非线性系统死区输入的自适应动态面控制

为实现对具有未知死区输入的非线性系统的跟踪控制,提出一种基于扩张状态观测器的自适应动态面控制算法。采用扩张状态观测器代替函数逼近器在线估计反演法每一步中的不确定函数,基于反演法技术构造自适应动态面输出反馈控制器,通过跟踪微分器来消除传统反演控制算法计算负荷大的问题,并给出稳定性证明。对所提出的控制方法进行仿真验证,结果表明该算法跟踪效果较好,鲁棒性和抗干扰能力较强。     

一类控制方向未知的不确定非线性系统的输出调节

针对控制方向未知的情况下,具有线性外部系统的不确定非线性系统的全局鲁棒输出调节问题,假设系统和高频增益符号是未知的,并且未知的参数可以是任意大,这就为控制器的设计带来了挑战.为了解决这个问题,首先,进行坐标变换,计算出新的状态方程;然后,通过使用Nussbaum动态增益技术、自适应控制方法和内模原理,将鲁棒输出调节问题...     

非线性系统的自适应模糊控制器设计

针对非线性系统,为获得更好的控制控制效果,设计了模糊自适应控制器。在模糊控制器的基础上根据反馈控制和调整参数向量的自适应律的求解,综合李雅普诺夫稳定理论设计了模糊自适应控制器,以满足系统的稳定性和控制效果。为验证控制器的有效性,将该控制器应用到二级倒立摆系统的稳定控制,仿真结果表明该控制器的控制效果良好,并与传统的控制方法相比较,其控制效果更佳。     

基于神经网络仿射非线性系统滑模自适应控制

研究了一类单输入单输出仿射非线性系统的自适应控制问题.采用反馈线性化方法设计控制器,用神经网络逼近系统中的未知非线性函数,并在神经网络权值的自适应律中引入权值误差的概念,以改善系统的动态性能.同时采用滑模控制方法设计补偿器,提高了系统的鲁棒性.理论分析及仿真结果表明,所设计的控制器,不仅能解决该系统的轨迹跟踪控制问题,...     

基于模糊神经网络滑模控制器的一类非线性系统自适应控制

本文研究了一类不确定性非线性系统的自适应控制,在模糊神经网络滑模控制器（Ｆｕｚｚｙ ｎｅｒｕａｌ Ｎｅｔｗｏｒｋｓ sｌｉｄｉｎｇ Ｍｏｄｅ Ｃｏｎｔｒｏｌｌｅ ）的基础上提出了一种设计方法,将ＦＮＮＳＭＣ与带死区的滑模控制器（Ｓｌｉｄｉｎｇ ｍｏｄｅ Ｃｏｎｔｒｏｌｌｅｒ ｗｉｔｈ Ｄｅａｄ Ｚｏｎｅ）有机结合,通过平滑切换实现自适应控制,这种方法使系统不仅有好的鲁棒性而且能有效地消除离频动,同时     

一类线性不确定切换系统的非脆弱控制器设计

针对一类线性不确定切换系统,利用公共Lyapunov函数的方法,给出了当所设计的控制器存在加性摄动时鲁棒非脆弱控制器存在的条件。该控制器能够保证闭环切换系统在任意切换律下渐近稳定。然后应用线性矩阵不等式将鲁棒非脆弱控制器的设计问题转化为一组线性矩阵不等式的可行解问题,从而可借助Matlab中的LMI工具箱直接求解。最后通过仿真算例验证所提方法的有效性。     

一类不确定混沌系统的自适应同步控制

研究了一类不确定混沌系统的自适应同步控制问题。基于Lyapunov稳定性理论和微分不等式技巧,提出了一种新的自适应控制器的设计方法。该控制器仅用到了不确定性的导数信息。即使不确定性是时变的或无界的,只要其导数有界,自适应控制器就能保证误差系统的状态收敛到平衡点附近很小的邻域内。特别地,当不确定性是慢变时,该控制器就能保证误差状态渐近稳定。最后,以Lorenz系统为例进行数值仿真,结果证明了该方法的有效性。     

一种未知非线性系统的自适应神经网络控制方法

神经网络用于控制，主要是为了解决复杂的非线性、不确定、不确知系统的控制问题。由于神经网络具有学习能力和自适应性，使神经网络控制能对变化的环境有自适应性，且成为基本上不依赖于模型的一类控制，介绍了一种未知非线性系统的自适应神经网络控制方法。     

基于自适应动态规划的一类非线性系统的容错控制器设计

针对存在执行器故障的一类仿射非线性系统,基于自适应动态规划方法,提出了一种新型的容错控制器。利用故障观测器估计执行器故障,并利用故障信息构建一个改进型的性能指标函数,将容错控制问题转化为最优控制问题。同时使用策略迭代(PI)算法,通过构造评价神经网络来求解HJB方程,获得近似最优容错控制律,并且基于李雅普诺夫函数,证明该容错控制器可以确保闭环系统渐近稳定。最后,通过仿真验证了该方法的有效性。     

基于神经网络的一类非线性系统自适应反步控制

针对传统自适应控制需要满足匹配条件、激发信号存在以及逼近误差有界等条件,提出一种新的基于神经网络的一类非线性系统自适应反步控制器设计方案.使用三层神经网络逼近系统的非线性特性,通过网络权系数自适应调整来不断的在线估计未知的逼近误差上界,采用有σ修正项的自适应律以放松持续激励条件.给出了基于Lyapunov意义上的闭环系统稳定性分析,证明跟踪误差收敛于原点的一个ε领域内.仿真结果表明了所提反步控制器的正确性.     

比例变量泵死区的神经网络补偿研究

分析了轴向柱塞比例变量泵死区的主要形成原因及对控制性能的影响.利用RBF神经网络辨识变量泵的死区和系统参数,建立了死区的逆模型.根据辨识出的系统参数构造被控对象的参考模型,并设计自适应FID控制器.仿真结果表明逆模型抵消了泵的死区,改善了系统的静态性能.自适应PID控制器取得了良好的控制效果.     

Neural Adaptive Compensation Control for a Class of MIMO Uncertain Nonlinear Systems with Actuator Failures

A neural adaptive compensation control scheme for a class of multi-input multi-ouput (MIMO) uncertain nonlinear systems with actuator failures is proposed based on prescribed performance bound (PPB) transient performance which characterizes the convergence rate and maximum overshoot of the tracking error. RBF neural networks are used to approximate the error of plant model, the control law proposed can guarantee the asymptotic output tracking and closed-loop signal bounds. The control scheme is applied to a twin otter aircraft longitudinal nonlinear dynamics model in the presence of unknown failures. Simulation results demonstrate the effectiveness of the proposed method.     

Neural Network Based Adaptive Tracking of Nonlinear Multi-Agent System

In this paper, the problems of robust consensus tracking control for the second-order multi-agent system with uncertain model parameters and nonlinear disturbances are considered. An adaptive control strategy is proposed to smooth the agent’s trajectory, and the neural network is constructed to estimate the system’s unknown components. The consensus conditions are demonstrated for tracking a leader with nonlinear dynamics under an adaptive control algorithm in the absence of model uncertainties. Then, the results are extended to the system with unknown time-varying disturbances by applying the neural network estimation to compensating for the uncertain parts of the agents’ models. Update laws are designed based on the Lyapunov function terms to ensure the effectiveness of robust control. Finally, the theoretical results are verified by numerical simulations, and a comparative experiment is conducted, showing that the trajectories generated by the proposed method exhibit less oscillation and converge faster.     

制导炮弹非线性鲁棒自适应控制系统设计

针对制导炮弹非线性模型存在参数不确定性、建模误差和外界干扰的特点, 基于动态面设计了制导炮弹的鲁棒自适应控制器, 在设计过程中加入了一阶低通滤波器, 得到虚拟控制量的微分, 从而消除传统反步法中“计算膨胀”的难题。针对模型的不确定参数的影响采用鲁棒函数抵消, 并通过非线性阻尼项消除外界扰动, 最后由Lyapunov方法证明该闭环系统为半全局稳定。该设计方法较为简单, 在有效利用已知信息的前提下, 放宽了不确定项的限制条件, 且跟踪误差可以通过控制器的可调参数加以调整。仿真结果证明了该方法的有效性。     

DVD光学头的BP神经网络自适应PID控制器设计

搭建了一套基于DVD聚焦循道伺服技术和双光子吸收三维光存储技术的双光头三维光盘存储系统.针对DVD光学读取头传递函数,采用BP神经网络自适应PID控制算法,构建PID控制系统仿真模型,通过BP神经网络的超强自学习和非线性逼近能力在线调整PID控制器参数,并进行计算机Matlab仿真.仿真结果表明,BP神经网络自适应PID控制算法提升了系统的响应速度,减小了系统的超调量.