基于能量的Acrobot动态伺服控制

研究了Acrobot垂直平面欠驱动机械臂的动态伺服控制问题.动态伺服控制不同于定点控制和轨迹跟踪控制,而是利用欠驱动系统中存在的周期轨道特性,实现对轨迹的动态跟踪.首先通过对比单摆运动规律寻找到周期轨道所满足的条件;然后利用Lyapunov稳定性理论设计反馈控制律,并给出控制律存在的一系列条件;最后分析了系统中存在的奇点及其对收敛性的影响.仿真实验表明了所设计的控制器是有效的.     

基于跟踪微分器的离散滑模控制器

利用跟踪微分器设计了一种新的离散滑模控制器,可以从不连续的指令信号中合理提取连续信号及微分信号,且不需要利用线性外推的方法预测指令信号下一时刻的值及其微分．与基于趋近律的离散滑模控制器进行的对比仿真表明,所设计的控制器在保持传统滑模控制固有强鲁棒性的同时,控制器的输出几乎不存在抖振现象,而且在跟踪不连续的指令信号时,系统表现出良好的动态品质．

     

具有未知死区输入非线性系统的迭代学习控制

针对一类具有死区输入非线性系统,提出一种实现有限作业区间轨迹跟踪控制的神经网络迭代学习算法.基于Lyapunov-like方法设计学习控制器,回避了常规迭代学习控制中受控系统非线性特性需满足全局Lipschitz连续条件的要求.为处理输入死区,利用神经网络逼近这种强非线性特性;同时,通过对神经网络逼近误差界的估计并在控制器中设置补偿作用以消除其影响,从而提高系统的跟踪性能.

     

具有自适应内模的一类非线性系统输出调节问题

研究一类包含未知非线性项的非线性系统的鲁棒输出调节问题.此类非线性系统由一包含未知参数的线性中性稳定的外系统驱动.首先运用调节器方程组解和标准内模将输出调节问题转化为镇定问题,然后给出控制律镇定闭环系统,同时利用镇定输入项和外系统信息设计出自适应内模方程.控制律使得闭环系统的信号全局最终有界,且误差被调节至预先设定的任意小的精度值.仿真结果验证了所提出设计方法的有效性.

     

欠驱动水面船舶运动控制研究综述

针对欠驱动水面船舶运动控制的发展状况,将其归类为镇定控制,航迹跟踪和编队控制3个专题.从σ-变换法,齐次法,反步法,自动靠泊控制等方面剖析了镇定控制专题;从输出反馈,状态反馈,输出重定义,级联方法,船舶运动数学模型等方面剖析了航迹跟踪专题中的轨迹跟踪和路径跟踪问题;从行为控制方法,引导者跟随方法,虚拟结构方法等方面剖析了编队控制专题.最后,对该领域的进一步研究方向作了几点展望.

     

时变采样周期网络控制系统的鲁棒容错控制器设计

研究具有时变采样周期网络控制系统的执行器失效的完整性问题．假设系统任意两个连续采样间隔具有上界,利用输入时延法,将时变采样周期网络控制系统等价转化为连续时变时延网络控制系统．在此基础上,基于时延条件,应用Ｌｙａｐｕｎｏｖ稳定性理论和线性矩阵不等式（ＬＭＩｓ）方法证明了鲁棒容错控制律的存在条件,设计了鲁棒容错控制器,并给出了系统完整性条件下的最大允许时延的估计方法．仿真结果验证了所提方法的可行性和有效性．

     

带有持续扰动的时滞非线性大系统的最优跟踪控制

研究具有外界持续扰动的时滞非线性大系统的无静差最优跟踪控制问题 .将时滞非线性大系统分解为带有互联项的N个时滞非线性子系统,基于内模原理对子系统构造扰动补偿器,将带有外部持续扰动的子系统化为无扰动的增广系统 .通过灵敏度法求解不含时滞的两点边值问题,得到子系统的最优跟踪控制律,截取最优跟踪控制律的前N项作为次优控制律来近似系统的最优控制律. 仿真实例表明了该设计方法的有效性.

     

基于神经网络干扰观测器的一类不确定非线性MIMO系统H∞跟踪控制

针对一类具有未知外部干扰及内部不确定性的非线性MIMO系统,提出了基于神经网络干扰观测器的鲁棒跟踪控制方法,用于降低控制器对干扰的要求.设计了基于神经网络的干扰观测器,以逼近由外部干扰,内部不确定性和子系统的交叉耦合组成的复合干扰.根据Lyapunov稳定性理论的参数更新律及所设计的控制器,保证了系统中所有信号的最终一致有界性,并获得了给定的跟踪性能指标.仿真结果证明了该方法的有效性.

     

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.

     

一种带参考批次的线性时变系统迭代学习控制算法

!针对线性时变系统的轨迹跟踪控制问题,提出一种带参考批次的迭代学习控制算法,并给出了算法的收敛性分析.该迭代学习控制算法不需要事先了解线性时变对象的太多知识,而是将当前批次输入轨迹的较小变化所引起的输出轨迹作为参考批次,并以当前批次与参考批次的输入变化与对应的输出变化之比作为学习律,从而实现目标轨迹的跟踪.以一个典型的线性时变系统为例进行仿真分析,验证了所提出算法的有效性.

     

具有H∞ 跟踪性能的机器人自适应犘犐犇控制

针对非线性不确定机器人系统的轨迹跟踪控制问题,提出一种鲁棒自适应ＰＩＤ 控制算法．该控制器由主控制器和监督控制器组成．主控制器以常规ＰＩＤ 控制为基础,基于滑模控制思想设计ＰＩＤ 参数的自适应律,根据误差实时修正ＰＩＤ 参数．基于Ｌｙａｐｕｎｏｖ函数设计的监督控制器补偿自适应ＰＩＤ 控制器与理想控制器之间的差异,使系统具有设定的犎∞ 的跟踪性能．最后,两关节机器人的仿真实验结果表明了算法的有效性．

     

基于观测器的非线性时变时滞系统自适应重复控制

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．

     

基于快速起摆的Furuta 摆切换控制系统

针对由一个驱动臂和一个未驱动摆杆组成的欠驱动Furuta 摆系统,设计了实现其稳定的切换控制系统. 控制任务是将未驱动摆杆稳定在上方不稳定平衡点的同时,将驱动臂控制到零点,分为两部分:首先基于部分反馈线性化技术设计一个饱和的状态反馈控制器,将摆杆快速控制到上方不稳定平衡点附近;然后切换到一个线性的全状态反馈控制器,实现系统的稳定控制. 仿真实验验证了控制器的有效性.

     

基于奇异摄动理论的非仿射系统的输出调节问题

基于奇异摄动的时标分解理论和动态逆设计的方法,研究了一类非仿射非线性系统的输出调节问题.通过将控制律定义为一个快动态系统的解,得到了指数稳定的误差系统状态方程,从而实现了原系统的输出相对于外系统的参考信号具有零误差的跟踪效果.结果表明在满足标准假设和一组偏微分方程有解的前提下,该输出调节问题是可解的.仿真实例表明了该理论方法的有效性.

     

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．

     

一种网络化控制系统的鲁棒H∞动态输出反馈控制

对于存在网络诱导控制时延和输出时延的网络化控制系统,在离散域内给出了网络化控制系统的一种时延相关的动态输出反馈控制方法.针对无扰动和有扰动的系统,分别基于Lyapunov稳定性理论和线性矩阵不等式方法,推导出闭环系统稳定的充分条件,并给出了鲁棒最优和次优控制律的设计方法.仿真结果表明,所提出方法能实现稳定控制和有效的干扰抑制作用.

     

一种跟踪问题中的次优非线性预测控制算法

针对跟踪问题中无状态和输入约束的非线性预测控制最优解的求取问题,引入参考输入轨迹的概念,利用Ｓｔｉｒｌｉｎｇ插值公式,将非线性系统模型沿参考输入输出轨迹展开,取其一阶近似,处理成参数已知的线性模型．在此基础上,利用线性系统预测控制理论求解得到原系统的次优控制律．该方法不要求系统模型连续可导,且无需对线性化后的模型参数进行在线辨识,计算量小,易于实现．

     

基于DSP/FPGA的反步法阻抗控制柔性关节机械臂

针对柔性关节机械臂与环境接触时的柔顺控制问题,提出一种反步法阻抗控制方法,并基于李雅普诺夫稳定性理论证明了控制器的稳定性.该方法是在建立柔性关节机器人模型的基础上,将李雅普诺夫函数选取与控制器设计相结合的一种回归设计方法.它从系统的最低阶次微分方程开始,逐步设计满足要求的虚拟控制,最终设计出真正的控制器.轨迹跟踪和阻抗控制实验结果表明"该方法是有效而可行的.

     

基于信息融合估计的离散系统最优跟踪控制

针对期望输出和未来干扰无预见的离散线性系统最优跟踪问题,提出一种基于信息融合最优估计的控制方法.若将当前给定值和可测干扰值分别看作系统未来输出和干扰的预见值,则跟踪控制问题可转化为具有无限预见步数的预见控制问题,并将无限预见信息融合成一步等效预见信息,进而获得近似最优融合控制律.对线性直流电机系统和宏观经济系统的仿真结果均验证了该控制器在提高系统跟踪精度和抑制干扰等方面的有效性.

     

纯反馈非线性离散系统的自适应神经网络控制

针对一类未知的纯反馈非线性离散系统,提出了基于反步法设计的自适应神经网络控制方法.为避免反步法设计中可能出现的因果矛盾问题,首先将系统进行等价变换,然后利用隐函数定理证实了理想虚拟控制输入和实际控制输入的存在性.利用高阶神经网络估计这些控制量,并基于反步法设计自适应神经网络控制系统,证明了闭环系统半全局一致最终有界.仿真结果验证了所提出方法的有效性.