基于神经网络与多模型的非线性自适应广义预测解耦控制

针对一类非线性多变量离散时间动态系统,提出了基于神经网络与多模型的非线性自适应广义预测解耦控制方法.该控制方法由线性鲁棒广义预测解耦控制器和神经网络非线性广义预测解耦控制器以及切换机构组成.线性鲁棒广义预测解耦控制器用于保证闭环系统输入输出信号有界,神经网络非线性广义预测解耦控制器能够改善系统性能.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.同时本文给出了所提自适应解耦控制方法的稳定性和收敛性分析.最后,通过仿真实例验证了该方法的有效性.     

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.     

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．     

强制循环蒸发系统的非线性自适应解耦PID控制

本文结合现场的实际过程数据,首先应用能量平衡建立了强制循环蒸发过程的动态模型.针对该过程的多变量、非线性以及强耦合特性,在常规增量式PID控制器的基础上提出基于神经网络与多模型切换的非线性自适应解耦PID控制策略.该控制器是由线性自适应解耦PID控制器和基于神经网络的非线性自适应解耦PID控制器以及切换机构组成.其中线性自适应解耦PID控制器可以保证系统的稳定,而基于神经网络的非线性自适应解耦PID控制器则可以有效地提高系统的性能.上述过程的PID参数是通过广义预测的方法得到,最后通过仿真表明,上述控制方法不仅消除了回路间的耦合,在稳定生产的同时提高了蒸发的效率.     

一类非线性非最小相位系统的直接自适应控制

针对一类不确定的离散时间非线性非最小相位动态系统,提出了一种基于神经网络和多模型的直接自适应控制方法．该控制方法由线性直接自适应控制器,神经网络非线性直接自适应控制器以及切换机构组成．线性控制器用来保证闭环系统输入输出信号有界,非线性控制器用来改善系统性能．切换策略通过对上述两种控制器的切换,保证闭环系统输入输出有界的同时,改善了系统性能．理论分析以及仿真结果表明了所提出的直接自适应控制方法的有效性．     

非线性零阶接近有界多模型神经网络自适应控制器

针对一类单变量非线性离散时间系统,提出一种零阶接近有界的多模型神经网络自适应控制器。该控制器包含一个非线性鲁棒自适应控制器和一个非线性神经网络自适应控制器。当系统非线性项放宽到零阶接近有界时,这两个控制器分别用于保证系统的稳定性和提高系统的性能,系统的控制输入由切换机构在两个控制器之间进行切换产生。最后给出了稳定性和收敛性证明,并通过仿真实验验证了该控制器的有效性。     

基于神经网络的非线性多模型自适应控制

针对一类非线性离散动态系统,设计了一个自适应控制方案。为了保证在任意时刻均能为被控的动态系统选择最好的控制器,方案基于输入输出数据为系统定义一个线性预测模型,并在此基础上设计能够保证闭环系统所有信号有界的线性鲁棒自适应控制器,同时定义一个非线性预测模型,再基于径向基神经网络设计一个旨在提高系统控制性能的非线性自适应控制器。通过比较2个控制器预测的系统输出性能,设计合理的开关切换规则。控制方案能将系统稳定性控制和性能优化的控制分离并单独实现,使得系统能在保证稳定性前提下,借助神经网络控制器良好的追踪能力有效提高自适应控制效果。最后通过仿真例子说明了系统稳定和提高输出追踪效果可以同时得到保证。     

基于小波分解的非线性系统多模型自适应控制

提出了一种改进的基于小波分解的非线性系统辨识算法,利用小波函数的逼近能力在线辨识被控对象的非线性项.针对基于小波分解的辨识算法缺乏预测能力,提出了根据线性鲁棒自适应控制器提供的当前控制信息预测未来的非线性项值新方法,并结合多模型方法,根据所定义的切换指标自动切换到当前最优控制器.仿真结果表明,改进的基于小波分解的辨识算法能够有效逼近非线性系统,基于小波分解的非线性系统多模型自适应控制方法改善了系统性能,随着系统运行跟踪误差明显减小,说明了该方法的有效性和可行性.     

一类非线性多变量系统的多模型自适应控制

针对一类不确定的非线性多变量离散时间动态系统,提出了一种基于切换的多模型自适应控制方法.该控制方法的特点在于以下两个方面:首先,引入一个高阶差分算子使得非线性系统的非线性项的限制条件不再要求全局有界;其次,提出的控制方法由线性自适应控制器、神经网络非线性自适应控制器以及切换机构组成:线性控制器用来保证闭环系统的输入输出信号有界,神经网络非线性控制器用来改善闭环系统的性能,基于性能指标的切换机构在每一时刻选择性能指标较好的控制器对系统进行控制.理论分析和仿真实验说明了提出的多模型自适应控制方法的有效性.     

基于神经网络和多模型的非线性离散自适应控制

针对一类非线性离散时间单变量系统,提出了基于多模型切换策略的非线性自适应控制方法.首先将被控系统划分为多个工作区间,然后在每个工作区间内建立1个线性自适应控制器和1个非线性神经网络自适应控制器.线性控制器可以保证系统的稳定性,神经网络非线性控制器可以有效的改善系统的暂态性能,采用有效的切换策略可以在保证系统稳定的情况下很好的改善系统的性能.仿真结果验证了所提出方法的有效性.     

基于多模型的非线性系统广义预测控制

对于复杂的离散时间非线性系统，提出一种基于多模型的广义预测控制方法．通过在平衡点附近建立线性模型，并用径向基函数神经网络来补偿匹配误差，形成了非线性系统的多模型表示，然后采用模糊识别方法作为切换法则，并结合广义预测控制构成了多模型广义预测控制器．通过对连续发酵过程的计算机仿真，表明了该方法的有效性．     

具有非线性扰动的广义系统的鲁棒H∞控制

研究具有非线性结构扰动广义系统的鲁棒H∞控制和鲁棒H∞保性能控制问题,该不确定性为时间和状态的函数.且满足Lipschitz条件.目的是分别设计系统的鲁棒H∞控制器和鲁棒H∞保性能控制器.应用线性矩阵不等式方法,分别给出了系统的鲁棒H∞控制器和鲁棒H∞保性能控制器存在的充分条件.当这些条件可解时,分别给出了鲁棒H∞控制器和鲁棒H∞保性能控制器的表达式.最后通过一个仿真算例说明了所给出方法的应用.     

不确定时变时滞切换广义系统的鲁棒H∞ 保性能控制

利用公共 Lyapunov 泛函方法和凸组合技术研究了一类不确定时变时滞切换广义系统的鲁棒 ∞保性能控制和状态反馈镇定问题.在设定的切换规则下,给出了基于线性矩阵不等式表示的鲁棒 ∞保性能控制器存在的充分条件,保证了系统具有鲁棒 ∞干扰抑制水平 及状态反馈可切换镇定的同时满足保性能指标.最后的仿真示例验证了该方法的有效性.     

两电机变频系统神经网络广义逆内模控制

为了提高非线性强耦合的两电机变频调速系统的解耦控制性能和鲁棒性能,提出了基于神经网络广义逆系统的二自由度内模控制方法。先对原系统数学模型进行广义逆存在性分析,进而推导出原系统的广义逆数学模型,再用动态神经网络逼近广义逆模型,从而串接在原系统之前组成广义伪线性复合系统,实现系统的解耦线性化与开环稳定,有利于系统的综合。然后对广义伪线性系统引入二自由度内模控制,保证系统的鲁棒稳定性。最后基于S7-300的平台,做了相关的试验研究。结果表明,该方法不但能够很好地实现系统的解耦,而且当系统存在建模误差和负载扰动的情况时,仍能使系统保持高性能的控制。     

基于未建模动态补偿的一类MIMO非线性系统的自适应广义预测解耦切换控制

针对一类不确定的多输入多输出(MIMO)离散时间零动态不稳定非线性系统, 提出了一种基于未建模动态补偿的非线性广义预测解耦切换控制方法. 该控制方法要求系统的未建模动态满足线性增长条件, 放宽了未建模动态全局有界的限制. 建立了所提的自适应控制方法的稳定性和收敛性分析. 而且, 在设计广义预测解耦控制器时, 把“一一映射”与ANFIS的训练相结合来估计系统的未建模动态, 保证了ANFIS的万能逼近特性. 最后, 仿真结果验 证了所提方法的优越性.     

时变不确定切换广义系统的鲁棒最优保性能控制

针对一类时变参数不确定切换广义系统,对其鲁棒最优保性能控制问题进行研究,假定其中的时变不确定性项是范数有界的,但不需要满足匹配条件。通过构造广义Lyapunov函数和线性矩阵不等式方法,给出系统鲁棒最优保性能控制器存在的充分条件。进一步,建立一个具有线性矩阵不等式约束的凸优化问题,得到鲁棒最优保性能控制律及闭环性能指标上界。最后用示例说明该方法的有效性。     

一类非线性切换系统鲁棒H∞可靠控制

为了克服扰动与执行器故障对控制系统的影响，使系统具有抗干扰性和可靠性，针对一类不确定非线性切换系统，研究了在任意切换规则下鲁棒H∞可靠控制问题．首先，系统所有矩阵同时含有参数不确定性，并且系统也存在未知非线性扰动．当执行器存在故障时，基于线性矩阵不等式技术以及公共李亚普诺夫函数方法得到鲁棒H∞可靠控制器，使切换系统在任意切换律下全局二次稳定并且满足H∞性能指标．最后，通过求解凸优化问题得到了鲁棒H∞最优可靠控制器．仿真结果表明控制器在任意切换规则下是可行和有效的．     

多故障并发非线性系统一体化跟踪主动容错控制器设计

针对一类执行器及传感器同时发生故障的非线性系统,综合鲁棒滑模重构观测器及自适应滑模容错控制器设计技术,提出一体化跟踪主动容错控制方案.首先,将系统增维变换为广义系统,运用广义约束逆引入辅助矩阵,采用线性矩阵不等式设计观测器系数矩阵,综合自适应律给出广义鲁棒滑模观测器设计程式;在此基础之上,通过设计鲁棒滑模微分器估计输出向量微分,结合广义鲁棒滑模观测器状态估计结论,实现执行器及传感器故障同时重构.其次,基于故障重构及状态估计结论,提出自适应滑模的跟踪主动容错控制律设计程式.最后,通过开展飞行模拟转台伺服系统数值仿真,检验一体化跟踪主动容错控制器设计方法的有效性.     

一类工业运行过程多模型自适应控制方法

针对一类动态未知的工业运行过程,提出一种基于神经网络补偿和多模型切换的自适应控制方法.为充分考虑底层跟踪误差对整个运行过程优化和控制的影响,将底层极点配置控制系统和上层运行层动态模型相结合,作为运行过程动态模型.针对参数未知的运行过程动态模型,设计由线性鲁棒自适应控制器、基于神经网络补偿的非线性自适应控制器以及切换机制组成的多模型自适应控制算法.采用带死区的递推最小二乘算法在线辨识控制器参数,克服了投影算法收敛速度慢、对参数初值灵敏的局限.理论分析和仿真实验结果表明了所提方法的有效性.     

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.