广义扩展大系统的鲁棒分散有限时间关联镇定

研究一类广义扩展大系统的分散有限时间鲁棒关联镇定问题。建立了扩展广义大系统的数学模型,利用稳定性理论和线性矩阵不等式方法推导了扩展后大系统基于状态反馈和动态输出反馈的分散有限时间关联镇定的充分条件,在不改变原广义大系统分散控制律的基础上给出了满足条件的新加入子系统的鲁棒分散关联镇定控制器设计方法。采用一个广义互联系统数值算例对提出的设计方法进行了仿真研究,结果显示扩展系统可以被有限时间关联镇定,从而验证了该方法的可行性和有效性。     

时滞型关联大系统的分散化控制方法研究

对存在时间滞后的关联大系统做了数学描述，设计了一个关联大系统的分散稳定化控制律，给出了系统分散能镇定的条件，并加以证明。根据分散能镇定条件提出了基于线性矩阵不等式的大系统分散控制器的设计方法。最后应用MATLAB的求解器mincx求解由3个子系统复合的关联系统，证明了该系统是分散能镇定的；然后应用求解器mincx求解系统的优化问题，可以看出具有给定稳定度的闭环系统有更好的过渡过程。     

非线性互联大系统的稳定性与分散稳定

本文研究比较广泛的一类非线性互联大系统的稳定性与分散镇定问题，首先根据文献５的思想，给出检验这类非线性互联大系统稳定性的新准则，由于所给出的准则只与子系统的稳定性以及子系统之间的互联项有关，因此当应用该准则检验这类非线性互联大系统的稳定性时，避免了构造子系统的大系统的Ｌｙａｐｕｎｏｖ函数困难。此外，基于这一新的准则给出了这类非线性互联大系统可分散镇定的充分条件及分散镇定的方法。     

基于神经网络方法的不确定非线性微分-代数子系统的鲁棒反推镇定控制

对于指数1且关联可测的不确定非线性微分-代数子系统,将反推方法和神经网络相结合,研究了其鲁棒渐近镇定控制问题.基于反推方法来构造镇定控制器,利用3层的神经网络来逼近每一步控制器构造过程中的不确定项.提出一种新的自适应算法对神经网络权值进行在线调节,并适当选取每一步虚拟控制器的参数,最终得到的控制器使得闭环系统是渐近稳定的.     

一类非线性级联系统的鲁棒镇定

研究一类非线性不确定级联系统的鲁棒镇定问题．根据系统的结构特性，将非线性级联系统转化为基子系统和扩张子系统，在基子系统全局渐近镇定的假设下，根据局部线性化模型的二次可镇定性，构造出非二次李雅普诺夫函数，进而设计出鲁棒镇定控制器．在该控制器作用下的闭环系统，是鲁棒全局渐近稳定和局部二次稳定的．     

非严格反馈大系统的自适应神经网络分散控制

针对一类非严格反馈的非线性互联大系统,本文提出了一种基于神经网络的分散自适应状态反馈控制方案。在控制设计过程中,通过神经网络逼近系统中的未知非线性函数,结合自适应Backstepping方法和分散控制策略设计出一种自适应神经网络分散状态反馈控制器,并通过Lyapunov稳定性理论进行稳定性分析,证明了在该控制方案作用下,闭环系统的所有信号是半全局一致终极有界的,且输出信号保持收敛在给定参考信号的一个小邻域范围内。采用仿真算例验证本文方法的有效性。仿真结果表明,系统输出信号能良好地跟踪给定的参考信号;系统的所有闭环信号都是有界的,而且该方法借助向量的范数性质,有效解决了一类非线性非严格反馈的互联大系统的自适应神经网络控制问题。该研究对控制理论的发展,具有一定的实际应用价值。     

一类混沌系统的状态量化反馈镇定控制器设计

用状态反馈法对含量化器的一类混沌系统的渐进镇定进行了研究.混沌系统的动力学状态方程的非线性项为任意整数阶的齐次函数.设计的更新律中量化器针对一类非线性项为高次齐次函数的混沌系统,数值仿真结果表明,若非线性控制器中存在量化环节时,原非线性控制器将无法镇定此类系统.为有效反馈镇定此类混沌系统,设计了一种新的含自适应量化器的非线性控制器.量化器中设置两个互为倒数的自适应放大器,使量化器具有自适应的量化范围和量化误差界,从而可自适应量化系统各种状态.同时应用Lyapunov原理和滑模变结构控制理论,推导得到量化器的放大系数和量化误差上界的更新律.一些典型混沌系统的数值仿真结果表明,所设计的非线性控制器可以有效自适应量化系统状态,并反馈镇定上述类型的混沌系统.     

基于动态输出反馈的互联电力系统有机结构控制

主要研究基于动态输出反馈的扩展结构大系统有机结构控制方法在一类互联电力系统中的应用问题。基于Lyapunov稳定性理论和线性矩阵不等式（LMI）方法推导了一类扩展结构大系统鲁棒关联分散镇定的充分条件,得到了其动态输出反馈控制器的设计方法,并给出了互联电力系统扩展结构时的应用方法。对扩展互联电力系统自动发电控制（AGC）的仿真结果说明了该方法的有效性。     

有限时间收敛的滑模自适应控制器设计

针对一类非线性不确定系统不确定边界未知但有界的情况,提出一种设计滑模自适应控制器算法。利用几何齐次性理论和积分滑模面设计了滑模自适应控制器,使其能够在有限时间内镇定,并设计相应自适应律估计控制增益,利用Lyapunov理论分析证明了闭环系统能在有限时间镇定。最后,仿真实例验证了所设计的滑模自适应控制器在不确定的情况下具有鲁棒性和自适应性。     

一类广义互联大系统结构重构的鲁棒分散关联镇定

研究了一类广义互联大系统结构重构时的鲁棒分散关联镇定问题. 首先给出广义互联大系统结构重构的数学描述,然后利用Lyapunov稳定性理论和线性矩阵不等式( LMI)的方法,在广义大系统容许性的基础上,给出了广义互联大系统及广义扩展结构大系统鲁棒分散关联镇定的充分条件及状态反馈控制器的设计方法. 最后通过仿真算例验证了所提出算法的有效性.     

Decentralized adaptive neural network sliding mode position/force control of constrained reconfigurable manipulators

A decentralized adaptive neural network sliding mode position/force control scheme is proposed for constrained reconfigurable manipulators. Different from the decentralized control strategy in multi-manipulator cooperation, the proposed decentralized position/force control scheme can be applied to series constrained reconfigurable manipulators. By multiplying each row of Jacobian matrix in the dynamics by contact force vector, the converted joint torque is obtained. Furthermore, using desired information of other joints instead of their actual values, the dynamics can be represented as a set of interconnected subsystems by model decomposition technique. An adaptive neural network controller is introduced to approximate the unknown dynamics of subsystem. The interconnection and the whole error term are removed by employing an adaptive sliding mode term. And then, the Lyapunov stability theory guarantees the stability of the closed-loop system. Finally, two reconfigurable manipulators with different configurations are employed to show the effectiveness of the proposed decentralized position/force control scheme.     

可重构机械臂分散自适应迭代学习控制

基于Lyapunov稳定性理论和Backstepping技术,提出了一种可重构机械臂分散自适应迭代学习控制方法。将可重构机械臂动力学系统描述为一个交联子系统的集合,基于Backstepping技术,给出自适应迭代学习控制方法。为了补偿系统模型不确定项和子系统之间交联项,采用自适应神经网络进行逼近。最后,通过数值仿真验证了所提方法的有效性。     

非线性不确定系统的自适应模糊跟踪控制

针对一类带有未知非线性函数的非线性不确定系统,提出了一种新的自适应模糊跟踪控制方案。模糊逻辑系统用于系统中的未知的非线性函数建模,然后基于backstepping方法和自适应技术设计模糊自适应控制器。所设计的模糊自适应控制器确保闭环系统的所有信号是一致有界的,同时跟踪误差收敛到原点的一个充分小的邻域内。另外所设计的控制器不涉及模糊基向量函数,因此所提出的控制器用于控制系统时,将极大地降低系统的在线计算负担。仿真算例验证了所提出方法的有效性。     

具有未知死区的SISO非仿射非线性系统间接自适应模糊控制

为了解决含有未知死区输入特性的SISO非仿射非线性系统的跟踪控制问题,提出了基于模糊自适应方法的控制器设计方案,把未知死区分解为一个线性项和一个扰动类似项,当系统状态可测时,利用模糊逻辑系统设计间接自适应模糊控制器,并结合跟踪误差信息设计自适应律;系统状态不可测时,通过引入误差观测器估计的状态变量,设计了间接自适应模糊输出反馈控制器．理论论证过程说明两种控制器能使系统的跟踪误差最终收敛到零的某一邻域,且闭环系统所有信号均有界. 仿真实验结果表明利用所设计控制方案可以使系统完成跟踪控制任务．     

一类大规模系统神经网络自适应控制方案设计

针对一类大规模非线性机械系统,如自动化高速公路汽车空位调节和连续搅拌反应釜等系统,设计了一套基于前向神经网络的分散自适应控制方案以实现对其有效控制．作为直接自适应控制器,神经网络被用于逼近未知函数,所设计的两个鲁棒控制项分别用于消除互连效应和干扰项．系统稳定性得到严格证明,通过仿真进一步验证了方案的有效性．     

Adaptive output feedback control for uncertain nonholonomic chained systems

An adaptive output feedback control was proposed to deal with a class of nonholonomic systems in chained form with strong nonlinear disturbances and drift terms. The objective was to design adaptive nonlinear output feedback laws such that the closed-loop systems were globally asymptotically stable, while the estimated parameters remained bounded. The proposed systematic strategy combined input-state-scaling with backstepping technique. The adaptive output feedback controller was designed for a general case of uncertain chained system. Furthermore, one special case was considered. Simulation results demonstrate the effectiveness of the proposed controllers.     

基于Backstepping设计的非线性大系统模糊自适应输出反馈分散控制

针对一类高频增益符号未知,仅有输出可测的非线性大系统提出了一种模糊自适应Backstepping分散控制方法。在backstepping递推设计中,采用模糊逻辑系统逼近未知非线性函数,利用Nussbaum增益方法解决未知高频增益符号未知问题。利用所提出的模糊自适应分散控制方法,可以使得闭环系统的信号是一致终结有界（UUB）。仿真实例进一步验证了所提方法的有效性。     

基于事件触发的大规模互联非线性系统的自适应分散漏斗控制

研究了一类不确定大规模非线性系统的分散自适应事件触发漏斗控制问题。首先,利用一个新的带有障碍李雅普诺夫函数的漏斗控制方法,构造了一种自适应分散漏斗控制器,以实现给定瞬态行为的输出跟踪。其次,为了解决控制器设计中的互联项问题,引入了一个辅助非线性函数。同时,将命令滤波技术应用到反步设计中,避免了反步过程中的“复杂性爆炸”问题。此外,还设计了一种事件触发机制,以减少控制器和执行器之间不必要的传输,从而提高资源效率。结果表明,所提出的控制方案能保证闭环系统的所有信号都是有界的,并且跟踪误差总是在漏斗中演化。最后,通过一个数值系统验证了该控制方法的有效性。