基于观测器的可重构机械臂分散自适应模糊控制

提出一种基于观测器的可重构机械臂分散自适应模糊控制方案.将可重构机械臂的动力学描述为一个交联子系统的集合,子系统控制器由自适应模糊系统和鲁棒控制项组成.基于状态观测器观测值构建的自适应模糊系统用于逼近子系统动力学模型和交联项,鲁棒控制项用于抵消模糊逼近误差对轨迹跟踪的影响.数值仿真证明了所提出的分散控制方案的有效性.     

一类非线性MIMO系统的间接自适应模糊鲁棒控制

针对一类模型未知的非线性MIMO系统,将自适应控制、H∞控制与模糊逻辑逼近方法结合到一起,应用"主导输入"的概念,提出了一种间接自适应模糊鲁棒控制设计方法.该方法确保了闭环系统全局稳定,并获得了H∞跟踪性能指标,使外部干扰、模糊逻辑逼近误差和输入对输出的交叉耦合对跟踪误差的影响可衰减到给定的水平.     

一类非线性MIMO系统的间接自适应模糊鲁棒控制

针对一类模型未知的非线性MIMO系统，将自适应控制、H^∞控制与模糊逻辑逼近方法结合到一起，应用“主导输入”的概念，提出了一种间接自适应模糊鲁棒控制设计方法，该方法确保了闭环系统全局稳定，并获得了H^∞跟踪性能指标，使外部干扰，模糊逻辑逼近误差和输入对输出的交叉耦合对跟踪误差的影响可衰减到给定的水平。     

基于观测器的可重构机械臂分散自适应模糊控制

提出一种基于观测器的可重构机械臂分散自适应模糊控制方案.将可重构机械臂的动力学描述为一个交联子系统的集合,子系统控制器由自适应模糊系统和鲁棒控制项组成.基于状态观测器观测值构建的自适应模糊系统用于逼近子系统动力学模型和交联项,鲁棒控制项用于抵消模糊逼近误差对轨迹跟踪的影响.数值仿真证明了所提出的分散控制方案的有效性.

     

基于神经网络补偿的机器人稳定自适应控制

针对建模不精确的机器人,提出了一种基于神经网络补偿的机器人轨迹跟踪稳定自适应控制方法,文中通过设计神经网络补偿器和自适应鲁棒控制项,有效地补偿了模型的不确定性部分和网络逼近误差.由于算法包含有补偿神经网络逼近误差的鲁棒控制项,实际应用中对神经网络规模的要求可以降低;而且神经网络连接权是在线调整的,不需要离线学习过程.理论表明算法能够保证跟踪误差及神经网络连接权估计最终一致有界,仿真结果也验证了算法的有效性.     

一类非线性MIMO系统的直接自适应模糊鲁棒控制

针对一类未知的非线性MIMO系统, 本文提出了一种直接自适应模糊鲁棒控制设计方法. 理论分析和仿真实验都已证明, 该方法确保闭环系统全局稳定, 获得H_∞跟踪性能指标, 外部干扰、模糊逻辑逼近误差和输入对输出的交叉耦合可衰减到给定的水平, 系统鲁棒性好.     

一类严反馈块控非线性MIMO系统的动态面控制

针对一类具有未知不确定性的严反馈块控非线性多输入多输出(MIMO)系统,提出一种满足L∞跟踪性能的动态面鲁棒控制律设计方法.通过非线性阻尼项对未知不确定性进行补偿,动态面控制方法消除了反向递推(backstepping)设计方法中由于对虚拟控制反复求导而导致的复杂性问题.基于李亚普诺夫稳定性定理证明了闭环系统的所有信号半全局一致最终有界,通过适当选择设计参数及初始化动态面变量,跟踪误差可收敛到原点的一个任意小邻域内,且可以保证系统各个输出跟踪误差的L∞性能.数值仿真验证了方法的有效性.     

不确定移动机器人编队间接自适应模糊动力学控制

研究不确定非完整移动机器人Leader/Follower编队动力学控制问题,对Follower提出了自适应队形跟踪控制方法.首先,基于队形方程设计了运动学队形跟踪控制器,使用Backstepping技术扩展出队形跟踪误差动力学方程;然后,利用自适应模糊系统逼近其不确定项,构造了间接自适应模糊动力学队形跟踪控制器;最后,证明了队形跟踪误差可收敛到原点的小邻域内.仿真结果验证了所提出控制策略的有效性.     

一类非线性系统的模糊直接自适应控制

针对一类单输入单输出仿射非线性系统，利用模糊基函数网络的逼近能力，并根据滑模控制原理在控制器中加入逼近误差和外部干扰补偿控制器，提出了一种模糊直接自适应控制方法。该方法不但实现了系统的鲁棒控制，还同时考虑了误差状态的位置信息和运动信息，较大地改善了系统的控制性能。通过Matlab仿真，证明了所设计的模糊直接自适应控制器不但具有鲁棒性，而且可以保证系统具有很好的跟踪性能。     

基于模糊逻辑系统的输出跟踪控制问题

针对一类未知的非线性互联大系统，设计间接自适应模糊控制器以实现跟踪控制，采用模糊控制，模糊逻辑逼近和模糊滑模控制相结合的方法，对维数较低的子系统未知动态和维数较高的互联项未知动态分别采用两类模糊规则进行逼近，对系统的外部干扰及模糊逼近误差采用模糊滑模控制予以抵消，基于Lyapunov方法实现模糊系统中的参数自适应律并在线调节，所设计的间接自适应控制器使系统在Lyapunov意义下稳定，且跟踪误差趋近于0，仿真结果表明了该设计方法的正确性。     

加入临时路径的移动机器人路径跟踪模糊控制

对含不确定性的移动机器人系统设计了路径跟踪模糊控制方法。该方法引入临时路径,使机器人先从初始位置出发沿临时路径行进,当移动到期望路径附近时,再让机器人跟踪期望路径。整个控制过程只需要一个模糊控制器,极大地减少了工作量,并引进积分环节以消除稳态误差。仿真和实验结果验证了该方法的有效性。     

基于分层模糊系统的直接自适应控制

为解决模糊控制器中规则数目随系统变量呈指数增长的问题，利用分层模糊系统设计了一类非线性系统的直接自适应模糊控制器，并证明了所提出的设计方法不但能保证闭环系统的一致有界性。而且可使跟踪误差收敛到原点的小领域内，通过对倒立摆控制的仿真研究验证了该方法的有效性。     

无刷直流电动机积分反演模糊滑模控制

针对普通的无刷直流电动机控制策略受电动机本身因素影响,难以达到理想效果的问题,介绍了一种积分反演自适应滑模变结构控制和模糊控制相结合的控制器。该控制器在滑模面中加入积分项,实现了对速度信号的无静差跟踪,提高了系统的稳态精度;用模糊控制器来解决切换控制增益设定只能靠经验的问题;采用模糊控制算法对不确定性进行估计,有效地减小了滑模控制方法带来的抖振;为了进一步提高控制性能,重新设计了趋近律。仿真结果表明,该控制器能够大幅提升无刷直流电动机控制系统的性能。     

Fuzzy-identification-based adaptive backstepping control using a self-organizing fuzzy system

In this paper, a fuzzy-identification-based adaptive backstepping control (FABC) scheme is proposed. The FABC system is composed of a backstepping controller and a robust controller. The backstepping controller, which uses a self-organizing fuzzy system (SFS) with the structure and parameter learning phases to on-line estimate the controlled system dynamics, is the principal controller, and the robust controller is designed to dispel the effect of approximation error introduced by the SFS. The developed SFS automatically generates and prunes the fuzzy rules by the proposed structure adaptation algorithm and the parameters of the fuzzy rules and membership functions tunes on-line in the Lyapunov sense. Thus, the overall closed-loop FABC system can guarantee that the tracking error and parameter estimation error are uniformly ultimately bounded; and the tracking error converges to a desired small neighborhood around zero. Finally, the proposed FABC system is applied to a chaotic dynamic system to show its effectiveness. The simulation results verify that the proposed FABC system can achieve favorable tracking performance even with unknown controlled system dynamics.     

Robust adaptive self-structuring fuzzy control design for nonaffine,nonlinear systems

In this article, a robust adaptive self-structuring fuzzy control (RASFC) scheme for the uncertain or ill-defined nonlinear, nonaffine systems is proposed. The RASFC scheme is composed of a robust adaptive controller and a self-structuring fuzzy controller. In the self-structuring fuzzy controller design, a novel self-structuring fuzzy system (SFS) is used to approximate the unknown plant nonlinearity, and the SFS can automatically grow and prune fuzzy rules to realise a compact fuzzy rule base. The robust adaptive controller is designed to achieve an L ₂ tracking performance to stabilise the closed-loop system. This L ₂ tracking performance can provide a clear expression of tracking error in terms of the sum of lumped uncertainty and external disturbance, which has not been shown in previous works. Finally, five examples are presented to show that the proposed RASFC scheme can achieve favourable tracking performance, yet heavy computational burden is relieved.     

一类MIMO非线性系统的直接自适应模糊滑模控制

针对一类具有下三角形函数控制增益矩阵的非线性系统, 基于滑模控制原理, 并利用Ⅱ型模糊系统的逼近能力, 提出了一种直接自适应模糊滑模控制器设计的新方案. 通过引入积分型李雅普诺夫函数及逼近误差自适应补偿项, 证明了闭环系统是全局稳定的, 跟踪误差收敛到零. 仿真结果表明了该方法的有效性.     

一类非线性系统的间接自适应模糊控制器的研究

研究一类不确定非线性系统的间适应模糊控制问题。基于Wang提出的监督控制方案，利用Ⅰ型模糊系统的逼近能力，提出一种自适应模糊控制器设计的新方案，该方案通过引入最优逼近误差的自适应补偿项来消除建模误差的影响，从而在稳定性分析中取消了要求逼近误差平方可积或逼近误差的上确界已知的条件，理论分析证明了闭环控制系统是全局稳定的，跟踪误差收敛到零，仿真结果表明了该方法的有效性。     

高超声速飞行器纵向通道分层模糊自适应H∞控制

针对具有参数不确定性特点的高超声速飞行器输出跟踪问题,提出了一种基于分层模糊系统的自适应H_∞控制器的设计方法。为了解决模糊控制器中规则数目随系统变量个数呈指数增长的问题,减少在线辨识参数的数量,增强控制系统的实时性,设计了一种基于分层模糊系统的间接自适应控制器;同时为了减少模糊系统逼近误差、参数不确定性和系统外部干扰对控制系统稳定性造成的影响,引入鲁棒补偿项,提高控制器的H_∞性能,并利用Lyapunov理论分析证明了整个系统的稳定性能。仿真结果表明,该方法不仅能够保证高超声速飞行器具有良好跟踪性能,而且具有很强的鲁棒性。     

Indirect adaptive fuzzy and impulsive control of nonlinear systems

The problem of indirect adaptive fuzzy and impulsive control for a class of nonlinear systems is investigated. Based on the approximation capability of fuzzy systems, a novel adaptive fuzzy and impulsive control strategy with supervisory controller is developed. With the help of a supervisory controller, global stability of the resulting closed-loop system is established in the sense that all signals involved are uniformly bounded. Furthermore, the adaptive compensation term of the upper bound function of the sum of residual and approximation error is adopted to reduce the effects of modeling error. By the generalized Barbalat's lemma, the tracking error between the output of the system and the reference signal is proved to be convergent to zero asymptotically. Simulation results illustrate the effectiveness of the proposed approach.