基于Backstepping的非一致轨迹迭代学习控制研究

针对一类在有限时间区间上可重复运行的高阶混合参数化非线性系统,利用改进Backstepping方法,将参数重组技巧和分段积分机制相结合,提出了一种混合自适应迭代学习控制算法。该算法由参数的微分-差分型自适应律和学习控制律组成,可以处理目标轨线迭代可变的跟踪问题。通过构造Lyapunov-like泛函使得跟踪误差的平方在一个有限时间区间上的积分收敛于零,同时保证所有信号均在有限时间区间内有界。仿真结果说明了所提算法的有效性。     

具有脉冲效应的切换随机系统的几乎必然稳定性

针对一类在切换时刻具有脉冲行为的Markov切换非线性随机系统,首先,应用切换Lyapunov函数方法研究系统的稳定性,给出系统几乎必然稳定的充分条件,该条件不依赖于系统的矩稳定性;然后,进一步对线性系统的稳定化问题进行分析与设计,对随机子系统的控制结构同时出现在方程的位移部分与扩散部分,给出相应的状态反馈增益矩阵的求解方法;最后,数值算例说明了所设计方法的有效性.

     

非线性参数化系统自适应迭代学习控制

研究一类含有未知时变参数的非线性参数化系统的学习控制问题.利用参数分离技术和信号置换思想,通过置换系统方程,合并所有时变参数为一个未知时变参数,用迭代自适应方法估计该未知参数,设计了一种自适应迭代学习控制方法,使得跟踪误差的平方在一个有限区间上的积分渐近收敛于零.通过构造一个类Lyapunov函数,给出了跟踪误差收敛和所有闭环系统信号有界的一个充分条件.仿真结果验证了该方法的有效性.     

一类不确定广义系统的非脆弱H∞控制

研究一类时变时滞不确定广义系统的非脆弱H∞控制问题。在系统矩阵、滞后状态矩阵、输入矩阵和滞后输入矩阵都具有不确定性时,带有反馈增益扰动的控制器能够保证闭环系统是正则、无脉冲、稳定的且满足性能条件。控制器的增益可通过求解一系列严格线性矩阵不等式得到。最后,数值例子说明了所给方法的有效性。     

未知时变时滞非线性参数化系统自适应迭代学习控制

针对含有未知时变参数和时变时滞的非线性参数化系统,提出了一种新的自适应迭代学习控制方法.该方法将参数分离技术与信号置换思想相结合,可以处理含有时变参数和时滞相关不确定性的非线性系统.设计了一种自适应控制策略,使跟踪误差的平方在一个有限区间上的积分渐近收敛于零.通过构造Lyapunov-Krasovskii型复合能量函数,给出了闭环系统收敛的一个充分条件.给出两个仿真例子验证了控制方法的有效性.     

一类二阶时变非线性系统的混合自适应重复学习控制

针对含有时变和时不变未知参数的二阶非线性系统，结合Backstepping方法．提出了一种新的自适应重复学习控制方法，可处理参数在一个未知紧集内周期性快时变的非线性系统．通过引入参数周期自适应律．设计出的自适应控制策略．使跟踪误差平方在一个周期上的积分范敷渐近收敛于零．通过构造Lyapunov函数．给出了闭环系统收敛的一个充分条件．     

办公大楼的安全防范系统

安全防范系统提供音视频监控,出入口控制,移动对象监控电子巡查和应急通信等功能,已由开始的单一防盗发展为多系统多方位多层次的防盗。     

一类参数不确定时滞线性系统的鲁棒非脆弱H∞控制

这篇文章研究了一类参数不确定时滞线性系统的鲁棒非脆弱H∞状态反馈控制器的设计.利用变量替换和Schur引理,得到状态反馈渐近稳定的充分条件,此充分条件能用LMI(线性矩阵不等式)形式表示.因此,所设计的控制器增益尽管在一个范围内变化,但是这个鲁棒非脆弱H∞控制器仍保证了闭环系统的渐近稳定和干扰衰减.最后实例说明所设计方法的有效性.     

一类时延网络控制系统的最优非脆弱H∞控制

针对一类时延网络控制系统,研究了当存在有限能量外部扰动时,系统的最优状态反馈非脆弱H_∞控制律的设计问题。通过将时延看作系统的时变参数不确定性,应用H_∞鲁棒控制理论及线性矩阵不等式(LMI)技巧,给出了具有控制增益扰动的次优非脆弱H_∞控制律存在的充分条件,提出了最优非脆弱H_∞控制律的设计方法。数值仿真例子表明了所提方法的有效性。     

基于神经网络的鲁棒自适应滑模迭代学习控制

对一类不确定非线性系统，包括不确定性机器人，提出一种自适应鲁棒迭代学习控制方案，学习控制用于学习周期性的系统不确定性，自适应滑模控制用于抑制非周期性系统不确定性，并且利用RBF神经网络自适应学习系统不确定性的未知上界，对不确定性系统动态和有界输入拢动具有鲁棒性，通过Lyapunov直接方法，确保了对每次迭代闭环系统是一致有界的，并且沿着迭代次数的增加，跟踪误差渐近收敛于零，仿真结果表明了该方案的有效性。