输入增益未知非参数不确定系统的准最优学习控制

为解决一类非参数不确定系统在任意初态且输入增益未知情形下的轨迹跟踪问题, 提出准最优误差跟踪学习控制方法.该方法综合准最优控制和迭代学习控制两种技术设计控制器, 在构造期望误差轨迹的基础上, 根据控制Lyapunov函数及Sontag公式给出标称系统的优化控制, 以鲁棒方法和学习方法相结合的策略处理非参数不确定性.闭环系统经过足够次迭代运行后, 经由实现系统误差对期望误差轨迹在整个作业区间上的精确跟踪, 获得系统状态对参考信号在预设的部分作业区间上的精确跟踪.仿真结果表明所设计学习系统在收敛速度方面快于非优化设计.     

任意初值非线性不确定系统的迭代学习控制

为解决任意初态下的轨迹跟踪问题, 针对一类含参数和非参数不确定性的非线性系统, 提出基于滤波误差初始修正的自适应迭代学习控制方法. 利用修正滤波误差信号设计学习控制器, 并以Lyapunov方法进行收敛性能分析. 依据类Lipschitz条件处理非参数不确定性, 对于处理过程中出现的未知时变参数向量, 利用自适应迭代学习机制进行估计. 经过足够多次迭代后, 藉由修正滤波误差在整个作业区间收敛于零, 实现滤波误差本身在预设的作业区间也收敛于零. 仿真结果表明了本文所提控制方法的有效性.     

一类不确定非线性系统的重复学习控制

针对一类在有限时间区间上重复作业的不确定非线性系统,本文提出一种重复学习控制方法,用于解决非参数不确定性问题.该方法采用死区修正学习律对期望控制输入与界函数进行估计,以避免参数的正向累加导致系统发散,并使该控制算法较少地依赖于系统信息,更方便于控制器的实现.基于Lyapunov方法所设计的控制器,保证了闭环系统所有信号的有界性,并使得跟踪误差收敛于死区界定的邻域.通过仿真算例及电机实验结果验证所提学习控制算法的有效性.     

非匹配不确定系统的自适应反演准滑模控制

对于一类n阶非线性系统,提出一种自适应反演准滑模控制方法,控制的前n-1步采用自适应反演算法消除非匹配不确定性的影响,在最后一步,为改进跟踪效果,结合了可变边界层的思想,设计了准滑模控制方法,达到系统的n个状态快速收敛的目的.最终系统中不满足匹配条件的部分也具有较好的鲁棒性.与自适应反演线性滑模方法相比具有更好的跟踪性,理论分析证明了控制系统在削弱抖振的同时也能保证稳态精度,仿真实验证明了该方法的可行性.     

一类不确定系统的重复学习控制方法

针对一类不确定非线性系统, 结合Backstepping方法, 设计重复学习控制方法.采用Lyapunov-like综合, 设计重复学习控制器处理系统中的参数和非参数不确定性, 可实现系统状态在整个作业区间上完全跟踪期望轨迹.分别讨论部分限幅和完全限幅学习机制, 证明闭环系统中各变量的一致有界性以及跟踪误差的一致收敛性.仿真结果验证了所提出控制方法的有效性.     

非参数不确定系统约束迭代学习控制

讨论一类非参数不确定系统的约束迭代学习控制问题.构造二次分式型障碍李雅普诺夫函数(Barrier Lyapunov functions),用于学习控制器设计.控制方案采用鲁棒方法与学习机制相结合的手段处理非参数不确定性,鲁棒方法对处理后的不确定性的界予以补偿,学习机制对处理后的不确定性进行估计.可实现系统状态在整个作业区间上完全跟踪参考轨迹,并使得系统误差的二次型在迭代过程中囿于预设的界内,进而在运行过程中实现状态约束.提出的迭代学习算法包括部分限幅与完全限幅学习算法.采用这种BLF约束控制系统有利于提高控制系统中设备安全性.仿真结果用于验证所提出控制方法的有效性.     

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.     

不确定非线性系统的多模反演滑模控制

对一般形式的仿射非匹配不确定非线性系统,研究了一种具有任意小跟踪误差的稳定控制器的新方法,结合反演（backstepping）设计和变结构控制,提出了反演变结构控制策略,对存在非匹配的不确定性和未知干扰的系统,设计的反演结构控制器实现了鲁棒输出跟踪,闭环系统在有限时间进入滑动模态,仿真算例证实了理论结果。     

一类非参数不确定系统的自适应重复学习控制

本文针对一类非参数不确定系统提出一种全限幅自适应重复学习控制方法.利用期望轨迹的周期特性,构造周期性期望控制输入,并基于Lyapunov方法设计自适应重复学习控制器,实现系统对周期性期望轨迹的高精度跟踪,且无需已知非参数不确定性的上界.设计全限幅学习律估计未知的期望控制输入,保证估计值被限制在指定的界内.同时,通过构造完全平方式消除部分误差相关项,控制器设计中可避免使用符号函数,从而抑制控制器抖振问题.最后,基于Lyapunov方法对误差收敛性进行了分析,并通过仿真对比验证本文所提方法的有效性.     

非参数不确定系统状态受限误差跟踪学习控制方法

针对一类非参数不确定系统,提出误差跟踪学习控制方法,同时解决学习控制系统的初值问题和状态约束问题.利用障碍Lyapunov函数设计控制器,采用鲁棒方法与学习方法相结合的策略处理非参数不确定性,将滤波误差约束于预设的界内,并由此实现对系统状态在各次迭代运行过程中的约束.文中构造了一种期望误差轨迹,经过足够多次迭代后,所提控制方法使得系统误差在整个作业区间以预设精度跟踪期望误差轨迹,系统状态在部分作业区间精确跟踪参考信号.仿真结果表明了该控制方案的有效性.     

非参数不确定系统的双周期重复控制

针对一类扰动周期与参考信号周期之间无公共倍数的非参数不确定系统,为实现系统输出对参考信号的跟踪,本文提出一种双周期重复控制方法.基于Lyapunov方法设计控制器,结合鲁棒方法与双周期重复学习方法处理非参数不确定性与周期性扰动,利用无限幅学习方法估计时变参数.经过足够多个周期的重复运行后,可实现系统输出在整个参考信号重复周期上无误差地跟踪参考信号.最后,通过仿真示例验证所提控制方法的有效性.本文给出了闭环系统中无限幅学习量有界的数学证明,其结果优于多数现有文献中的L2意义下有界.     

迭代学习控制的参考信号初始修正方法

针对一类非参数不确定系统,提出状态受限迭代学习控制的参考信号初始修正方法,以解决任意初态下的状态受限轨迹跟踪问题.通过构造修正参考信号,利用一种新型的障碍Lyapunov函数设计迭代学习控制系统,采用鲁棒方法与学习方法相结合的策略处理非参数不确定性,经过足够多次迭代后,可实现系统状态在整个作业区间上对修正参考信号的零误差跟踪,以及在预设作业区间上对参考信号的零误差跟踪.同时,将滤波误差约束于预设的界内,并由此实现对系统状态在各次迭代运行过程中的约束.仿真结果表明了本文所提控制方法的有效性.     

含输入死区系统的滤波误差初始修正迭代学习控制

针对一类输入环节含死区非线性特性且误差初值非零的非参数不确定系统,提出滤波误差初始修正学习控制方案,分别解决死区斜率下限可知与未知两种情形下的轨迹跟踪问题.给出了两种修正滤波误差信号构造方法,并根据Lyapunov综合方法设计学习控制器,采用鲁棒学习策略处理非参数不确定性和死区非线性特性.经过足够多次迭代后,实现滤波误差在预设的作业区间也收敛于零.文中所提出的控制方案,具有构造简单与实施方便的特点,仿真结果表明了本文所提控制方法的有效性.     

非参数不确定多智能体系统一致性误差跟踪学习控制

针对一类在有限时间区间上执行重复任务的主-从型非参数不确定多智能体系统,提出一致性误差跟踪学习控制方法,用于解决在任意初始误差情形下的一致性问题.根据Lyapunov综合方法设计控制器,经过足够多次迭代后,藉由从智能体的一致性误差在整个作业区间上完全跟踪对应的期望一致性误差轨迹,实现各从智能体在预设的部分作业区间上对主智能体的零误差轨迹跟踪.采用鲁棒策略与学习策略相结合的手段处理非参数不确定性,利用双曲正切函数设计反馈项补偿随迭代次数变化但有界的不确定性.仿真结果表明了该控制方案的有效性.