一类非线性非严格反馈系统的间接自适应神经网络控制

针对一类非严格反馈非线性系统,本文提出了间接自适应神经网络控制器的设计方案,并基于系统函数界函数的单调递增性质,提出了变量分离方法,同时利用间接自适应神经网络控制技术和Backstepping(反推)相结合的方法,构造出间接自适应神经网络状态反馈控制器,所构造的间接自适应控制器,保证了闭环系统的所有信号是半全局有界的,并且系统的所有状态收敛到原点充分小的邻域内,有效地解决了一类非线性非严格反馈系统的自适应神经网络控制问题,并采用数值例子进行仿真实验。仿真结果表明,在本文所提出的控制律的作用下,不但保证了闭环系统的稳定,而且保证所有信号在闭环系统有界。该控制器为一类非严格反馈非线性系统的稳定性控制提供了理论参考。     

自适应事件触发下网络控制系统鲁棒容错控制

针对一类存在执行器故障和参数不确定的网络控制系统,研究基于自适应事件触发机制网络控制系统的鲁棒容错控制问题。首先,引入自适应事件触发机制,根据系统实际状态自适应调节其触发条件;然后,建立闭环网络控制系统数学模型,运用Lyapunov稳定性理论和线性矩阵不等式技术,推出系统稳定的充分条件,进而给出控制器与自适应事件触发机制的协同设计方案;最后,通过示例仿真验证了提出方案的有效性。     

自适应事件触发下网络控制系统鲁棒容错控制

针对一类存在执行器故障和参数不确定的网络控制系统,研究基于自适应事件触发机制网络控制系统的鲁棒容错控制问题。首先,引入自适应事件触发机制,根据系统实际状态自适应调节其触发条件;然后,建立闭环网络控制系统数学模型,运用Lyapunov稳定性理论和线性矩阵不等式技术,推出系统稳定的充分条件,进而给出控制器与自适应事件触发机制的协同设计方案;最后,通过示例仿真验证了提出方案的有效性。     

基于事件触发的大规模互联非线性系统的自适应分散漏斗控制

研究了一类不确定大规模非线性系统的分散自适应事件触发漏斗控制问题。首先,利用一个新的带有障碍李雅普诺夫函数的漏斗控制方法,构造了一种自适应分散漏斗控制器,以实现给定瞬态行为的输出跟踪。其次,为了解决控制器设计中的互联项问题,引入了一个辅助非线性函数。同时,将命令滤波技术应用到反步设计中,避免了反步过程中的“复杂性爆炸”问题。此外,还设计了一种事件触发机制,以减少控制器和执行器之间不必要的传输,从而提高资源效率。结果表明,所提出的控制方案能保证闭环系统的所有信号都是有界的,并且跟踪误差总是在漏斗中演化。最后,通过一个数值系统验证了该控制方法的有效性。     

基于事件触发机制的机械臂固定时间跟踪控制

针对一类单链路机械臂系统,研究其基于事件触发机制的固定时间跟踪控制问题.通过引入事件触发机制和命令滤波器,提出一种基于Lyapunov函数的事件驱动固定时间控制策略,在降低系统计算量的同时,减小通信占用率.基于所设计的控制器,闭环系统的所有信号有界,输出信号可以在固定时间内跟踪到期望信号,且收敛时间与机械臂初始状态无关...     

非线性时滞信息物理系统在网络攻击下的事件触发有限时间指令滤波跟踪控制（英文）

本文通过事件触发指令滤波控制解决受网络攻击的非线性时滞信息物理系统的安全有限时间跟踪问题。在攻击情况下,系统输出和状态信息无法用于反馈设计,经典坐标转换不能满足跟踪任务。为解决这一问题,提出一种同时考虑攻击增益和参考信号的坐标转换方法。利用变换后的变量,引入改进的分数阶滤波信号来克服复杂度爆炸问题,并利用Nussbaum函数处理时变的攻击增益。通过构造L-K泛函,提出一种自适应事件触发机制,大大节省了通信资源,保证了系统在网络攻击下的有限时间跟踪。最后,通过实例验证了该方法的有效性。     

最小事件间隔时间可设计的分布式事件触发优化算法

针对多智能体系统中的分布式凸优化问题,本文提出一种基于自适应事件触发机制的零梯度和优化算法.基于虚拟时钟设计了一种自适应事件触发条件,当每个智能体的虚拟时钟满足该条件时才触发条件,有效地降低了控制器的更新次数和系统的通信负担.通过构造李雅普诺夫函数,证明了在该算法下所有智能体的状态能渐近收敛到全局最优解.此外,所设计的事件触发条件使得最小事件触发间隔时间可设计,有效地排除Zeno行为.最后,通过仿真验证了该算法的有效性.     

事件驱动的卫星编队姿态分布式协同控制

星间信息交互是卫星编队姿态协同控制的基础.为降低姿态协同控制对星间交互的信息量,满足资源和通信带宽受限等约束,在卫星编队Euler-Lagrange姿态动力学模型的框架内,提出了一种基于事件驱动的相对姿态分布式自适应控制算法.通过设计含有星间状态偏差、关联矩阵等的事件驱动函数,当该函数值满足条件时触发事件、更新数据,在非触发时间内利用触发时刻的信息设计控制算法,从而将卫星编队姿态一致性协同控制转化为事件驱动控制问题,有效降低了控制输入更新频次及星间信息交互量.基于Lyapunov理论证明了在事件驱动自适应控制器作用下,领航者—跟随者卫星编队系统是全局渐近稳定的.并证明了事件触发时间序列不会产生Zeno现象,即事件触发间隔时间存在下界.进行数值仿真验证事件驱动自适应控制算法的有效性,并将其与传统自适应控制算法相比较,仿真结果表明,所设计的控制算法在保证闭环系统控制性能的前提下,显著降低了控制输入更新频次和星间交互信息量,满足星上能量和星间通信能力等约束.     

事件触发机制下无模型多智能体系统的分布式优化（英文）

研究了一类一般非线性无模型多智能体系统的分布式优化问题。每个智能体的动态模型是未知的,只能获得输入和输出数据的信息。首先,通过采用无模型自适应控制方法,将原来未知的非线性系统等效转化为动态线性化模型。然后,为保证所有智能体输出的一致性误差收敛,提出一种基于事件触发机制的一致性控制方案。其次,引入分布式梯度下降法,提出一种新的事件触发无模型自适应分布式优化算法。根据李亚普诺夫稳定性理论,给出闭环系统达到一致性和最优性的充分条件。最后,通过仿真实验验证算法设计方案的有效性。     

通讯时延和外部干扰下多无人机事件触发滑模编队控制

针对多无人机编队系统,采用了内外环控制策略。首先,在考虑通讯时延和有界外部干扰的情况下,针对位置子系统提出了一种基于记忆事件触发机制的滑模控制方法。针对所建立的无人机二阶模型,采用领航?跟随法实现期望飞行编队。其次,为降低编队过程中的通讯负荷,设计了基于输入反馈和跟踪误差的新型自适应记忆事件触发机制,针对由此产生的输入通讯时延和系统所受的外部干扰问题,设计了滑模控制器,保证了控制性能并抑制了通讯时延和有界干扰的影响。再次,应用Lyapunov理论和 H_∞ 控制理论完成了闭环系统稳定性证明,并且给出了便于滑模控制器增益和触发参数求解的策略。从次,基于所获得的虚拟控制量,针对姿态子系统设计了跟踪控制器。最后,通过仿真验证了所提方法的有效性。     

时滞反馈Lorenz系统的神经网络滑模自适应同步控制及在保密通信中的应用

为了研究不确定Lorenz混沌系统同步控制在保密通信中的应用,首先设计了时滞反馈Lorenz混沌系统,并通过Poincare映射和功率谱分析了其混沌动力学特性.在此基础上,提出了不确定时滞反馈Lorenz混沌系统的神经网络滑模自适应同步控制策略.应用径向基(RBF)神经网络逼近混沌系统的不确定项,基于该径向基神经网络的输出再利用滑模控制和自适应控制相结合的方法提出了单维同步控制器的设计.最后,将所设计的同步控制方法应用于保密通信.仿真结果表明,本文所提出的神经网络滑模自适应同步控制方法可以实现混沌系统同步并可应用于保密通信,且具有较强的抗干扰能力.     

结合PCNN和局部维纳滤波的图像去噪

提出了一种基于脉冲耦合神经网络(PCNN)的图像去噪算法,利用PCNN的同步脉冲特性对图像小波系数进行局部加窗修正,从而对信号方差进行更好地估计,以利用局部维纳滤波进行去噪. 同时,根据各个像素间耦合特性的不同,提出了自适应连接系数,更好地反映了像素间的耦合关系,利于信号方差的估计. 实验结果表明,该算法较维纳滤波和NeighShrink算法均有较高的峰值信噪比,视觉效果更好.     

Decentralized adaptive neural network sliding mode position/force control of constrained reconfigurable manipulators

A decentralized adaptive neural network sliding mode position/force control scheme is proposed for constrained reconfigurable manipulators. Different from the decentralized control strategy in multi-manipulator cooperation, the proposed decentralized position/force control scheme can be applied to series constrained reconfigurable manipulators. By multiplying each row of Jacobian matrix in the dynamics by contact force vector, the converted joint torque is obtained. Furthermore, using desired information of other joints instead of their actual values, the dynamics can be represented as a set of interconnected subsystems by model decomposition technique. An adaptive neural network controller is introduced to approximate the unknown dynamics of subsystem. The interconnection and the whole error term are removed by employing an adaptive sliding mode term. And then, the Lyapunov stability theory guarantees the stability of the closed-loop system. Finally, two reconfigurable manipulators with different configurations are employed to show the effectiveness of the proposed decentralized position/force control scheme.     

基于虚拟运动神经网络的六足机器人行为控制

为了使腿足机器人适应性和行为能力提高,提出基于虚拟运动神经网络的六足机器人行为控制策略. 通过模拟生物神经?肌肉控制机制构建的腿足机器人行为运动神经控制架构,能够处理外部环境信息,调节神经信号强度,获得类似动物的信号处理和行为反应机制,实现机器人对环境的快速响应、机身与腿部的自适应调节. 实验结果表明,所提架构能够随环境变化自动调节神经信号强度,验证了机器人极强的环境自适应性和行为多样性.     

一类非仿射非线性系统的神经网络输出反馈方案设计

针对一类非仿射非线性系统,设计了一种基于神经网络的自适应输出反馈控制方案,使得输出信号能够跟踪给定信号。构造观测器估计系统中的未知状态变量,采用神经网络结构补偿系统中的非线性部分,并且设计了鲁棒控制项来抵消逼近误差,增加了抗干扰能力。系统稳定性得到严格证明。仿真结果充分证明了该方案的有效性和可行性。     

非周期时变非线性系统自适应迭代学习控制

对一类含有非周期时变不确定性的非线性系统的控制问题进行了研究。该系统具有严格反馈形式且控制增益未知。在控制器设计中,用一种具有迭代特性的神经网络消除了非周期时变不确定性的影响,并综合应用反演技术和鲁棒自适应控制技术消除了严格反馈结构和未知控制增益带来的设计问题。稳定性分析结果表明:系统所有状态量有界且输出量在积分意义下收敛到期望轨迹。仿真试验证明了所设计控制器的有效性。     

采用一种新型神经网络的动态系统辨识与控制

目的研究动态系统的神经网络辨识与控制问题.方法为了减小网络的固有逼近误差,提出一种新型的神经网络模型,利用动态误差反馈来修正网络输入.结果得到了由新型网络和稳定滤波器构成的神经网络辨识模型及基于该网络模型的自适应控制方案.结论理论和仿真结果都证明了该神经网络模型能够有效地应用于一类非线性系统的控制.     

水轮机调节系统的神经网络控制

设计了一个三层ＢＰ神经网络,对有功功率反馈参与控制的水轮机调节系统,以其典型工况下的最优ＰＩＤ系数作为训练样本,对所设计的ＢＰ神经网络进行离线训练,进而构成一个基于ＢＰ神经网络的变参数ＰＩＤ控制器;利用ＢＰ神经网络的函数逼近能力来实现ＰＩＤ控制器在线调整,以达到优化控制的目的。对简单电力系统的仿真结果表明,这种控制器与常规ＰＩＤ控制器相比可以取得较好的控制效果,是实现水轮机调节系统自适应控制的一种可行的方法。     

具有时变全状态约束的非线性随机切换系统的自适应神经网络控制

基于任意切换规则,以一类非线性不确定随机切换系统为研究对象,提出了一种具有时变全状态约束的自适应神经网络控制方案。在控制研究的过程中,采用神经网络对系统中的不确定项进行逼近处理。为了解决系统的约束问题,采用坐标变换技术,保证系统的所有状态均在约束界内,给出了闭环系统稳定性和收敛性的充分判据。最后的仿真实验表明所提出的控制策略能够达到较好的控制效果。本文所设计的控制策略大大提高了系统工作时的安全性。     

一种神经网络自适应控制算法

提出了一种基于对象正向模型的神经网络自适应控制算法,它将神经网络与优化方法相结合,对控制量进行优化迭代求解。仿真表明,应用该算法后,系统响应速度快,超调量小,无稳态误差,控制效果好。