基于反步法的机械臂鲁棒自适应位置/力控制

针对机械臂终端受环境约束而产生的位置/力控制问题,提出一种鲁棒自适应控制算法。该方案采用反步法的思想设计具有全局收敛特性的位置/力控制器,根据坐标变换得到降阶的动力学模型,设计中考虑了驱动电机模型使控制器更符合实际控制要求,并将其分解为动力学控制器和电机控制器两部分以降低设计难度。利用自适应方法对动力学模型中的非线性部分和未知扰动进行补偿,采用鲁棒控制克服电机参数的不确定性的影响。二自由度机械臂的仿真结果表明,系统能快速有效跟踪参考信号,说明该控制器是有效的。     

基于RBF网络的四旋翼无人机姿态鲁棒自适应反步滑模控制

针对存在干扰的四旋翼无人机姿态系统,设计了一种RBF网络鲁棒自适应反步滑模控制器．在反步滑模控制的基础上,通过RBF网络逼近和补偿标称控制律,采用神经网络最小参数学习法,取神经网络的权值上界估计作为神经网络的估计值,通过设计参数估计自适应律来代替神经网络权值的调整,并用Lyapunov理论证明系统的稳定性．仿真结果表明：该方法相比反步滑模控制方法,在有干扰的情况下,有更短的调节时间,更好的跟踪精度,验证了本方法具有更好的抗干扰性和鲁棒性．     

离散系统的鲁棒自适应控制

本文提出一种鲁棒间接自适应极点配置控制器，它利用相对死区技术使得控制器对一类未建模动态误差和恒定了界扰动具有鲁棒性。文中详细地分析了闭环系统的稳定性和收敛性，找到了保证佤渐近稳定的充分条件。     

基于网络的液压马达伺服位置系统自适应鲁棒积分控制

针对基于网络的液压伺服控制系统面临的网络延时和阀控马达建模结构不确定性问题,提出了基于Pade定理和反步推导方法合成的误差符号鲁棒积分自适应控制器。该控制器使用Pade定理近似处理时变网络引起的延时,降低延时对控制系统跟踪性能的影响,应用自适应率逼近系统结构不确定性和延时误差值,采用误差符号控制方法补偿剩余的结构不确定性。通过构造合适的Lyapunov函数,验证了闭环系统的全局稳定性,保证闭环系统所有信号的有界性和跟踪误差渐进收敛性。仿真结果表明了该控制方法的高精度跟踪性能。     

面向智能船舶的自动靠泊鲁棒自适应控制

针对智能船舶自动靠泊控制中因环境扰动、岸壁效应等因素的影响,导致控制精度降低和控制输出抖动,进而影响航行安全性的问题,提出了一种鲁棒自适应控制律.将动态面控制技术与反步法相结合,解决了传统反步法对虚拟控制求导造成计算复杂度增大的问题;设计了自适应律估计环境扰动,并引入鲁棒项补偿岸壁效应对船舶的干扰,以消除控制输出的抖振现象.基于一艘智能船舶模型的仿真结果验证了所提方法的有效性.     

基于Backstepping设计的非线性鲁棒自适应控制

针对一类具有未知参数,未建模动态和外界干扰的不确定非线性系统,选择适当的参数对这些不确定性进行估值和补偿,利用Backstepping方法,设计了一种新的鲁棒自适应控制器.该控制器能保证闭环系统的所有信号是全局有界的,且输出的绝对值可以任意小.仿真结果表明,所设计的鲁棒控制器达到了理想的结果.     

同步励磁发电机鲁棒自适应控制

利用backstepping和扰动抑制 (disturbanceattenuation)方法对同步发电机设计了一种非线性自适应鲁棒励磁控制器 .控制设计方法基于同步发电机的三阶非线性模型 ,对于系统中可能出现的各种不确定参数和有界扰动 ,给出了参数自适应律和控制律 ,保证了闭环系统在各种扰动情况下的稳定性 .最后做了系统从初始进入稳态和系统在三相短路及外部常值扰动情况下的仿真 ,并讨论了该方案扩展到多机系统的可能性 .     

基于多层神经网络的鲁棒自适应控制

针对一类不确定非线性动态系统，基于一种修改的Lyapunov函数，并利用多层神经网络系统（MNNs）的逼近能力，提出了一种鲁棒自适应神经 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，而且可保证闭环系统的跟踪误差渐近收敛到零。仿真试验表明了该控制算法是有效的。     

不确定非线性系统的鲁棒自适应控制

针对一类不确定非线性系统设计了一种鲁棒自适应控制方案,所设计的自适应控制器既能保证闭环系统所有信号的全局有界性,又能使跟踪误差以指数速度收敛到零的一个小邻域内,仿真结果表明了所提控制方案的有效性.     

一类不确定混合线性系统鲁棒自适应控制

通过分析一类具有Markov跳跃参数的不确定混合线性系统的随机稳定性问题,将确定型系统中的Lasalle稳定性定理推广到混合系统中,并对系统不确定部分的未知范数上界提出了一种参数自适应估计方法及相应的鲁棒控制律,实现了混合线性系统以概率1渐近稳定.研究结果表明,此控制方案对混合线性系统的不确定部分有较强的鲁棒性.     

电液伺服系统的小波自适应鲁棒反演控制

针对电液伺服系统,提出了一种小波自适应鲁棒反演控制方法.用两个小波神经网络来逼近电液伺服系统中的模型未知部分、参数不确定项和虚拟控制的导数,所有小波神经网络的参数均实现在线调节.控制律和自适应律的设计保证了闭环系统一致且最终有界,从而达到对非线性电液伺服系统稳定跟踪控制的目的.鲁棒补偿器的设计进一步改进了电液伺服系统的跟踪性能.仿真结果表明,该方法能较好地满足控制精度的要求,同时系统具有较强的适应性和鲁棒性.     

基于动态面backstepping控制的高超声速飞行器自适应故障补偿设计

针对带有冗余舵面的高超声速飞行器纵向模型,考虑舵面出现卡死故障情况下,分别设计了基于backstepping的高度容错控制器与基于动态逆的速度跟踪控制器.在运用backstepping自适应设计高度控制器时,采用动态面设计方法,引入一阶滤波器,避免了设计中对虚拟信号求导带来的复杂计算问题.针对舵面出现未知故障(不确定故障模式、大小、发生时间)的情况,设计容错控制器结构,给出实现故障补偿控制的匹配条件,根据Lyapunov稳定性理论设计的控制器参数自适应律保证系统的稳定性与指令跟踪性能.针对舵面出现卡死故障的情况,仿真对控制算法进行了验证,得到了较理想的控制效果.     

基于Backstepping的吸气式高超声速飞行器自适应控制

针对含有不确定性气动参数的吸气式高超声速飞行器（Air-Breathing Hypersonic Vehicles,ABHV）动力学模型,设计自适应Backstepping控制器。Backstepping的设计方法用来补偿模型中的不匹配性不确定性,以保证飞行器跟踪理想的高度、速度、攻角、机体角和俯仰角速率的变化轨迹。利用基于Lyapunov的稳定性分析用来保证控制器状态的渐进稳定性。基于MATALB的数值仿真结果证明设计的控制器的有效性。     

不确定非线性串联系统的鲁棒H∞自适应控制

针对含有未知参数和干扰的不确定非线性串联系统,运用本质改进的加幂积分器技巧及 backstep ping递归设计方法,提出了问题可解的充分条件以及可解时控制器的构造性算法,设计出一种新的鲁棒 H∞适应控制器,进而实现了闭环系统的鲁棒H∞几乎干扰解耦,仿真结果说明了结论的可行性.     

一种自适应鲁棒控制提高闭环系统精度的算法

将开关自适应控制与神经元网络相结合，提出了一种新的能连续调整的自适应鲁棒控制算法，给出了其闭环系统的跟踪收敛性证明。     

一类自适应神经网络控制器的设计

针对一类具有下三角形式的多重时滞非线性系统,研究了基于小波神经网络的自适应控制器设计方案.应用后推(backstepping)设计方法在递推的每一步设计一个Lyapunov-Krasovskii泛函并在最后一步得出控制u.应用Lyapunov-Krasovskii泛函稳定性定理证明了该控制器能保证闭环系统是半全局最终一致有界的(SGUUB).仿真实例验证了该控制器的有效性.     

基于模糊自适应的高超声速飞行器控制设计

由于采用机体/发动机高度一体化设计,吸气式超燃冲压高超声速飞行器的气动特性难以准确获得。针对这一特点,研究了一种基于模糊自适应的控制方法,使得高超声速飞行器在气动模型不确定情况下,依然能够保持较好的控制精度。采用模糊自适应方法设计了高超声速飞行器纵向控制系统,并进行了无偏和拉偏仿真。仿真结果表明,该方法能够有效克服气动模型不确定性,实现飞行器的速度和高度的跟踪控制。     

基于扰动观测器的高超飞行器建模及控制

提出了基于扰动观测器的高超声速飞行器控制器设计方法.针对高超声速飞行器的机体/发动机一体化设计布局、弹性轻质材料的广泛使用以及处于大高度和高马赫数的飞行条件的特点,建立了考虑推进及弹性影响的模型.在典型高超声速飞行器几何结构基础上,结合高超声速气动力学和气动弹性相关理论,建立了非线性纵向模型方程;分析模型不确定性的3种来源：参数、结构以及非结构,建立了非线性不确定模型;基于理论推导,采用基于扰动观测器的控制方法设计鲁棒控制器.仿真结果表明,本方法所设计的控制器在给定的不确定性范围内具有良好的鲁棒性.