基于反馈增益的AUV稳定神经网络反步变深控制

为解决自主水下航行器的变深控制问题,提出一种基于反馈增益的反步控制方法.首先,通过设计控制器参数消除部分非线性项,在保证系统稳定性的同时设计神经网络控制器来补偿纵倾运动中的模型不确定性;然后,通过自适应鲁棒控制器对神经网络的逼近误差予以消除,以加快神经网络的收敛学习速度,神经网络权值和逼近误差估计的学习律可由李雅普诺夫稳定性理论推导得出,保证了闭环系统的一致最终有界性;最后,通过仿真实验验证了所提出方法的有效性.     

基于神经网络的模型跟随鲁棒自适应控制

针对一类复杂非线性动力学系统,提出一种基于神经网络动态补偿的模型跟随非线 性鲁棒自适应控制策略.采用神经网络在线补偿控制器以克服系统的未建模动力学和非线性 耦合因素的影响,从而提高了模型跟随控制的动态性能和稳态精度;当系统存在模型不确定 性和外部扰动时,其输出仍能精确地跟踪期望参考模型的输出.同时给出了闭环误差系统鲁 棒稳定性的证明.应用示例表明,所提方法可保证闭环系统具有良好的跟踪性能和鲁棒性,且 算法简单,易于在线控制.     

基于神经网络的自由漂浮空间机器人关节空间鲁棒跟踪控制

针对存在不确定性以及干扰的自由漂浮空间机器人关节空间轨迹跟踪问题,提出了一种基于鲁棒控制思想的神经网络鲁棒控制方法.对于控制器中由系统惯性参数不确定性引起的非线性不确定项,利用径向基函数(RBF)神经网络进行逼近,并且利用鲁棒控制器使系统镇定并保证从干扰到跟踪误差的增益小于或等于给定的指标.最后,对本文提出的控制方案进...     

带有未建模动态的船舶减摇鳍的鲁棒自适应控制

针对船舶减摇鳍非线性数学模型,提出一种鲁棒自适应控制器,可以用于存在非线性不确定、未知有界扰动和未建模动态的情况。应用Lyapunov稳定性理论证明,所提出的鲁棒自适应控制器可保证整个非线性系统的稳定性,且通过适当选择设计参数,可使跟踪误差达到任意精度。仿真结果表明了所提方法的有效性。     

基于自适应动态规划的非线性鲁棒近似最优跟踪控制

为克服现有近似最优跟踪控制方法只能跟踪连续可微参考输入的局限,本文针对一类具有未知动态的连续时间非线性时不变仿射系统,提出了一种新的基于自适应动态规划的鲁棒近似最优跟踪控制方法.首先采用递归神经网络建立系统模型,然后建立评价神经网络对最优性能指标进行估计,从而得到最优性能指标偏导数的估计值,进而得到近似最优跟踪控制器,最后利用系统输出与参考输入之间的跟踪误差设计鲁棒项对神经网络建模误差进行补偿.分别针对两个非线性系统进行仿真实验,仿真结果表明了所提方法的有效性和优越性.     

基于单网络评判学习的非线性系统鲁棒跟踪控制

针对一类具有不确定性的连续时间非线性系统,提出一种基于单网络评判学习的鲁棒跟踪控制方法.首先建立由跟踪误差与参考轨迹构成的增广系统,将鲁棒跟踪控制问题转换为镇定设计问题.通过采用带有折扣因子和特殊效用项的代价函数,将鲁棒镇定问题转换为最优控制问题.然后,通过构建评判神经网络对最优代价函数进行估计,进而得到最优跟踪控制算法.为了放松该算法的初始容许控制条件,在评判神经网络权值更新律中增加一个额外项.利用Lyapunov方法证明闭环系统的稳定性及鲁棒跟踪性能.最后,通过仿真结果验证该方法的有效性和适用性.     

永磁同步电机伺服系统高精度自适应鲁棒控制

针对具有参数和负载转矩不确定性以及其它不确定项的永磁同步电机(PMSM)伺服系统,利用非线性反步法设计了自适应鲁棒控制器.在系统模型中考虑了包含建模误差和外界干扰的其它不确定项,引入了鲁棒反馈控制,可以有效减小各种不确定性对系统性能的影响,实现了PMSM伺服系统高精度的位置跟踪.理论分析证明了位置跟踪误差按指数收敛.通过仿真验证了该方法比传统的自适应反步控制具有更好的鲁棒性和控制精度.     

具有输入齿隙的一类非线性不确定系统自适应鲁棒控制

针对一类具有未知输入齿隙、参数不确定以及未建模动态和干扰的非线性系统,设计了自适应鲁棒控制器.将齿隙非线性模型等价表示为具有有界建模误差的全局线性化模型,在此基础上设计了包含自适应模型补偿、反馈稳定和鲁棒反馈3部分的自适应鲁棒控制器,并给出了系统动态跟踪误差和稳态误差指标.理论分析证明,闭环控制系统信号有界且跟踪误差在任意期望的精度范围内,仿真研究验证了所提出方法的有效性.     

船舶航向控制的多滑模鲁棒自适应设计

针对带有未知虚拟控制增益和常参数不确定的非匹配不确定船舶航向非线性控制问题,设计了一种新的多滑模鲁棒自适应控制算法.该算法利用神经网络来逼近系统模型的不确定性;应用逐步递推的多滑模控制算法降低了控制器的复杂性;尤其是采用Nussbaum函数处理系统中符号未知的问题,避免了可能存在的控制器奇异值问题;然后借助Lyapunov稳定性分析方法,理论分析证明了所得闭环系统全局一致最终有界,且跟踪误差收敛到零.仿真试验结果表明,该方法具有较好的控制效果.     

基于神经网络的无人机滑模飞行控制设计

针对无人机受扰运动,基于Backstepping方法和非线性滑模控制提出了一种鲁棒神经网络飞行控制方案。对无人机姿态角速度层的系统不确定性项,采用径向基函数神经网络并对其权值进行在线调整,从而实现对其进行逼近。将回馈递推设计方法与滑模控制方法结合起来,基于神经网络的输出为无人机设计了一种回馈递推滑模飞行控制器。所设计的飞行控制器用于无人机的姿态控制,仿真结果表明所研究的无人机鲁棒神经网络飞行控制方案是有效的。     

基于非线性增益递归滑模的船舶轨迹跟踪动态面自适应控制

针对三自由度全驱动船舶存在模型不确定和未知外部环境扰动的情况,设计出一种基于非线性增益递归滑模的船舶轨迹跟踪动态面自适应神经网络控制方法.该方法综合考虑船舶位置和速度误差之间关系设计递归滑模面,引入神经网络对船舶模型不确定部分进行逼近,设计带σ-修正泄露项的自适应律对神经网络逼近误差与外界环境扰动总和的界进行估计,并应用一种非线性增益函数构造动态面控制律,选取李雅普诺夫函数证明了该控制律能够保证轨迹跟踪闭环系统内所有信号的一致最终有界性.最后,基于一艘供给船进行仿真验证,结果表明,船舶轨迹跟踪响应速度快、精度高,所设计控制器对系统模型参数摄动及外界扰动具有较强的鲁棒性.     

Adaptive disturbance estimation and cancelation for ships under thruster saturation

This work addresses the problem of disturbance estimation and cancelation for ships with ocean disturbances and modeling uncertainties under thruster saturation effects. The ocean disturbances are expressed as the multiple sinusoidal disturbances with unknown frequencies, amplitudes, and phases. By means of a parametric exogenous system and a canonical model with unknown disturbances being inputs, the ocean disturbances are represented as the multivariate regression model with unavailable regressors and regression parameters. An observer is employed to provide the regressor estimation, such that the disturbance estimation and cancelation are converted to the adaptive control problem. The robust control term with the adaptive technique attenuates the modeling uncertainties. The thruster saturation effects are reduced using the state vectors from the auxiliary dynamic filter to online correct the control errors. The ship disturbance cancelation controller is derived via the adaptive backstepping. The closed‐loop tracking system is guaranteed to be uniformly ultimately stable and the ship's position and heading navigate along with desired trajectories. The proposed adaptive control scheme is validated by simulations with comparisons on a 1:70 scaled model ship CyberShip II in different cases.     

Adaptive neural network tracking control for manipulators with uncertain kinematics, dynamics and actuator model

A neural-network-based adaptive controller is proposed for the tracking problem of manipulators with uncertain kinematics, dynamics and actuator model. The adaptive Jacobian scheme is used to estimate the unknown kinematics parameters. Uncertainties in the manipulator dynamics and actuator model are compensated by three-layer neural networks. External disturbances and approximation errors are counteracted by robust signals. The actuator controller is designed based on the backstepping scheme. Compared with the existing work, the proposed method considers the manipulator kinematics uncertainty, does not need the “linearity-in-parameters” assumption for the uncertain terms in the dynamics of manipulator and actuator, and guarantees the tracking error to be as small as desired. Finally, the performance of the proposed approach is illustrated by the simulation example.     

喷水推进型无人艇航向跟踪的反步自适应滑模控制*

针对单泵喷水推进型无人滑行艇的航向跟踪非线性系统,提出了一种反步自适应滑模控制方法。该系统由无人艇运动非线性响应模型和舵机伺服系统组成,并考虑运动响应模型的建模误差、外界干扰力等非匹配不确定性,利用全局微分同胚坐标变换将原系统变换为具有下三角特征的非线性系统。基于Backstepping方法和滑模控制理论,提出了一种自适应滑模控制律;利用Lyapunov函数,证明该控制律保证了航向跟踪系统的全局渐近稳定性。仿真对比结果验证了所提出控制器的有效性。     

Robust adaptive control for greenhouse climate using neural networks

This paper presents a general framework for robust adaptive neural network (NN)‐based feedback linearization controller design for greenhouse climate system. The controller is based on the well‐known feedback linearization, combined with radial basis functions NNs, which allows the feedback linearization technique to be used in an adaptive way. In addition, a robust sliding mode control is incorporated to deal with the bounded disturbances and the approximation errors of NNs. As a result, an inherently nonlinear robust adaptive control law is obtained, which not only provides fast and accurate tracking of varying set‐points, but also guarantees asymptotic tracking even if there are inherent approximation errors. Copyright © 2010 John Wiley & Sons, Ltd.     

多关节机器人的神经滑模控制

针对含有建模误差和不确定干扰的多关节机械臂轨迹跟踪控制,提出了一种神经滑模控制方法。该方法采用全局快速终端滑模面保证了系统状态能够在有限时间内到达滑模面和平衡点。采用径向基函数神经网络自适应地补偿系统的建模误差和外界干扰,保证了滑模控制在滑模面的运动。利用李亚普诺夫稳定性判据推导出了控制器的控制律和神经网络的目标函数,通过神经网络的在线学习,削弱了滑模控制的抖振。仿真结果表明了其有效性。     

非完整移动机器人的神经网络鲁棒自适应控制

在非完整移动机器人轨迹跟踪问题中,针对机器人运动学与动力学模型的参数和非参数不确定性,提出了一种混合神经网络鲁棒自适应轨迹跟踪控制器,该控制器由运动学控制器和动力学控制器两部分组成;其中,采用了参数自适应的径向基神经网络对运动学模型的未知部分进行了建模,并采用权值在线调整的单层神经网络和自适应鲁棒控制项构成了动力学控制器;基于Lyapunov方法的设计过程保证了系统的稳定性和收敛性,仿真结果证明了算法的有效性。     

Distributed consensus control for multi‐agent systems using terminal sliding mode and Chebyshev neural networks

This paper investigates the problem of consensus tracking control for second‐order multi‐agent systems in the presence of uncertain dynamics and bounded external disturbances. The communication ?ow among neighbor agents is described by an undirected connected graph. A fast terminal sliding manifold based on lumped state errors that include absolute and relative state errors is proposed, and then a distributed finite‐time consensus tracking controller is developed by using terminal sliding mode and Chebyshev neural networks. In the proposed control scheme, Chebyshev neural networks are used as universal approximators to learn unknown nonlinear functions in the agent dynamics online, and a robust control term using the hyperbolic tangent function is applied to counteract neural‐network approximation errors and external disturbances, which makes the proposed controller be continuous and hence chattering‐free. Meanwhile, a smooth projection algorithm is employed to guarantee that estimated parameters remain within some known bounded sets. Furthermore, the proposed control scheme for each agent only employs the information of its neighbor agents and guarantees a group of agents to track a time‐varying reference trajectory even when the reference signals are available to only a subset of the group members. Most importantly, finite‐time stability in both the reaching phase and the sliding phase is guaranteed by a Lyapunov‐based approach. Finally, numerical simulations are presented to demonstrate the performance of the proposed controller and show that the proposed controller exceeds to a linear hyperplane‐based sliding mode controller. Copyright © 2011 John Wiley & Sons, Ltd.     

基于自组织小波小脑模型关节控制器的不确定非线性系统鲁棒自适应终端滑模控制

针对一类不确定非线性系统的跟踪控制问题,在考虑建模误差、参数不确定和外部干扰情况下,以良好的跟踪性能及强鲁棒性为目标,提出基于自组织小脑模型(self-organizing wavelet cerebellar model articulation controller,SOWCMAC)的鲁棒自适应积分末端(terminal)滑模控制策略.首先,将小脑模型、自组织神经网络和小波函数各自优势相结合,给出一种SOWCMAC,以保证干扰估计方法具有快速学习能力和更好的泛化能力.其次,设计两种改进的terminal滑模面构造方法,并分别给出各自的收敛时间.然后,基于SOWCMAC和改进的积分terminal滑模面,给出不确定非线性系统鲁棒自适应非奇异terminal控制器的设计过程,其中通过构造自适应鲁棒项抑制干扰估计误差对系统跟踪性能的影响,并利用Lyapunov理论证明闭环系统的稳定性.最后,将该方法应用于近空间飞行器姿态的控制仿真实验,结果表明所提出方法有效性.     

基于神经网络观测器的船舶轨迹跟踪递归滑模 动态面输出反馈控制

针对三自由度全驱动船舶速度向量不可测问题,考虑船舶模型参数和外部环境扰动均未知的情况,提出一种基于神经网络观测器的船舶轨迹跟踪递归滑模动态面输出反馈控制方法.该方法设计神经网络自适应观测器估计船舶速度向量,且利用神经网络逼近模型参数不确定项,综合考虑船舶位置和速度误差之间关系构造递归滑模面,再采用动态面控制技术设计轨迹跟踪控制律和参数自适应律,并引入低频增益学习方法消除外界扰动导致的高频振荡控制信号.选取李雅普诺夫函数证明了该控制律能够保证轨迹跟踪闭环系统内所有信号的一致最终有界性.最后,基于一艘供给船进行仿真验证,结果表明,船舶轨迹跟踪响应速度快,所设计控制器对系统模型参数摄动及外界扰动具有较强的鲁棒性.