舰船混沌运动的单输入自适应变结构控制

针对在舰船混沌运动控制中由模型不确定性及外部扰动无法确知所引起的控制结果无法保证的问题,采用自适应控制与滑模变结构控制相结合的方法,在设计切换函数时,将符号函数转移到控制输入的一阶导数当中,有效抑制了变结构控制中的抖振问题,并提出了一种单输入自适应滑模变结构控制方法.实验结果表明,与传统滑模变结构控制相比,新方法能够在系统模型具有不确定性及未知外部扰动的情况下实现舰船混沌运动的良好控制,为舰船混沌运动控制提供了一种可靠的工程实现途径.     

不确定分数阶多涡卷混沌系统自适应重复学习同步控制

研究了不确定分数阶多涡卷混沌系统的自适应重复学习同步控制问题.通过利用滞环函数,设计了一类参数可调的分数阶多涡卷混沌系统.针对这类分数阶多涡卷混沌系统,在考虑非参数化不确定性、周期时变参数化不确定性、常参数化不确定性和外部扰动情况下,提出了一种重复学习同步控制方案.利用自适应神经网络技术补偿了系统中的函数型不确定性,通过自适应重复学习控制技术处理了周期时变参数化不确定性,并利用自适应鲁棒学习项处理了神经网络逼近误差和干扰的影响,实现了主系统和从系统的完全同步.综合利用分数阶频率分布模型和类Lyapunov复合能量函数方法证明了同步误差的学习收敛性.数值仿真验证了所提方法的有效性.     

混沌系统参数估计结果的不确定性分析*

针对混沌系统参数估计研究中由于随机观测噪声影响而导致的参数估计结果不确定性问题,基于贝叶斯定理提出了一种客观评价混沌系统参数估计结果不确定性的统计方法;进而以典型的Lorenz系统为例进行了数值仿真,分析了不同大小噪声背景下各未知参数估计结果的不确定性;最后基于仿真结果提出了一种在有噪声干扰时估计混沌系统参数的有效方法——后验均值法。相同仿真条件下与前人方法的比较结果表明,该方法可有效抑制噪声影响、约束参数估计结果的不确定性,是一种有噪声情形下估计混沌系统参数的稳健方法。     

混沌系统的RBF神经网络控制设计

对镇定一嵌入在混沌吸引子内的不稳定平衡点上的混沌轨道提出了一种新的混沌系统神经网络补偿控制方法，探讨了用神经网络估计混沌系统不确定性的途径，给出了神经补偿控制器的设计方法，并证明了闭环系统的稳定性。以三阶Ｌｏｒｅｎｚ方程为例给出了仿真结果。     

具有不确定性混沌系统的修正函数投影同步

研究了具有模型不确定性和外界扰动的混沌系统的修正函数投影同步问题。基于Lyapunov稳定性理论和自适应控制方法,通过设计合适的鲁棒自适应控制器和参数更新规则,实现了混沌驱动系统和响应系统的修正函数投影同步。该方法考虑了实际系统中的模型不确定性和外界扰动,在设计过程中不需要知道不确定性的具体界值,具有较强的实用性和鲁棒性。数值仿真表明了该方法的有效性。     

基于DSP Builder的时滞混沌系统数字电路设计研究

采用一阶差分方程对时滞Lorenz混沌系统进行预处理,提出了基于DSP Builder的时滞混沌系统数字电路设计方法.此方法克服了用模拟电路设计混沌系统时,对元器件偏差及环境影响较敏感的缺陷,同时对时滞混沌系统的混沌抑制问题进行了讨论,针对系统模型描述,设计了线性控制器,并在系统离散化的基础上进行了系统数字电路设计；最...     

基于鲁棒控制的不确定性混沌系统的同步化

研究了两个不确定性混沌系统的同步化问题．由于受到外界因素的干扰，混沌系统的参数会在一定范围内变化，从而导致其不确定性的产生．以两个相互耦合的不确定性混沌系统为研究模型，基于鲁棒控制，提出了同步方案．采用Lyapunov-Krasovskii稳定性理论和线性矩阵不等式（LMI），严格证明了该方案的有效性．同时，给出了以Chuas电路为例的数值仿真，其结果与理论推导相一致．     

混沌系统的有限时间滑模同步控制

采用滑模控制的方法,研究了两个不同的带有不确定性和外部扰动的混沌系统之间的同步问题。基于Lyapunov稳定性理论和有限时间滑模控制方法,设计了终端滑模控制器来实现两个混沌系统的同步。在设计控制器过程中提出了一个新的非奇异的终端滑模面,并证明它能在有限时间内收敛于零平衡点。通过数值仿真验证了所设计的控制器的有效性。     

NCS系统中二自由度内模控制器的优化设计

针对网络化控制系统中网络时滞与对象模型不确定性,提出了一种二自由度内模控制器的优化设计方法。该控制器能够实现设定值跟踪与扰动抑制过程解耦,同时在对象模型失配情况下,系统具有较强的鲁棒稳定性。对于控制器的参数采用了混沌算法进行优化,以直线伺服系统为对象的仿真实验证实了此方法的可行性。     

基于混沌扩频的多用户应急通信系统模型设计与仿真分析

针对应急通信中信道噪声干扰严重影响通信质量的实际问题,研究了应急通信系统信道噪声干扰的来源与本质特征,提出了应急通信信道模型;论述了混沌扩频应急通信系统干扰噪声抑制原理,设计了多用户混沌扩频应急通信系统仿真模型,并结合典型信道干扰噪声环境对其BER进行了仿真与分析。仿真实验结果表明,基于混沌扩频的应急通信系统能够有效抑制强噪声干扰,显著改善应急通信系统误码性能。     

Suppression of Chaotic Behaviors in a Complex Biological System by Disturbance Observer-based Derivative-Integral Terminal Sliding Mode

Coronary artery systems are a kind of complex biological systems. Their chaotic phenomena can lead to serious health problems and illness development. From the perspective of engineering, this paper investigates the chaos suppression problem. At first, nonlinear dynamics of coronary artery systems are presented. To suppress the chaotic phenomena, the method of derivative-integral terminal sliding mode control is adopted. Since coronary artery systems suffer from uncertainties, the technique of disturbance observer is taken into consideration. The stability of such a control system that integrates the derivative-integral terminal sliding mode controller and the disturbance observer is proven in the sense of Lyapunov. To verify the feasibility and effectiveness of the proposed strategy, simulation results are illustrated in comparison with a benchmark.      

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.     

Probabilistic analysis and control of systems with uncertain parameters over non-hypercube domain

Generalized polynomial chaos expansion provides a computationally efficient way of quantifying the influence of stochastic parametric uncertainty on the states and outputs of a system. In this study, a polynomial chaos-based method was proposed for an analysis and design of control systems with parametric uncertainty over a non-hypercube support domain. In the proposed method, the polynomial chaos for the hypercube domain was extended to non-hypercube domains through proper parameterization to transform the non-hypercube domains to hypercube domains. Based on the proposed polynomial chaos framework, a constrained optimization problem minimizing the mean under the maximum allowable variance was formulated for a robust controller design of dynamic systems with the parametric uncertainties of the non-hypercube domain. Several numerical examples ranging from integer to fractional order systems were considered to validate the proposed method. The proposed method provided superior control performance by avoiding the over-bounds from a hypercube assumption in a computationally efficient manner. From the simulation examples, the computation time by gPC analysis was approximately 10–100 times lower than the traditional approach.     

基于自适应神经模糊推理系统的船舶航向自抗扰控制

在实际的船舶航向控制中,航向系统在受到外界风浪干扰时表现出的模型非线性和参数不确定性,为航向控制器的设计带来了困难。针对该问题,设计了常规的线性自抗扰控制器和两种在线学习的自抗扰控制器。利用自适应神经模糊推理系统(ANFIS)实现自抗扰控制器参数的在线调整,设计了自适应PD的自抗扰控制器和自适应扩张状态观测器(ESO)的自抗扰控制器;分别在船舶受到外界扰动和参数摄动的两种情况下进行了仿真,仿真表明自适应自抗扰控制器控制效果更好,抗扰能力更强,表现出较强的鲁棒性。     

Function Approximation Technique Based Adaptive Control for Chaos Synchronization between Different Systems with Unknown Dynamics

This paper presents a function approximation technique based immersion and invariance adaptive controller for chaos synchronization between nonidentical systems with unknown dynamics. In the proposed control scheme, the control system is reconstructed as the combination of a controllable linear system and a variation term from the original system. The variation term is treated as time-varying uncertainty and approximated by a group of weighted chosen basis functions. The immersion and invariance methodology is employed to design the adaptive control law such that both the synchronization error and uncertainty estimation error converge to zero. Two typical chaos synchronization problems are used in numerical simulations to verify the effectiveness and superiority of the proposed controller.

     

水下狭窄环境中ROV的自主返回控制

为满足缆控水下机器人（remotely operated vehicle,ROV）在水下狭窄环境中作业完毕后的顺利回收需求,研究仿真ROV的路径跟踪以及动力定位系统。基于非对称ROV构建数学模型,利用李雅普诺夫函数,采用反向递推和反馈线性化,设计了基于反步法的自适应控制器。该控制器通过反馈线性化,将已知非线性参数转化成线性参数,不确定的非线性参数应用自适应控制律进行放宽。通过仿真对该控制器应用于ROV的可行性进行验证表明:基于反步自适应控制以及视线导引的算法,ROV在水下狭窄环境中路径跟踪效果良好,动力定位稳定,鲁棒性良好,能够很好地解决ROV模型的不确定性与非线性问题。该控制器为ROV在水下狭窄环境中的回收作业提供了很好的解决方案。     

Modeling multibody systems with uncertainties. Part II: Numerical applications

This study applies generalized polynomial chaos theory to model complex nonlinear multibody dynamic systems operating in the presence of parametric and external uncertainty. Theoretical and computational aspects of this methodology are discussed in the companion paper “Modeling Multibody Dynamic Systems With Uncertainties. Part I: Theoretical and Computational Aspects”.In this paper we illustrate the methodology on selected test cases. The combined effects of parametric and forcing uncertainties are studied for a quarter car model. The uncertainty distributions in the system response in both time and frequency domains are validated against Monte-Carlo simulations. Results indicate that polynomial chaos is more efficient than Monte Carlo and more accurate than statistical linearization. The results of the direct collocation approach are similar to the ones obtained with the Galerkin approach. A stochastic terrain model is constructed using a truncated Karhunen-Loeve expansion. The application of polynomial chaos to differential-algebraic systems is illustrated using the constrained pendulum problem. Limitations of the polynomial chaos approach are studied on two different test problems, one with multiple attractor points, and the second with a chaotic evolution and a nonlinear attractor set.The overall conclusion is that, despite its limitations, generalized polynomial chaos is a powerful approach for the simulation of multibody dynamic systems with uncertainties.     

基于非脆弱控制器设计的不确定模糊系统稳定性研究

研究不确定动态模糊系统的稳定性问题.提出一类不确定T-S动态模糊系统的非脆弱控制问题,并进行了控制器设计.首先给出不确定T-S动态模糊系统的模型;然后利用Lyapunov函数方法,研究连续不确定动态模糊系统的非脆弱控制器设计,得到基于LMI的不确定动态模糊系统的全局渐近稳定性条件.通过对一级倒立摆的不确定模糊非脆弱控制器设计的实例,表明了设计方法的可行性和有效性.     

GBF-CMAC和滑模控制的柔性结构系统控制

针对一类不确定系统的跟踪控制,设计了一种将GBF-CMAC（cerebellar model articulation controller with Gauss basis function）与滑模控制相结合的控制系统。利用符号距离和分层结构减少了神经网络所需存储器的数量,并提出了一种神经网络参数的自适应学习律。将设计的控制器用于含有不确定性和欠驱动结构的高阶柔性直线结构系统的跟踪控制,并与一般滑模控制和积分滑模控制进行了比较。实验结果表明,所设计的控制器不仅具有较好的鲁棒性,而且改善了滑模控制存在的抖振问题。同时通过调整神经网络的参数对抖振进行控制,实现了抖振和跟踪性能之间的最优选择。