含有不灵敏区非线性系统的增益调度自适应变结构控制

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,采用增益调度变结构控制策略,研究其镇定问题.利用增益调度策略和自适应参数估计方法,在同时存在参数、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,提出了新的增益调度自适应变结构镇定控制律设计方法,既节省了控制能量,又消除了控制信号的颤振.所提出的控制律可以保证闭环输出为一致终结有界,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.     

模块化反步自适应大机动飞行控制

针对飞机大机动飞行时模型非线性和参数不确定性的特点,提出一种输入状态稳定反步自适应控制的模块化设计方法.基于模块化设计思想,设计一个输入状态稳定的反步控制器,保证在输入有界情况下系统状态的有界特性.基于最小二乘算法设计参数自适应律和滤波器的辨识器模块,保证独立于输入状态稳定控制器之外的参数误差及其导数有界,并利用一种基于免疫克隆原理的改进粒了群算法优化固定参数,改善动态性能.仿真结果表明了所提出算法的有效性.     

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.     

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.     

基于奇异摄动理论的输入有界机器人轨迹跟踪控制

针对机器人轨迹跟踪中驱动扭矩有界的问题.提出一种基于奇异摄动系统稳定性理论的推广算法.通过在控制律中引入含有误差增益的饱和函数,保证扭矩输入绝对值的上界在给定限制范围内.并可通过适当调节误差增益系数改善系统的轨迹跟踪性能.同时,算法中采用仅包含位置跟踪误差信息的线性滤波函数产生用来替代真实速度误差的伪速度误差信号.使得整个系统的闭环控制不需测量转速.根据提出的推广算法,设计了一种全新的输入有界控制律,验证了算法的有效性.仿真试验对比结果表明,该算法能够严格保证扭矩控制输入的有界性,并在相同参数条件下相比于其他算法,具有更优的轨迹跟踪效果.     

一类控制输入饱和受限的不确定系统滑模控制

本文研究控制输入饱和受限情况下不确定系统的滑模控制问题,其中,被控对象同时存在状态矩阵不确定性和控制增益矩阵不确定性.设计了一种积分型切换面和一个具有特殊结构的滑模控制律,可以在参数不确定和控制受限影响下保证系统状态轨迹有限时间内到达指定的切换面,利用等价控制律方法给出了滑模动态渐近稳定的充分条件.数值仿真例子验证了本文算法的有效性.     

考虑输入约束的半主动悬架非线性自适应控制

针对具有输入约束及参数不确定性问题的汽车半主动悬架系统,提出一种考虑输入饱和的非线性自适应Backstepping控制器.该方法引入一个辅助系统,通过设计新的误差变量,实现对控制饱和的补偿,解决控制输入的幅值约束问题.同时,考虑到悬架系统的参数不确定性问题,采用映射自适应算法设计自适应律,通过构造适当的Lyapunov函数,保证悬架系统的稳定性.仿真结果表明,所设计的控制器具有良好的隔振性能,而且能够有效降低输入约束和不确定参数对系统性能的影响.     

拟人智能控制及鲁棒LQ控制在倒立摆基准问题中的应用

分别应用拟人智能控制策略解决倒立摆标称系统的控制和鲁棒LQ方法解决其鲁棒控制问题.拟人智能控制模仿人解决问题的归约思路,从物理角度出发分析被控系统并设计定性控制律.利用遗传算法良好的全局搜索收敛特点,对定性控制律中的参数进行优化搜索.当模型只存在结构化型不确定性且不确定性有界时,可通过求解一个Riccati方程来设计鲁棒LQ控制器.仿真结果表明给定的控制指标均得到满足,且控制律算法简单,实现比较方便.     

动态不确定系统的变结构控制器设计

该文提出了一种仅用输入和输出信号实现的变结构控制方案.引入了一个严格正实的比 较模型和具有适当逻辑切换的状态变量过滤器.文中分别讨论了系统建模部分的相对阶为1 和大于1的情况.当相对阶为1时所设计的系统能实现滑模控制.在相对阶大于1的情况下 尚须引入一个符号跟随系统,证明了所设计的系统全局有界稳定.理论分析和仿真表明了该 文算法对系统的参数不确定性和结构不确定性具有一定的鲁棒性.     

基于等价输入干扰滑模观测器的磁悬浮球系统模型预测控制

本文针对系统不确定性和外部干扰引起的磁悬浮球系统控制性能下降的问题,提出了一种基于等价输入干扰滑模观测器的模型预测控制(MPC+EIDSMO)方法.首先将原系统转化为EID系统,采用等价输入干扰滑模观测器对EID系统状态变量及等价输入干扰进行估计;然后基于状态估计值设计模型预测控制器,并将等价输入干扰估计值以前馈的方式补偿后得到最终的复合控制律,实现对参考位置跟踪的快速性,准确性以及对总扰动的鲁棒性.值得注意的是,与传统EID结构中的龙伯格观测器相比,等价输入干扰滑模观测器中增加的非线性观测误差反馈项有助于提高状态估计的快速性和精确性.从理论上证明了该系统是全局一致毕竟有界的.仿真和实验结果表明,相较于基于EID观测器的模型预测控制方法和基于龙伯格观测器的积分模型预测控制方法,所提方法提高了磁悬浮球系统的跟踪性能,并且有效的抑制了系统不确定性和外部干扰.     

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.     

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 neural control of MIMO nonlinear state time-varying delay systems with unknown dead-zones and gain signs

In this paper, adaptive neural control is proposed for a class of uncertain multi-input multi-output (MIMO) nonlinear state time-varying delay systems in a triangular control structure with unknown nonlinear dead-zones and gain signs. The design is based on the principle of sliding mode control and the use of Nussbaum-type functions in solving the problem of the completely unknown control directions. The unknown time-varying delays are compensated for using appropriate Lyapunov-Krasovskii functionals in the design. The approach removes the assumption of linear functions outside the deadband as an added contribution. By utilizing the integral 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. Simulation results demonstrate the effectiveness of the approach.     

不确定性大系统的分散变结构自适应控制

提出一种适用于存在变化的子系统关联、系统参数摄动和外界干扰的不确定性线性大系统的分散变结构自适应控制方法。在控制律中引入一种对系统不确定扰动与关联的界的简单自适应算法，增强了控制系统对不可知系统不确定扰动的鲁棒性。所提出的控制方法具有较强的工程实用性。     

Improved fuzzy sliding mode control for a class of MIMO nonlinear uncertain and perturbed systems

In this paper, a stable adaptive fuzzy sliding mode based tracking control is developed for a class of nonlinear MIMO systems that are represented by input output models involving system uncertainties and external disturbances. The main contribution of the proposed method is that the structure of the controller system is partially unknown and does not require the bounds of uncertainties and disturbance to be known. First, a fuzzy logic system is designed to estimate the unknown function. Secondly, in order to eliminate the chattering phenomenon brought by the conventional variable structure control, the signum function is replaced by an adaptive Proportional Derivative (PD) term in the proposed approach. All parameter adaptive laws and robustifying control terms are derived based on Lyapunov stability analysis, so that convergence to zero of tracking errors and boudedness of all signals in the closed-loop system can be guaranteed. Finally, a mass-spring-damper system is simulated to demonstrate the validity and the effectiveness of the proposed controller.     

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     

不确定机器人的神经网络轨迹控制

针对不确定机器人的轨迹跟踪问题,提出了一种基于自适应神经网络的控制方案.对于系统中的各种未知非线性,通过RBF神经网络和变结构光滑集成的控制器来自适应学习并且补偿,这种控制器克服了局部泛化网络的不足,提高了控制精度及其收敛速度.而且在考虑神经网络失效的情况下,仍能保证系统具有良好的鲁棒性.网络权重的自适应修正规则基于Lyapunov函数方法得到,它保证了跟踪误差的全局渐进稳定性.试验结果证明了这种控制算法的有效性.     

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.     

时滞关联大系统的分散变结构自适应控制

针对一类满足匹配条件的不确定性时滞关联大系统,提出了一种基于Lyapunov稳定性理论的分散变结构自适应控制方案.通过引入积分滑模和能在线估计不确定性扰动与时滞关联的界的自适应算法,保证了闭环系统的渐近稳定性,实现了系统的鲁棒自适应控制.所提出的方案具有较强的工程实用性.算例仿真的结果表明了该控制方案的可行性.