基于切换的多模型二阶段自适应控制器设计

针对一类具有参数跳变特性的离散时间系统,设计一类基于切换策略的新型多模型二阶段自适应控制器.该控制器首先将系统不确定参数的变化空间划分为多个子空间,在每个空间内建立多个自适应模型.为了克服多模型退化,保持模型的多样性以应对参数跳变,采用带约束的二阶段自适应方法对未知参数进行实时估计,并据此设计相应的子控制器;然后基于切换策略,选取该时刻的最优子控制器作为系统的控制器,从而减小系统暂态误差,提高系统动态性能;最后进行数值仿真研究,仿真结果表明该控制器结合了切换机制和二阶段自适应的优点,在相同模型数量的情况下,能够快速逼近参数跳变以后系统新的工作点,显著地缩短系统的过渡过程,提高暂态性能.     

一类输入量化非线性系统的MMSLA控制器设计北大核心CSCD

多模型二阶段自适应(Multiple Model Second Level Adaptive, MMSLA)控制器,可以提高控制系统的暂态性能,快速收敛到系统未知参数的真值等优良特性,在线性系统与非线性系统上已取得了部分成果,但是在带有量化输入的非线性系统上没有应用。为此,针对一类带有输入量化的参数严格反馈非线性连续时间系统,设计了一类基于多模型二阶段自适应思想的量化控制器。该控制器首先在系统未知参数集合上建立n+1个并行的辨识模型,基于此设计二阶段虚拟模型,根据Lyapunov理论分析建立了量化控制器。经过理论论证分析,该控制器可以保证系统的量化输入稳定性。最后通过数值仿真实例,验证了该控制器的优良特性,可以显著的提供控制系统的暂态性能。     

具有H_∞性能的机械手神经自适应跟踪控制

针对非线性不确定机械手系统的轨迹跟踪控制问题,提出一种具有H∞性能的神经自适应控制算法;该算法为机械手系统分别设计了主控制器和监督控制器;主控制器由神经网络控制为基础,基于滑模控制原理得到神经网络权值的自适应律;基于李亚普诺夫稳定性理论和鲁棒控制设计的监督控制器,补偿自适应神经网络对系统不确定项学习的误差,同时使系统具有H∞性能;通过二自由度机械手模型进行仿真实验,仿真结果验证了方法的有效性。     

随机系统的多模型直接自适应解耦控制器

针对多变量离散时间随机系统, 提出了一种采用广义最小方差性能指标的多模型直接自适应解耦控制器. 该多模型控制器由多个固定控制器和两个自适应控制器构成. 固定控制器用以覆盖系统参数的可能变化范围, 自适应控制器用以保证系统的稳定性和提高暂态性能. 该多模型控制器利用矩阵的伪交换性和拟Diophantine方程性质, 基于广义最小方差性能指标, 将随机系统辨识算法和最优控制器设计相结合, 直接辨识出控制器的参数, 通过广义最小方差性能指标中加权多项式的选取,不但实现了多变量系统的动态解耦控制, 而且消除了稳态误差、配置了闭环极点. 文末给出了全局收敛性分析. 仿真结果表明该方法明显优于常规自适应控制器.     

空间遥操作机器人主从双边自适应内模控制

天地大时延严重破坏具有力反馈的空间遥操作机器人系统的稳定性和透明性;针对天地大时延和未知的从手操作环境,基于内模控制和自适应控制思想设计一种自适应内模控制器;推导从手环境参数辨识模型,基于带遗忘因子的递推最小二乘滤波辨识环境模型,并利用辨识信息构建自适应内模控制器;基于单参数SNPIDC算法分别设计主手和从手自适应控制器;大量的仿真结果证明,在设计的主从双边自适应内模控制器作用下,空间遥操作机器人系统稳定性好,对未知环境适应能力强,系统透明性好,阻抗匹配程度高,且操作人员临场感强。     

对迟滞三明治系统基于Duhem算子的自适应控制

对具有迟滞非线性的三明治系统,设计了基于Duhem算子的神经网络自适应控制器.首先对前端动态子系统进行近似补偿;然后用Duhem算子描述所提出的迟滞状态,用神经网络逼近迟滞状态与迟滞输出的关系,实现对迟滞非线性的建模.基于该迟滞模型并采用伪控制技术设计神经网络自适应控制器,通过Lyapunov方法证明了系统的稳定性,并推导出神经网络的权值自适应调整律和控制律.最后通过仿真验证了该方案的有效性.     

高频增益矩阵符号未知的多变量系统自适应控制

基于向量形式的非线性Backstepping方法,对多变量模型参考自适应控制(MRAC)系 统设计出新的自适应控制器.该设计机制减弱了现有研究中对高频增益矩阵的假定条件,使某些 系统关于高频增益矩阵的假定条件便于检验,从而该控制器的实用范围更广.该控制器能保证系 统的全局稳定性,跟踪误差趋于零并且是平方可积的.     

基于Backstepping的高超声速飞行器模糊自适应控制

提出了高超声速飞行器的模糊自适应控制方法.根据飞行器纵向模型的特点,分别设计了基于动态逆的速度控制器和基于Backstepping的高度控制器,模糊自适应系统用来在线辨识飞行器模型由于气动参数的变化而引起的不确定性,采用Lyapunov理论设计的自适应律保证了系统的稳定性与指令跟踪的精确性.仿真使用了高超声速飞行器的纵向模型对算法进行了验证,得到了较满意的控制效果.     

基于PD增益的模型参考自适应同步控制

在保证自适应控制精度的前提下,找出快速收敛的参数,从而使被控系统和参考系统达到同步.针对传统的PI控制器无法获得参数波动的系统的较高的控制性能.基于模型参考自适应控制,利用PD控制器可以预料到系统误差的方向的优点,设计了一种自适应同步控制器.仿真结果表明,该自适应同步控制器能够使被控系统和参考系统达到同步,并能够较精确地控制被控系统的输出,使被控系统满足系统所要求的动态性能.这对研究组合自适应控制策略和开展多模型自适应控制器的研究提供了基础.     

可重构模块机器人分散容错控制

针对可重构模块机器人的执行器故障,提出一种基于自适应模糊系统的分散被动容错控制方法.该方法不需要机器人动力学模型与模块之间的信息交换,模块控制器分别采用间接和直接自适应方法设计,自适应参数的更新律基于Lyapunov稳定性理论设计,保证了系统的稳定性和H∞跟踪性能.数值仿真结果表明了所提出方法的有效性.     

非完整移动机器人的神经网络鲁棒自适应控制

在非完整移动机器人轨迹跟踪问题中,针对机器人运动学与动力学模型的参数和非参数不确定性,提出了一种混合神经网络鲁棒自适应轨迹跟踪控制器,该控制器由运动学控制器和动力学控制器两部分组成;其中,采用了参数自适应的径向基神经网络对运动学模型的未知部分进行了建模,并采用权值在线调整的单层神经网络和自适应鲁棒控制项构成了动力学控制器;基于Lyapunov方法的设计过程保证了系统的稳定性和收敛性,仿真结果证明了算法的有效性。     

基于T- S模型的非线性系统多模型直接自适应控制

针对典型的高阶非线性系统，建立被控对象的多个论域不同的基于T—S模型的模糊控制器(TSFC)，用其加权组合控制系统的行为，并报据Lyapunov的综合方法设计一种自适应算法来调整每个TSFC的权值，形成被控对象的直接自适应模糊控制器。与采用单一TSFC的自适应模糊控制算法相比，该算法计算量小，响应速度快，能在局部上更有效地控制系统的非线性，使被控系统具有Lyapunov意义上的稳定性。仿真实验证实了算法的有效性。     

基于T-S模型的稳定自适应FNN控制器的设计

对一类不确定非线性系统,提出一种基于T-S模型的自适应FNN控制器.首先用 权值固定的FNN作为非线性系统的近似模型,然后再应用自适应FNN逼近建模误差,并引 入滑模项增加控制器的鲁棒性.通过稳定性理论设计自适应律,保证了系统的全局稳定,跟 踪误差收敛到零.     

分数阶鲁棒自适应控制

研究了分数阶模型参考自适应控制系统.引入了分数阶微积分的概念,利用系统的输入输出,通过构造辅助信号设计了分数阶的自适应控制器和一类新的有界干扰系统的变结构分数阶鲁棒自适应控制器.基于分数阶微积分和Lyapunov稳定性理论,证明了所设计的闭环系统的稳定性.最后,仿真实验验证了此方法的有效性.     

双电极电弧焊系统的非线性鲁棒自适应控制

本文针对可消耗双电极熔化极气体保护电弧焊接(DE-GMAW)系统,建立了一个双输入双输出非线性模型,并基于此提出了一种鲁棒自适应控制器的设计方法,可用于系统存在未建模动态和未知有界扰动的情况.应用Lyapunov稳定性理论证明,该鲁棒自适应控制器可保证整个系统的稳定性,且通过适当选择设计参数,可满足高精度的跟踪.仿真结果表明此控制器对DE-GMAW具有良好的控制效果.     

基于不同加权因子的随机多模型自适应控制

针对一类噪声方差未知的随机系统,基于不同加权因子设计多个参数辨识器辨识模型参数,在此基础上,构成多模型自适应控制器.在每个采样时刻基于指标切换函数选择最佳辨识模型.并将基于此最佳模型设计的控制器切换为当前控制器.同时,证明了多个模型控制器之间相互切换时整个闭环系统是全局收敛的.仿真结果表明,同单一自适应模型控制器相比,这种基于多个不同加权因子的多模型自适应控制器在模型参数发生跳变时可很好地改善被控对象的控制品质.     

一种参数自适应模糊PID控制器

基于Ｔａｇａｇｉ和Ｓｕｇｅｎｏ的确定性模糊模型，提出了一种参数自适应模糊ＰＩＤ控制器。该控制器的参数调整也采用确定性模糊调整规则，从而使控制器的设计简易、容易，同时与一般的参数自适应相具有很强的适应性和鲁棒性。仿真结果表明，该控制器明显地改善了控制系统的动态性能。     

基于虚拟模型的自适应解耦抗扰控制

针对一类多变量非线性耦合系统,提出了一种基于虚拟模型的非线性自适应控制器.首先将非线性系统线性化处理并将其作为虚拟模型,对该模型设计线性自适应控制律.然后将线性控制律分别应用在虚拟系统和受控的实际非线性系统上,根据两者的输出误差设计补偿控制律,以达到对实际被控对象进行自适应解耦抗扰的目的.利用李雅普诺夫稳定理论给出了控制系统稳定性条件.实验仿真验证了控制算法的有效性.     

基于自组织模糊CMAC神经网络的不确定系统的H∞鲁棒自适应控制

针对一类不确定系统，提出一种基于自组织模糊小脑模型（SOFCMAC）神经网络的H∞鲁棒自适应控制方法，通过设计标称系统的H∞控制器，并采用SOFCMAC神经网络在线对消系统的建模不确定性产生的误差，可保证不确定闭环稳定并具有H∞性能，证明了SOFCMAC神经网络H∞鲁棒自适应控制系统的稳定性，仿真算例表明了该方法的有效性。     

利用模糊系统的自适应模糊控制器

针对非线性系统控制,设计了利用TSK(Takagi-Sugeno-Kang)模糊系统的自适应模糊控制器。所设计的自适应控制方法是参考模型自适应控制方法,而且利用Lyapunov函数保证了闭环系统的稳定性,同时推导了最优的自适应控制规律。首先,根据控制对象的输入输出数据建立TSK模糊模型,然后,由TSK模糊模型设计初期的TSK模糊控制器,并根据自适应规律随时调整模糊控制器参数。倒立摆系统的仿真实验验证了所设计的自适应模糊控制器的有效性。