一类非线性系统的模糊变结构控制方案

针对一类特殊非线性系统的模糊变结构控制及稳定性问题,通过将非线性系统化为多个精确T S模型来建立非线性系统精确的T S模糊模型,将模糊理论与成熟的线性变结构控制理论相结合设计出一种模糊变结构控制器,提出了使全局模糊模型稳定的充分条件,并用Lyapunov稳定性理论证明该控制器能确保模糊动态模型全局渐近稳定,从而使非线性系统稳定。仿真结果表明了该设计方法的有效性。     

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。     

非线性系统的模糊变结构控制及应用

采用T S模糊动态模型逼近非线性系统 ,将非线性系统模糊化为局部线性模型。用Lyapunov稳定性理论设计出确保T S模糊模型全局渐近稳定的变结构控制器。应用到Lorenz和Rossler两类混沌系统的稳定控制中 ,仿真验证了方案的有效性 ,不需要改变被控混沌系统的内部结构 ,且具有良好的稳定性。模糊控制器结构简单 ,规则少 ,有推广应用价值     

一类非线性系统的新型增益调度变结构跟踪控制

针对一类参数不确定非线性系统的增益调度变结构跟踪控制,以切换函数作为调度变量,同时考虑系统稳态误差的指标要求,对滑动平面系数、边界层厚度以及控制器系数进行调度,得到了一种新型的增益调度变结构控制策略。不仅消除了系统颤振,减少了系统能耗,提高了系统的控制性能,使得系统能够快速进入并获取稳定的滑动模态,而且使跟踪系统能够满足稳态误差指标的要求。仿真算例验证了所提控制策略的有效性。     

非线性系统基于HM模型的变结构控制

对非线性系统的稳定控制问题进行了研究，基于HM模型对非线性系统进行描述，并将全局HM模型表示成含不确定项的形式，在满足匹配条件下，采用稳定性理论设计出确保HM模型全局渐近稳定的滑模变结构控制器，用一级倒立摆进行仿真验证，控制器结构简单，只用较少的模糊规则，就能得到满意的控制效果，成功地将变结构控制应用于非线性系统，有推广应用价值。     

一类基于T-S模型的非线性系统模糊完整性控制

针对一类非线性系统的执行器故障,提出了一种基于T-S模型的模糊完整性容错控制设计方法。将不同模糊规则下的系统模型转化为其中一个模糊规则下的不确定性系统,分别给出执行器故障前后模糊控制器存在的充分条件,证明了两个充分条件存在交集的情况下,根据LMI原理设计的模糊完整性控制器使得在执行器卡死或失效时,仍然能够保证非线性闭环系统的稳定性。仿真算例表明了本方法的有效性。     

一类纯反馈非仿射非线性系统的自适应神经网络变结构控制

研究了一类非仿射的纯反馈单输入单输出非线性系统。针对此系统,在中值定理、神经网络参数化和解耦Backstepping的基础上,提出了一种自适应变结构神经网络控制策略,而且所给出的定理证明闭环系统的所有信号在平衡点上是半全局一致有界的。通过对一个非仿射CSTR对象的仿真验证了该方法的有效性。     

一类基于神经网络非线性随机系统自适应滤波

给出非线性MIMO随机系统可观性定义和条件，将非线性SISO确定性系统局部可观性理论拓展到非线性MIMO随机系统，基于这一理论在系统模型和噪声统计未知情况下，提出一类基于神经网络的非线性离散随机系统自适应滤波器的设计方法，考虑过程方程的动态特性和输出方程的静态特性，设计了动态神经网络作为系统的滤波器，前馈神经网络作为系统的输出预报器，充分利用已知观测信息训练两个神经网络，从而提高了状态估计的精度，该方法克服了扩展Kalman滤波要求模型和统计特性精确已知的不足，仿真例子验证了所提出的估计方法的有效性。     

一类非线性大系统的鲁棒变结构观测器

研究了一类具有结构和参数不确定性的非线性关联大系统状态观测器设计问题。在假定非线性系统的线性部分是可观测、不确定性和关联项满足Lipschitz条件的情况下,利用变结构控制的思想提出了一种非线性状态观测器设计方案,并证明了该观测器的指数收敛特性。所设计的观测器对结构和参数不确定性具有较强的鲁棒性。最后给出仿真研究说明了所提方法的有效性。     

不确定非线性系统变结构模糊自适应鲁棒控制

考虑一类不确定非线性系统的鲁棒控制器设计问题,在假设系统不确定性函数结构未知的情况下,利用模糊系统对不确定性函数进行逼近,将获得的模糊系统函数作为系统不确定性界函数。在此基础上,提出了一种变结构模糊自适应鲁棒控制算法,该算法在确保系统的滑动模态超平面为渐近可达的前提下,在线对系统模型的控制增益参数和不确定性函数的界参数进行估计。最后以船舶减摇鳍非线性控制系统为例,进行了变结构鲁棒自适应模糊控制器的设计。仿真研究表明,所提出的算法是有效的。     

非线性挠性结构的神经网络变结构控制

针对非线性挠性结构的模态截断 ,模型不精确与不确定性 ,以及非线性特性 ,采用了神经网络与变结构相结合的控制方法 ,针对线性化部分设计变结构控制器 ,把模型不确定性以及非线性部分作为干扰 ,用神经网络辨识切换函数的实际值与理想值之差 ,该差值反映了模型与实际系统的差别。该方法对摄动具有很强的鲁棒性 ,大大减小了系统在切换面上的抖动。针对挠性结构的模态不可测性 ,以及传感器的失误概率随其数量的增大而迅速增大的特性 ,采用了神经网络观测器观测系统状态。     

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。     

非线性系统的模糊滑动模态控制

针对未建模的动态非线性系统,根据滑动模态控制原理,导出了基于Ｌｙａｐｕｎｏｖ稳定性的一种模糊控制器设计方法;避免了以往非线性滑模控制中控制信号的不连续造成系统“颤动”问题;显示出模糊推理的作用。     

一类模型模糊系统的模型参考自适应控制

针对一类模型可用一组模糊规则来描述的系统,提出了一种模型参考自适应控制律。根据 Ｌｙａｐｕｎｏｖ理论证明了闭环系统是稳定收敛的。仿真例子证实了该方法的有效性。     

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。     

一类非线性时滞系统的可靠控制设计

针对一类非线性时滞系统 ,首先不考虑故障情况 ,设计了一种控制器 ,使得系统在控制器的作用下 ,对于任意的初始状态都能控制到原点。然后针对可能发生的故障 ,利用神经网络的在线建模能力 ,以其输出作为原有控制律的附加控制信号来补偿故障对系统的影响 ,从而构成了一种可靠控制器 ,实现了该类系统的可靠控制。     

一类带非线性扰动不确定系统的脉冲控制

在实际系统中,总存在各种干扰。针对一类带非线性扰动的线性不确定系统,采用脉冲控制的方法来实现鲁棒镇定,提出了脉冲控制下新的鲁棒可镇定判据,并通过实例仿真验证了所得结果的有效性。     

A Fuzzy-Neural Network Control of Nonlinear Dynamic Systems

1.INTRODUCTIONInrealfile,therearemanyprocessesthataretoocomplex,highlynonlinear,uncertaininparametersanddisturbances,itissodifficulttogettheaccuratemathematicalmodel-basedtraditionalcontroldesignmethodologiescannotbeemployedeffectively,fuzzylogicandneuralnetworkprovideeffectiveapproachfordealingwiththeuncertaintyandnonlinearity,andhavebeenappliedtotherealmofmodeling,identificationandcontrolofnonlinearsystemsinrecentyears[1-4].Aclassofneuralnetworks,thefeed-forwardnetworks,havebeenproventob…