一种无模型自适应积分终端滑模控制方法

针对一类包含扰动的非线性离散时间系统,提出一种新的无模型自适应离散积分终端滑模控制算法.该算法基于紧格式动态线性化数据模型,利用离散积分终端滑模控制算法设计无模型自适应控制器,并采用扰动估计技术估计系统的扰动项,其中动态线性化方法中“伪偏导数”的估计算法仅依赖于被控系统的I/O测量数据.理论分析证明了系统输入输出有界,并通过仿真实验验证了所提算法的有效性.     

运输机低空重装空投增益自适应滑模控制

本文针对带有不确定性且不确定性边界未知的低空重装备空投过程控制问题,提出了基于增益自适应全局滑模的飞行控制方法.该方法采用反馈线性化技术对重装空投过程模型进行线性化,解决了空投模型的强非线性问题,在此基础上,设计了切换增益自适应全局滑模控制器,保证了系统在响应全程的鲁棒性,克服了滑模到达阶段系统初始误差对切换增益自适应过程的影响.提出了一种改进的增益自适应方法,解决了滑动阶段的切换增益过度自适应问题.基于Lyapunov理论证明了控制器的稳定性和鲁棒性.仿真验证了控制方法的控制性能和优越性.     

一类未知MIMO非线性离散系统的改进自适应准滑模解耦控制

针对一类带有外部扰动的未知MIMO非线性离散系统,提出一种新型自适应准滑模控制算法.该算法基于非参数动态线性化技术,运用高阶滑模控制的思想实现带有扰动系统的二阶准滑模控制.同时,利用扰动解耦技术,在控制器的设计中引入离散扩张状态观测器(DESO)对系统各回路间的耦合以及数据模型的未建模动态进行补偿,以进一步实现多变量系统的解耦,提升控制品质.理论分析和仿真结果说明了所提出方法的有效性和可行性.     

基于线性化的液压马达伺服系统滑模控制

针对液压马达伺服控制系统由于系统强非线性引起的精确控制困难的问题,提出了基于线性化和滑模控制算法的自适应鲁棒积分滑模控制器.在不改变系统模型的前提下,应用线性化将系统模型中的部分非线性项进行线性化处理,降低了系统的强非线性,并结合自适应算法进行线性化误差补偿.同时,针对跟踪精度不足等问题,引入积分滑模控制算法进行鲁棒控...     

时滞关联大系统的分散变结构自适应控制

针对一类满足匹配条件的不确定性时滞关联大系统,提出了一种基于Lyapunov稳定性理论的分散变结构自适应控制方案.通过引入积分滑模和能在线估计不确定性扰动与时滞关联的界的自适应算法,保证了闭环系统的渐近稳定性,实现了系统的鲁棒自适应控制.所提出的方案具有较强的工程实用性.算例仿真的结果表明了该控制方案的可行性.     

滑模变结构控制理论及其算法研究与进展

针对近年来滑模变结构控制的发展状况,将滑模变结构控制分为18个研究方向,即滑模控制的消除抖振问题、准滑动模态控制、基于趋近律的滑模控制、离散系统滑模控制、自适应滑模控制、非匹配不确定性系统滑模控制、时滞系统滑模控制、非线性系统滑模控制、Terminal滑模控制、全鲁棒滑模控制、滑模观测器、神经网络滑模控制、模糊滑模控制、动态滑模控制、积分滑模控制和随机系统的滑模控制等.对每个方向的研究状况进行了分析和说明.最后对滑模控制的未来发展作了几点展望.     

一种基于系统不确定和干扰有界的准滑模控制

针对一类非线性系统,基于系统不确定性和干扰均有界的条件下,研究了采用饱和函数的边界层准滑模变结构控制器的设计,边界层外采用常规滑模控制,边界层内采用线性化反馈,并论证了滑动模态的存在和到达条件.最后通过仿真实例证明了所设计的准滑模变结构控制器的有效性,并能削弱一定的抖振.     

不确定非线性系统的自适应反演终端滑模控制

针对一类参数严格反馈型不确定非线性系统, 本文提出一种自适应反演终端滑模控制方法. 反演控制的前n-1步结合自适应律估计系统的未知参数, 第n步采用非奇异终端滑模, 使系统最后一个状态有限时间内收敛.利用微分估计器获得误差系统状态的导数, 并设计了高阶滑模控制律, 去除控制抖振, 使系统对于匹配和非匹配不确定性均具有鲁棒性. 同自适应反演线性滑模方法相比, 所提方法提高了系统的收敛速度和稳态跟踪精度, 并且控制信号更加平滑. 仿真结果验证了该方法的有效性.     

基于线性化反馈的径向神经滑模控制器设计

针对非线性系统,采用径向神经网络逼近及自适应控制方法,利用线性化反馈技术,设计一种自适应神经滑模控制器。滑模变结构控制具有独特的鲁棒性能以及对匹配不确定性和外干扰的完全自适应等特点,但容易出现系统抖振问题,将神经网络应用于滑模变结构控制系统的设计中,系统抖振得到抑制。仿真结果也表明将神经网络与滑模控制相结合的方法是行之有效的。     

二维直线电机的无模型高阶滑模解耦控制

针对二维直线电机运动系统存在的非线性、多变量、不确定性以及强耦合作用对控制精度的影响，提出一种无模型高阶滑模解耦控制方法。以紧格式动态线性化无模型控制技术为基础，设计一种数据驱动滑模面并验证滑模面的渐进稳定性；利用高阶滑模控制思想设计高阶滑模控制律，对二维直线电机XY轴进行整体控制，减小位置跟踪误差，并进行稳定性和收敛性证明。采用自适应解耦控制策略，设计离散扩张状态观测器对系统两轴间耦合、未建模动态和未知外部干扰进行估计和补偿，进一步实现系统的解耦。仿真和实物实验结果表明，所提方案能够有效提高二维直线电机的位置控制精度。     

基于虚拟参考反馈整定的改进无模型自适应控制

针对一类离散时间非线性系统, 提出一种基于虚拟参考反馈整定的改进无模型自适应控制方案. 首先, 利用动态线性化方法给出非线性系统的紧格式动态线性化模型; 然后, 基于优化技术设计控制算法和伪偏导数估计算法; 最后, 设计基于虚拟参考反馈整定的伪偏导数初值和重置值的估计算法. 该控制方案设计仅依赖于被控系统的输入和输出数据, 且能保证闭环系统的稳定性和收敛性. 仿真比较结果验证了所提出方法的有效性.

     

主动队列管理中增强型自适应虚拟队列管理算法之设计及稳定性分析

提出了一种基于速率的增强自适应虚拟队列管理算法(EAVQ). 在该算法中引入主从拥塞尺度和期望链路利用比的概念; 以输入速率为主要拥塞尺度, 以便保留原有自适应虚拟队列管理算法(AVQ)中响应速度快、队列时延短、链路利用率高等优点. 同时, 以期望链路利用比为辅助拥塞准则, 设计了一种基于速率的期望链路利用比自适应机制, 解决了AVQ中参数设定困难、队列抗干扰能力弱, 及存在链路损失等缺点; 在改善系统动态性能的同时保证了链路容量的充分利用. 在线性化基础上给出了一般网络结构下TCP/EAVQ系统的局部稳定条件. 通过仿真验证了EAVQ的有效性.     

考虑摩擦力影响精密伺服系统的鲁棒自适应控制

针对具有摩擦力扰动的精密伺服系统提出了一种鲁棒自适应控制方法.首先,对基于 bristle模型的动态摩擦力模型进行了线性参数化,该线性参数化过程包含了对stribeck效应的 线性参数化处理;然后,基于构造的Lyapunov函数设计全局渐近稳定自适应控制律,并对闭环 系统的跟踪性能进行了严格的理论分析.仿真实验验证了算法的有效性.     

基于偏格式线性化的MIMO系统无模型自适应控制

针对常规PID控制器不能很好兼顾抗干扰性与鲁棒性以及基于模型的控制算法过于依赖受控系统数学模型的缺点,提出一种适用于离散时间多输入多输出(MIMO)非线性系统的无模型自适应控制算法.该算法首先通过偏格式线性化方法将非线性系统线性化,再利用一种新型的投影算法在线辨识受控系统参数,根据辨识得到的受控系统参数直接递推计算无模...     

Nonlinear adaptive control using neural networks and its application to CSTR systems

In this paper, adaptive tracking control is considered for a class of general nonlinear systems using multilayer neural networks (MNNs). Firstly, the existence of an ideal implicit feedback linearization control (IFLC) is established based on implicit function theory. Then, MNNs are introduced to reconstruct this ideal IFLC to approximately realize feedback linearization. The proposed adaptive controller ensures that the system output tracks a given bounded reference signal and the tracking error converges to an -neighborhood of zero with being a small design parameter, while stability of the closed-loop system is guaranteed. The effectiveness of the proposed controller is illustrated through an application to composition control in a continuously stirred tank reactor (CSTR) system.     

Robust adaptive fuzzy VSS control for a class of uncertain nonlinear systems using small gain design

In this paper, a novel robust adaptive fuzzy variable structure control (RAFVSC) scheme is proposed for a class of uncertain nonlinear systems. The uncertain nonlinear system and gain functions originating from modeling errors and external disturbances are all unstructured (or non-repeatable), state-dependent and completely unknown. The Takagi–Sugeno type fuzzy logic systems are used to approximate uncertain functions in the systems and the RAFVSC is designed by use of the input-to-state stability (ISS) approach and small gain theorem. In the algorithm, there are three advantages which are that the asymptotic stability of adaptive control in the presence of unstructured uncertainties can be guaranteed, the possible controller singularity problem in some of existing adaptive control schemes using feedback linearization techniques can be removed and the adaptive mechanism with minimal learning parameterizations can be achieved. The performance and effectiveness of the proposed methods are discussed and illustrated with two simulation examples.     

大时滞网络自适应预测PI主动队列管理算法

针对网络中存在的大时滞和网络参数时变问题,提出一种自适应预测PI主动队列管理算法．将Smith预估器与达林算法相结合,既克服了大时滞带来的不利影响,也减少了控制器参数整定数量．利用网络参数与控制参数所具有的确定关系,通过在线估计网络参数来实时调节控制参数,使得控制器能够适应网络参数的变化,同时采用线性化方法分析了系统局部稳定性．仿真结果表明,所提出的算法是可行而有效的。     

Parameters Tuning of Model Free Adaptive Control Based on Minimum Entropy

Dynamic linearization based model free adaptive control (MFAC) algorithm has been widely used in practical systems, in which some parameters should be tuned before it is successfully applied to process industries. Considering the random noise existing in real processes, a parameter tuning method based on minimum entropy optimization is proposed, and the feature of entropy is used to accurately describe the system uncertainty. For cases of Gaussian stochastic noise and non-Gaussian stochastic noise, an entropy recursive optimization algorithm is derived based on approximate model or identified model. The extensive simulation results show the effectiveness of the minimum entropy optimization for the partial form dynamic linearization based MFAC. The parameters tuned by the minimum entropy optimization index shows stronger stability and more robustness than these tuned by other traditional index, such as integral of the squared error (ISE) or integral of timeweighted absolute error (ITAE), when the system stochastic noise exists.      

基于离散时变趋近律的准滑模控制

针对不确定离散时间系统,提出一种基于离散时变趋近律的准滑模控制方法.该方法不仅能够加快系统趋近模态的趋近速度,缩短到达时间,而且能够减小准滑动模态带宽,有效改善系统动态品质,增强系统鲁棒性,并无控制抖振和稳态抖振产生.控制律形式简单、利于实现.仿真结果表明了所提出方法的有效性.