基于单神经元自适应PSD算法用于混沌镇定控制

为了镇定混沌系统的不稳定周期轨道,提出了一种基于单神经元自适应PSD算法的状态延迟反馈法用于混沌的镇定控制。仿真结果表明,该算法不仅能够自适应地完成控制参数的整定过程,而且具有适用范围广、镇定时间短、抗干扰能力强等优点。     

基于变伸缩因子的模糊自适应船舶航向控制

针对船舶航向控制系统中固有的非线性和模型不确定性,提出一种基于变伸缩因子的模糊自适应控制方法.该控制方法基于Norbbin非线性船舶运动模型,采用Lyapunov稳定性理论确保闭环系统的稳定性,结合投影算法设计参数自适应律,能够以精简的模糊规则实现较高的控制性能.仿真结果验证了该控制方法的有效性和优越性.     

一类不确定非线性系统的神经网络鲁棒反推镇定控制

对一类不确定非线性系统,将反推控制和神经网络相结合,研究了其鲁棒渐近镇定控制问题。与通常研究中被控对象仅局限于严格反馈形式相比较,研究对象更具一般性。基于反推控制方法来构造镇定控制器,利用神经网络来逼近控制器构造过程中产生的不确定项,并提出一种新的自适应算法来在线调节神经网络权值。通过一步步适当地选取虚拟控制器的参数和神经网络权值的自适应律,最终得到的控制器使得整个闭环系统是全局渐近稳定的。     

一种基于微粒群算法的自适应滑模控制

提出了一种基于微粒群算法的自适应滑模控制方法,把微粒群算法运用于自适应滑模控制器设计中.首先利用一种自适应算法估计系统中总不确定量的上确界,然后利用微粒群算法对自适应滑模控制器的切换参数和自适应参数进行优化调节,在改善系统控制性能和鲁棒性的同时削弱了抖振.仿真研究结果证明了该方法的有效性.     

BP神经网络自学习PID算法在PLC的实现

目前神经网络自适应PID算法在理论研究方面的成果已经较多,在实际生产过程中的应用较少.以水箱控制为被控对象,利用神经网络在线调节PID控制器参数来增强系统的自适应能力,并采用PLC编程语言完成算法实现,将其应用于实际的液位控制系统中.实际运行结果表明,该系统运行稳定可靠,调节时间和上升时间提高了30%.     

船舶航向非线性系统自适应模糊补偿控制

摘要： 研究了船舶直航和谐波航向控制问题.基于Lyapunov稳定性理论,将自适应模糊补偿技术应用到船舶航向非线性响应模型中,利用万能逼近定理构造模糊系统逼近系统中的未知非线性,提出了一种基于自适应模糊补偿且带有物理约束二阶滤波器的鲁棒跟踪控制器.运动响应模型考虑了建模误差和外界干扰,模糊系统能有效地逼近非线性系统,控制器能够准确地跟踪预设航向和转首角速度.舵角控制结合舵机伺服系统模型,操舵情况符合物理现实. 数值仿真在相同控制参数下与传统比例 微分(PD)控制作比较,结果验证了自适应模糊控制器的有效性和优越性.     

基于least-squares算法的随机非线性系统自适应控制的模块化设计

线性系统中基于估计的模块化设计就是任意镇定的控制器能够和任意标准的辨识器结合在一起,将这种设计思想推广到不确定随机非线性系统的鲁棒自适应控制设计中,设计一个输入状态稳定控制器模块,该控制器具有很强的参数鲁棒稳定性.根据Swapping技术设计辨识器模块,它由两个滤波器组成,将动态参数模型转化为静态模型,基于最小二乘(least-squares,LS)算法设计参数自适应律,并与梯度算法的设计结果进行比较研究,仿真结果验证了该算法的有效性.     

带有饱和输入和转弯半径限制的Dubins' Car位姿镇定

针对具有饱和输入和最小转弯半径约束的Dubins' Car,提出一种非线性系统连续位姿镇定方法.通过建立人工吸引协调场,用变论域自适应模糊控制在线调整协调因子,调节系统的线速度.由弹道成型制导律推导出角速度控制律,获取能量最省的收敛轨迹.考虑了实际系统的输入饱和限制和最小转弯半径约束.扩展后的控制律可实现平面内满足最小转弯半径约束的任意点一点镇定.确保系统的指数稳定性,位姿指数收敛到期望值.仿真结果表明具有较高的位姿镇定精度.     

欠驱动船舶运动的非连续变参数镇定控制

为解决欠驱动船舶在风浪干扰下不同距离镇定控制及镇定参数优化问题,设计了非连续变参数控制算法.借助微分同胚变换及控制输入变换,将欠驱动船舶运动学及动力学模型转化为具有反馈链式级联形式的两个子系统,基于backstepping技术分别设计了反馈控制率.Lyapunov直接法证明该控制策略可使闭环系统所有信号全局一致渐进稳定.对干扰进行了Lyapunov补偿,得到原系统具有收敛参数可调的非连续反馈控制率.仿真结果表明,控制器对外界干扰具有鲁棒性;可以通过参数优化实现船舶不同距离镇定,并达到不同状态约束要求.     

非线性ODE-PDE耦合系统边界控制的局部镇定

主要考虑利用边界控制解决线性常微分方程(ODE)与非线性偏微分方程(PDE)耦合系统的局部镇定问题.通过含有核函数和向量值函数的Backstepping变换设计出控制律,同时给出了闭环系统局部指数镇定的证明.对线性常微分方程与非线性偏微分方程耦合系统进行仿真,结果表明该反馈控制律是可行的.     

欠驱动船路径跟踪的反演自适应动态滑模控制方法

针对欠驱动水面船的路径跟踪控制系统,提出一种反演自适应动态滑模控制方法。该系统由船舶艏摇非线性响应模型和Serret-Frenet误差动力学方程组成,并考虑建模误差和外界干扰力等不确定性。经过简化处理,将原欠驱动系统的控制问题转化为非线性系统的镇定问题。同时,基于反步方法和动态滑模控制理论,设计自适应动态滑模控制器。通过理论分析,证明在该控制器作用下,路径跟踪控制系统是全局渐近稳定的。仿真试验表明:该控制器对系统参数摄动和外界干扰不敏感,具有强鲁棒性和自适应性。     

严参数反馈非线性系统的自适应控制

本文对一类严参数反馈系统或经过变换可化为该种类型的非线性系统,基于backstepping递推设计方法,进行了自适应控制的设计.在此过程中,我们获得了对参数进行修正的规则.应用Lyapunov稳定性理论证明,该自适应控制器可保证整个非线性系统的稳定性.和有关文献中提出的设计自适应控制器所应用的方法相比,此方法引进了虚拟控制的概念,通过适当的引入虚拟控制,使得系统误差具有期望的渐进性态,从而实现整个系统的渐进镇定.     

一个新混沌系统不稳定平衡点的镇定

用线性反馈控制和自适应控制方法研究了一个新的混沌系统不稳定平衡点的镇定问题.当系统参数已知时,借助系统在平衡点附近的线性化模型,利用状态线性反馈控制器可以镇定系统所有的平衡点;当参数未知时,利用自适应控制策略,可以把系统镇定到期望的不稳定平衡点.利用Lyapunov函数和LaSalle不变原理对结论给予了严格证明,并用数值仿真说明了这种方法的有效性.     

具有动态不确定的非线性系统的鲁棒自适应输出调节

针对包含静态不确定和未建模动态等一类不确定非线性系统,研究了其在线性、中性稳定的外系统驱动下的鲁棒输出调节问题．设计过程主要分为两部分,首先运用调节器方程解和标准内模将输出调节问题转化为鲁棒镇定问题;然后给出鲁棒自适应控制律镇定闭环系统,同时利用控制输入项和外系统信息设计出内模方程．调节器使闭环系统的信号全局最终有界,且误差被调节至渐近趋于零．仿真结果验证了设计方法的有效性．     

TCP/AWM网络系统的自适应有限时间漏斗拥塞控制

研究了具有外部扰动的TCP/AWM网络系统拥塞控制问题.首先,为了保证队列跟踪误差具有预设的暂态和稳态性能,引入漏斗误差变换对队列跟踪误差进行限制.其次,利用RBF神经网络处理系统中存在的非线性项.结合漏斗控制、有限时间控制、自适应Backstepping技术和RBF神经网络,提出了一种主动窗口管理算法,不仅保证了闭环系统的所有信号是半全局实际有限时间有界的,还使队列跟踪误差收敛到预先给定的漏斗边界内.最后,将本文所提方法与现有的两种同类算法进行了仿真对比,通过得到的仿真结果可以看出所设计的控制器使系统具有更快的收敛速度和更小的超调量,进一步验证了所提方法的可行性和优越性.     

克隆选择辨识的船舶航向自适应PD控制

为解决船舶营运中存在的模型参数摄动和外界干扰的不确定性问题,提出一种船舶航向自适应PD控制算法.采用免疫克隆选择算法进行在线船舶模型辨识,将存在不确定干扰和模型摄动的船舶作为一个"黑箱",将短时间内的船舶状态在线辨识为二阶线性模型,根据系统预定性能要求动态调整PD控制参数,使船舶获得理想输出.对抗体初始种群采用最优模型保留和随机初始化相结合的策略,提高了不确定性问题的在线优化效率.对一个三阶非线性货船的仿真试验表明,该算法有效提高了PD控制器的稳态性能.     

BP神经网络自学习PID算法在PLC的实现

目前神经网络自适应PID算法在理论研究方面的成果已经较多,在实际生产过程中的应用较少。以水箱控制为被控对象,利用神经网络在线调节PID控制器参数来增强系统的自适应能力,并采用PLC编程语言完成算法实现,将其应用于实际的液位控制系统中。实际运行结果表明,该系统运行稳定可靠,调节时间和上升时间提高了30%。     

面向无线传感器网络的自适应模糊神经拓扑控制算法

为有效控制无线传感器网络节点能耗,提出一种自适应模糊神经控制系统,并设计基于自适应模糊神经拓扑控制算法——AFNTC.该算法中模糊控制器参数由人工神经网络训练后获得,且通过反馈、循环的方式,不断调整节点的通信范围控制节点传输功率,从而使节点实际能耗接近预设的期望值,延长网络生命周期.实验结果表明,AFNTC算法能达到节点能耗可控的目的,相比模糊控制的拓扑控制(FCTP)算法和局部平均(LMA)算法,具有更低、更稳定的节点平均耗能.     

基于滤波反步法的船舶航向跟踪控制

针对存在不确定性的非线性船舶航向运动数学模型,将反步算法和command filter technique相结合,提出一种新的非线性神经网络自适应控制器设计方法.基于Lyapunov稳定性分析理论,采用command filter technique消除传统反步法中存在的"计算爆炸"问题,同时将神经网络权值的范数作为估计参数,以减少控制器的计算负担,便于工程实现和应用.所设计的非线性自适应神经网络控制器使船舶航向控制系统中所有信号一致有界,航向误差收敛于零.仿真结果验证了该算法的有效性.     

船舶直线航迹控制的鲁棒自适应非线性设计

针对船舶航迹控制非线性系统模型中存在的不确定性和外界干扰的影响，提出了一种鲁棒自适应控制算法．该算法将鲁棒干扰抑制技术融入自适应反演设计方法中，使得系统的输出和所得闭环系统全局一致最终有界，而且闭环系统的控制性能可以通过适当的选择设计参数而得到保证，另外，该算法还避免了控制器可能存在的奇异值问题，在计算机仿真研究中，以大连海事大学“育龙”号实习船为设计实例，验证了所提出的控制器的有效性。