具有未知控制方向的自适应神经网络控制

讨论了一类具有未知死区模型和未知函数控制增益的SISO非线性系统的自适应神经网络控制问题.根据滑模控制原理,并利用Nussbaum函数的性质,提出了一种自适应神经网络控制器的设计方案.该方案取消了函数控制增益符号已知和死区模型参数上界、下界已知的条件.通过引入逼近误差的自适应补偿项来消除建模误差和参数估计误差的影响.理论分析证明了闭环系统是半全局一致终结有界,且跟踪误差收敛到零.     

具有未知死区和增益符号的自适应神经网络控制

针对一类具有未知死区和未知控制增益符号的单输入单输出非线性系统,根据滑模控制原理,并利用Nussbaum函数的性质,提出两种自适应神经网络控制器的设计方案. 通过引入示性函数,提出一种简化死区模型,取消了死区模型的倾斜度相等的条件. 通过引入逼近误差的自适应补偿项来消除建模误差和参数估计误差的影响. 理论分析证明闭环系统是半全局一致终结有界. 仿真结果表明该方法的有效性.     

一类耦合系统的直接自适应神经网络控制

针对一类具有未知常数控制增益的耦合大系统，根据滑模控制原理，利用多层神经网络的逼近性质，提出了一种直接自适应滑模控制器的设计方案．通过在线调节神经网络的连接权、滑模控制增益，实现了对动态不确定性及建模误差的自适应补偿．利用李亚普诺夫方法，证明了自适应控制系统是全局稳定的，跟踪误差收敛到零．     

具有死区输入的不确定分数阶混沌系统的同步

针对一类具有死区非线性输入和外部扰动的不确定分数阶混沌系统同步问题,提出一种模糊神经网络结合自适应滑模控制的同步方法.利用模糊神经网络逼近未知的非线性函数,并且对逼近误差采用自适应控制进行补偿,同时构造了一种具有较强鲁棒性的分数阶积分滑模面.应用分数阶Barbalat引理和分数阶稳定性理论,设计自适应模糊神经网络滑模控制器和参数自适应律.数值仿真结果验证了该控制方法的有效性.     

基于NDO的高阶非线性系统自适应反推滑模控制

针对一类高阶非匹配不确定非线性系统轨迹跟踪问题,将反推控制和滑模控制相结合,设计一种基于非线性干扰观测器(NDO)的自适应反推滑模控制方案.通过设计每一步的李雅普诺夫函数保证闭环系统全局渐进稳定,且跟踪误差一致且有界.设计NDO对非匹配干扰进行补偿,建立系统建模误差自适应律并引入双曲正切函数.仿真表明:闭环系统能够实现对指定轨迹的稳定跟踪,且对非匹配干扰和建模误差同时具有鲁棒性,并有效降低控制抖振.     

火箭炮位置伺服系统非奇异终端模糊滑模控制

针对火箭炮位置伺服系统运行过程中所存在的转动惯量和冲击力矩变化大等各种不确定因素,提出了一种基于多滑模面的终端模糊滑模控制策略。引入Nussbaum增益补偿实际控制器不确定量,使用模糊逻辑系统自适应补偿系统中未知非线性量,最后一步引入非奇异终端滑模使系统的位置误差在有限时间内收敛,从而降低系统参数变化和外部干扰对火箭炮跟踪性能的影响。仿真结果表明,同传统终端滑模控制方法相比,该控制方法不仅能够有效消除滑模抖振,保证系统速度响应和控制精度,同时对参数摄动和负载扰动具有很强的鲁棒性。     

非线性系统的积分变结构间接自适应模糊控制

讨论了一类不确定非线性系统的间接自适应模糊控制问题．基于变结构控制原理，并利用具有线性可调参数的模糊系统去逼近过程未知函数，提出一种具有监督控制器的积分变结构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．进一步通过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．理论分析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．     

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.     

具有输出限制的纯反馈系统的神经网络控制

为了研究一类具有输出限制的不确定非线性纯反馈系统的自适应神经网络追踪控制问题,利用神经网络的非线性逼近能力与自适应控制的反推法给出该系统的自适应控制器;利用障碍Lyapunov函数与隐函数存在定理进行控制器的设计。结果表明,该控制方法保证了闭环系统所有信号的半全局一致最终有界性。     

非线性系统的积分变结构间接自适应模糊控制

讨论了一类不确定非线性系统的间接自适应模糊控制问题 .基于变结构控制原理 ,并利用具有线性可调参数的模糊系统去逼近过程未知函数 ,提出一种具有监督控制器的积分变结构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 .进一步通过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 .理论分析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     

基于动态面控制的MIMO自适应神经网络控制

针对一类具有未知函数控制增益的多输入多输出(M IM O)非线性系统,基于后推设计方法和动态面控制技术,提出一种间接自适应神经网络控制方案.该方案通过引入1阶滤波器,消除了后推设计中由于反复对虚拟控制的求导而导致的复杂性问题,并避免了反馈线性化方法可能出现的控制器奇异性问题,参数估计无需使用投影算法.利用李亚普诺夫方法,证明了闭环系统半全局一致终结有界,通过适当选取设计常数,跟踪误差可收敛到原点的一个小邻域内.仿真结果表明了该方法的有效性.     

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.      

机械臂位置跟踪自适应反演滑模控制律设计

针对机械臂位置跟踪控制问题,设计了一种新型自适应反演滑模控制律。该方法利用机械臂各关节的位置和速度误差建立了滑模面函数,并根据反演原理设计了反演滑模控制律。然后,通过设计合适的自适应律对外部扰动进行在线补偿,降低了系统对外部扰动的敏感性,有效地抑制了系统的抖振。最后利用Lyapunov定理证明了系统的稳定性。仿真结果说明该控制律具有较好的控制性能。     

基于自适应反步滑模控制的主动队列管理

针对TCP网络的拥塞控制问题,基于自适应反步滑模控制提出了一种主动队列管理算法。由于系统的不确定在实际工程中很难或根本无法事先获得,设计一个自适应律来实时适应系统不确定的值,从而消除系统不确定所带来的影响。利用此自适应律,提出一个自适应反步滑模控制器,使得系统具有较好的暂态性能和鲁棒性能。仿真结果表明,该方法对TCP网络的复杂变化具有较好的鲁棒性和较快的系统响应。     

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。     

基于反演滑模控制的区分服务网络拥塞控制算法

针对区分服务网络的两种典型业务类型(奖赏业务和确保业务)分别进行分析和控制,应用非线性流体流理论建立区分服务网络模型,设计推导出一种新的自适应滑模控制器.先将非线性流体流模型转化为参数严格反馈的形式,然后应用反演控制理论完成控制器的设计.通过该方法设计的自适应反演滑模控制器,能够抑制系统的未知动态和不确定性扰动,使缓冲器队列长度的调节达到理想效果.在理想滑动模态下系统渐近稳定,仿真结果进一步验证了该控制器的有效性.     

基于RBF的TCP网络自适应滑模控制

针对TCP网络的拥塞控制问题,提出了一种基于RBF神经网络的自适应滑模控制算法.为了简化滑模控制器的设计,将系统的各个不确定参数和非线性补偿整合成一个总的不确定.考虑到网络系统的不确定性上界很难获得,使用RBF神经网络对系统不确定的上界进行自适应学习.将RBF神经网络的输出作为不确定上界的补偿,从而消除了系统的不确定带...     

改进神经网络自适应滑模控制的机器人轨迹跟踪控制

为了提高机器人轨迹跟踪控制性能,在神经网络滑模控制方法的基础上,提出了一种改进型神经网络自适应滑模控制方法.该方法将神经网络作为控制器,利用其非线性映射能力来逼近各种未知非线性,同时通过在控制律中加入鲁棒项来消除逼近误差.考虑到隐含层单元数和网络结构参数对神经网络映射有效性的影响,将降低抖振作为优化目标,采用粒子群优化算法对网络结构参数进行优化.最后在Matlab/Simulink环境下进行了仿真实验,并与其他控制方法进行了对比分析.仿真结果表明,基于该方法所设计的控制系统具有良好的鲁棒性和控制精确度,同时有效地削弱了抖振.