基于自适应重复学习的不确定多涡卷混沌系统同步控制

基于滞环函数提出一种参数可调的多涡卷混沌系统构造方法. 针对复杂不确定性系统, 综合利用自适应神经网络和重复学习控制方法设计一种自适应重复学习同步控制器; 利用自适应重复学习控制方法对周期时变参数化不确定性进行处理; 对函数型不确定性利用神经网络逼近技术进行补偿; 设计鲁棒学习项对神经网络逼近误差和扰动上界进行估计; 通过构造类Lyapunov 复合能量函数证明了同步误差学习的收敛性. 仿真结果验证了所提出方法的有效性.

     

不确定分数阶多涡卷混沌系统自适应重复学习同步控制

研究了不确定分数阶多涡卷混沌系统的自适应重复学习同步控制问题.通过利用滞环函数,设计了一类参数可调的分数阶多涡卷混沌系统.针对这类分数阶多涡卷混沌系统,在考虑非参数化不确定性、周期时变参数化不确定性、常参数化不确定性和外部扰动情况下,提出了一种重复学习同步控制方案.利用自适应神经网络技术补偿了系统中的函数型不确定性,通过自适应重复学习控制技术处理了周期时变参数化不确定性,并利用自适应鲁棒学习项处理了神经网络逼近误差和干扰的影响,实现了主系统和从系统的完全同步.综合利用分数阶频率分布模型和类Lyapunov复合能量函数方法证明了同步误差的学习收敛性.数值仿真验证了所提方法的有效性.     

具有输入死区的非线性系统的鲁棒重复控制

针对一类输入含死区非线性特性的周期时变系统, 在周期时变参数不可参数化的情形下设计鲁棒重复控制器. 采用微分自适应律估计未知死区参数, 剩余的有界项通过鲁棒方法予以消除, 为避免出现颤振现象, 采用饱和函数替代符号函数. 在系统输出跟踪周期轨迹的情形下, 将非参数化不确定项转化为含周期时变参数的形式, 以达到利用周期学习律进行估计的目的. 理论分析与仿真结果表明, 采用部分饱和或全饱和学习算法均能实现输出误差有界收敛, 并保证闭环系统所有信号有界.     

输入具有齿隙非线性特性的周期系统的自适应控制

针对一类输入含齿隙非线性动态特性的周期时变系统, 在周期不确定性可时变参数化的条件下设计自适应控制器. 对周期时变参数进行傅里叶级数展开, 并采用微分自适应律估计未知傅里叶系数和齿隙动态特性参数, 通过鲁棒方法消除截断误差和齿隙模型的有界误差项对系统性能的影响. 采用双曲函数替代符号函数确保控制器可微, 同时能有效抑制颤振. 引入Δ函数, 避免参数估计发散, 并保证系统输出渐近跟踪理想轨迹. 理论分析与仿真结果表明, 闭环系统所有信号有界.     

非参数不确定系统的双周期重复控制

针对一类扰动周期与参考信号周期之间无公共倍数的非参数不确定系统,为实现系统输出对参考信号的跟踪,本文提出一种双周期重复控制方法.基于Lyapunov方法设计控制器,结合鲁棒方法与双周期重复学习方法处理非参数不确定性与周期性扰动,利用无限幅学习方法估计时变参数.经过足够多个周期的重复运行后,可实现系统输出在整个参考信号重复周期上无误差地跟踪参考信号.最后,通过仿真示例验证所提控制方法的有效性.本文给出了闭环系统中无限幅学习量有界的数学证明,其结果优于多数现有文献中的L2意义下有界.     

非线性时滞系统的周期自适应学习跟踪控制

针对一类参数未知的周期非线性时滞系统的输出跟踪控制问题,设计了一种周期自适应迭代学习跟踪控制算法,该方法利用信号置换的思想重组系统,并在假设未知时变参数和参考输出的周期具有已知最小公倍数的情况下,将时滞以及其他不确定的时变项合并为一个周期性的辅助时变参数新变量,进而用周期自适应算法来估计该辅助量.通过构造一个Lyapunov-Krasovskii型复合能量函数,分析了系统的收敛性,证明了经过多次重复迭代学习,所有闭环信号有界且输出跟踪误差收敛,最后通过构造数值实例进行了仿真验证.理论分析和仿真结果表明,该算法简单有效,对于非线性时滞系统的跟踪问题具有很好的控制效果.     

不确定性R¨ossler 系统的自适应鲁棒跟踪控制

研究具有外部不确定性R¨ossler 混沌系统的鲁棒跟踪控制问题. 基于动态面控制原理设计自适应鲁棒控制器, 给出了系统参数的自适应更新律, 使得被控闭环系统的各误差变量一致有界. 系统输出曲线渐近跟踪任意期望轨道, 且跟踪误差能被控制在任意小的范围内, 而无须知道系统的参数及外部不确定性的界限. 基于稳定理论给出了具体的稳定性分析, 并通过数值仿真验证了该方法的有效性及鲁棒性.

     

含有参数化和非参数化不确定性系统重复学习控制

针对含有参数化和非参数化的高阶非线性系统,设计了一种重复学习控制方案.假设未知时变参数和参考信号的共同周期是已知的,通过参数重组技巧,将所有未知时变项合并为一个周期时变向量.将改进Backstepping方法与分段积分机制相结合,构造了微分-差分参数自适应律和重复学习控制律,使跟踪误差在误差平方范数意义下渐近收敛于零.利用Lyapunov泛函,给出了闭环系统收敛的充分条件.仿真结果验证了该方法的有效性.     

漂浮基空间机器人的径向基神经网络鲁棒自适应控制

针对一类同时具有参数及非参数不确定性的自由漂浮空间机器人系统的轨迹跟踪问题,采用了一种RBF神经网络的自适应鲁棒补偿控制策略.对于系统的参数不确定性,通过对径向基神经网络来自适应学习并补偿,逼近误差通过滑模控制器消除,神经网络权重的自适应修正规则基于Lyapunov函数方法得到;而非参数不确定通过鲁棒控制器来实时自适应...     

基于改进的FNNs移动机械臂输出反馈跟踪控制

针对包含电机动态模型的移动机械臂系统,提出一种鲁棒自适应输出反馈控制方法.将误差符号函数鲁棒积分反馈与神经网络前馈结构相结合用于控制器的设计,然后利用神经网络去逼近机器人和电机系统的不确定项,设计鲁棒项实时补偿网络误差.通过Lyapunov稳定性分析证明闭环系统所有信号半全局一致有界.最后仿真实验表明,控制方法对系统动态不确定性和外界干扰有很好的鲁棒性,可实现移动机械臂的输出反馈跟踪控制.     

Partial-period adaptive repetitive control by symmetry

This paper presents a partial-period adaptive repetitive control method for a class of periodically time-varying nonlinear systems. To reduce the size of memory usage, the symmetric feature of periodic parameters is explored to form partial-period adaptation mechanisms. Both Half- and quarter-period adaptation strategies are proposed, and characterized analytically. The stability of the closed-loop system with each repetitive control is established, along with tracking error convergence to zero. In addition, the saturated-adaptation is suggested for providing bounded estimation.     

一类非线性参数化系统自适应重复学习控制

针对一类高阶非线性参数化系统, 利用分段积分机制, 提出了一种新的自适应重复学习控制方法. 该方法结合反馈线性化, 可以处理参数在一个未知紧集内周期性快时变的非线性系统, 通过引进微分-差分混合型参数自适应律, 设计了一种自适应控制策略, 使广义跟踪误差在误差平方范数意义下渐近收敛于零, 通过构造Lyapunov泛函, 给出闭环系统收敛的一个充分条件. 实例仿真结果说明了该方法的可行性.     

离散自适应重复控制: 收敛性分析与实现

针对周期已知情形下的离散周期时变系统, 提出一种自适应重复控制方法, 参数估计采用带死区修正的重复学习投影算法. 关键技术引理在分析离散自适应控制系统时起到了关键作用, 通过推广这一引理, 文中给出重复域关键技术引理, 用于证明离散自适应重复控制系统的稳定性和收敛性. 理论分析表明, 系统的输入和输出信号均有界; 且当周期数趋于足够大时, 跟踪误差收敛于一邻域中, 其半径为干扰的界. 在直线电机实验装置上的应用结果验证了 所提出重复控制方法的有效性.     

周期时变时滞非线性参数化系统的自适应学习控制

针对一阶未知非线性参数化周期时变时滞系统, 设计了一种自适应学习控制方案. 假设未知时变参数, 时变时滞和参考信号的共同周期是已知的, 通过重构系统方程, 将包含时变时滞在内的所有未知时变项合并成为一个周期时变向量, 采用周期自适应律估计该向量. 通过构造一个Lyapunov-Krasovskii型复合能量函数证明了所有信号有界并且跟踪误差收敛. 结果被推广到一类含有混合参数的高阶非线性系统. 通过两个仿真例子说明本文所提出的控制算法的有效性.     

基于S类函数的严格反馈非线性周期系统的自适应控制

针对一类严格反馈非线性周期系统, 在周期非线性可时变参数化的条件下设计自适应控制器. 通过将周期时变参数展开成傅里叶级数, 并采用微分自适应律估计未知系数, 进行控制器反推设计. 引入S类函数, 并在控制器设计中应用S类函数处理截断误差项对系统跟踪性能的影响, 同时, S类函数能确保虚拟控制的可微. 给出几种不同的S类函数设计, 分析比较将其应用于控制器设计时产生的不同效果. 理论分析与仿真结果表明, 提出的控制方法能够实现系统输出跟踪期望轨迹, 且闭环系统所有信号有界.     

A Discrete-Time Periodic Adaptive Control Approach for Time-Varying Parameters With Known Periodicity

A periodic adaptive control approach is proposed for a class of nonlinear discrete-time systems with time-varying parametric uncertainties that are periodic, and the only prior knowledge is the periodicity. The new adaptive controller updates the parameters and the control signal periodically in a point-wise manner over one entire period, and in the sequel, achieves the asymptotic tracking convergence. The result is further extended to a scenario with mixed time-varying and time-invariant parameters, and a hybrid classical and a periodic adaptation law is proposed to handle the scenario more appropriately. The extension of the periodic adaptation to systems with unknown input gain, higher order dynamics, and tracking problems is also discussed.     

Intelligent Robust Tracking Control for a Class of Uncertain Strict-Feedback Nonlinear Systems

This paper addresses the problem of designing robust tracking controls for a large class of strict-feedback nonlinear systems involving plant uncertainties and external disturbances. The input and virtual input weighting matrices are perturbed by bounded time-varying uncertainties. An adaptive fuzzy-based (or neural-network-based) dynamic feedback tracking controller will be developed such that all the states and signals of the closed-loop system are bounded and the trajectory tracking error should be as small as possible. First, the adaptive approximators with linearly parameterized models are designed, and a partitioned procedure with respect to the developed adaptive approximators is proposed such that the implementation of the fuzzy (or neural network) basis functions depends only on the state variables but does not depend on the tuning approximation parameters. Furthermore, we extend to design the nonlinearly parameterized adaptive approximators. Consequently, the intelligent robust tracking control schemes developed in this paper possess the properties of computational simplicity and easy implementation. Finally, simulation examples are presented to demonstrate the effectiveness of the proposed control algorithms.