TCSC控制的一种新自适应Backstepping方法

针对带有TCSC（Thyristor Controlled Series Compensator）的单机无穷大电力系统,提出一种新的TCSC自适应非线性控制Backstepping方法．该方法不仅保留了系统的非线性特性和对未知参数的实时在线估计,而且突破了经典的确定性等价性原理来设计参数估计器和动态反馈控制器．仿真结果表明,与基于传统自适应Backstepping得到的控制设计相比较,这种新方法在系统响应和自适应速度方面具有更优越的性能,从而为工程应用提供了一种有效的选择．     

船舶动力定位非线性自适应反步控制器设计

针对扰动不确定非线性船舶动力定位问题,提出了一种带观测器的不确定扰动非线性船舶动力定位自适应输出反馈控制.设计了一个非线性观测器,从附有噪声的输出中估计出船舶位置以及运动速度.用滤波后的位置信号,针对扰动不确定非线性船舶设计带观测器的自适应反步控制器,该控制在Backstepping设计方法的基础上引入积分环节,对存在未知参数和动态不确定扰动的船舶能有效的改善系统性能.根据Lyapunov稳定性理论证明所设计的控制器是全局渐近稳定的,仿真结果验证了该方法的有效性.     

基于Backstepping的倒立摆鲁棒跟踪控制

针对内部参数不确定及存在外部干扰的非线性倒立摆系统,提出了基于Backstepping方法的滑模变结构控制律,并且采用RBF神经网络逼近系统不确定非线性函数,同时引入滑模误差对其神经网络权值进行在线自适应调整,使神经网络的逼近速度加快,改善了动态性能.该控制律能保证倒立撰轨迹跟踪误差的快速收敛性以及对外部扰动和内部参数不确定的不敏感性,最后给出的仿真实例证明了该理论分析结果的正确性,控制效果良好.     

一类非线性参数化系统的迭代学习控制

针对一类含有时变和时不变参数的高阶非线性系统,提出了一种新的自适应迭代学习控制方法。该算法利用参数分离性原理和改进的Backstepping方法相结合,可以处理非线性参数化系统的跟踪问题。非线性参数化不确定项利用分离性原理来解决,而Backstepping方法处理不匹配的不确定项。通过构造参数的微分型自适应律和差分型自适应律,使得跟踪误差的平方在一个有限区间上的积分收敛于零。构造了Lyapunov-like函数和自适应学习控制律,证明了所有信号均在有限区间上的积分的意义下是有界的。仿真结果验证了所提算法的有效性和可行性。该方法为以后设计类似的非线性参数化系统的跟踪问题提供了先验知识。     

基于复合正交神经网络的灰色PID控制

结合传统反馈控制方法和灰色预测控制的预测控制器已在控制系统中获得了成功的应用。由于复合正交神经网络具有学习算法简单、收敛速度快,有逼近线性或非线性函数的优良特性。与灰色预测方法相比,神经网络预测精度高,且误差可控,如果把神经网络作为灰色预测器,建立一种灰色预测控制,那么就会在控制系统中获得良好的控制性能。为此,提出一种结合传统的PID控制和神经网络灰色预测补偿的灰色PID控制器,可对系统进行在线灰色估计和控制,由复合正交神经网络对不确定部分建立的灰色预测模型,可根据系统的参数变化来自动调节预测补偿值,使系统响应具有适应性。仿真结果表明,与传统的PID控制方法相比,该控制器可获得更为优良的动态性能和鲁棒性。     

基于模型参考的鲁棒自适应控制

针对一类具有未知参数、未建模动态和外界干扰的不确定非线性系统,选择适当的参数对这些不确定性进行估值、补偿和模型参考,利用Backstepping方法,设计了一种新的鲁棒自适应控制器。该控制器能保证闭环系统的所有信号是全局有界的,跟踪误差收敛到一个小的残差集内。仿真结果表明该方法的有效性。     

不确定受扰电液伺服系统智能自学习PID控制

针对具有参数不确定和外负载扰动的不确定受扰电液伺服系统,提出一种智能自学习PID控制策略.该方法不依赖于系统的精确模型,是一种数据驱动的控制方法.首先,通过改进的动态线性化方法将非线性非仿射的电液伺服系统等效为含有时变参数项和非线性不确定项的线性仿射形式;然后,采用梯度估计算法和时间差分算法分别对时变参数项和非线性不确定项进行估计;接着,利用iPID控制引入附加误差信息对过度线性化丢失的信息进行补偿;最后,根据最优准则,设计不确定受扰电液伺服系统的参数更新律和学习控制律.通过理论分析和仿真实验验证所提出控制策略的收敛性,并通过对比实验,验证该控制方案应用于电液伺服系统的优越性和精确性.实验结果表明,所提出方法能够抑制非线性扰动对系统造成的不良影响,实现理想轨迹的精确跟踪.     

自适应反推神经网络的转台鲁棒控制器设计

针对未知非线性、外界干扰和参数摄动等不确定因素对实际转台控制系统的影响,提出了自适应反推神经网络的转台鲁棒控制器设计.首先给出自适应Backstepping控制器的设计方法及步骤,接着采用RBF神经网络对转台对象参数的不确定因素上界值加以辨识,实现转台系统的鲁棒控制.其中Backstepping鲁棒控制作为主控制器,RBF神经网络实现了不确定上界值的在线辨识.仿真结果表明,自适应Backstepping神经网络控制很好地克服了对象的不确定性,实现控制系统的较强鲁棒性,适于高精度飞行仿真转台系统的实时鲁棒控制.     

考虑输入约束的半主动悬架非线性自适应控制

针对具有输入约束及参数不确定性问题的汽车半主动悬架系统,提出一种考虑输入饱和的非线性自适应Backstepping控制器.该方法引入一个辅助系统,通过设计新的误差变量,实现对控制饱和的补偿,解决控制输入的幅值约束问题.同时,考虑到悬架系统的参数不确定性问题,采用映射自适应算法设计自适应律,通过构造适当的Lyapunov函数,保证悬架系统的稳定性.仿真结果表明,所设计的控制器具有良好的隔振性能,而且能够有效降低输入约束和不确定参数对系统性能的影响.     

带输入饱和的不确定非线性系统自适应模糊触发式补偿控制

针对一类带有输入饱和特性的不确定非线性系统,为了在保证系统跟踪性能的同时最大限度节省系统通讯资源,结合Backstepping技术,提出一种自适应模糊触发式补偿控制方法.由于安全需求或者物理限制等因素,输入饱和特性往往不可避免地存在于实际物理系统中,给系统的控制性能和稳定性造成不利影响.为有效解决该问题,将光滑的双曲正切函数融入自适应控制设计过程,以实现对系统输入饱和约束的补偿.此外,由于实际系统模型难以精确建立,系统描述中难免会存在未知不确定部分,对此,利用模糊逻辑系统对系统的未知不确定部分进行逼近处理.为节省系统的通讯资源,引入一种基于相对阈值的事件触发控制策略,以减小系统传输压力.通过Lyapunov 稳定性理论分析,系统的所有信号都是半全局一致最终有界的.仿真结果验证了所提出方法的有效性.     

考虑测量不确定和输入饱和的充液航天器自适应鲁棒控制

本文研究了三轴稳定充液航天器控制系统中同时存在测量不确定,外部未知干扰,参数不确定和控制输入饱和的鲁棒自适应姿态机动控制问题.建模过程中,将晃动液体燃料等效为粘性球摆模型,采用动量矩守恒定律推导出充液航天器的耦合动力学方程.提出了一种将反步控制方法结合非线性干扰观测器和指令滤波器的鲁棒饱和输出反馈复合控制策略,该控制策略不仅能继承反步控制方法的优点,而且通过引入非线性干扰观测器实现对未知外部干扰,参数不确定以及测量不确定的补偿,还能利用指令滤波器处理控制力矩输入饱和的不利影响.基于Lyapunov稳定性分析方法证明了系统状态变量的渐进稳定性.仿真结果验证了提出控制方法的有效性和鲁棒性.     

A new adaptive backstepping method for nonlinear control of turbine main steam valve

A new approach for nonlinear adaptive control of turbine main steam valve is developed. In comparison with the existing controller based on ＂classical＂ adaptive backstepping, this method does not follow the classical certaintyequivalence principle in the design of adaptive control law. We introduce this approach, for the first time, to power systems and present a novel parameter estimator and dynamic feedback controller for a single machine infinite bus （SMIB） system with steam valve control. This system contains unknown parameters such as reactance of transmission lines. Besides preserving useful nonlinearities and the real-time estimation of uncertain parameters, the proposed approach possesses better performances with respect to the response of the system and the speed of adaptation. The simulation results demonstrate that the proposed approach is better than the design based on ＂classical＂ adaptive backstepping in terms of properties of stability and parameter estimation, and recovers the performance of the ＂full-information＂ controller. Hence, the proposed method provides an alternative for engineers in applications.     

基于反步法的高超音速飞机纵向逆飞行控制

针对高超音速飞机纵向运动的数学模型具有严重非线性、不稳定、多变量耦合以及不确定的气动参数等特点,采用非线性动态逆控制与反步法相结合的方法为其设计飞行控制系统．该系统以非线性动态逆控制作为控制内环,通过将非线性的多输入多输出系统进行精确线性化,解除了多变量之间的强耦合关系;并以反步法作为控制外环．保证系统的全局稳定以及抑制不确定参数的扰动．仿真研究表明．所提出的控制方法可以确保高超音速飞机的纵向稳定性．改善其飞行品质．     

基于ELM的永磁直线同步电机位移跟踪动态面反步滑模控制

针对永磁直线同步电机(PMLSM)易受到参数摄动、负载扰动等不确定因素的影响,进而影响其位移跟踪控制精度的问题,提出一种基于非线性干扰观测器(NDO)和极限学习机(ELM)的动态面反步滑模控制方法.首先,通过构造NDO对系统模型中的非匹配不确定项进行动态观测,并将反步控制、动态面控制与滑模控制相结合,完成PMLSM位移跟踪控制器的设计,在提高系统抗干扰能力的同时,避免常规反步控制中的“微分爆炸”问题;其次,采用ELM神经网络对系统模型中的匹配不确定项进行逼近估计,并将输出的估计值引入设计的动态面反步滑模控制器中进行补偿;再次,采用人工鱼群-蛙跳混合算法对所设计控制器的主要参数进行优化设计,提高系统的收敛速度和稳定精度;最后,将所提出控制方法与其他控制方法进行仿真对比,仿真结果表明了所提出方法的有效性.     

ROBUST ADAPTIVE CONTROL FOR STRICT‐FEEDBACK NONLINEAR SYSTEMS

In this paper, we propose a robust adaptive tracking control based on the backstepping strategy for strict‐feedback nonlinear systems with nonparametric uncertain nonlinearities. It is shown that one can design a stable adaptive control system provided that the uncertain nonlinearities can be decomposed by unknown bounded nonlinear functions and known nonlinear functions. The proposed method can deal with uncertain nonlinearities that appear at the control input term too. It is also shown that suitable choice of design parameters guarantees the convergence of tracking error to any desired bound.     

基于扩展自适应Backstepping设计的TCSC非线性控制的新方法

首先针对一般的参数反馈型非线性系统提出一种扩展自适应Backstepp ing方法.该方法不仅保留系统的非线性特性和对未知参数的实时在线估计,而且突破经典的确定性等价性原理来设计参数估计器和动态反馈控制器.该方法可用于带有TCSC(thyristor controlled series compensation)的单机无穷大系统.仿真结果表明,该方法在系统响应和自适应速度方面优于传统的Backstepp ing方法.     

基于后推设计的直接自适应模糊控制

针对一类严格反馈不确定非线性动态系统，提出一种直接鲁棒自适应模糊控制新方案．利用模糊系统的逼近能力、后推设计方法和积分型李亚普诺夫函数，依次确定各虚拟控制及模糊系统中可调参数的自适应律，并最终确定出控制律．为改善控制系统的性能，引入逼近误差的自适应补偿项．通过李亚普诺夫方法，证明了闭环系统是一致终结有界的．仿真结果表明了该方法的有效性。     

任意切换下高能随机系统的神经网络预设控制

针对一类不确定高能随机非线性系统,开展自适应神经网络backstepping控制研究,并保证在任意切换信号下的预设跟踪性能.该高能系统假定系统动态和任意切换信号未知.首先,利用预设性能控制,保证跟踪控制性能;其次,RBF神经网络用来克服未知系统动态,仅用到单一自适应更新参数,从而克服过参数问题;最后,基于公共的Lyapunov稳定性理论提出自适应神经网络控制策略,并减少了学习参数.最终结果表明所设计的公共控制器能保证所有闭环信号半全局最终一致有界,并能在任意切换下保证预设的跟踪性能.仿真结果进一步表明所提出方法的有效性.     

具有非线性不确定参数的电液伺服系统自适应backstepping控制

针对电液伺服系统中存在非线性不确定参数的问题,提出了一种采用积分型Lyapunov函数的自适应backstepping控制方法.首先定义积分型Lyapunov函数,将电液伺服系统中的非线性不确定参数转化为线性表示;然后逐步递推设计backstepping控制器,同时在控制律中加入阻尼项,从而补偿外界干扰对控制性能的影响;基于Lyapunov稳定性方法,设计了参数自适应律,并且在自适应律中引入充分光滑投影算子,实现对电液伺服系统中不确定参数漂移的抑制作用.搭建了AMESim与MATLAB的联合仿真平台,对所设计的自适应backstepping控制器进行仿真,作为对比,设计了不带有非线性参数估计的自适应backstepping控制器和PID算法.仿真表明,本文所设计的控制器具有良好的跟踪性能和补偿非线性不确定参数变化的能力.     

Robust adaptive backstepping control for a class of uncertain nonlinear systems based on disturbance observers

In this paper, a novel robust adaptive control scheme for a class of uncertain nonlinear systems is proposed using disturbance observer and backstepping method.Firstly, a disturbance observer is developed using radial basis function(RBF) neural network.The parameter updated law of the RBF neural network is given for monitoring subsystem disturbance well.The robust adaptive control scheme is then presented with backstepping method based on the designed disturbance observer.Semiglobal uniform ultimate bounded...