非匹配不确定混沌系统的RBF神经滑模同步

对于非匹配不确定混沌系统,提出一种RBF神经滑模同步方法.设计滑模切换面,并将其作为神经网络的唯一输入,网络的权值依滑模趋近条件在线确定,使得同步跟踪误差渐进到零点.该方法简化了常规神经网络控制结构的复杂性,削弱了滑模控制的抖振程度,并且同步时间较短,对参数不确定性及外干扰具有较好的鲁棒性.仿真结果验证了所提出方法的有效性.     

具有未知参数的混沌系统的有限时间滑模同步控制

针对带有未知参数和非线性输入的两个不同的混沌系统之间的同步问题进行研究. 提出一个相比于传统滑模面具有更快收敛速度的终端滑模面, 并结合自适应控制理论和滑模控制理论, 设计一个自适应滑模控制律, 使同步误差在有限时间内收敛到滑模面, 并沿滑模面在有限时间内收敛到零点, 最终实现两个不同的混沌系统之间的同步. 最后, 以带有不确定性和外部扰动的Lorenz 系统和Liu 系统为例进行数值仿真, 仿真结果表明, 同步误差在有限时间内收敛到零点, 从而验证了所设计控制律的有效性和可行性.     

一类时滞复杂动态网络的鲁棒自适应同步问题

针对一类耦合时滞复杂网络,基于变结构控制研究其同步问题.首先,利用系统的左特征向量函数设计切换面,使网络的运动轨线在期望的同步轨道保持稳定;然后,针对网络中的非线性项已知和未知时,分别设计相应的滑模控制器,使从任意时刻出发的动态网络轨线都能在有限时间内同步到达期望的轨道;最后,利用所设计的控制器对两个算例进行仿真,仿真结果说明了所设计控制器的有效性.     

基于主动滑模控制实现一类含有非匹配不确定混沌系统的同步

讨论了一类非匹配不确定混沌系统的同步问题.基于主动控制思想,提出了一种主动滑模控制策略,使得从任意初始条件出发的不确定混沌系统在有限时间内到达滑模面.利用线性矩阵不等式(LMI)技术设计了一个鲁棒稳定的滑模面,以降低非匹配不确定对系统的影响.给出了线性矩阵不等式形式的稳定滑模面存在的充分条件.通过对Rssler系统的同步仿真,验证了该方法的可行性.     

基于主动滑模控制的一类不确定混沌系统的同步

讨论了一类不确定混沌系统的同步问题。基于主动控制思想,提出了一种新的主动滑模控制策略,使得从任意初始条件出发的不确定混沌系统在有限时间内趋近滑模面;通过一种新颖的虚拟反馈控制,得到了设计鲁棒滑模面的一个充分条件,较好地实现了响应系统与驱动系统的完全同步,确保了不确定混沌系统同步的鲁棒稳定性。该控制器适用于一般的混沌系统。以Lü混沌系统为例进行了仿真验证,仿真结果表明,该控制方法可以实现较快的混沌同步,且同步的鲁棒稳定性良好。     

一类时滞复杂动态网络的鲁棒自适应同步问题

针对一类耦合时滞复杂网络,基于变结构控制研究其同步问题 .首先,利用系统的左特征向量函数设计切换面,使网络的运动轨线在期望的同步轨道保持稳定;然后,针对网络中的非线性项已知和未知时,分别设计相应的滑模控制器,使从任意时刻出发的动态网络轨线都能在有限时间内同步到达期望的轨道;最后,利用所设计的控制器对两个算例进行仿真,仿真结果说明了所设计控制器的有效性.

     

一类3阶非线性系统的非奇异终端滑模控制

针对传统非奇异终端滑模控制方法不适用于3阶系统的问题,提出一类具有不确定和外干扰的3阶非线性系统的新型非奇异终端滑模控制方法.该方案首先结合backstepping控制中的动态面方法和传统2阶非奇异终端滑模控制构造非奇异3阶终端滑模面,首次提出采用高阶滑模微分器估计值代替控制器中的负指数项.采用非线性干扰观测器任意精度地估计不确定和干扰,设计控制器中的补偿项.采用终端吸引子函数做趋近律避免抖振的同时能保证有限时间趋近滑模面.基于有限时间稳定李雅普诺夫定理证明了被控状态将在有限时间内收敛到任意小的闭球内.所提出方案快于传统的递阶线性滑模控制和其他非奇异终端滑模控制.仿真中与其他滑模控制方案对比,总误差减小18%以上,超调及收敛时间也显著下降.     

一类非线性不确定系统的高阶积分自适应滑模控制

为有效改善传统积分滑模在一类非线性不确定系统的应用中存在的抖振问题,结合有限时间收敛理论、高阶积分滑模理论和自适应控制理论,提出了一种高阶积分自适应滑模控制方法;该方法通过选取有限时间收敛反馈量和设计高阶积分滑模面,不仅确保了系统状态误差在有限时间内的收敛性,而且还保证了系统具备对不确定性干扰的抑制能力;同时,当系统的不确定项的边界范围无法预先确定时,采用自适应方法对滑模控制的趋近速率进行估计;仿真结果表明所提方法能够有效抑制非线性不确定系统的抖动,并具有较高的控制精度.     

再入飞行器带有干扰观测器的有限时间控制

针对模型参数不确定及外界干扰影响下的再入飞行器的姿态控制问题,设计基于干扰观测器的有限时间控制策略.首先建立面向控制模型,并通过多时间尺度原理将面向控制模型分为内、外两环;其次,设计干扰观测器实时观测面向控制模型中的参数不确定及外界干扰,解决滑模控制因参数过大而导致的抖振问题,基于观测值,设计终端滑模控制器,在此基础上,基于Lyapunov理论对控制系统的稳定性进行分析;最后,基于六自由度再入模型,验证所设计的有限时间姿态控制策略的有效性.     

不确定MIMO线性系统的全局快速终端滑模控制

针对一类不确定多输入多输出(MIMO)线性系统,提出一种全局快速终端滑模变结构控制方案.通过对系统进行特殊的非奇异状态变换,设计了相应的非线性终端滑模超曲面及变结构控制律,使得系统状态在有限时间内收敛到终端滑模面上,随后保持在滑模面上并按全局快速终端滑模规律运动,以较普通终端滑模更快的收敛速度在有限时间内到达平衡点.仿真结果证明了该方法的有效性.     

Synchronization of uncertain complex dynamical networks via adaptive control

In this paper, synchronization of an uncertain dynamical network with time‐varying delay is investigated by means of adaptive control schemes. Time delays and uncertainties exist universally in real‐world complex networks. Especially, parameters of nodes in these complex networks are usually partially or completely uncertain. Considering the networks with unknown or partially known nodes, we design adaptive controllers for the corresponding complex dynamical networks, respectively. Several criteria guaranteeing synchronization of such systems are established by employing the Lyapunov stability theorem. Analytical and numerical results show that the proposed controllers have high robustness against parameter variations including network topologies, coupling structures, and strength. Copyright © 2008 John Wiley & Sons, Ltd.     

基于干扰观测器的一类不确定非线性系统自适应二阶动态terminal滑模控制

针对一类不确定非线性系统的跟踪控制问题,在考虑建模误差、参数不确定和外部干扰情况下,以其拥有良好的跟踪性能以及强鲁棒性为目标,提出基于回归扰动模糊神经网络干扰观测器(recurrent perturbation fuzzy neural networks disturbance observer,RPFNNDO)的鲁棒自适应二阶动态terminal滑模控制策略.将回归网络、模糊神经网络和sine-cosine扰动函数各自优势相结合,给出一种回归扰动模糊神经网络结构,提出RPFNNDO设计方法,保证干扰估计准确性;构造基于带有指数函数滑模面的二阶快速terminal滑模面,给出其控制器设计过程,避免了滑模到达阶段、传统滑模的抖振问题,采用具有指数收敛的鲁棒项抑制干扰估计误差对系统跟踪性能的影响,利用Lyapunov理论证明闭环系统的稳定性;将该方法应用于混沌陀螺系统同步控制仿真实验,结果表明所提方法的有效性.     

主动滑模控制时滞时空混沌星形网络的函数投影同步

研究了拓扑等价的多个时空混沌系统组成的星形网络,提出了一种主动滑模控制时滞时空混沌星形网络的函数投影同步控制方法,实现了多个时空混沌系统的同步.在结合主动控制和滑模控制方法的基础上,设计了主动滑模控制器的结构,得到了网络函数投影同步的必要条件.以Gray—Scott时空系统作为网络节点构成的星形网络为例进行了仿真模拟.结果验证了主动滑模控制器的有效性.     

时变内耦合复杂网络的平衡态同步smart变结构控制

当前同步控制问题是复杂网络研究的热点之一. 本文针对具有时变内耦合结构的复杂网络, 利用结点混沌动态的各态历经性, 通过构造合适的滑模面, 提出了smart变结构控制器的设计策略. 该策略可使复杂网络动态行为趋向于所构造的全局吸引区域, 从而最终实现复杂网络在平衡态的渐近同步. 最后, 基于3种不同拓扑结构的Lorenz结点动态的复杂网络进行仿真实验表明该控制方案具有较好的鲁棒性和有效性.     

Adaptive synchronization of uncertain coupled stochastic complex networks

In this paper, the problem of adaptive synchronization of uncertain coupled complex networks is investigated. Some controllers and adaptive laws are designed to ensure achieving synchronization of a general complex network model. In particular, synchronization of coupled stochastic networks subject to random perturbations is studied, with a referenced node introduced as the target node for synchronization. An example is simulated on delayed neural networks coupled in a small‐world network topology, which demonstrates the feasibility and effectiveness of the proposed adaptive control method. Copyright © 2010 John Wiley and Sons Asia Pte Ltd and Chinese Automatic Control Society     

Synchronization of Non-Identical Unknown Chaotic Delayed Neural Networks Based on Adaptive Sliding Mode Control

The synchronization problem is studied in this paper for non-identical chaotic neural networks with time delays and fully unknown parameters, where the mismatched parameters, activation functions and neural network architectures are taken into account. To overcome the difficulty that complete synchronization of non-identical chaotic neural networks cannot be achieved only by utilizing output feedback control, we design an adaptive sliding mode controller to realize the synchronization. Our synchronization criteria are easily verified and do not need to solve any linear matrix inequality. These results generalize a few previous known results and remove some restrictions on the parameters, activation functions and neural network architectures. This paper also presents an illustrative example and uses simulated results of this example to show the feasibility and effectiveness of the proposed scheme.     

Event-triggered sampled-data synchronization of complex networks with uncertain inner coupling and time-varying delays

This paper focuses on event-triggered sampled-data synchronization of uncertain complex networks with time-varying coupled delays. First of all, a discrete event-triggered sampled-data control scheme is adopted, which not only makes the state of the system be monitored in discrete time, but also the sampling information is effectively transmitted. The proposed event-triggered mechanism effectively prevents Zeno behavior. In addition, we also use some novel piecewise time-dependent Lyapunov–Krasovskii and Wirtinger inequality to handle the time-varying delays and parameter uncertainties of complex networks. Then, synchronization criteria are given for uncertain complex networks. Finally, the simulation results show that the control scheme can significantly reduce the number of transmitted signals while maintaining the uncertain complex networks synchronization.     

控制增益符号未知的不确定非线性系统鲁棒自适应控制

针对一类控制增益函数及符号均未知的不确定非线性系统,基于反推滑模设计方法,提出一种鲁棒自适应神经网络控制方案.结合Nussbaum增益设计技术和神经网络逼近能力,取消了控制增益函数及符号已知的条件,应用积分型Lyapunov函数避免了控制器奇异性问题,并通过引入神经网络逼近误差和不确定干扰上界的自适应补偿项消除了建模误差和不确定干扰的影响.理论分析证明了闭环系统所有信号半全局一致终结有界,仿真结果验证了该方法的有效性.