具有动态不确定性互联大系统的分散自适应控制

对一类具有未建模动态结构相似形的严格反馈非线性互联大系统,提出一种基于神经网络的分散自适应动态面控制方案.该方案引入Lyapunov函数来约束未建模动态,利用神经网络逼近理论分析中所产生的未知非线性连续函数.通过Young’s不等式和三重求和项的分解,有效地处理了耦合作用项,并利用动态面控制技术,实现了系统的分散控制.与现有研究结果相比,所设计的分散控制律中不含有控制增益下界常数.通过构造的方法,利用动态面控制设计中引入的紧集有效地处理了未建模动态和分析中产生的不确定连续函数.理论分析证明了闭环控制系统中所有信号半全局一致终结有界,且跟踪误差收敛到原点的一个小邻域内.两个数值算例的仿真结果表明所提控制方案的有效性.     

一类互联机器人系统鲁棒分散自适应控制

研究一类存在模型不确定性和外部扰动的互联机器人系统的控制问题.控制器由一般线性控制器,线性自适应控制器和非线性自适应控制器综合构成.通过Lyapunov理论证明设计的鲁棒分散自适应控制器能够有效地克服不确定性对系统的影响,实现闭环系统的渐近轨迹跟踪控制.最后给出一个仿真例子进一步验证控制器的有效性.     

自适应神经元网络的智能控制

本文给出了一种适用于控制的自适应神经元模型及其学习策略,设计出了使用这种自适应神经元的网络智能控制系统,提出了神经元网络系统的预测和滤波控制学习算法,并分析了系统的学习控制机理,此方法的有效性和优点得到仿真实验的证明。     

考虑量化输入和输出约束的互联系统自适应分散跟踪控制

本文考虑具有量化输入和输出约束的一类非线性互联系统的自适应分散跟踪控制设计. 分别针对量化参数已知和未知两种情况, 基于反推(Backstepping)设计法, 利用神经网络逼近特性, 设计自适应分散跟踪控制策略. 通过定义新的未知常量和非线性光滑函数, 设计自适应参数估计项来消除未知互联项对系统的影响. 进一步考虑量化参数未知的情形, 引入一个新的不等式来转化输入信号, 并构建新的自适应补偿项来处理量化影响. 同时, 障碍李雅普诺夫函数的引入, 确保了系统输出不违反约束条件. 与现有量化输入设计相比, 本文所提方法不要求未知非线性项满足李普希兹条件, 并且允许量化参数未知. 该设计方法保证了闭环系统所有信号最终一致有界, 而且跟踪误差能够收敛到原点的小邻域内, 同时保证输出不违反约束条件. 最后, 仿真算例验证了所提方法具备良好的跟踪控制性能.     

一类非线性互联系统的间接自适应模糊滑模跟踪控制

基于模糊逻辑逼近原理,针对非线性动态未知互联系统,设计一种新的模糊分散控制器.讨论了互联项满足或不满足一般性约束条件的两种情形,用不同方法来补偿其对大系统的影响.同时利用模式转换函数来实现间接自适应控制与模糊滑模控制之间的转换,使系统的状态在有界闭集内变化,并依据Lyapunov方法证明了闭环系统稳定,跟踪误差收敛到零的一个小邻域内.仿真结果证明所设计的模糊控制器的有效性.     

含有不确定性的非线性互联系统的鲁棒分散H∞控制

讨论了含有不确定性非线性互联系统的鲁棒分散Ｈ∞控制问题,建立了鲁棒Ｈ∞控制之间的联系,在这种联系基础上,基于Ｈａｍｉｌｔｏｎ－Ｊａｃｏｂｉ不等式给出了含有不确定性互联系统的鲁棒分散Ｈ∞控制问题存在的充分条件,分别构造出状态反 输出反发散控制器以确保闭环系统从外部干扰输入到控制输出的Ｌ２增益小于或等于一预先给定的正数。     

非线性系统模糊神经网络变结构自适应控制

在非线性系统的模糊动力学模型基础上,提出一种模糊神经网络变结构自适应控制器;网络的结构根据非线性系统特性动态构成,基于该网络提出非线性预测器,基于梯度法提出了一种网络参数学习算法,并分析了收敛性及其性质。将网络预测器与参数学习算法相结合,构成自适应控制算法,证明了算法的收敛性。仿真结果证实了算法的有效性。     

一类不确定互联系统的鲁棒分散自适应控制

利用反演法的系统性和结构特点,研究了一类含有非线性参数的不确定非线性互联系统的鲁棒分散自适应控制问题.首先,在较直观、较一般的假定下,根据系统的结构特点利用反演法设计出其控制器和自适应律,并且每个子系统控制器和自适应律的构成只利用了本身系统的状态信息,即所谓的分散控制;其次,利用Lyapunov理论证明了所设计的控制器和自适应律使得被控系统的状态及参数估计误差一致终极有界.最后,算例仿真验证了所设计的控制算法的有效性.     

具有iISS逆动态非线性系统的分散自适应调节

考虑了具有积分输入-状态稳定逆动态, 非线性不确定和未知控制方向的非线性系统的分散自适应调节. 证明了闭环系统的所有信号有界, 实现了渐近调节. 数值例子验证了设计的有效性.     

时滞系统的经典控制与智能控制

研究了两类用于时滞系统控制的方法．即包括自整定PID控制、Smith预估控制和大林算法在内的经典控制方法和包括模糊控制、神经网络控制和模糊神经网络控制在内的智能控制方法．经过比较后认为经典控制结构简单、可靠性及实用性强．而智能控制则具有自适应性和鲁棒性好．抗干扰能力强的优势，因而将这两种控制方法结合起来是控制时滞系统有效实用的方法．具有很好的应用前景。     

关联大系统的分散自适应控制：孤立子系统动力学已知情况

本文研究了一类关联大系统的分散自适应控制问题,拓广了分散自适应控制的应用范围,在孤立子系统（ＭＩＭＯ）动力学信息已知,关联强度未知的情况下,论文提出了结构相当简单的分散自适应控制策略,它可保证闭环的分散自适应控制系统具有良好的动力学行为;系统的所有信号都全局有界,进一步,在状态调节情况下,关联大系统状态趋向于零;在模型跟踪情况下,跟踪误差可以通过控制器的设计使之任意小。     

具有未建模动态的时变关联系统的鲁棒分散自适应镇定

针对一类具有动态、静态关联项和未建模动态的时变关联系统,通过利用反推设计方法和σ-修正自适应律,研究了鲁棒分散自适应镇定问题．当时变参数的变化率及未建模动态的幅值分别在某些范围内变化时,证明了闭环系统的所有信号都有界,且每一个子系统的输出与系统参数的变化率有关．仿真例子验证了控制方案的有效性．     

时变关联系统的分散自适应输出反馈控制

针对一类具有动静态关联项和未建模动态的时变关联系统,通过引入输入滤波器及一系列坐标变换,给出了一种分散自适应输出反馈控制器的设计方案.当时变参数的变化率属于L1∩L∞,外界干扰属于L2∩L∞,未建模动态的幅值在某砦范围内变化时,证明了闭环系统的稳定性,且每一个子系统的输出收敛于零.仿真例子验证了这一控制方案的有效性.     

城市区域交通智能控制研究

利用模糊神经网络对城市区域交通进行实时分散控制.把区域交通作为一个大系统,子系统为区域中的各个交叉口,每个交叉口有一个控制器,该控制器根据它自己和相邻交叉口的交通流信息来动态管理绿灯相位及绿灯时间.仿真研究表明:在交通流量较大和流量时变的环境下,该方法比普通车辆感应控制方法控制效果更好.     

一类非线性系统神经网络控制的稳定性分析

从理论上研究将神经网络用于非线性系统控制，通过对神经网络的训练，实现一类非线性系统的定点跟踪。证明了神经网络学习算法的收敛性不仅与系统的动态特性有关，而且与网络的初始条件有关。仿真结果表明，适当选取网络的初值和加权的调节速率，可以实现非线性系统的定点跟踪。     

一类关联大系统的分散强镇定

研究由子系统通过输入输出通道实现连接的关联大系统的分散强镇定问题,对于静态连接或的动态连接的情形,给出了大系统可以实现分散强镇定的条件,这些条件的检验只在子系统一级进行,具有较低的计算维数。     

基于神经网络和模糊理论的智能控制技术

将神经网络方法和模糊理论结合起来，讨论一种基于神经网络（NN）和模糊理论实现智能控制的方法。仿真表明这类智能控制器可用于难以建立数学模型的控制系统。     

特殊的分散控制问题

主要研究一类特殊的分散控制问题,给出其可静态分散镇定的条件,并指出在一些情形下,不可能分散镇定整个系统的同时使各子系统也都稳定,也就是说,整个系统要达到分散镇定的结果,必须把部分子系统配置到不稳定状态.结果表明关联系统的稳定性有时主要依赖于子系统的协调性,不一定依赖于子系统的稳定性强度.     

耦合大系统的一种分散鲁棒自适应控制解

针对连续耦合大系统给出一种间接分散非奇异鲁棒自适应控制器，控制算法采用参数辨识修正方法来克服可能出现的辨识子模型不可控问题。在不依赖外加持续激励信号和不预先假设未知系统参数空间具有凸性质的基础上，保证整个闭环系统的全局渐近稳定性。它对各子系统间存在的弱耦合、未建模动态误差和有界扰动具有鲁棒性。