统,为实现其跟踪控制目标,提出了一种鲁棒直接自适应模糊控制方法.该方法仅要求控制增益函数为有界函数,用广义模糊双曲正切模型逼近一个与控制增益函数无关的新颖的等价控制器,并为消除系统中的不确定项和逼近误差设计了一个双曲形式的鲁棒补偿控制项,从而保证了系统跟踪误差收敛到原点的一个小的邻域内,且所有的变量一致有界,控制输入平滑没有抖振.利用Lyapunov函数证明了该算法的有效性,并用倒立摆仿真实例进行了验证.     

带有输入饱和的化工聚合过程抗干扰跟踪控制

针对一类典型的化工乳液聚合过程,研究其同时存在执行器饱和以及外部干扰情况下的抗干扰形状分布控制问题.首先,结合乳液聚合过程的动力学特性进行建模得到目标粒径分布函数,再利用样条函数逼近目标的粒径分布,建立输出粒径分布函数和权系数间的动态关系,并分析存在外部干扰和执行器饱和限制下的系统动态性能;其次,引入凸包表示法对执行器饱和进行处理,利用干扰观测器观测未知干扰,设计PI控制输入实现对权重的动态跟踪;最后,基于Lyapunov方法计算控制增益和扰动观测器增益,验证系统的稳定性,使其动态跟踪误差趋于零.通过对一类乳液聚合模型进行仿真,验证了该算法的可行性和有效性.     

有外部扰动的随机纯反馈非线性系统的自适应模糊控制

应用模糊逼近方法研究了一类具有外部扰动的随机纯反馈非线性系统的自适应模糊控制问题。在反推设计的每一步中,利用中值定理解决纯反馈非线性函数问题。通过设计虚拟控制信号和自适应率,解决外部扰动问题。基于模糊逻辑系统的逼近能力,设计了一种新的自适应控制方案,保证了闭环系统的所有信号一致有界,并且跟踪误差收敛到原点的小邻域。最后仿真结果证明了所提出方案的有效性。     

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.     

高超声速飞行器模糊自适应动态面容错控制

针对输入饱和下高超声速飞行器发生执行机构损伤故障并存在参数不确定的情况,提出了一种基于Nussbaum增益技术的模糊自适应动态面容错控制策略.对于飞行器的高度和速度子通道,分别设计了动态面和动态逆控制器.利用双曲正切函数逼近飞行器的输入饱和特性,并基于中值定理将其转化为控制输入的仿射形式.对于损伤故障和参数不确定导致的控制增益未知问题,通过引入Nussbaum增益技术既保证控制系统稳定,又可以避免控制器奇异问题.通过设计模糊自适应系统,在线逼近包含不确定参数与饱和逼近误差的未知函数项,且引入范数估计思想,使得每个模糊系统仅包含一个自适应参数,以减小计算量.稳定性分析证明了闭环控制系统的半全局一致最终有界性,仿真结果验证了该容错控制算法的有效性.     

一类具有非线性输入系统的自适应模糊控制

基于滑模控制基本原理,利用I型模糊逻辑系统对未知函数进行在线逼近,提出了一种具有监督器的自适应模糊滑模控制方法.该方法通过监督控制器保证闭环系统所有信号有界,并进一步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.通过李亚普诺夫方法,证明了跟踪误差收敛到零.仿真结果表明了该方法的有效性.     

具有未知类反斜线回滞系统的自适应模糊控制

基于变结构控制原理,利用模糊逻辑系统对未知函数进行在线逼近,提出了一种具有监督器的自适应模糊控制方法.该方法通过监督控制器保证闭环系统所有信号有界,并引入最优逼近误差的自适应补偿项以消除建模误差的影响.通过李亚普诺夫方法,证明了跟踪误差收敛到零的一个小邻域内.仿真结果表明了该方法的有效性.     

输入饱和约束下不确定切换系统状态反馈抗干扰控制

针对一类带有输入饱和约束的模型不确定切换系统研究了系统的抗干扰控制问题.基于系统模型不确定信息满足全局Lipschitz条件和干扰为输入匹配且范数有界的假设,利用变增益控制理论,构造了一类依赖干扰界值的复合控制器形式.结合最小状态依赖切换信号设计,利用多Lypunov函数理论,给出了系统局部鲁棒渐进可镇定条件及闭环系统稳定的吸引域估计.     

船舶航向跟踪系统自适应滤波反步终端滑模控制

针对船舶航向非线性系统,提出了一种基于自适应滤波反步法的终端滑模控制器. 系统由二阶非线性野本模型和舵机响应模型串联组成,考虑了模型不确定性和外部干扰等未知项,并由模糊系统对未知项进行在线逼近. 首先引入二阶低通滤波器,避免了对虚拟控制律的解析求导,从而简化了反步控制器的设计,而且滤波器的低通特性可大大减小测量噪声的影响;然后利用滤波反步法的结果设计了终端滑模面,并最终得到了使系统跟踪误差有限时间收敛的终端滑模控制器. 根据Lyapunov理论证明了闭环系统所有误差变量均是一致最终有界的. 仿真结果验证了所提方法的有效性.      

不确定非线性系统的自适应反推终端滑模控制

针对一类具有未知非线性函数的严格反馈型不确定非线性系统,提出了一种自适应反推终端滑模控制方法。反推控制的前n-1步结合动态面控制技术设计虚拟控制律,第n步仅采用一个神经网络函数逼近器补偿系统所有未知非线性函数,得到了基于全局快速终端滑模控制的自适应神经网络控制器；通过引入一阶滤波器，不仅避免了传统反推控制存在的复杂计算,提高了系统的收敛速度,而且通过引入逼近误差和不确定干扰上界的自适应补偿项来消除建模误差和参数估计误差的影响,改善了稳态跟踪精度。理论分析证明闭环系统所有信号半全局一致终结有界，仿真结果验证了该方法的有效性。