模糊输出反馈实现动态不确定非线性系统的几乎干扰解耦

研究一类单输入单输出动态不确定非线性系统的几乎干扰解耦问题. 首先设计一类新型的模糊高增益观测器估计非线性系统的未知状态; 然后结合自适应模糊backstepping 控制、小增益定理和改变供能函数方法, 给出鲁棒自适应模糊控制器的设计. 所设计的控制器不仅可以保证整个闭环系统在输入到状态实际稳定意义下稳定, 同时抑制了干扰对输出的影响. 仿真结果表明了所提出控制方法的有效性.

     

基于控制系统直接方法的非线性系统预见控制器设计

针对一类非线性离散时间系统给出最优预见控制器设计方法. 首先运用非线性控制系统直接控制方法的思想, 将非线性反馈部分作为形式输入, 使得系统成为“形式上”的线性系统; 然后, 针对该线性系统, 利用最优预见控制的基本方法设计最优预见控制器; 最后, 利用形式输入与实际输入的关系得到非线性离散时间系统的最优预见控制器. 证明了如果形式线性系统满足一定的可镇定和可检测条件, 则闭环系统是渐近稳定的. 数值仿真结果表明了控制器的有效性.

     

基于Razumikhin 方法的随机时变时滞非线性系统的状态反馈

采用Razumikhin 方法研究一类随机时变时滞非线性系统的状态反馈镇定问题. 利用随机系统的Razumikhin-Mao 理论和反推设计方法, 设计系统的状态反馈控制器, 所设计的控制器能保证闭环系统的平衡点为依概率全局渐近稳定的. 所提出的方法能够彻底地去掉关于随机时变时滞非线性系统传统结果中所要求的时滞导数的限制. 仿真示例验证了所提出状态反馈控制器的有效性.

     

基于扩张PCHD 模型的永磁同步电机无源控制

针对常规无源控制器在受到外部常值干扰和输入常值干扰的情况下系统会出现静差的问题, 设计加入积分反馈来消除上述干扰所引起的静差. 建立永磁同步电机受扰的端口受控耗散哈密顿系统模型(PCHD), 采用互联和阻尼分配无源控制方法, 同时加入积分比例动态反馈, 设计了永磁同步电机的速度控制器, 以保证闭环扩张系统依然具有PCHD 模型形式, 使系统稳定于期望平衡点. 最后通过仿真结果表明了所提出的控制策略的有效性.

     

一类非线性系统的奇异点克服控制

针对一类非线性系统, 研究存在奇异点时的跟踪控制问题. 在采用反馈线性化方法将对象转换成标准型后, 构造线性补偿器并结合期望轨迹的高阶导数构成伪控制量. 通过引入梯度动力学方法求解控制律, 以克服在控制过程中遇到的奇异点问题. 通过稳定性分析验证了闭环系统的稳定性和跟踪误差的收敛性. 仿真结果表明, 此类控制器具有良好的控制性能, 并且能有效克服奇异点问题.

     

非匹配不确定离散系统的无抖振积分滑模控制

针对一类非匹配不确定离散系统, 设计一种无抖振离散积分滑模控制器. 为了抑制非匹配不确定性对系统的影响, 采用线性矩阵不等式方法设计一种新型的切换函数和对应的滑模控制律, 并证明了闭环系统的Lyapunov 稳定性. 同时, 引入饱和函数设计控制器, 使系统状态在积分滑模面的某个小邻域内做准滑模运动, 并通过合理选择饱和函数的边界层厚度, 使控制信号不含任何抖振. 理论分析和数值仿真验证了所提出方法的有效性.

     

不确定非线性多智能体系统的分布式模糊自适应镇定控制

针对一类具有未知非线性和未知参数摄动的非线性多智能体系统, 提出一种分布式模糊自适应镇定控制方法. 基于邻接智能体信息和部分智能体的自身信息, 分别设计静态耦合和动态耦合的分布式模糊自适应控制律. 基于Lyapunov 稳定性理论, 证明了所提出的控制器能使得系统状态最终稳定于原点的邻域内. 仿真实例验证了所提出方法的有效性.

     

非线性迭代学习算法在机器人上肢康复中的应用

针对上肢康复机器人轨迹跟踪控制中存在的患者痉挛扰动非线性及不确定性问题, 结合康复机器人系统执行具有重复性的特点以及迭代学习算法特有的性质, 提出一种非线性迭代学习控制算法, 改进了机器人常用的线性动力学控制系统, 使得在模型信息不精确以及只有角度信息可测的情况下, 也能获得良好的轨迹跟踪性能; 应用Lyapunov 稳定性理论和LaSalle 不变性原理证明了闭环系统的全局渐近稳定性. 仿真结果表明, 所提出的非线性迭代学习控制具有良好的控制性能.

     

一种参数优化的非线性离散系统鲁棒迭代学习控制方法

针对带有扰动的一类离散非线性系统的鲁棒迭代学习控制问题, 设计一种基于参数优化的迭代学习控制算法. 该算法能够保证在有初始状态误差和状态、输出扰动的情况下使闭环系统具有鲁棒BIBO 稳定性, 系统输出能够单调收敛于给定输出轨迹的邻域内; 在没有初始状态误差和扰动的情况下能够以零稳态误差跟踪给定输出轨迹. 最后通过仿真分析验证了所提出算法的有效性.

     

基于输入状态稳定的离散广义系统预测控制

针对一类具有持续扰动和输入约束的离散广义系统, 研究其鲁棒预测控制器的设计问题. 将输入状态稳定的概念引入广义系统预测控制, 在quasi-min-max 性能指标下, 提出了广义系统双模鲁棒预测控制器的设计方法, 证明了基于双模鲁棒预测控制器的闭环广义系统输入状态稳定, 且具有正则、因果性. 数值仿真结果验证了所提出方法的有效性.

     

时变时滞非线性系统自适应神经网络控制

对于一类具有未知时变时滞和虚拟控制系数的不确定严格反馈非线性系统,基于后推设计提出一种自适应神经网络控制方案.选取适当的Lyapunov-Krasovskii泛函补偿未知时变时滞不确定项.通过构造连续的待逼近函数来解决利用神经网络对未知非线性函数进行逼近时出现的奇异问题.通过引入一个新的中间变量,保证了虚拟控制求导的正确性.仿真算例表明,所设计的控制器能保证闭环系统所有信号是半全局一致终结有界的,且跟踪误差收敛到零的一个邻域内.     

非仿射非线性系统的自主构架模糊控制器

针对SISO非仿射非线性系统,提出一种新型自主构架模糊控制器.此控制器由鲁棒控制器与自主构架模糊系统构成.模糊系统初始只含有一条规则,根据系统误差和ε完备性2条准则自主增加规则及隶属函数,从而完善模糊系统结构,逼近非线性系统不确定量.模糊系统利用"伪模糊输出"法对新增规则后件初始化,考虑到实际计算能力,采用替换隶属函数机制限制规则数目.通过理论推导证明了系统的稳定性,理论和半实物仿真实验验证了所提出方法的有效性.     

基于反馈增益的AUV稳定神经网络反步变深控制

为解决自主水下航行器的变深控制问题,提出一种基于反馈增益的反步控制方法.首先,通过设计控制器参数消除部分非线性项,在保证系统稳定性的同时设计神经网络控制器来补偿纵倾运动中的模型不确定性;然后,通过自适应鲁棒控制器对神经网络的逼近误差予以消除,以加快神经网络的收敛学习速度,神经网络权值和逼近误差估计的学习律可由李雅普诺夫稳定性理论推导得出,保证了闭环系统的一致最终有界性;最后,通过仿真实验验证了所提出方法的有效性.     

一类MIMO非线性大系统基于H∞ 跟踪的分散自适应输出反馈模糊控制

针对一类状态不可测的MIMO不确定非线性大系统,提出一种基于H∞跟踪的分散自适应输出反馈模糊控制器.主要工作有:1)通过对观测误差向量进行滤波来确保严格正实条件成立,使得提出的反馈与自适应机制可以执行;2)利用模糊系统提出一种适用于一般非线性大系统基于H∞跟踪的分散自适应模糊控制方案;3)在统一的框架下处理了控制器奇异性.闭环大系统被证明足稳定的,且输出误差具有H∞跟踪性能.仿真结果验证了控制器设计的有效性.     

执行器饱和不确定NCS 非脆弱鲁棒容错控制

针对存在时变时延和丢包的不确定网络化控制系统(NCS), 同时考虑执行器饱和、控制器参数摄动以及非线性扰动等约束, 研究执行器发生结构性失效故障时系统的鲁棒容错多约束控制问题. 基于时滞依赖Lyapunov 方法和容错吸引域定义, 采用状态反馈控制策略推证出了闭环故障不确定网络化控制系统稳定的少保守性不变集充分条件, 并给出了非脆弱鲁棒容错控制器的设计方法以及最大容错吸引域的估计. 仿真算例验证了所述方法的可行性和有效性.

     

一类高阶随机非线性系统的状态反馈镇定

针对一类既不可反馈线性化也不仿射于控制输入的高阶随机非线性系统,研究其状态反馈镇定问题.利用齐次占优和反推技术,所设计的状态反馈控制器使得整个闭环系统在[0,+∞)上几乎处处有唯一解,并使得闭环系统的平衡点是依概率全局渐近稳定的.主要贡献是完全取消了高阶系统的阶次限制,得到了新的结果.最后通过数值仿真验证了所提出控制方案的有效性.     

转移概率部分未知的随机Markov 饱和切换系统的非脆弱镇定

研究一类转移概率部分未知的随机Markov饱和切换系统的非脆弱镇定问题. 基于参数依赖型Lyapunov函数, 设计非脆弱状态反馈控制器以保证闭环饱和系统的随机稳定性, 在此基础之上, 通过求解线性矩阵不等式, 得到均方意义下的最大不变吸引域. 数值仿真验证了所提出方法的有效性.

     

切换非线性系统的分布式模型预测控制

针对一类具有预先指定切换序列的切换非线性系统,研究了具有通信信道干扰和时滞测量的分布式模型预测控制问题.在每个子系统都存在镇定控制器的假设下,利用基于Lyapunov函数的模型预测控制器设计了分布式模型预测控制器,并给出了闭环切换非线性系统最终有界的充分条件.最后,通过仿真结果表明了分布式模型预测控制策略的有效性.