基于神经网络MIMO非线性系统自适应输出反馈控制

针对一类具有对象不确定和外部干扰的MIMO(多输入多输出)非线性系统提出了自适应鲁棒输出跟踪控制方案.使用了高斯径向基神经网络自适应补偿对象非线性,高增益观测器被用来估计不能直接测量的输出导数.此方法所设计的控制器不仅保证闭环系统稳定,而且所有状态有界以及跟踪误差一致终值有界.仿真结果充分表明了该方案的有效性和可行性.     

随机非线性严格反馈系统的自适应神经网络输出反馈镇定

针对具有严格反馈形式的随机非线性系统, 首次引入神经网络控制技术, 设计了适当形式的随机控制 Lyapunov函数, 并运用反推(Backstepping)技术和非线性观测器设计技术, 构造出一类自适应神经网络输出反馈控制器. 在一定条件下, 证明了闭环系统平衡点依概率稳定. 仿真算例验证了所给控制方案的有效性.     

一类纯反馈非线性系统的简化自适应神经网络动态面控制

针对一类完全非仿射纯反馈非线性系统,提出一种简化的自适应神经网络动态面控制方法.基于隐函数定理和中值定理将未知非仿射输入函数进行分解,使其含有显式的控制输入;利用简化的神经网络逼近未知非线性函数,对于阶SISO纯反馈系统,仅一个参数需要更新;动态面控制可消除反推设计中由于对虚拟控制反复求导而导致的复杂性问题.通过Lyapunov稳定性定理证明了闭环系统的半全局稳定性,数值仿真验证了方法的有效性.     

互联系统的分布输出反馈自适应动态面控制

本文所提方案具有如下特点: 1) 通过使用初始化技术, 给出了互联系统中各个子系统跟踪误差的L1性能指标; 2) 采用动态面控制方法, 避免了反推法带来的“微分爆炸”问题; 3) 通过估计未知参数向量范数, 极大减轻了控制系统的计算负担; 4) 引入了一种高增益观测器, 保证了互联系统中各个子系统跟踪误差可以收敛到任意小, 仿真结果验证了所提方案的有效性.     

一般严格反馈型非线性系统的自适应控制

研究一般严格反馈型非线性系统的控制问题．假设系统的对象模型、状态均未知,只有输出是可测的．应用自适应模糊神经推断系统辨识对象模型,状态观测器设计为Luenberger型,控制器由反步控制、变结构控制和3层神经网络直接控制综合而成．理论分析和仿真研究都说明此方案能够有效地控制只有输出可测的一般严格反馈型非线性系统．     

非线性严格反馈系统自适应非反步输出反馈控制

针对传统反步控制器设计方法存在复杂度爆炸、参数收敛难、控制奇异、需全系统状态已知等问题,提出一种新的可保证参数收敛的未知系统动态辨识和非反步输出反馈自适应控制方法.首先,通过定义新的状态变量和系统等价变换,将严格反馈系统状态反馈控制转化为标准系统的输出反馈控制,进而设计包含高阶微分器的自适应单步控制器,避免反步递推设计的问题;然后,采用两个神经网络对系统集总未知动态进行估计,避免传统控制方法在未知控制增益在线估计过零引发的奇异问题;最后,构造一种新的自适应算法在线更新神经网络权值确保其收敛到真实值,进而实现对未知系统动态的精准辨识.基于Lyapunov定理的分析表明,跟踪误差和估计误差均可收敛到零点附近紧集.基于液压伺服系统模型的对比仿真验证了所提出方法的有效性和优越性.     

基于神经网络的一类非线性系统自适应输出跟踪

针对一类未知非线性系统,提出了一种输出反馈控制方法.首先,在假设系统状态已知情况下设计状态反馈控制器,实现跟踪性能;然后,在系统状态不完全可测的情况下,通过设计高增益观测器对系统的状态进行估计,实现输出反馈控制器设计,证明了所设计的输出反馈控制器可以获得状态反馈控制器的性能.     

一类非线性系统的模糊自适应滑模输出反馈控制

针对一类非线性系统,提出一种新的模糊自适应滑模输出反馈控制方法,该方法不需要非线性系统的状态可测的假设。基于李亚普诺夫函数方法,给出了模糊自适应输出反馈控制律以及在线调节的参数自适应律,证明了模物闭环系统的稳定性和跟踪误差的收敛性。     

输出非对称死区的非严格反馈非线性系统控制

本文研究了具有输出非对称死区和状态含未知控制方向的非严格反馈非线性系统, 设计了稳定的自适应神经网络控制器. 首先, 针对输出非对称死区的问题, 本文采用死区逆的方法, 构造光滑模型逼近原死区模型. 其次, 在控制器设计过程中, 基于障碍Lyapunov函数的构造, 动态面控制和反步法, 设计出自适应控制信号, 虚拟控制信号和实际控制信号. 通过稳定性分析, 证明所设计的神经网络控制器可以保证闭环系统内所有信号是半全局一致最终有界. 最后, 通过MATLAB数值仿真, 说明所设计控制器的有效性.     

基于动态神经网络的非线性组合系统自适应观测器

基于动态神经网络,对一类非线性组合系统提出一种观测器设计方法．在观测器设计中,充分考虑了神经网络逼近误差项对观测器性能的影响,增加了鲁棒控制项,并设计了相应的参数自适应律,以保证良好的观测性能．神经网络的连接权值在线调整,无需离线学习．仿真结果表明了该方法的有效性．     

时延系统的自抗扰动态面控制

本文针对高阶时延系统同时存在系统不确定性和未知输入时延的情况,考虑控制器信号的复杂性问题,在动态面控制方法的基础上,引入自抗扰控制技术设计了自抗扰动态面控制器.利用反步法设计动态面控制信号,采用跟踪微分器对虚拟控制信号滤波,避免了由于对虚拟控制信号重复微分产生的\"复杂性爆炸\"问题;在控制信号的基础上叠加扰动补偿项,补偿项由扩张状态观测器实时在线估计产生,保证了控制信号的实时性,同时简化了控制器结构以便于实际应用.在闭环系统稳定性判别中运用李雅普诺夫理论做出详细分析.最后,数值仿真结果验证了所提出方法的有效性.     

一类诱导时滞网络控制系统自抗扰控制器设计

针对一类具有网络时滞小于采样周期的网络控制系统提出网络控制的主要问题是网络通信系统模型的不确定性导致控制性能不佳;针对这一问题,采用基于无模型的自抗扰算法,将网络环节和被控对象一同视为控制对象,将网络时滞作为被控对象的不确定性因素,利用扩张状态观测器对不确定性因素进行实时观测估计;Matlab/TrueTime网络控制实验表明:自抗扰控制方法能够有效地减小网络诱导时滞对控制系统的影响。     

线性/非线性切换扩张状态观测器

为了解决非线性扩张状态观测器(NLESO)对大幅度扰动估计能力有限的问题,本文提出一种线性/非线性切换扩张状态观测器.首先分析了非线性扩张状态观测器对大幅度扰动估计能力有限的原因,然后提出在NLESO的非线性区间引入一段线性扩张状态观测器(LESO)弥补NLESO的缺陷,其次从理论上证明了提出的线性/非线性切换扩张状态观测器的收敛性.最后,通过数值仿真验证了提出的线性/非线性切换扩张状态观测器的可行性.     

基于扩张状态观测器的鲁棒迭代学习控制

针对一类包含模型不确定和外界干扰等非重复扰动的线性离散系统,本文通过将迭代学习控制与自抗扰技术相结合,提出一种新的基于扩张观测器的鲁棒迭代学习控制方法.本文以时间轴和迭代轴两个方向同时出发考虑系统的非重复扰动估计和稳定收敛问题.将与时间和迭代轴同时相关的模型不确定及外界干扰等因素归纳为系统总扰动,针对其非重复变化特性给出了扩张观测器的设计,保证在批次内快速、准确地估计系统总扰动;基于上述扰动估计,设计新型的迭代学习控制律,利用线性矩阵不等式方法证明了整个鲁棒迭代学习系统的稳定性和收敛性,并给出合理的控制器参数估计条件.此外,讨论了迭代学习控制中第一批次的控制律设计问题,给出合理的自抗扰控制器设计.最后通过仿真对比实验验证了本文方法的可行性和有效性.     

用于带有量测噪声系统的新型扩张状态观测器

提出了扩张状态观测器的一种新的形式,用于处理量测环节带有噪声干扰时的情况.ESO可以对不确定系统中的内外扰动进行观测,并以此为基础构成自抗扰控制器.但其性能会受量测噪声的影响.本文利用滤波器消除噪声的影响,并把已知的滤波器方程扩展到原有的ESO中,以补偿滤波器对实际输出信号的偏移作用.数字仿真表明,该方法可以有效的解决输出噪声对扩张状态观测器的影响.     

拦截高速机动目标的非线性自抗扰制导律

为实现导弹对目标的高精度拦截, 本文提出了基于加权齐次函数的非线性自抗扰拦截制导设计方法. 首先, 提出了基于加权齐次函数的非线性扩张状态观测器在线估计视线角速率和由目标加速度等内外不确定性因素构成的总扰动. 其次, 设计了基于非线性扩张状态观测器的非线性自抗扰三维制导律对总扰动进行补偿, 该制导律克服了高阶非线性项与强耦合项等不利因素的影响, 提高了拦截制导精度. 本文通过分析误差系统的动力学行为证明了闭环制导系统的稳定性和收敛性. 本文提出的方法在拦截精度等方面优于已有的基于线性扩张状态观测器和基于fal函数的扩张状态观测器的自抗扰制导方法. 仿真结果验证了本文所提出方法的有效性和优越性.     

三阶扩张状态观测器的优化参数配置方法

研究三阶非线性扩张状态观测器扰动观测性能的优化问题。首先,采用系数冻结法固定与观测器状态相关的非线性系数,利用线性系统的极点配置方法进行频带拓展;然后,分析配置后的极点随非线性系数的变化规律,在此基础上,提出一种保证扰动观测带宽受系统状态变化影响最小的参数配置方法;最后,通过算例和仿真对比表明了所提出参数配置方法的有效性和优越性。     

二自由度无人直升机的非线性自抗扰姿态控制

无人机高性能姿态控制的难题之一是无人机系统模型通常无法精确建立且受到复杂外部干扰的作用.针对这一难题,本文提出了二自由度无人直升机姿态控制的非线性自抗扰控制设计方法.该方法的主要思想是将系统内部的未建模动态和外部干扰等不确定性因素作为\"总扰动\",利用输入输出信息在线观测,并在反馈控制环节对其进行补偿.本文发展了非线性扩...