基于多模型的非线性系统自适应最小方差控制

对于一类典型的离散时间非线性系统, 提出了一种基于多模型的自适应最小方差控制方法. 通过在平衡点附近建立线性模型, 用径向基函数神经元网络来补偿建模误差和未建模动态, 形成了非线性系统的多模型表示. 采用了具有积分性质的切换指标函数作为切换法则和最小方差的控制方法构成了多模型自适应控制器. 仿真实验的结果表明了这种方法的有效性.     

基于神经网络的一类非线性系统的自适应控制

基于递归神经网络给出了仅含一个非线性环节的一类非线性系统的自适应控制方案。该方案采用递归神经网络辨识非线性系统中的未知非线性环节。沿用广义最小方差自校正控制方法,可以解决非线性环节未知和工作点变化时传统方法无法控制的自适应控制问题。理论分析和仿真结果表明,该方法具有很好的控制效果。     

基于神经网络的一类非线性系统的自适应控制

基于递归神经网络给出了仅含一个非线性环节的一类非线性系统的自适应控制方案。该方案采用递归神经网络辨识非线性系统中的未知非线性环节。沿用广义最小方差自校正控制方法,可以解决非线性环节未知和工作点变化时传统方法无法控制的自适应控制问题。理论分析和仿真结果表明,该方法具有很好的控制效果。     

基于小波网络的一类非线性系统稳定最小方差控制

研究一类非线性系统的最小方差控制．将非线性系统等价表示为时变线性系统，利用小波网络的非线性逼近特性在线辨识时变系数，利用改进的投影算法在线调整小波网络的权值；在此基础上设计了非线性系统的最小方差控制器，并分析了闭环控制系统的稳定性．仿真结果表明了该算法的有效性．     

广义最小方差自校正重置PID控制器及其在压力系统中的应用研究

针对压力系统的纯延迟、大惯性、非线性、时变等特点,本文将重置控制和以广义最小方差为性能指标的自校正PID控制相结合,提出一种广义最小方差自校正重置PID控制方法。该方法首先根据被控对象的数学模型,以广义最小方差为目标设计广义最小方差控制器,通过选择该控制器的分母多项式,求解Diophantine方程,得到具有PID结构形式的广义最小方差控制器,再在该控制器的积分项中引入重置控制,构成广义最小方差重置PID控制;对于模型未知或参数慢时变的被控对象,通过采用带遗忘因子的递推最小二乘法构建系统的自适应机制,增强控制系统的自适应能力和鲁棒性。最后,将该控制方法应用于压力容器的恒值控制中,获得了比较满意的控制效果。     

非线性自适应控制——克服非线性的影响

非线性自适应控制系统中,当工作点发生转移时,被控过程的增益有时会有很大的变化, 这对使用广义最小方差控制的自校正控制器来说会产生一定的影响.文中对这种影响机理进行了 讨论,并针对单变量系统提出两种合理的解决方法.     

PH过程的非线性最小方差控制

ＰＨ值控制是过程控制中最难控制的变量之一。本文首次用非线性离散Ｈａｍ－ｍｅｒｓ＋ｅｉｎ模型来描述ＰＨ过程，并设计了非线性最小方差控制器。在实验室中和反应器装置上的应用结果表明：Ｈａｍｍｅｒｓｔｅｉｎ模型能较精确地反映ＰＨ过程的非线本质，其最小方差控制系统具有实施简单，性能稳定，控制品质好等优点，对工作点改变有较强的鲁棒性。为ＰＨ过程的控制提供了一条新的有效经。     

锅炉过热汽温的LTV最小方差控制

针对过热汽温对象具有大迟延、不确定等特点,设计出了一种基于线性时变(LTV)最小方差的串级控制系统。在对控制对象的动态特性分析的基础上,用具有可确定"时滞"的LTV过程传递函数的最小方差控制的显示解进行研究。结果表明,存在一个随时间变化的过程,可以从日常操作数据中估计其方差,它的绝对下界即LTV最小方差控制。通过仿真实验,将用该控制器构成的汽温串级控制系统的控制效果与传统自适应控制作比较,证明了所提出的控制方案能够有效减小延迟时间对控制效果的影响,提高系统的快速性,具有较强的适应性。     

引入探测信号的最小方差对偶控制

本文针对未知参数的最小方差拄制问题,提出了一种在谨慎控制器基础上加入探测信号的控制策略。利用系统方差在参数辨识好坏时的变化调节探测信号的大小,避免了单纯使用谨慎控制所产生“关断”现象。与其它次优对偶控制相比,引入探测信号的最小方差对偶控制小仅计算量小易于实现,而且能够根据需要设计控制系统的动态性能、参数跟踪能力。     

隧道窑炉自校正控制装置的研究与实现

本文的研究工作,是在大型耐火材料隧道窑炉上具体完成的.论述了本隧道窑系统实现自校正控制的可能性,针对本系统对最小方差自校正和经典PID控制进行了对比仿真研究,得出了在本控制系统上最小方差自校正控制确实优于经典PID控制的结论.最后,在隧道窑炉上具体实现了最小方差自校正控制并取得了满意的控制效果.     

Concise adaptive neural control of uncertain nonlinear systems with periodically nonlinear time-varying parameterized disturbances

This note makes effort at the problem of robust adaptive control for uncertain nonlinear systems with periodically nonlinear time-varying parameterized disturbances with known common period. A concise adaptive neural control scheme is developed by fusion of the Backstepping method and a novel MLN (minimum learning network) technique. In the control scheme, the intermediate variables, i.e., the virtual controls, do not appear in the finally actual control effort, and only one neural network is introduced to compensate sum of the uncertainties in the whole system. Thus, the outstanding advantage of the corresponding scheme is that the control law with a concise structure is model-independent and easy to implement in the process industries due to less computational burden. Based on the Lyapunov synthesis, it is proven that with the developed concise adaptive controller, all the signals in the closed-loop system converge to a small neighborhood of zero. Finally, three comparison examples demonstrate the effectiveness of the proposed algorithm.     

时变参数化非线性系统自适应迭代学习控制器设计

针对一类时变参数化非线性系统的控制问题进行深入研究,提出一种新的迭代神经网络估计器,并证明了其逼近引理,实现了对时变不确定性的逼近.在用迭代神经网络对时变不确定性进行估计的同时,以Lyapunov稳定性理论为基础,综合运用Backstepping和自适应控制技术,设计了自适应迭代学习控制器,并进行了稳定性分析,得到了稳定性定理,解决了这类时变非线性系统的控制问题.最后的仿真实验验证了所提出设计方法的正确性.     

基于神经网络的不确定机器人自适应滑模控制

提出一种机器人轨迹跟踪的自适应神经滑模控制。该控制方案将神经网络的非线性映射能力与变结构控制理论相结合,利用RBF网络自适应学习系统不确定性的未知上界,神经网络的输出用于自适应修正控制律的切换增益。这种新型控制器能保证机械手位置和速度跟踪误差渐近收敛于零。仿真结果表明了该方案的有效性。     

不确定非线性系统的自适应反推高阶终端滑模控制

针对一类非匹配不确定非线性系统,提出一种神经网络自适应反推高阶终端滑模控制方案.反推设计的前1步利用神经网络逼近未知非线性函数,结合动态面控制设计虚拟控制律,避免传统反推设计存在的计算复杂性问题,并抑制非匹配不确定性的影响;第步结合非奇异终端滑模设计高阶滑模控制律,去除控制抖振,使系统对于匹配和非匹配不确定性均具有鲁棒性.理论分析证明了闭环系统状态半全局一致终结有界,仿真结果表明了所提出方法的有效性.     

一类非线性不确定系统的神经网络控制

针对一类非线性不确定系统,提出了一种自适 应神经网络控制方案．被控系统是部分已知的,其中系统已知的动态特性被用来设计保证标 称模型稳定的反馈控制器,而基于神经网络的动态补偿器则用于补偿系统的非线性不确定性 ,从而可以保证系统输出跟踪误差渐近收敛于0．     

电液位置伺服系统的多滑模神经网络控制

针对电液位置伺服系统存在的强非线性、控制增益未知和非匹配不确定性.通过引入神经网络和带饱和层的多滑模面,提出了一种多滑模神经网络控制方法.该方法运用神经网络的万能逼近特性和滑模控制优良的抗干扰特点,采用构造性方法设计控制器.运用光滑投影算法和积分李雅普诺夫技术,避免了参数漂移和控制器奇异问题.理论证明了系统跟踪误差收敛于任意设定的滑模面饱和层内.仿真实验表明了理论结果的有效性.     

基于自适应神经网络的不确定非线性系统的模糊跟踪控制

提出了一种基于模糊模型和自适应神经网络的跟踪控制方法.在系统具有未知不确定非线性特性的情况下,首先利用T＿S模糊模型对系统的已知特性进行近似建模,对基于模糊模型的模糊H∞跟踪控制律进行输出跟踪控制.并在此基础上,进一步采用RBF神经网络完全自适应控制,通过在线自适应调整RBF神经网络的权重、函数中心和宽度,从而有效地消除系统的未知不确定性和模糊建模误差的影响,保证了非线性闭环系统的稳定性和系统的H∞跟踪性能,而不要求系统的不确定项和模糊建模误差满足任何匹配条件或约束.最后,将所提出的方法应用到一非线性混沌系统,仿真结果表明了所提出的方案不仅能够有效地稳定该混沌系统,而且能使系统输出跟踪期望输出.     

基于模糊模型和神经网络的多时滞不确定非线性系统的鲁棒H∞控制

针对一类具有多时滞的不确定非线性系统,提出了一种基于模糊模型和神经网络的组 合控制方法.利用具有多时滞的模糊T-S模型对系统进行近似建模并给出基于线性矩阵不等式 (LMI)的模糊H∞控制律.提出完全自适应RBF神经网络控制方法,通过在线自适应调整RBF 神经网络的权重、函数中心和宽度,来对消系统的未知不确定性和模糊建模误差的影响,不要求 系统的不确定项和模糊建模误差满足任何匹配条件或约束,并证明了闭环系统的稳定性.最后, 将所提出的方法应用到一具有多时滞的非线性混沌系统,仿真结果表明了该方法的有效性.