针对多输入多输出非线性多时滞系统,提出了一种直接自适应模糊跟踪控制方案.该方案有机综合了自适应控制和H∞ 控制,构建了一种自适应时滞模糊逻辑系统用来逼近有多重时滞的未知函数;设计了H∞ 补偿器来抵消模糊逼近误差和外部扰动.根据跟踪误差给出了参数调节规律,构造了包含时滞的李亚普诺夫函数,从而证明了误差闭环系统满足期望的H∞ 跟踪性能.仿真结果表明了该方案的可行性.
相似文献将线性状态变换引入连续时间多面体不确定时滞系统中,利用线性矩阵不等式(LMI)方法,设计时滞相关型鲁棒预测控制器;通过适当选择Lyapunov 函数,推导出闭环系统渐近稳定的充分条件,并且该条件是时滞相关的.仿真算例验证了该方法的有效性.
相似文献针对一类具有输入及状态未建模动态的非线性系统, 设计K滤波器来估计系统不可量测状态, 基于动态面控制技术并利用径向基函数神经网络的逼近能力, 提出一种输出反馈自适应跟踪控制方案. 利用Nussbaum 函数性质, 有效地解决了高频增益符号未知问题. 在控制器设计中引入规范化信号来约束输入未建模动态, 从而有效地抑制其产生的扰动. 通过理论分析证明了闭环控制系统是半全局一致终结有界的.
相似文献研究一类具有未知死区的非线性纯反馈系统的自适应控制问题.基于输入状态稳定理论和小增益定理,提出一种自适应动态面控制方案.该方案有效地减少了可调参数的数目,避免了传统后推设计中由于需要对虚拟控制反复求导而导致的计算复杂性.理论分析证明了闭环系统是半全局一致终结有界的.
相似文献针对一类未知时变时滞非线性系统,提出一种基于观测器的重复控制方案.采用线性矩阵不等式设计非线性观测器,所设计的控制律含有PID 反馈项,常值参数自适应律是微分 差分型的,时变参数学习律是差分型的.在假设未知时变时滞、时变参数和参考输出的周期有已知的最小公倍数下,通过构造一个Lyapunov-Krasovskii型复合能量函数,证明了所有闭环信号有界且输出跟踪误差收敛.仿真实例表明了算法的有效性.
相似文献基于线性矩阵不等式理论, 研究一类非线性时滞系统的函数观测器设计. 通过选取合适的Lyapunov-Krasovskii 泛函, 得到函数观测器增益矩阵存在的充分条件, 并系统地提出函数观测器增益矩阵的设计方法. 仿真实例表明, 所设计的函数观测器是可行有效的.
相似文献针对自适应神经网络跟踪控制问题,提出一种确定逼近域的方法.采用参考信号取代未知非线性函数中的系统输出,神经网络用于逼近以参考信号为输入的未知不确定项.可以利用参考信号的界预先确定神经网络逼近域,再采用自适应鲁棒方法处理由于函数输入置换所引起的另一类不确定项.所得到的闭环系统是全局稳定的.仿真实例说明了该控制方法的有效性.
相似文献针对多机器人编队控制的时滞问题, 提出一种基于预测控制的脉冲控制方法. 首先, 利用一致性思想将多机器人编队控制转换为系统稳定性问题; 然后构建预测模型, 采用脉冲控制协议, 利用Schur 稳定性定理推导实现多机器人编队控制的充分条件; 最后, 在数值仿真中随机设置一种包含生成树的通信拓扑关系, 并比较了不同采样时间间隔下时滞系统的控制效果. 仿真结果验证了所提出方法的有效性.
相似文献针对一类不确定离散切换模糊时滞系统,研究了在控制器增益存在摄动情况下的稳定性问题.利用切换技术和多Lyapunov函数方法,并以矩阵不等式形式给出了非脆弱状态反馈控制器存在的充分条件和切换律设计.最后通过数值仿真算例验证了设计方法的有效性和可行性.
相似文献针对含有匹配有界干扰的线性离散系统, 提出一类最优积分滑模控制算法. 在系统开环极点位于单位圆内(上) 的前提下, 考虑输入饱和, 可以实现系统状态的半全局稳定. 该算法是低增益反馈和积分滑模的有益结合, 通过低增益反馈使输入饱和得到满足, 通过滑模控制增强了系统对干扰的鲁棒性; 另外, 该算法可以使特定的性能指标达到最优, 使系统稳态误差达到??(??2) 的量级. 仿真结果验证了所提出算法的有效性.
相似文献对未知参数多变量线性系统提出了自适应模糊广义预测控制方法.该方法直接用模糊逻辑系统组成的向量设计广义预测控制器,并基于广义误差向量估计值对控制器中的未知向量和广义误差估计值中的未知矩阵进行自适应调整.该方法不但能保证闭环系统所有信号有界,而且可使广义误差向量收敛到原点的一个邻域内.
相似文献研究受外部持续扰动的一类不确定性非线性网络控制系统的扰动抑制问题.提出一种状态变量代换,将控制时滞转移到闭环控制回路之外,从而消除了时滞部分对控制系统稳定性的影响.利用内模原理给出了系统无静差扰动抑制补偿器的设计方法,运用Lyapunov稳定性理论和线性矩阵不等式技术,证明了保成本控制律的存在条件,并给出了无静差保成本控制器的设计方法.仿真结果验证了该控制算法的有效性.
相似文献针对一类单输入单输出未建模动态不确定非线性系统,提出一种模糊自适应Backstepping控制方法.设计中利用模糊逻辑系统逼近系统的未知函数,应用非线性阻尼项抵消系统的非线性不确定项,通过引入一个动态信号克服未建模动态.该模糊自适应控制方法保证了整个闭环系统的有界性,输出信号可调节到零的小邻域内.仿真结果进一步验证了该方法的有效性.
相似文献