基于Razumikhin方法的非线性时滞系统的自适应模糊控制设计

【中文摘要】 为研究一类单输入单输出非线性时滞系统的自适应跟踪控制问题,基于Lyapunov Razumikhin泛函方法给出了一种新的自适应模糊控制器设计方法,利用模糊逻辑系统来估计系统中未知的非线性函数,用backstepping方法来设计跟踪控制器。所设计的自适应模糊控制器能确保所有的闭环信号有界,同时系统输出收敛到所期望轨线的一个小邻域中。仿真例子表明文中所提出的控制方案能够有效地跟踪给定的参考信号。     

非线性时滞系统的自适应模糊跟踪控制

针对一类带有未知非线性函数和时滞项的非线性不确定系统,提出了一种新的自适应模糊跟踪控制。用模糊逻辑系统来逼近系统中未知的非线性不确定函数,基于自适应方法和Backstepping设计模糊自适应控制器。设计的模糊自适应控制器确保了闭环系统的所有信号是一致有界的,也保证了跟踪误差收敛到原点的一个充分小的邻域内;另外设计的模糊跟踪控制器不涉及模糊基向量函数的计算,使其在系统的控制过程中将极大地降低系统的在线计算负担。仿真算例验证了所提出方法的有效性。     

时滞非线性参数系统有限时间状态约束控制

研究了具有输入时滞、有界外部干扰以及全状态约束的严格反馈连续时间参数化非线性系统的自适应有限时间跟踪控制问题. 通过使用Barrier Lyapunov函数和自适应反步法,保证了系统所有状态都被约束. 针对输入时滞问题,采用pade近似法消除其带来的负面影响. 所设计的有限时间控制器使闭环系统内的所有信号都有界且所有状态都被约束在给定的范围内,同时输出信号能很好地追踪给定参考信号. 最后通过仿真实例验证了该控制方法的有效性.     

基于观测器的非线性时滞系统的自适应模糊控制

针对非线性严格反馈时滞系统的自适应模糊控制问题,给出了基于观测器的输出反馈模糊自适应控制方案,利用系统界函数的单调递增性质和模糊逻辑系统的性质,解决非线性严格反馈系统所产生的问题,并设计状态观测器估计系统中不可测的状态变量,用模糊逻辑系统逼近系统中未知的非线性函数,将自适应技术、Backstepping方法与模糊逻辑系统相结合构造自适应模糊控制器,并采用数值例子进行仿真验证。仿真结果表明,系统的所有状态都收敛到原点一个充分小的邻域内,而且在本文所提出的控制率的作用下,闭环系统是稳定的,保证所有信号在闭环系统有界。     

模型不确定非线性系统的自适应模糊Backstepping预测控制

为解决一类模型不确定严格反馈非线性系统的跟踪控制问题,提出一种使闭环系统稳定且滚动时域性能指标在线最小化的自适应模糊反步预测控制策略。模糊系统用来逼近该设计过程中的未知非线性项,自适应参数直接用来估计最优逼近权值向量范数的平方,从而只有一个自适应参数需要在线调节;同时考虑模糊基函数的性质,所设计的控制律与自适应律均不含模糊基函数项,理论证明该方法设计的控制器保证闭环系统所有信号是半全局有界的,并且跟踪误差收敛于零的某一邻域。该方法所设计的控制器形式简单,计算量小,更易于实际应用,仿真算例验证提出算法的有效性。     

不确定随机非线性时滞系统的自适应神经网络跟踪控制

针对一类具有严格反馈形式的随机非线性时变时滞系统的自适应神经跟踪控制问题,本文利用神经网络参数化和反推（backstepping）方法,构造出一类自适应神经网络状态反馈控制器。仿真结果表明,这种自适应控制器保证闭环系统的所有变量概率意义下有界,并使系统的输出跟踪参考信号,跟踪误差收敛到原点的一个充分小的邻域之内,仿真验证了该方法的有效性。     

基于Backstepping非线性输出时滞系统的模糊自适应容错控制

针对一类SISO带有执行器故障的状态可测的非线性输出时滞系统,提出了一种模糊自适应Backstepping容错控制方法。所提出的控制方法可以解决对执行器卡死故障和执行器失效的问题。设计中,对时滞项进行有界处理,从而消除时滞的影响。采用模糊逻辑系统逼近未知函数,并结合Backstepping设计原理,给出了模糊自适应容错控制器和参数的自适应律。基于Lyapunov函数方法证明了闭环系统是半全局一致终结有界的,跟踪误差收敛到原点的一个小的邻域内。仿真结果进一步验证了所提方法的有效性。     

带有扰动的非线性系统的自适应模糊控制

为了研究一类不确定带有未知扰动的非线性严格反馈系统的自适应模糊跟踪控制问题.文中通过模糊逻辑系统的逼近特性和Backstepping技术构造了一个新的自适应模糊跟踪控制器.该控制器保证闭环系统的所有信号半全局一致有界,并且跟踪误差收敛到原点的一个任意小邻域内.     

基于反演法的严格反馈非线性系统模糊自适应约束控制

严格反馈非线性系统控制研究得到各界广泛关注,但实际的非线性特性以及不确定性因素的存在对系统的输出跟踪控制问题具有很大影响.针对输出轨迹跟踪控制问题,提出一种性能约束的自适应反演(backstepping)控制方法,并通过模糊逻辑系统的万能逼近性能对非线性系统中的不确定性因素进行辨析识别.为保证非线性系统的暂态和稳态性能,设计出具有约束条件的控制器.通过Lyapunov稳定性分析表明,闭环系统中的所有信号都是半全局一致最终有界的.仿真结果验证了性能约束的自适应反演控制方法的可行性.     

基于K滤波的自适应模糊Backstepping容错控制

针对一类不满足匹配条件的状态不可测非线性不确定故障系统,研究了一种自适应模糊输出反馈容错控制器的设计方法。设计中,利用模糊逻辑系统在线逼近系统的故障函数,使用K滤波技术,并结合Backstepping和模设计原理,建立了一种新的自适应模糊输出反馈容错控制方法。证明了所提出的自适应模糊容错控制方法能够保证闭环系统所有信号是半全局一致有界的,且跟踪误差收敛到原点的一个小邻域内。仿真结果验证了该方法的有效性。     

一类非线性系统的无模型学习自适应控制

对于一类常见非线性离散系统，提出了其动态线性逼近的增量型模型、无模型自适应控制律和带有参数限定时域长度的参数自适应预报递推算法。实现了对时滞非线性系统的无模型学习自适应控制。通过仿真表明，该算法对于一类非线性系统实现无模型学习自适应控制是正确和有效的。     

MIMO非线性自适应模糊滑模控制

为了解决传统的自适应模糊滑模控制方法需经无穷长时间才能达到平衡点，不能对系统进行精确地跟踪控制的问题。提出一种具有快速收敛性的自适应模糊滑模控制方法。控制器用具有快速收敛性和稳定性的最终吸引子做自适应模糊调节率代替传统自适应模糊调节率，不仅具有稳定性且具有快速收敛性，从而使控制系统的输出能在有限时间内精确地跟踪参考信号。证明了所设计控制器是全局稳定的。并用该方法控制了二自由度机器手系统，仿真结构表明该方法能使机器手在有限时间内达到精确的位置和速度，从而证实了其快速性。     

基于动态线性逼近的非线性系统无模型自适应控制

对于一类常见多重时滞非线性离散系统,提出了其动态线性逼近的增量型模型,无模型自适应控制律和带有参数限定时域长度的参数自适应预报递推算法,实现了对时滞非线性系统的无模型自适应控制。该算法不用解Diophantine方程,无需矩阵运算,在线计算量很小,实时性好,具有很强的抑制噪声干扰能力。通过仿真表明,该算法对于一类非线性系统实现无模型自适应控制是正确和有效的。     

含未建模动态的非线性参数系统的鲁棒自适应控制

许多实际系统如生化过程、带有摩擦的机器等都是具有不确定性的非线性参数系统。如何有效地控制这类系统是-富有挑战性问题。针对一类重要的非线性参数系统提出了一种鲁棒自适应控制器，可用于存在参数和非线性不确定性、未知扰动和未建模动态的情况。该鲁棒自适应控制器的设计是基于控制李亚普诺夫函数法，通过引入一动态信号和自适应非线性阻尼来抑止未建模动态、非线性不确定性和未知有界扰动的影响，同时采用反推设计方法来克服控制器设计的复杂性。所提方法不必对系统的未知参数进行估计，且无论系统的阶次多高、未知参数多少，只需要一个自适应参数。理论证明，所提出的鲁棒自适应控制器可保证整个具有不确定性的非线性参数系统的稳定性，且通过适当选择设计参数，可使状态以任意精度趋于平衡点。仿真结果例证了所提方法的有效性。     

非线性不确定系统的自适应模糊跟踪控制

针对一类带有未知非线性函数的非线性不确定系统,提出了一种新的自适应模糊跟踪控制方案。模糊逻辑系统用于系统中的未知的非线性函数建模,然后基于backstepping方法和自适应技术设计模糊自适应控制器。所设计的模糊自适应控制器确保闭环系统的所有信号是一致有界的,同时跟踪误差收敛到原点的一个充分小的邻域内。另外所设计的控制器不涉及模糊基向量函数,因此所提出的控制器用于控制系统时,将极大地降低系统的在线计算负担。仿真算例验证了所提出方法的有效性。     

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。     

一类多重时滞非线性系统无模型学习自适应控制

对于一类常见多重时滞非线性离散系统,提出了基于动态线性逼近的增量型最小化模型,递推预测模型,无模型学习自适应控制律和带有参数限定时域长度的参数自适应预报递推算法,实现了对存在较在的多重时滞非线性系统的无模型学习自适应控制,该算法不需要受控系统的结构信息,数学,外部实验信号和训练过程,不用解Diophantine方程,无需矩阵运算,在线计算量很小,实时性好,仅用受控系统的I／O数据来设计,传统的未能模动态不存在,通过仿真表明,该算法对于一类非线性系统实现无模型自适应控制是正确和有效的。