时变输出约束非线性系统的量化反馈 自适应终端滑模控制

针对一类复杂非线性系统,提出一种新型自适应快速非奇异终端滑模控制(IAFNTSMC)方法,用以解决其在输出时变约束及量化输入情形下的轨迹跟踪问题;利用鲁棒自适应方法处理扰动不确定性,并结合反演策略和终端滑模策略设计控制器;构造一种新型的时变约束障碍Lyapunov函数,用于实现对系统的输出误差进行随时间变化的幅值约束;为提高闭环系统的误差收敛速度,提出一种新型的滑模面构造方案.所提控制方法能够保证闭环系统的输出跟踪误差快速收敛到约束边界内,并确保闭环系统所有信号有界.数值仿真验证了所提方法的有效性.     

一类互联机器人系统鲁棒分散自适应控制

研究一类存在模型不确定性和外部扰动的互联机器人系统的控制问题.控制器由一般线性控制器,线性自适应控制器和非线性自适应控制器综合构成.通过Lyapunov理论证明设计的鲁棒分散自适应控制器能够有效地克服不确定性对系统的影响,实现闭环系统的渐近轨迹跟踪控制.最后给出一个仿真例子进一步验证控制器的有效性.     

具有输入和输出约束的高阶随机系统神经网络控制

针对高阶非线性系统,开展自适应神经网络跟踪控制器设计,系统受到随机扰动的影响.首次把输入和输出约束问题引入到高阶系统的跟踪控制中,并假定系统动态是未知.首先借用高斯误差函数表达连续可微的非对称饱和模型以实现输入约束,和障碍Lyapunov函数保证系统输出受限;其次,针对高阶非线性系统,径向基函数(RBF)神经网络用来克服未知系统动态和随机扰动.在每一步的backstepping计算中,仅用到单一的自适应更新参数,从而克服了过参数问题;最后,基于Lyapunov稳定性理论提出自适应神经网络控制策略,并减少了学习参数.最终结果表明设计的控制器能保证所有闭环信号半全局最终一致有界,并能使跟踪误差收敛到零值小的邻域内.仿真研究进一步验证了提出方法的有效性.     

考虑输入约束的发电机汽门非线性自适应控制

研究具有汽门控制和阻尼系数不确定的单机无穷大系统的暂态稳定性问题. 通过引入切换机制, 解决了输入控制量幅值约束问题. 基于主汽门控制和快速汽门控制思想, 建立了一个由汽门控制的单机无穷大汽轮发电机切换系统模型. 应用本文提出的改进自适应Backstepping方法设计了切换子系统的非线性自适应控制器和参数替换律, 同时构造出切换系统的共同Lyapunov函数, 从而保证了切换系统的稳定性. 由于设计过程中, 未用到任何线性化方法, 因而所得控制器充分利用了系统的非线性特性. 仿真结果表明了设计方法的有效性和优越性.     

非线性互联系统的分散混合自适应智能控制

针对一类高阶互联MIMO非线性系统，利用TS模糊系统和神经网络的通用逼近能力，在神经网络控制器中引入模糊基函数，提出一种分散混合自适应智能控制器设计的新方案．基于等价控制思想，设计分散自适应控制器，无需计算TS模型．通过对不确定项进行自适应估计，取消了其存在已知上界的假设．通过理论分析，证明了闭环智能控制系统所有信号有界，跟踪误差收敛到零．     

具有输入饱和的非线性系统的分散输出控制

考虑了一类具有输入饱和的非线性组合大系统的镇定问题。利用李雅普诺夫稳定理论和矩阵理论研究了这类非线性组合大系统的分散输出镇定问题,并给出了一种分散输出镇定控制器的设计。考虑了另一类具有输入饱和的非线性相似组合大系统,由于相似组合系统的结构特点,给出了简洁的分散输出镇定的条件。     

单输入单输出系统的无模型自适应控制方法

根据数列理论中的折半查找原理,提出了一种无模型自适应控制方法,并对该方法的特点进行了分析,仿真结果表明,该方法原理简单、控制效果好,可广泛应用于各种单输入单输出自动控制系统。     

全局稳定的分散自适应神经网络反推跟踪控制

针对一类不确定大规模系统,研究其全局稳定的分散自适应神经网络反推跟踪控制问题.在假设不匹配的未知关联项满足部分已知的非线性Lipschitz条件下,采用神经网络作为前馈补偿器,逼近参考信号作为输入的未知关联函数;设计者可根据参考信号的界预先确定神经网络逼近域,同时保证了闭环系统的全局稳定性.仿真实例验证了控制算法的有效性.     

考虑输入约束的半主动悬架非线性自适应控制

针对具有输入约束及参数不确定性问题的汽车半主动悬架系统,提出一种考虑输入饱和的非线性自适应Backstepping控制器.该方法引入一个辅助系统,通过设计新的误差变量,实现对控制饱和的补偿,解决控制输入的幅值约束问题.同时,考虑到悬架系统的参数不确定性问题,采用映射自适应算法设计自适应律,通过构造适当的Lyapunov函数,保证悬架系统的稳定性.仿真结果表明,所设计的控制器具有良好的隔振性能,而且能够有效降低输入约束和不确定参数对系统性能的影响.     

单输入单输出系统的模糊无模型自适应控制方法

根据无模型自适应技术的特点,提出了一种模糊无模型自适应控制方法.并对该方法的特点进行了分析.仿真结果表明,该方法原理简单、控制效果好,可应用于各种单输入单输出控制系统.     

执行器故障不确定非线性系统最优自适应输出跟踪控制

本文针对一类具有执行器故障的多输入多输出（Multi-input multi-output,MIMO）不确定连续仿射非线性系统,提出了一种最优自适应输出跟踪控制方案.设计了保证系统稳定性的不确定项估计神经网络权值调整算法,仅采用评价网络即可同时获得无限时域代价函数和满足哈密顿-雅可比-贝尔曼（Hamilton-Jacobi-Bellman,HJB）方程的最优控制输入.考虑执行器卡死和部分失效故障,设计最优自适应补偿控制律,所设计的控制律可以实现对参考输出的一致最终有界跟踪.飞行器控制仿真和对比验证表明了本文方法的有效性和优越性.     

关联量化系统参数稳定性与控制器设计

量化问题广泛存在于计算机控制系统和数字通信的传输通道中. 本文研究一类非线性关联量化系统的参数稳定性及分散状态反馈控制器的设计问题. 每个控制器的输出经过对数量化器量化后输入到子系统中,其量化密度的大小会影响系统的稳定性. 首先,设计分散状态反馈控制器,使得无量化器存在时的关联闭环系统参数稳定,并确定参数稳定的区域;然后,对每个子系统的控制输入采用对数量化器进行量化,通过局部信息确定子系统中对数量化器量化密度的下界,使得整个闭环关联量化系统在参数稳定域内仍然保持稳定;最后,对给定量化密度,优化控制器使系统能容许最大的非线性. 仿真结果表明,本文所设计的分散量化控制器在参数稳定域内能够镇定关联大系统.     

具有iISS逆动态非线性系统的分散自适应调节

考虑了具有积分输入-状态稳定逆动态, 非线性不确定和未知控制方向的非线性系统的分散自适应调节. 证明了闭环系统的所有信号有界, 实现了渐近调节. 数值例子验证了设计的有效性.     

未知输出反馈非线性时滞系统自适应神经网络跟踪控制

An adaptive output feedback neural network tracking controller is designed for a class of unknown output feedback nonlinear time-delay systems by using backstepping technique. Neural networks are used to approximate unknown time-delay functions. Delay-dependent filters are introduced for state estimation. The domination method is used to deal with the smooth time-delay basis functions. The adaptive bounding technique is employed to estimate the upper bound of the neural network reconstruction error. Based on Lyapunov-Krasoviskii functional, the semi-global uniform ultimate boundedness (SGUUB) of all the signals in the closed-loop system is proved. The arbitrary output tracking accuracy is achieved by tuning the design parameters and the neural node number. The feasibility is investigated by an illustrative simulation example.     

Adaptive Decentralized Asymptotic Tracking Control for Large-Scale Nonlinear Systems With Unknown Strong Interconnections

An adaptive decentralized asymptotic tracking control scheme is developed in this paper for a class of large-scale nonlinear systems with unknown strong interconnections,unknown time-varying parameters,and disturbances.First,by employing the intrinsic properties of Gaussian functions for the interconnection terms for the first time,all extra signals in the framework of decentralized control are filtered out,thereby removing all additional assumptions imposed on the interconnec-tions,such as upper bounding functions and matching conditions.Second,by introducing two integral bounded functions,asymptotic tracking control is realized.Moreover,the nonlinear filters with the compensation terms are introduced to circumvent the issue of“explosion of complexity”.It is shown that all the closed-loop signals are bounded and the tracking errors converge to zero asymptotically.In the end,a simulation example is carried out to demonstrate the effectiveness of the proposed approach.     

Adaptive Decentralized NN Control of Nonlinear Interconnected Time‐Delay Systems with Input Saturation

In this paper, a novel decentralized adaptive neural control scheme is proposed for a class of interconnected large‐scale uncertain nonlinear time‐delay systems with input saturation. Radial basis function (RBF) neural networks (NNs) are used to tackle unknown nonlinear functions. Then, the decentralized adaptive NN tracking controller is constructed by combining Lyapunov–Krasovskii functions and the dynamic surface control (DSC) technique, along with the minimal‐learning‐parameters (MLP) algorithm. The stability analysis subject to the effect of input saturation constraints are conducted with the help of an auxiliary design system based on the Lyapunov–Krasovskii method. The proposed controller guarantees uniform ultimate boundedness (UUB) of all of the signals in the closed‐loop large‐scale system, while the tracking errors converge to a small neighborhood around the origin. An advantage of the proposed control scheme lies in the number of adaptive parameters of the whole system being reduced to one and in the solution of the three problems of “computational explosion,” “dimension curse,” and “controller singularity”. Finally, simulation results along with comparisons are presented to demonstrate the advantages, effectiveness, and performance of the proposed scheme.     

Adaptive Neural Tracking Control for Unknown Output Feedback Nonlinear Time-delay Systems

An adaptive output feedback neural network tracking controller is designed for a class of unknown output feedback nonlinear time-delay systems by using backstepping technique.Neural networks are used to approximate unknown time-delay functions.Delay-dependent filters are intro- duced for state estimation.The domination method is used to deal with the smooth time-delay basis functions.The adaptive bounding technique is employed to estimate the upper bound of the neural network reconstruction error.Based on Lyapunov-Krasoviskii functional,the semi-global uniform ultimate boundedness(SGUUB)of all the signals in the closed-loop system is proved.The arbitrary output tracking accuracy is achieved by tuning the design parameters and the neural node number. The feasibility is investigated by an illustrative simulation example.     

非线性大系统的分散自适应模糊控制*

本文针对非线性大系统，利用模糊系统的逼近能力，提出了一种分散自适应模糊控制器设计的系统方法。控制结构中采用分散模糊系统去自适应补偿过程不确定性，同时用模糊控制器的输出代替常规变结构控制律中的符号函数。利用李亚普诺夫理论，证明了控制算法是全局稳定的，跟踪误差可收敛到零的一个领域内。     

一类非线性互联系统的间接自适应模糊滑模跟踪控制

基于模糊逻辑逼近原理,针对非线性动态未知互联系统,设计一种新的模糊分散控制器.讨论了互联项满足或不满足一般性约束条件的两种情形,用不同方法来补偿其对大系统的影响.同时利用模式转换函数来实现间接自适应控制与模糊滑模控制之间的转换,使系统的状态在有界闭集内变化,并依据Lyapunov方法证明了闭环系统稳定,跟踪误差收敛到零的一个小邻域内.仿真结果证明所设计的模糊控制器的有效性.