基于动态面的高超声速飞行器模糊自适应非线性控制

针对高超声速飞行器模型非线性、多变量和参数不确定特性, 并考虑控制增益变化可能导致控制奇异值问 题, 提出一种基于动态面的模糊自适应非线性控制方法. 根据动态面和动态逆策略, 分别设计了高度和速度跟踪控制 器. 利用模糊自适应方法在线逼近不确定函数项, 并采用Nussbaum 增益技术抑制虚拟控制增益不确定影响, 以减少 在线学习量, 保证系统的半全局一致最终有界性. 仿真结果表明, 所提出的方法可实现飞行器对高度和速度的准确跟 踪控制.

     

非线性扩展结构大系统自适应神经网络跟踪控制

针对一类非线性关联大系统在结构扩展时的跟踪控制问题, 提出一种采用自适应神经网络的控制方法. 该方法要求在不改变原结构系统控制律的前提下设计新加入子系统的控制律和自适应律, 使扩展后所有子系统都具有很好的跟踪性能. 这里主要利用神经网络的逼近功能以及Backstepping 技术来设计自适应律和控制律, 通过Lyapunov 理论证明在该控制器的作用下闭环系统的所有信号均是有界的, 并可使系统准确跟踪. 仿真结果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.

     

一类非线性系统的广义模糊双曲正切模型自适应控制器设计

针对一类非线性系统的稳定控制器设计问题, 根据广义模糊双曲正切模型的万能逼近性质, 提出一种带有可调参数的广义模糊双曲正切模型的自适应控制器设计方法. 该设计方法的优点是使得自适应律的个数不依赖于广义模糊双曲正切模型的线性基函数的输出形式, 可以有效减少在线估计的参数数目, 并且能够保证被控系统的状态一致终极有界. 最后通过数值算例表明了所提出的设计方法的有效性.

     

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.

     

基于变伸缩域模糊系统的直接自适应控制

提出一种基于变伸缩域模糊逼近器的直接自适应控制策略. 通过在线更新广义模糊基函数的变伸缩因子, 实现模糊系统论域及其模糊划分的自适应调整, 从而能够以精简的模糊规则实现理想的逼近效果. 此外, 通过设计积分型逼近误差补偿, 避免了鲁棒补偿中的高频控制输入. 仿真研究和比较分析验证了所提出的控制方法的有效性和优越性.

     

一种自适应吸引律离散时间控制方法

针对一类输入输出描述的离散时间系统, 提出一种基于自适应切换增益的吸引律. 该方法能够根据不确定干扰变化率对闭环系统影响的强弱自动调整切换增益大小, 且可直接反映误差动态特性. 同时, 给出了闭环系统跟踪误差首次穿越原点所需的最多步数, 并推导出系统绝对吸引层和稳态误差带边界的具体表达式, 用于表征闭环系统跟踪误差的收敛性能和稳态性能. 数值仿真和电机伺服系统上的实验结果均验证了所提出方法的有效性.

     

TCSC 系统的自适应minimax 干扰抑制控制器设计

针对含有未知外部干扰和不确定参数的非线性晶闸管控制串联补偿器(TCSC) 系统, 提出一种L₂增益干扰抑制算法. 将minimax 方法引入耗散Hamilton 系统, 消除了不等式假设条件的约束; 构造检验函数, 推算出系统所能承受的最大干扰程度, 降低了传统干扰处理方法的保守性; 采用参数映射方法设计自适应律, 提高了参数跟踪效率. 最后通过机械功率和对地短路故障的仿真结果表明了所提出的控制方案能够有效改善系统的暂态性能.

     

考虑参数和负载不确定性的内置式永磁同步电机自适应反步控制

提出一种??_?? = 0 的内置式永磁同步电机的自适应反步控制方法. 通过定义虚拟控制变量和选择适当的Lyapunov 函数, 导出系统控制律及参数自适应律. 该方法能够根据自适应参数估计器实时估计出的负载转矩和定子电阻对控制输出进行动态校正, 从而提高转速控制精度和系统的抗扰能力. 仿真结果表明, 系统能够快速跟踪参考转速, 并对负载扰动和参数变化具有较强的鲁棒性.

     

多航天器系统分布式有限时间姿态协同跟踪控制

基于一致性算法, 在有向通讯拓扑下, 研究存在状态约束的多航天器系统分布式有限时间姿态协同跟踪控制问题. 在仅有部分跟随航天器可以获取领航航天器状态, 并且跟随航天器之间存在不完全信息交互的情形下, 设计了分布式快速终端滑模面, 提出了不依赖于模型的分布式有限时间姿态协同跟踪控制律. 根据有限时间Lyapunov 稳定性定理, 证明了系统的状态在有限时间内收敛于领航航天器状态的小邻域内. 最后通过仿真算例验证了所提出算法的有效性.

     

部分未知环境中移动机器人动态路径规划方法

针对部分未知环境,提出一种基于粒子滤波的动态路径规划方法.将全局最优路径视为受机器人运动及环境影响的变化量,采用粒子滤波算法,利用机器人运动信息预测路径,并利用实时环境信息更新路径,通过在线跟踪全局最优路径获得不断更新的全局优化路径.将传统全局路径规划先规划后执行的模式改为边规划边执行的模式,既减少了等待时间,又为机器人的移动误差及部分未知环境提供了较强的适应能力.仿真及实验验证,该方法的有效性.     

欠驱动AUV模糊神经网络L2增益鲁棒跟踪控制

提出基于模糊神经网络欠驱动水下自主机器人(AUV)的L2增益鲁棒跟踪控制方法,该方法通过在线学习逼近动力学模型的不确定项.控制器克服了由于缺少横向推力对跟踪误差的影响,在考虑未知海流干扰情况下,实现了系统对模糊神经网络逼近误差的L2增益小于γ.利用Lyapunov稳定性理论证明了闭环控制系统误差信号一致最终有界.最后,通过精确模型参数和参数扰动仿真实验验证了该控制方法具有很好的跟踪效果和较强的鲁棒性.     

基于自适应RBF 网络补偿的智能车辆循迹控制

针对智能车辆这一复杂非线性时变系统的循迹控制问题,提出一种基于Lyapunov函数方法的RBF神经网络自适应补偿控制策略.首先建立了车辆循迹控制的动力学名义模型;然后利用RBF神经网络对车辆循迹控制名义模型的不精确部分进行自适应补偿;最后应用Lyapunov稳定性理论推导出RBF网络权值的训练规则并证明了控制系统的稳定性.仿真结果表明,该方法提高了循迹控制的精度,具有较高的可行性和实用性.     

卫星姿态直接自适应模糊预测控制

对具有模型不确定性和未知外干扰的卫星姿态系统提出了多输入多输出直接自适应模糊预测跟踪控制设计方法. 此方法先基于卫星姿态动力学模型设计出非线性广义预测控制律, 再构造直接自适应模糊控制器逼近预测控制律中因模型不确定性引起的未知项. 文中证明了所设计的控制律能使卫星跟踪给定的期望姿态轨迹, 跟踪误差收敛到原点的小邻域内. 仿真结果验证了此方法的有效性.     

不确定移动机器人编队间接自适应模糊动力学控制

研究不确定非完整移动机器人Leader/Follower编队动力学控制问题,对Follower提出了自适应队形跟踪控制方法.首先,基于队形方程设计了运动学队形跟踪控制器,使用Backstepping技术扩展出队形跟踪误差动力学方程;然后,利用自适应模糊系统逼近其不确定项,构造了间接自适应模糊动力学队形跟踪控制器;最后,证明了队形跟踪误差可收敛到原点的小邻域内.仿真结果验证了所提出控制策略的有效性.     

基于两时间尺度模型的直升机非线性控制器设计

提出一种基于两时间尺度模型的直升机非线性控制方法. 该方法利用直升机不同状态达到稳定的时间不同的特点, 将直升机模型分为快速和慢速两种模型. 反步控制方法和逆动力学控制方法分别被用于进行快慢两种模型控制器的设计, 并在控制过程中采用了不同的控制周期. 仿真结果表明, 利用上述方法设计的控制器, 对于阶跃变化和正弦变化的速度轨迹具有良好的跟踪效果.

     

机器人系统终端滑模重复学习轨迹跟踪控制

针对非线性机器人系统的轨迹跟踪问题, 提出一种终端滑模重复学习混合控制方案. 该方案综合了重复学习控制和终端滑模技术的特性, 能够有效跟踪周期性参考信号, 抑制周期性和非周期性动态的干扰, 具有较强的鲁棒性和良好的轨迹跟踪性能, 且算法的实现不需要完全已知系统模型信息. 应用Lyapunov 稳定性理论证明了闭环系统的全局渐近稳定性. 三自由度机器人系统数值仿真结果验证了所提出的终端滑模重复学习控制的有效性.

     

严格反馈型非仿射非线性系统的自适应模糊控制

针对一类具有严格反馈形式的非仿射非线性受扰系统,提出了基于backstepping方法的自适应模糊控制.该算法仅要求模糊逻辑系统逼近误差范数有界,引入监督控制补偿系统逼近误差和外界干扰,保证闭环系统所有信号一致有界,跟踪误差一致渐近稳定.将R(o)ssle混沌系统作为仿真对象,仿真结果表明了该方法的有效性.     

非均匀多采样率非线性系统的模糊辨识

针对非均匀多采样率非线性系统辨识问题, 提出一种基于模糊模型的辨识方法. 首先, 分析了非线性系统在输入信号非均匀周期刷新, 输出信号周期采样的情况下, 非线性系统可以通过提升技术, 利用多个局部的线性模型加权组合来描述; 然后, 提出一个基于GK模糊聚类和递推最小二乘的模糊辨识算法; 最后, 针对化工pH 中和过程非线性系统, 采用非均匀采样数据建立其模糊模型, 以验证所提出方法的有效性.