基于RBF逼近不确定项的机械手自适应控制研究

针对机械手控制系统中的不确定因素,提出了RBF神经网络逼近不确定项的自适应控制策略。在逆动力学计算力矩方法的基础上,设计了鲁棒自适应控制器。利用RBF神经网络对模型中的不确定项分块进行逼近,并用Lyapunov稳定性理论建立了网络权重自适应学习律,证明了系统的全局稳定性;最后进行了仿真,结果表明该方法能够有效的消除模型不确定性的影响,准确地实现了轨迹跟踪。     

不确定线性反馈控制系统的稳定鲁棒性分析

应用矩阵范数的概念，建立了分析不确定线性状态反馈控制系统和不确定线性输出反馈控制系统稳定鲁棒性的代数方法．     

基于观测器的线性不确定系统控制器设计新方法

在实际应用中,大多控制系统均存在各种不确定性和扰动。针对这类系统的鲁棒控制方法,如综合μ、 H∞控制、保成本控制、变结构控制等近年来得到了深入的研究。但在已有的方法中,为了确保较强的鲁棒性, 通常要以降低系统性能为代价,且通常需要预先给出不确定/扰动项的边界估计值。本文针对线性不确定性 系统提出了一种新的控制器设计方法,整个设计分两步完成:首先基于给定的标称模型给出高性能的控制器, 然后利用状态观测器获得用以补偿不确定/扰动的控制输入项。仿真实例表明,新的控制方法不仅具有较好 的鲁棒性,而且相对于保成本控制具有更高的性能。尤其是当预先给定的不确定/扰动项的边界远超出实际 值时,采用本文方法,系统性能十分接近最优值,而利用保成本控制方法,系统性能与最优值相去甚远。     

不确定离散系统的鲁棒网络滤波器设计与仿真

本文研究了一类不确定离散系统的鲁棒滤波问题,其中不确定性存在于系统的状态矩阵和输出矩阵当中,且满足范数有界条件。对于所有容许的参数不确定性,构造一个带时延的网络滤波器,使得滤波误差系统渐近稳定且满足一定的性能指标。给出了滤波器存在的充分条件,并通过矩阵变量替换得到了设计滤波器的LMI 方法。最后,仿真结果很好地说明了本文方法的有效性。