含有不灵敏区有界不确定非线性系统的鲁棒跟踪控制

针对具有控制输入不灵敏区及有界不确定性的非线性系统,研究其鲁棒跟踪问题.利用变结构控制方法和自适应参数估计方法,在同时存在的参数、结构及干扰的不确定性和未知控制输入不灵敏区的情形下,提出了鲁棒控制律设计方法,并提出克服控制信号抖动的改进算法.所提出的控制律可以保证闭环系统的一致终结有界,并且算法比较简单,便于实现.用数字仿真方法验证了所得控制律设计方法的有效性.     

带有控制受限的卫星编队飞行六自由度自适应协同控制

针对存在参数不确定性以及干扰的卫星编队飞行六自由度协同控制问题,提出了一种满足控制输入有界的自适应L2增益干扰抑制控制方法.该方法首先在不考虑干扰的条件下,针对卫星编队六自由度协同运动模型存在参数不确定性提出了一种自适应协同控制器;接着,考虑到系统存在干扰,进一步设计了具有L2增益干扰抑制能力且满足输入有界条件的自适应...     

一类MISO 最小相位系统的执行器故障自适应容错控制

针对一类具有执行器卡死或/和变执行器故障的多输入单输出(MISO)非线性最小相位系统,提出一种自适应容错跟踪控制方案.采用自适应算法估计系统的不确定性,利用神经网络逼近执行器未知故障函数,以完成执行器组合故障状态下的跟踪控制.所设计的控制律不仅保证了闭环系统稳定,而且所有状态均有界,跟踪误差一致最终有界.仿真结果表明了所提出方法的有效性.     

基于观测器的网络化多智能体预测控制

研究含模型不确定性的刚性航天器输入受限时的姿态跟踪控制设计问题.针对修改的罗德里格斯姿态参数描述的航天器姿态跟踪动力学模型,基于一种有界非线性连续函数和修改的罗德里格斯姿态参数自身有界性,设计鲁棒自适应状态反馈受限控制器,不确定参数的自适应更新律可保证在线估计参数的有界性.通过所提出的输入受限控制设计方法给出输入受限幅值、期望轨迹上界、模型不确定性上界与控制器增益之间的定量关系,并采用李亚普诺夫方法证明通过选择合适的控制器参数可以保证闭环系统角速度误差渐近收敛到零,且姿态跟踪误差收敛到原点小邻域,同时保证控制量始终在预先给定的受限范围内.仿真结果验证了所设计的控制器可在输入受限的情况下完成控制目标并有效抑制模型的不确定性影响.     

多输入多输出最小相位系统的执行器故障自适应容错控制

针对一类具有执行器卡死或/和变执行器故障的多输入多输出(MIMO)非线性最小相位系统提出了自适应容错跟踪控制方案.结合系统特征对系统执行器进行分类,用神经网络逼近执行器未知故障函数,采用模型参考自适应容错控制方法设计控制律.所设计的控制律不仅保证闭环系统稳定,而且跟踪误差一致最终有界.仿真结果表明了所提出方法的有效性.     

基于神经网络的欠驱动水下机器人三维同步跟踪和镇定控制

研究了欠驱动水下机器人的三维同步跟踪和镇定控制问题,并考虑了模型参数不确定性、未知外界干扰和输入饱和限制的影响.针对不同类型期望轨迹的特性,构造了新的辅助虚拟信号以实现对欠驱动方向的控制.基于反步法和Lyapunov直接法,设计了一种饱和自适应统一动力学控制律,使得AUV的状态误差最终收敛至零点附近的有界区域内,其中未知模型参数和外部干扰通过基于神经网络的更新律进行估计.仿真结果表明该控制方法是有效的且具有较好的控制效果.     

舰船混沌运动的单输入自适应变结构控制

针对在舰船混沌运动控制中由模型不确定性及外部扰动无法确知所引起的控制结果无法保证的问题,采用自适应控制与滑模变结构控制相结合的方法,在设计切换函数时,将符号函数转移到控制输入的一阶导数当中,有效抑制了变结构控制中的抖振问题,并提出了一种单输入自适应滑模变结构控制方法.实验结果表明,与传统滑模变结构控制相比,新方法能够在系统模型具有不确定性及未知外部扰动的情况下实现舰船混沌运动的良好控制,为舰船混沌运动控制提供了一种可靠的工程实现途径.     

基于Nussbaum增益滑模自适应控制的 导弹制导控制一体化设计

采用Nussbaum增益滑模自适应控制方法解决导弹制导控制一体化设计问题. 充分考虑一体化模型具有通道间耦合、气动建模不确定性、气动参数摄动和目标机动引起的干扰等特点, 基于自适应控制对未知量的辨识能力和滑模控制的抗干扰能力, 以及Nussbaum增益控制对系数不确定系统所具有的较好的控制能力, 设计Nussbaum增益滑模自适应控制律, 并证明系统的稳定性. 仿真结果验证了所提出方法的有效性.     

一类非匹配不确定非线性系统的鲁棒跟踪控制制

针对一类半严格反馈型不确定非线性系统,提出一种鲁棒反演滑模变结构控制方法.采用反演控制方法设计了使前n-1阶子系统稳定的虚拟控制律,抑制非匹配不确定性的影响;在第n步设计了一种连续可导的滑模变结构控制律,消除控制抖振,实现了对存在未知不确定性及扰动系统的鲁棒输出跟踪.通过Lyapunov定理证明了闭环系统所有信号最终有界.仿真结果验证了该方法的有效性.     

具有自适应内模的一类非线性系统输出调节问题

研究一类包含未知非线性项的非线性系统的鲁棒输出调节问题.此类非线性系统由一包含未知参数的线性中性稳定的外系统驱动.首先运用调节器方程组解和标准内模将输出调节问题转化为镇定问题;然后给出控制律镇定闭环系统,同时利用镇定输入项和外系统信息设计出自适应内模方程.控制律使得闭环系统的信号全局最终有界,且误差被调节至预先设定的任意小的精度值.仿真结果验证了所提出设计方法的有效性.     

控制增益符号未知的MIMO时滞系统自适应控制

针对一类带有死区模型并具有未知函数控制增益的不确定MIMO非线性时滞系统,基于滑模控制原理和Nussbaum函数的性质,提出了一种稳定的自适应神经网络控制方案.该方案放宽了对函数控制增益上界为未知常数的假设,并通过使用Lyapunov-Krasovskii泛函抵消了因未知时变时滞带来的系统不确定性.理论分析证明,闭环系统是半全局一致终结有界.仿真结果表明了该方法的有效性.     

Adaptive variable structure control of MIMO nonlinear systems with time-varying delays and unknown dead-zones

In this paper, adaptive variable structure neural control is presented for a class of uncertain multi-input multi-output （MIMO） nonlinear systems with state time-varying delays and unknown nonlinear dead-zones. The unknown time-varying delay uncer- tainties are compensated for using appropriate Lyapunov-Krasovskii functionals in the design. The approach removes the assumption of linear function outside the deadband without necessarily constructing a dead-zone inverse as an added contribution. By utilizing the integral-type Lyapunov function and introducing an adaptive compensation term for the upper bound of the residual and optimal approximation error as well as the dead-zone disturbance, the closed-loop control system is proved to be semi-globally uniformly ultimately bounded. In addition, a modified adaptive control algorithm is given in order to avoid the high-frequency chattering phenomenon. Simulation results demonstrate the effectiveness of the approach.     

Adaptive sliding inverse control of a class of non-linear systems preceded by unknown non-symmetrical dead-zone

This paper deals with the adaptive control of a class of continuous-time non-linear dynamic systems preceded by unknown non-symmetrical, non-equal slope dead-zones. By exploring the properties of the dead-zone model intuitively and mathematically, a dead-zone inverse is constructed. Based on this inverse construction, an adaptive sliding controller is designed. Lyapunov stability analysis shows that the proposed adaptive control law ensures global stability of the adaptive system and achieves desired tracking precision. Simulation results attained for an uncertain non-linear system are presented to illustrate and further validate the effectiveness of the proposed approach.     

Adaptive control of plants with unknown dead-zones

Model reference adaptive controllers are designed for plants with unknown dead-zones. Several control strategies are investigated in which two sets of adjustable parameters, one belonging to a dead-zone inverse and the other to a linear controller, are either kept fixed or adaptively updated. The developed adaptive control schemes ensure boundedness of all closed-loop signals and reduce the tracking error     

一类带死区输入的非线性不确定系统滑模自适应控制

研究一类参数不确定和带有未知死区的非线性系统滑模自适应控制问题。将死区分解为两部分,被控系统中有两类不确定性的系统参数,一类是常值的未知系统参数;另一类是时变的未知系统参数和部分未知的死区。采用滑模控制和自适应控制相结合的方式,第一类不确定性可以由自适应控制来处理,而第二类不确定性可以由滑模控制来处理,即滑模自适应控制器。为了消除滑模控制所带来的抖振,引入边界层。采用’Lyapunov函数证明了系统的稳定性。仿真实验表明方法的可行性。     

未知不确定非线性系统的直接自校正滑模控制

针对一类具有未知不确定性的非线性系统,提出一种参数直接自校正滑模控制方法.将系统的非线性、参数变化和外部干扰都视作系统不确定性,控制器的设计无需不确定项的上下界等信息:为改善跟踪性能与减小输入抖振,控制器设计中引入可调边界层厚度的双极性sigmoid函数与可变滑模切换增益,推导出控制增益和边界层厚度的直接自校正律,并基于Lyapunov判据给出了闭环系统稳定性证明.仿真实例证明了该方法的有效性和正确性.     

基于神经网络的无人机姿态自适应控制仿真

针对四旋翼无人机姿态控制中模型不完整、部分参数和扰动不确定的问题,提出了一种基于神经网络的自适应控制方法,采用RBF神经网络对无人机姿态动力学模型中不确定和扰动部分进行学习,设计了以类反步法为基础,包含反馈控制和神经网络控制的自适应控制器,实现了对未知动态的准确逼近,解决了传统控制方法中过于依赖精确模型的问题。同时设计了神经网络的权值自适应律,实现了控制过程中的在线学习和调整,并且通过李雅普诺夫方法证明了闭环系统的稳定性。仿真结果表明,在存在较大扰动的情况下,上述控制器可得到很好的控制效果,可以实现误差的快速收敛,具有较好的鲁棒性和自适应性。     

Robust adaptive control for a nonholonomic mobile robot with unknown parameters

A robust adaptive controller for a nonholonomic mobile robot with unknown kinematic and dynamic parameters is proposed. A kinematic controller whose output is the input of the relevant dynamic controller is provided by using the concept of backstepping. An adaptive algorithm is developed in the kinematic controller to approximate the unknown kinematic parameters, and a simple single-layer neural network is used to express the highly nonlinear robot dynamics in terms of the known and unknown parameters. In order to attenuate the effects of the uncertainties and disturbances on tracking performance, a sliding mode control term is added to the dynamic controller. In the deterministic design of feedback controllers for the uncertain dynamic systems, upper bounds on the norm of the uncertainties are an important clue to guarantee the stability of the closed-loop system. However, sometimes these upper bounds may not be easily obtained because of the complexity of the structure of the uncertainties. Thereby, simple adaptation laws are proposed to approximate upper bounds on the norm of the uncertainties to address this problem. The stability of the proposed control system is shown through the Lyapunov method. Lastly, a design example for a mobile robot with two actuated wheels is provided and the feasibility of the controller is demonstrated by numerical simulations.     

具有输入饱和的近空间飞行器鲁棒控制

针对近空间飞行器这一类存在外部扰动,输入饱和和参数不确定的多输入多输出线性系统,提出了一种基于干扰观测器的抗饱和鲁棒控制方案.将干扰观测器与抗饱和控制技术相结合,从而消除系统存在的未知外部扰动、输入饱和和不确定性对系统控制的影响.首先,设计干扰观测器对线性外部系统产生的未知扰动进行估计.然后根据干扰观测器输出,通过超前抗饱和方法设计抗饱和补偿器,并将其加入到鲁棒控制器的设计中,保证闭环系统存在输入饱和、未知外部扰动和参数不确定情况下的稳定性.为便于设计,干扰观测器、抗饱和补偿器和控制器设计矩阵均通过求解线性矩阵不等式得到.最后,将提出的鲁棒抗饱和控制方法应用于近空间飞行器,仿真结果验证了该控制方案的有效性.