非线性系统的自适应控制仿真研究

本文以本溪合金厂电解铜箔车间电流密度为控制对象,对系统中造成产品浪费的死区和齿隙两个非线性环节进行线性化处理,并采用自校正调节器控制,使系统的稳态误差缩小到1％左右,动态性能指标也满足一定要求。     

一类非线性系统的自适应神经跟踪控制

针对一类未知非线性动态系统,提出了一种基于神经网络的自适应输出跟踪控制方案。网络权值的自适应修正规则是基于Lyapunov稳定性理论实现的,避免了递归训练过程;一个滑模控制项用于消除神经网络逼近误差的影响。因此,该自适应神经控制器能保证系统的全局稳定性和输出跟踪误差渐近收敛于0。     

神经网络非线性预测控制仿真软件包

介绍了神经网络非线性预测控制仿真软件包,从OOP和消息驱动机制出发研制了仿真软件结构和设计,从而为控制理论和应用提供了仿真研究平台。     

基于神经网络的非线性系统的间接自适应控制

针对一类不确定非线性动态系统 ,利用多层神经网络系统MNNs的逼近能力 ,提出了一种间接鲁棒自适应神经网络控制器的设计方案。该方案不仅能够保证闭环系统的所有信号有界 ,而且理论分析证明了闭环系统的跟踪误差渐近收敛到零。仿真试验表明本控制算法是有效的。     

带有非线性测量方程的跟踪系统的仿真研究

探讨了具有非线性测量方程的跟踪系统的计算机仿真方法。给出了一类常见的跟踪系统的数学模型和仿真模型。并以一个实例说明了该仿真方法的可行性。     

基于状态观测器的非线性系统神经网络自适应控制

结合高增益观测器,针对相对阶为n的非线性系统,设计了神经网络自适应控制器。利用Lyapnov定理获得了神经网络权值的更新律和控制器的控制律,从而确保了整个闭环系统的稳定性和有界性。由于神经网络不需任何的离线训练,因而该控制器能够广泛应用于一大类非线性性系统的控制中。仿真结果验证了控制方案的有效性。     

基于神经网络一类非线性系统自适应控制

对一类未知可控非线性仿射系统,假设其状态不完全可测。首先,利用动态回归神经网络建立其状态方程和输出方程,用Lyapunov理论证明了辩识误差∈L∞;然后,设计状态反馈控制器,使系统的输出跟踪参考输出,从理论证明了跟踪误差趋于零。最后,通过一个仿真实验验证了本方法的有效性。     

基于多模型结构的非线性鲁棒自适应跟踪控制

针对复杂的非线性系统,提出一种基于多模型结构的鲁棒自适应控制方法,使得系统可以在不同的运行环境下跟踪给定的信号.由多个线性模型和一个模糊模型及其相应的控制器构成基本的多模型控制系统,再引入动态结构自适应神经网络以保证系统的稳定性及抑制由频繁切换引起的噪声.最后,对某小型飞机进行全包络飞行跟踪控制的仿真,验证所提控制方法是有效的.     

一类模糊时滞系统自适应跟踪控制与仿真

基于T-S模糊模型和变结构控制策略,研究了一类带有参数不确定项的模糊时滞系统自适应输出跟踪问题。首先利用变结构控制理论选择滑动模,根据李雅普诺夫方法,提出了一种自适应变结构控制策略。利用自适应策略的目的在于克服扰动的未知上界,使设计的控制器满足可达条件。该方法确保系统的运动轨迹在有限的时间内到达滑模面并一直保持在滑模面上。其次根据ISS理论和LMI方法研究了系统状态全局有界的充分条件。最后,通过仿真实例验证了所提方法的正确性和有效性。     

一种时变非线性系统的自适应逆控制仿真

对一种非线性时变系统提出了基于神经网络的自适应逆控制方案。该方案中用两个动态神经网络分别作为模型辨识器和自适应逆控制器,详细推导了在线训练自适应逆控制器的BPTM(backpropagationthroughmodel)和RTRL(realtimerecursivelearning)算法。根据大幅面喷墨打印机的结构特点,建立了打印头车架系统的时变非线性动力学模型作为仿真对象,在Matlab/Simulink平台下进行了算法仿真验证。结果表明了该方案收敛快,能有效控制该时变非线性对象。     

Adaptive Robust Control for A Class of Nonlinear Systems with Unknown Uncertainties

CONTROL THEORY AND APPLICATION1. INTRODUCTIOnThe practical systems inevitably contain some kinds of uncertain elements. With the existence of uncertainties,the performance of systems may be changed, even may cause the systems stableless. Under such imperfectknowledge of the model, controllers are tried to design so that the controlled system has certain satisfactoryproperties. In the past, robust controller design generally hinges on three main assumptions: 1) the systemstate ve…     

一类不确定非线性系统的鲁棒自适应控制

针对一类具有未知控制方向、未知参数以及未建模动态的非线性系统,提出了一种带有死区修正的鲁棒自适应递推控制策略.该策略不需要控制方向符号的先验知识.根据参数的上下界先验信息,分别将光滑投影算法和非连续投影算法与参数自适应律结合起来,既抑制了参数的漂移,又使估计参数达到了最小.算法保证了闭环系统所有信号的有界性,同时使得跟踪误差收敛于零的任意小邻域内.     

一类非线性系统的鲁棒自适应控制

针对一类含有不确定参数和未知扰动的非线性系统，提出一种鲁棒自适应控制方法以确保系统输出稳定地精确跟踪给定的参考信号。控制器的设计分两步进行：首先，在不考虑扰动的情况下，采用一种基于参数映射的Lyapunov设计方法设计系统参数自适应控制器；然后，在该自适应控制器的基础上，采用衰减控制策略设计鲁棒补偿器，实现对扰动的抑制。最后通过数字仿真验证了设计方案的有效性。     

STATE-FEEDBACK ADAPTIVE STABILIZING CONTROL DESIGN FOR A CLASS OF HIGH-ORDER NONLINEAR SYSTEMS WITH UNKNOWN CONTROL COEFFICIENTS

In this paper, a new approach is successfully addressed to design the state-feedback adaptive stabilizing control law for a class of high-order nonlinear systems in triangular form and with unknown and nonidentical control coefficients, whose stabilizing control has been investigated recently under the knowledge that the lower bounds of the control coefficients are exactly known. In the present paper, without any knowledge of the lower bounds of the control coefficients, based on the adaptive technique and appropriately choosing design parameters, we give the recursive design procedure of the stabilizing control law by utilizing the approach of adding a power integrator together with tuning functions. The state-feedback adaptive control law designed not only preserves the equilibrium at the origin, but also guarantees the global asymptotic stability of the closed-loop states and the uniform boundedness of all the other closed-loop signals.     

基于一种新型动态神经网络的非线性自适应逆控制

根据生物神经元的机能,提出了一种具有动态激励函数的新型神经元模型,由此构成的神经网络(DAFNN)应用在非线性自适应逆控制中时只需要确定隐层神经元个数,从而克服了用NARX回归神经网络时需确定输入和输出延时阶数及隐层神经元个数等多个参数的不足。通过对单输入单输出(SISO)及多输入多输出(MIMO)非线性系统的自适应逆控制仿真研究,证实了DAFNN是一种很好的非线性系统建模和控制工具。     

神经网络非线性预测优化控制及仿真研究

针对暖通空调等一类时变多输入多输出非线性过程控制系统，采用神经网络作为优化反馈控制器求解优化反馈解，并利用预测控制滚动优化能够克服干扰和不确定性影响的优势，采用基于Hamilton-Lagrange方法和预测滚动优化算法训练多层前向神经网络，同时对系统中某些不能直接测量且受到多种因素影响、计算复杂的时变参数也利用神经网络进行预测，以实现对象特性的实时预测。利用该控制方法对某变风量暖通空调模型进行了仿真，优化指标取舒适性指标和耗能量之和。仿真结果表明，采用此方法，在模型不确定和存在外在干扰的情况下可以得到较好的控制效果。     

基于鲁棒控制Lyapunov函数的非线性自适应跟踪

研究了一类带有未知参数以及扰动的多输入非线性系统的自适应跟踪问题，利用控制Lyapunov方法设计出一种自适应控制器。该控制器对系统的参数和状态的不确定性具有鲁棒性，并且能保证系统闭环全局稳定。仿真结果表明，该控制方案具有良好的跟踪性能、鲁棒性及参数辨识能力。     

一类非线性时滞系统的模糊预测控制

利用模糊T-S模型对一类输入受限的非线性时滞系统进行建模;在此基础上,提出了模糊预测控制,推导了预测性能指标上界,将稳定性约束,输入约束变换成容易求解的线性矩阵不等式形式。采用了并行分布补偿预测控制器,基于李雅普诺夫函数和线性矩阵不等式方法给出滚动时域优化的充分条件,证明了闭环系统的稳定性,仿真结果验证了所提方法的有效性。