非线性时滞系统的周期自适应学习跟踪控制

针对一类参数未知的周期非线性时滞系统的输出跟踪控制问题,设计了一种周期自适应迭代学习跟踪控制算法,该方法利用信号置换的思想重组系统,并在假设未知时变参数和参考输出的周期具有已知最小公倍数的情况下,将时滞以及其他不确定的时变项合并为一个周期性的辅助时变参数新变量,进而用周期自适应算法来估计该辅助量.通过构造一个Lyapunov-Krasovskii型复合能量函数,分析了系统的收敛性,证明了经过多次重复迭代学习,所有闭环信号有界且输出跟踪误差收敛,最后通过构造数值实例进行了仿真验证.理论分析和仿真结果表明,该算法简单有效,对于非线性时滞系统的跟踪问题具有很好的控制效果.     

基于自适应滑模的不确定Euler-Lagrange多智能体系统抗扰动蜂拥控制

针对具有参数不确定性和未知外部扰动的Euler-Lagrange多智能体系统,设计一种基于自适应滑模控制的分布式蜂拥算法.该算法使用自适应滑模控制和自适应控制律分别补偿未知的外部扰动与模型中可线性参数化回归的不确定项,从而在实现蜂拥控制的同时,避免智能体对外部扰动先验知识的要求.理论分析表明,在多智能体达成蜂拥的同时,算法保证滑模的自适应增益有界.此外,所提出的算法同时考虑虚拟领导者追踪与基于目标区域的跟踪问题,并给出碰撞避免的条件.最后,通过算例仿真验证所提出算法的有效性.     

轮式移动机器人轨迹跟踪控制研究

针对轮式移动机器人参数摄动和内外部扰动等问题,提出一种新型的基于自适应扩张状态观测器的滑模控制算法。采用自适应虚拟速度控制器估计系统未知参数,滑模控制器抑制参数摄动和内外部扰动,非线性扩张状态观测器观测系统扰动并减小控制输入的抖振,实现了轨迹跟踪误差的快速收敛。利用Lyapunov稳定性理论证明了控制算法的稳定收敛性。将所提算法与传统自适应反演滑模算法进行对比,对比结果表明了所提算法的有效性和鲁棒性。     

移动机器人自适应视觉伺服镇定控制

对有单目视觉的移动机器人系统,提出了一种自适应视觉伺服镇定控制算法;在缺乏深度信息传感器并且摄像机外参数未知的情况下,该算法利用视觉反馈实现了移动机器人位置和姿态的渐近稳定.由于机器人坐标系与摄像机坐标系之间的平移外参数(手眼参数)是未知的,本文利用静态特征点的位姿变化特性,建立移动机器人在摄像机坐标系下的运动学模型.然后,利用单应矩阵分解的方法得到了可测的角度误差信号,并结合2维图像误差信号,通过一组坐标变换,得到了系统的开环误差方程.在此基础之上,基于Lyapunov稳定性理论设计了一种自适应镇定控制算法.理论分析、仿真与实验结果均证明了本文所设计的单目视觉控制器在摄像机外参数未知的情况下,可以使移动机器人渐近稳定到期望的位姿.     

船舶航向控制的多滑模鲁棒自适应设计

针对带有未知虚拟控制增益和常参数不确定的非匹配不确定船舶航向非线性控制问题,设计了一种新的多滑模鲁棒自适应控制算法.该算法利用神经网络来逼近系统模型的不确定性;应用逐步递推的多滑模控制算法降低了控制器的复杂性;尤其是采用Nussbaum函数处理系统中符号未知的问题,避免了可能存在的控制器奇异值问题;然后借助Lyapunov稳定性分析方法,理论分析证明了所得闭环系统全局一致最终有界,且跟踪误差收敛到零.仿真试验结果表明,该方法具有较好的控制效果.     

具有输入死区的非线性系统的鲁棒重复控制

针对一类输入含死区非线性特性的周期时变系统, 在周期时变参数不可参数化的情形下设计鲁棒重复控制器. 采用微分自适应律估计未知死区参数, 剩余的有界项通过鲁棒方法予以消除, 为避免出现颤振现象, 采用饱和函数替代符号函数. 在系统输出跟踪周期轨迹的情形下, 将非参数化不确定项转化为含周期时变参数的形式, 以达到利用周期学习律进行估计的目的. 理论分析与仿真结果表明, 采用部分饱和或全饱和学习算法均能实现输出误差有界收敛, 并保证闭环系统所有信号有界.     

周期时变时滞非线性参数化系统的自适应学习控制

针对一阶未知非线性参数化周期时变时滞系统, 设计了一种自适应学习控制方案. 假设未知时变参数, 时变时滞和参考信号的共同周期是已知的, 通过重构系统方程, 将包含时变时滞在内的所有未知时变项合并成为一个周期时变向量, 采用周期自适应律估计该向量. 通过构造一个Lyapunov-Krasovskii型复合能量函数证明了所有信号有界并且跟踪误差收敛. 结果被推广到一类含有混合参数的高阶非线性系统. 通过两个仿真例子说明本文所提出的控制算法的有效性.     

一类不确定系统的自适应滑模迭代学习控制

本文针对一类在有限时间内执行重复任务的不确定非线性系统状态跟踪问题,提出一种自适应滑模迭代学习控制方法,在存在初始偏移的情况下也能实现对参考轨迹的完全收敛.本文通过设计全饱和自适应迭代学习更新律,估计参数和非参数不确定性以及未知期望控制输入,并将估计值限制在指定界内,避免估计值的正向累加.文章设计的自适应滑模迭代学习控制方法对系统模型的信息需求少,在对系统非参数不确定性的上界估计时不需要Lipschitz界函数已知.本文给出严格的理论分析,证明闭环系统所有信号的一致有界性以及跟踪误差的一致收敛性,并通过仿真验证所提控制方法的有效性.     

非线性不确定系统的自适应观测器设计

非线性状态观测器可改善过程控制性能和故障诊断,针对一类参数不确定非线性系统提出了自适应观测器设计方法。通过微分同胚变换,将非线性系统转换为仅依赖原系统输入、输出的自适应观测器规范形式。利用自适应调节器估计未知参数,用构造的观测器实现状态的重构。Lyapunov稳定性理论分析了状态观测误差动态方程的稳定性,用来证明所设计的自适应观测器为全局渐近收敛的,既实现了系统状态的渐近重构又确保了在持续激励条件下未知参数估计以指数快速收敛到真值,并通过仿真试验。仿真结果表明提出方法的有效性。     

一类MIMO非线性时滞系统的鲁棒自适应控制

针对一类具有非线性输入的MIMO时变时滞系统,基于变结构控制原理,提出了一种稳定自适应控制器设计的新方案.该方案通过使用Lyapunov-Krasovskii(L-K)泛函抵消了因未知时变时滞带来的系统不确定性;进一步,利用Young's不等式和参数自适应估计取消了非线性死区输入模犁和不确定项假设中各种参数均为已知的要求.通过理论分析,证明了闭环控制系统半全局一致终结有界,跟踪误差收敛到零的一个邻域内.     

基于观测器的不确定非线性系统的自适应鲁棒模糊控制

针对单输入单输出不确定非线性系统提出了一种自适应鲁棒模糊控制算法.该算法通过设计观测器来估计系统的状态向量,因此不要求假设系统的状态向量是可测的.在这个算法中,主要的假设为最优逼近参数向量与标称参数向量之差的范数和逼近误差的界限是未知的.通过只对未知界限估计的调节,该算法减轻了在线计算量并且提高了系统的鲁棒性.所设计的自适应鲁棒模糊控制算法保证了闭环系统的所有信号是一致有界的并且跟踪误差估计收敛到一个小的零邻域内.仿真例子证实了所提方法的可行性.     

双重不确定分数阶混沌系统的鲁棒自适应同步控制算法研究

针对一类含有未知参数且受外部扰动的双重不确定分数阶混沌系统的同步控制问题,提出一种易于实现的鲁棒自适应同步控制算法。基于分数阶Lyapunov稳定性定理和自适应控制策略,给出使同步误差系统鲁棒渐进稳定的自适应同步控制器设计方法。该控制器在实现混沌系统同步控制的同时,可以获得对未知参数的精确估计。以一类含绝对值项的分数阶混沌系统为例,通过MATLAB数值仿真验证该算法的有效性和可行性。     

基于DSC后推法的非线性系统的鲁棒自适应NN控制

针对一类具有不确定系统函数和方向未知的不确定增益函数的非线性系统, 提出了一种鲁棒自适应神经网络控制算法. 本算法采用RBF神经网络(Radial based function neural network, RBF NN)逼近模型不确定性, 外界干扰和建模误差采用非线性阻尼项进行补偿, 将动态面控制(Dynamic surface control, DSC)与后推方法结合, 消除了反推法的计算膨胀问题, 降低了控制器的复杂性; 尤其是采用Nussbaum函数处理系统中方向未知的不确定虚拟控制增益函数, 不仅可以避免可能存在的控制器奇异值问题, 而且还能使得整个系统的在线学习参数显著减少, 与DSC方法优点结合, 使得控制算法的计算量大为减少, 便于计算机实现. 稳定性分析证明了所得闭环系统是半全局一致最终有界(Semi-global uniformly ultimately bounded, SGUUB)的, 并且跟踪误差可以收敛到原点的一个较小邻域. 最后, 计算机仿真结果表明了本文所提出控制器的有效性.     

船舶航向非线性系统的多滑模自适应模糊控制

针对参数未知的船舶航向非线性控制系统数学模型,在考虑舵机伺服机构特性的情况下,船舶航向控制问题就成为一个虚拟控制系数未知的非匹配不确定非线性控制问题.基于多滑模设计方法和模糊逻辑系统的逼近能力,提出了一种多滑模自适应模糊控制算法,通过引入非连续投影算法和积分型Lyapunov函数,提高了系统在抑制参数漂移、控制器奇异等方面的能力.借助Lyapunov函数证明了所设计控制器使最终的闭环非匹配不确定船舶运动非线性系统中的所有信号有界,且跟踪误差收敛到零.仿真研究表明:该算法与传统的PID控制相比,具有较好的跟踪能力和自适应能力.     

小型无人机地面目标跟踪系统机载云台自适应跟踪控制

本文针对小型无人机地面目标跟踪系统,提出了一种机载云台自适应跟踪控制算法.该算法在摄像机外参数未知的情况下,利用图像信息和机载传感器得到的无人机状态进行反馈,最终实现了对云台摄像机姿态的控制,使得无人机在跟踪目标飞行过程中,地面目标可以始终保持在摄像机的图像中心.为此,论文首先通过分析无人机、目标和摄像机三者的相对位姿关系,建立了目标点在图像平面的运动学模型.在此基础上,基于李雅普诺夫稳定性理论设计了自适应控制算法.理论分析与仿真结果表明本文所设计的摄像机姿态控制器在摄像机外参数未知的情况下,可以使被跟踪目标始终保持在图像中心.     

一类非仿射非线性不确定系统自适应鲁棒控制

针对一类结构和参数均未知且控制方向未知的不确定非仿射非线性系统,提出了一种鲁棒自适应控制算法.基于中值定理将非仿射系统转化为具有线性结构的时变系统,在此基础上,利用参数投影估计算法对有界时变参数进行辨识,参数辨识误差和外界干扰采用非线性阻尼项进行补偿.同时将动态面控制(DSC)和反推法相结合,消除了反推法的计算膨胀问题,并采用Nussbaum型函数处理系统中方向未知的不确定控制增益函数,避免了可能存在的控制器奇异值问题.最后,采用解耦反推,基于李雅普诺夫稳定性定理证明了闭环系统的半全局一致最终有界.仿真结果验证了所设计控制方案的可行性与有效性.     

基于速度调节的无人帆船机器人自适应航向保持控制

为了解决实际海洋环境下, 无人帆船机器人(USR)航向保持控制任务中存在的模型结构未知、参数不确定 和航行速度难以控制等问题, 本文提出一种具有速度调节性能的鲁棒自适应航向保持控制算法. 该算法采用径向 基(RBF)神经网络对系统结构不确定进行逼近, 由于引入鲁棒神经阻尼技术和动态面控制技术, 使得闭环控制系统 仅需要两个自适应参数对执行器的增益不确定部分进行在线补偿, 并且不需要对神经网络权重参数进行学习更新. 所提出的控制算法能够有效控制无人帆船以期望的航行速度达到设定航向. 利用Lyapunov稳定性理论证明了所提 出控制器能够保证闭环控制系统中相关误差变量满足半全局一致最终有界(SGUUB)收敛. 通过在模拟海洋环境干 扰下进行计算机仿真研究, 验证了所提出算法具有良好的速度调节性能和鲁棒性.     

控制方向未知的时变非线性系统鲁棒控制

针对一类具有未知时变控制方向、不确定时变参数以及未知时变有界干扰的严反馈非线性系统,给出一种带有死区修正算法的鲁棒控制方法.在控制系数符号未知的情况下,通过在反步法中引入Nussbaum增益和死区修正技术,得到一种修正的鲁棒反步设计方法.该方法不需要未知时变控制系数的上下界先验知识以及不确定参数和外界干扰的上界信息.算法保证了闭环系统所有信号的有界性,同时使得跟踪误差收敛于零的任意小邻域内.     

基于最小二乘支持向量机的非线性广义预测控制

通过中值定理将一类非线性系统近似为时变线性系统,然后将提出的在线最小二乘支持向量机回归(OLSSVMR)与广义预测控制相结合,提出了一种基于OLS-SVMR的自适应直接广义预测控制.利用OLS-SVMR直接设计预测控制器,并基于广义误差估计对控制器参数和广义误差估计中的未知向量进行自适应调整.理论证明了该方法可使广义误差估计值收敛到原点的一个小邻域内.仿真算例也验证了该方法的有效性.     

仅用位置信息的多智能体自适应蜂拥控制

复杂系统的研究中,提出了自适应调节的多智能体蜂拥控制算法.算法首先通过改进人工势函数来保证网络的连通性.再通过构造分布式观测器,用多智能体之间的位置信息来估计多智能体之间的速度信息;同时对观测器权重参数进行自适应调节来降低蜂拥控制模型的参数不确定性的影响.并且从理论上对算法进行了分析,然后给出计算机仿真,证明了算法的有效性.仿真结果表明,上述算法能够使多智能体经过一定时间的调整达到速度一致并进入稳态,且运动过程中保证网络连通性.