随机多输入多输出系统的自适应神经网络控制

针对一类具有严格反馈形式的随机非线性多输入多输出系统的自适应神经跟踪控制问题,本文利用径向基函数神经网络的万能逼近性,结合自适应Backstepping设计方法,提出了一类新的自适应神经网络状态反馈控制器,并对该系统提出的控制器含有较少的参数问题,通过Lyapunov稳定性理论进行了稳定性分析和证明,并应用仿真算例进行验证,仿真结果表明,闭环系统的所有误差变量概率意义下有界,并使系统的输出收敛到参考信号的一个小的邻域范围之内。该研究对随机非线性多输入多输出系统的跟踪控制有一定的指导意义。     

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。     

基于观测器的自适应神经网络Backstepping输出反馈控制

针对一类单输入单输出状态不可测非线性系统,提出一种自适应神经网络bakstepping输出反馈控制方法。首先,用神经网络逼近非线性函数,然后设计神经网络自适应观测器估计系统的状态。其次,在backstepping设计框架下,设计了自适应输出反馈控制器。最终,证明了所提出的自适应神经网络控制方法能够保证系统所有信号有界的同时,跟踪误差趋近于原点的一个小邻域内。仿真结果进一步验证了所提出方法的有效性。     

非严格反馈大系统的自适应神经网络分散控制

针对一类非严格反馈的非线性互联大系统,本文提出了一种基于神经网络的分散自适应状态反馈控制方案。在控制设计过程中,通过神经网络逼近系统中的未知非线性函数,结合自适应Backstepping方法和分散控制策略设计出一种自适应神经网络分散状态反馈控制器,并通过Lyapunov稳定性理论进行稳定性分析,证明了在该控制方案作用下,闭环系统的所有信号是半全局一致终极有界的,且输出信号保持收敛在给定参考信号的一个小邻域范围内。采用仿真算例验证本文方法的有效性。仿真结果表明,系统输出信号能良好地跟踪给定的参考信号;系统的所有闭环信号都是有界的,而且该方法借助向量的范数性质,有效解决了一类非线性非严格反馈的互联大系统的自适应神经网络控制问题。该研究对控制理论的发展,具有一定的实际应用价值。     

非线性纯反馈时滞系统的自适应模糊跟踪控制

针对一类不确定非线性纯反馈时滞系统的自适应模糊跟踪控制问题,本文采用模糊逻辑系统来逼近系统中未知的非线性函数,利用自适应方法和Backstepping方法构造出一种自适应模糊控制器,并给出了非线性纯反馈时滞系统跟踪控制问题可解的充分条件.仿真结果表明,所设计的自适应模糊控制器,保证闭环系统的所有变量有界,并确保系统输出有效跟踪给定的参考信号,跟踪误差收敛到原点的一个充分小的邻域之内,同时其他闭环信号保持有界.该控制方法可以有效地减少系统在线计算负担.     

一类非线性系统的神经网络自适应算法研究

讨论了神经网络在非线性系统控制中的应用.针对一类典型的非线性系统,基于波波夫超稳定性理论,推导出了保证系统稳定性的神经网络学习算法,设计了神经网络模型参考自适应控制器,以改善非线性被控对象跟踪参考模型输出的跟踪效果,并以此为依据进行了MATLAB仿真.对电弧炉三相电极调节系统的仿真结果表明,这种神经网络自适应控制系统具...     

基于神经网络的机械手鲁棒输出跟踪控制

针对一类参数未知的机械手输出跟踪鲁棒控制问题，应用输入／输出反馈线性化方法和Lyapunov稳定理论，提出了一种基于神经网络建模的机械手输出跟踪自适应鲁棒控制器，采用三层前向神经网络来逼近未知非线性函数，网络的权值依据Lyapunov稳定性进行实时修正，保证了相应闭环系统的稳定性，所提出的控制器保证了跟踪误差及相应闭环系统的状态－致最终有界，且不需预知不确定性的上界，以两自由度移动关节刚性机械手的跟踪控制问题的为例进行了仿真，结果表明所提出方法是行之有效的。     

基于动态反馈的AUV水平面路径跟踪控制

针对离散自治水下机器人水平面的路径跟踪控制问题,利用水下机器人的位置和姿态角量测信息,提出神经网络自适应输出反馈控制器.所设计的控制器包括3部分,镇定水下机器人动态系统线性部分的动态反馈控制器;神经网络控制器,用来补偿水下机器人受到环境干扰引起的水动力系数变化的不确定非线性结构;补偿环境扰动和神经网络带来的重构误差的鲁棒控制器.基于离散非线性系统理论,对水下机器人水平面跟踪误差系统进行分析,得到系统的跟踪误差最终一致有界.所提出的控制方法具有对模型精确度要求低的优点,利用INFANTE水下机器人模型进行仿真分析验证了提出的控制算法的有效性.     

一类非严格反馈切换系统的自适应神经网络控制

针对具有非严格反馈的非线性系统的控制问题,本文主要研究非严格反馈形式的单输入单输出非线性切换系统的控制问题。运用自适应神经网络控制方法,逼近系统的组合非线性函数;同时,结合Backstepping方法设计神经网络控制方案,利用神经网络的结构性质简化设计过程,成功的将神经网络自适应Backstepping设计方法拓展到该类非严格反馈系统上,最后通过仿真例子验证本文所提控制方法的有效性。仿真结果表明,在任意切换信号及所给控制器的作用下,保证了良好的跟踪性能,并保证闭环系统所有状态是半全局一致最终有界的,跟踪误差收敛到原点的一个残差集内。该研究具有一定的实用价值。     

一类非严格反馈大系统的自适应神经网络控制

针对一类具有非严格反馈模块的非线性互联大系统,本文提出了一种输出反馈控制方案。首先使用神经网络来逼近未知系统函数,然后借助向量的范数性质处理非严格反馈模块。由于系统的状态不可测,所以建立观测器来估计未知状态。同时,结合自适应控制策略和Backstepping方法,设计出一种自适应神经网络分散输出反馈控制器,并利用Lyapunov稳定性理论进行稳定性分析。结果表明,在该控制策略作用下,闭环系统所有的信号保持半全局有界,且系统输出可以很好地跟踪给定的参考信号,通过仿真算例来验证本文设计控制策略的有效性。仿真结果表明,系统的输出能很好地跟踪给定的追踪信号;系统的控制信号和自适应参数保持在0的邻域内;设计的观测器能有效地观测原互联大系统的系统状态。说明本文设计的控制策略能够很好地运用在具有非严格反馈模块的互联大系统中。该研究更具有一般性和通用性。     

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。     

一类不确定高阶随机非线性系统的自适应镇定

通过状态反馈和自适应技术解决了一类不确定高阶随机非线性系统的全局镇定问题.尽管对于确定性系统的类似问题已有大量研究,但由于存在随机干扰的影响,研究该问题同样具有重要意义,并且,更难以找到合适的二次连续可微的控制李亚普诺夫函数.通过引入新的控制李亚普诺夫函数并利用增加幂积分的方法,成功地设计了自适应连续状态反馈控制器,使得原系统的状态在概率意义下全局渐近稳定,而其他闭环系统状态在概率意义下全局稳定.仿真算例验证了控制器设计方法的有效性.     

An adaptive cascade trajectory tracking control for over-actuated autonomous electric vehicles with input saturation

This paper presented a novel adaptive cascade nonlinear trajectory tracking control scheme of over-actuated autonomous electric vehicles involving input saturation. First, a nonlinear vehicle dynamic model with input saturation is established, which can accurately describe the features of uncertainties and coupling of autonomous electric vehicles, and the hyperbolic tangent function is designed to estimate the saturation function for dealing with the input saturation problem. Then, a novel adaptive cascade trajectory tracking control scheme is designed. An adaptive neural network-based terminal sliding control law is proposed for producing the generalized force/moment in real-time, the asymptotic stability of this adaptive control system is proven by Lyapunov theory, and a quasi-newton distribution law is designed to determine the optimum tire forces that guarantee the actual generalized forces/moment are close to the desired values. Finally, simulation results demonstrate the effectiveness of the proposed control scheme.     

基于神经网络MIMO非仿射系统自适应控制

针对一类多输入多输出非仿射非线性系统,基于神经网络设计了一种自适应控制方案。该系统隐含控制输入,利用隐函数定理和伪控制概念提出了控制运算法则,采用Lyapunov方法证明了系统的稳定性。该方案采用神经网络补偿系统中的非线性部分,设计了鲁棒项来增加系统的抗干扰能力。仿真结果充分证明了该方案的有效性和可行性。     

确定性系统的最优自适应控制器

研究了确定性系统的最优自适应控制问题，系统的自适应控制器采用随机投影算法来构造，证明了自适应系统全局稳定，且自适应控制收敛于“一步超前”的最优控制。     

一种新的随机系统混合自适应控制器设计方法

本文提出了一种新的随机系统混合自适应控制器设计方法,并且利用鞅收敛理论及维数不变原理完成了混合自适应闭环系统的稳定性分析。文中证明,当连续时间随机对象的随机干扰经滤波后的离散值为鞅差序列时,这种混合自适应控制器可保证闭环系统中的所有信号有界,并且对象输出与参考信号间的平方跟踪误差数学期望的均值以概率1等于鞅差序列的方差。     

一类随机非线性时变滞系统的输出反馈自适应控制

针对随机噪声具有未知协方差的一类随机非线性时变滞系统,研究了输出反馈自适应控制问题.利用反推设计技术,构造性的给出了一个基于观测器的控制器和仅与输出相关的自适应律,保证了闭环系统是概率意义下全局渐近稳定的,所设计的观测器和自适应控制器是不依赖于时滞的.仿真例子验证了该控制方案的有效性.     

一种新的边缘检测算法研究

为了提高边缘检测的运行效率和检测精度,提出了一种新的边缘检测算法,该算法由一个自适应神经模糊推理系统和一个后处理程序组成.选取与边缘方向和梯度双重信息相关的4个目标函数作为自适应神经模糊推理系统的输入,采用计算机合成图像对自适应神经模糊推理系统进行训练.运用一个后处理程序,判断自适应神经模糊推理系统的输出值是否小于门限值,若小于则该像素点为边缘点.仿真实验表明,该方法边缘检测效果优于传统方法和当前文献报道方法.