一个基于神经网络模型的鲁棒自适应控制算法

对于具有不确定因素的离散非线性动态系统,通过校正神经网络预报器的输出,运用加权 预报控制性能指标和网络辨识器模型局部线性化的思想,提出了一个间接鲁棒自适应神经网 络控制算法,仿真研究证实了该控制策略的鲁棒性和有效性.     

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...     

基于神经网络与多模型的非线性自适应广义预测控制

针对一类不确定非线性离散时间动态系统, 提出了基于神经网络与多模型的非线性广义预测自适应控制方法. 该自适应控制方法由线性鲁棒广义预测自适应控制器, 神经网络非线性广义预测自适应控制器和切换机制三部分构成. 线性鲁棒广义预测自适应控制器保证闭环系统的输入输出信号有界, 神经网络非线性广义预测自适应控制器能够改善系统的性能. 切换策略通过对上述两种控制器的切换, 保证系统稳定的同时, 改善系统性能. 给出了所提自适应方法的稳定性和收敛性分析. 最后通过仿真实例验证了所提方法的有效性.     

非线性系统的神经网络鲁棒自适应跟踪控制

针对一类具有未知非线性函数和未知虚拟系数非线性函数的二阶非线性系统,提出了一种神经网络鲁棒自适应输出跟踪控制方法.用李雅普诺夫稳定性分析方法证明了本文的神经网络自适应控制器能够使受控系统内的所有信号均为有界.选择的神经网络权值调整规律可以防止自适应控制中的参数漂移.     

应用于力矩受限自由漂浮空间机器人的神经网络自适应控制

在控制力矩受限情况下,为实现具有模型不确定性自由漂浮空间机器人的轨迹跟踪控制,文章设计了一种新的神经网络自适应控制策略;首先,用双曲函数对控制力矩输入进行限制;其次,设计一种神经网络自适应控制律,对输入力矩受限条件下的非线性系统模型进行在线逼近,同时,利用鲁棒项对神经网络逼近误差和外界干扰进行消除;最后,根据李雅普诺夫理论,证明了所设计控制策略能够使自由漂浮空间机器人系统渐进稳定;仿真实验表明,该控制策略在无需建立复杂系统模型的情况下,便能够对控制力矩进行有效限制,从而使自由漂浮空间机器人在控制力矩受限情况下得到较好的控制.     

基于自适应逆的鲁棒容错飞行控制方法研究

研究飞行安全控制问题,可采用动态逆与神经网络模型参考自适应控制理论相结合,对飞机纵向自适应鲁棒容错飞行控制律进行设计,同时采用改进的粒子群算法优化神经网络参数,提高了自适应算法的效率.控制策略采用内-外环的控制结构,内控制回路以逆控制消除系统的非线性性和输出耦合;外控制回路基于模型参考自适应控制的思想,利用改进粒子群优化的神经网络设计前向自适应控制器,以消除逆控制的建模误差和对参数变化敏感的缺点,可使系统获得较好的动态性能和较强的鲁棒性.仿真结果表明采用的自适应鲁棒容错飞行控制方法有效抑制了操纵面故障,消除了对飞行任务的不良影响,保证了安全性能.     

具有超稳定结构的鲁棒自适应控制器

针对结构和参数未知的非线性系统,提出了一种具有神经网络的超稳定鲁棒自适应 控制器.控制器基于一阶线性模型,采用Popov超稳定理论设计,其建模误差由BP网在线辨 识,辨识结果在前馈补偿器中加以补偿,有效地实现了鲁棒自适应控制.文中还给出了仿真 结果.     

基于自组织模糊CMAC神经网络的不确定系统的H∞鲁棒自适应控制

针对一类不确定系统，提出一种基于自组织模糊小脑模型（SOFCMAC）神经网络的H∞鲁棒自适应控制方法，通过设计标称系统的H∞控制器，并采用SOFCMAC神经网络在线对消系统的建模不确定性产生的误差，可保证不确定闭环稳定并具有H∞性能，证明了SOFCMAC神经网络H∞鲁棒自适应控制系统的稳定性，仿真算例表明了该方法的有效性。     

一类非线性多变量系统的多模型自适应解耦控制

针对一类多变量离散时间非线性动态系统。分别设计线性鲁棒自适应解耦控制律和神经网络非线性自适应解耦控制律．根据指定的性能指标，通过它们之间的切换对系统进行控制．理论分析和仿真结果表明，该控制策略不但可以保证闭环系统BIBO稳定，而且能够改善系统的性能．     

基于自适应神经网络的一类不确定非线性系统的鲁棒H∞控制

针对一类不确定非线性多输入时变系统，提出了一种新的鲁棒H∞控制方案．通过引入2个自适应神经网络逼近器，提出了一个简化的Hamilton—Jaeobi—like不等式，并据此设计了非线性H∞控制器和匹配不确定项补偿控制器，消除了输入摄动项和估计器最优逼近误差的有界性假设．机器人系统的鲁棒跟踪控制仿真算例证实了所提出控制方案的有效性．     

移动卫星天线的自适应鲁棒控制系统

为了改善移动卫星天线的控制性能和稳定性,本文进行移动卫星天线的自适应鲁棒控制系统的研究．首先针对移动卫星天线数学模型,设计自适应鲁棒控制器和控制系统,所提出的自适应鲁棒控制律和控制系统不仅保证了闭环系统的稳定性,而且实现了所期望的性能,最后通过试验结果证明该控制算法的有效性,尽管外界环境道路条件的变化不同,移动卫星天线控制系统表现了满意的控制性能．     

Robust adaptive tracking control for a class of mechanical systems with unknown disturbances under actuator saturation

A robust adaptive tracking control scheme is presented for a class of multiple‐input and multiple‐output mechanical systems with unknown disturbances under actuator saturation. The unknown disturbances are expressed as the outputs of a linear exogenous system with unknown coefficient matrices. An adaptive disturbance observer is constructed for the online disturbance estimation. An actuator saturation compensator is introduced to attenuate the adverse effects of actuator saturation. The adaptive backstepping method is then applied to design the robust adaptive tracking control law. It is proved that the designed control law makes the system outputs track the desired trajectories and guarantees the global uniform ultimate stability of the closed‐loop control system. Simulations on a two‐link robotic manipulator verify the effectiveness of the proposed control scheme.     

Hybrid systems in automotive control

This paper deals with robust adaptive control for a class of perturbed strict-feedback non-linear systems preceded by unknown hysteresis non-linearities. By using the Prandtl-Ishlinskii model with play and stop operators and the properties of this model, a robust adaptive control scheme is proposed to mitigate effects of the preceded hysteresis. The global uniform ultimate boundedness of the closed-loop system is achieved, and the effectiveness of the proposed control approach is demonstrated through simulation examples.     

Robust Adaptive Dead Zone Technology for Fault-Tolerant Control of Robot Manipulators Using Neural Networks

In this paper, a multi-layered feed-forward neural network is trained on-line by robust adaptive dead zone scheme to identify simulated faults occurring in the robot system and reconfigure the control law to prevent the tracking performance from deteriorating in the presence of system uncertainty. Consider the fact that system uncertainty can not be known a priori, the proposed robust adaptive dead zone scheme can estimate the upper bound of system uncertainty on line to ensure convergence of the training algorithm, in turn the stability of the control system. A discrete-time robust weight-tuning algorithm using the adaptive dead zone scheme is presented with a complete convergence proof. The effectiveness of the proposed methodology has been shown by simulations for a two-link robot manipulator.     

可反馈线性化系统的鲁棒自适应容错控制设计

针对存在不确定执行器故障和未知不匹配干扰的可反馈线性化非线性系统, 提出一种鲁棒自适应容错控 制策略. 首先分别给出系统输入和扰动关于系统输出的相对阶, 针对两种相对阶之间的不同关系设计鲁棒控制器, 抑制干扰对系统输出的影响; 然后针对各故障情况分别设计容错控制器; 最后将各控制器进行融合得到一个综合 故障补偿控制器, 从而有效解决故障模式、类型、大小、时间和外界干扰等多重不确定性, 保证闭环系统稳定和渐近 输出跟踪性能. 仿真结果验证了所设计控制方案的可行性与有效性.     

分布式多输入系统的自律鲁棒自适应分散控制

为了实现一类分布式多输入系统的分散鲁棒自适应控制, 基于状态扩张和反演干扰抑制控制, 提出一种自律鲁棒自适应分散控制的新方法. 结合直接反馈线性化和最优控制, 给出了自律最优鲁棒自适应分散控制的设计方法. 仿真结果表明, 所提出方法能够有效实现各子系统的自律鲁棒稳定、全系统整体鲁棒稳定和不确定参数自适应, 同时通过求解LMI, 具备了最优干扰抑制的功能.

     

Robust adaptive fuzzy tracking control for a class of strict-feedback nonlinear systems based on backstepping technique

In this paper, the robust adaptive fuzzy tracking control problem is discussed for a class of perturbed strict-feedback nonlinear systems. The fuzzy logic systems in Mamdani type are used to approximate unknown nonlinear functions. A design scheme of the robust adaptive fuzzy controller is proposed by use of the backstepping technique. The proposed controller guarantees semi-global uniform ultimate boundedness of all the signals in the derived closed-loop system and achieves the good tracking performance. The possible controller singularity problem which may occur in some existing adaptive control schemes with feedback linearization techniques can be avoided. In addition, the number of the on-line adaptive parameters is not more than the order of the designed system. Finally, two simulation examples are used to demonstrate the effectiveness of the proposed control scheme.     

Robust adaptive fuzzy tracking control for a class of strict-feedback nonlinear systems based on backstepping technique

In this paper, the robust adaptive fuzzy tracking control problem is discussed for a class of perturbed strict-feedback nonlinear systems. The fuzzy logic systems in Mamdani type are used to approximate unknown nonlinear functions. A design scheme of the robust adaptive fuzzy controller is proposed by use of the backstepping technique. The proposed controller guarantees semi-global uniform ultimate boundedness of all the signals in the derived closed-loop system and achieves the good tracking performance. The possible controller singularity problem which may occur in some existing adaptive control schemes with feedback linearization techniques can be avoided. In addition, the number of the on-line adaptive parameters is not more than the order of the designed system. Finally, two simulation examples are used to demonstrate the effectiveness of the proposed control scheme.     

不确定非线性系统的模糊鲁棒跟踪控制

提出了一种基于T-S模糊型的鲁捧自适应跟踪控制方法.整个控制方案在结合所有 的局部线性状态反馈控制器的基础上,引入了基于自适应神经网络的鲁棒控制器.所提出的 模糊自适应鲁棒控制器设计方法不需要求取李亚普诺夫方程的公共解,不要求系统的不确定 性项满足任何匹配条件或约束条件所提出的带有补偿项的完全自适应RBF神经网络,通过 在线自适应调整RBF神经网络的权重、函数中心和宽度,提高了神经网络的学习能力,可以 有效地对消系统的未知不确定性的影响.同时通过自适应补偿项来在线估计神经网络的近似 误差边界,弥补了神经网络的不足.所提出的方案保证了闭环系统的稳定性,有效地提高了 系统的鲁棒性和跟踪性能.仿真实例表明了所提出方法的有效性.