基于磁流变阻尼器的车辆悬架半主动控制研究--间接自适应控制与实验

在分析磁流变阻尼器车辆悬架非线性特性的基础上，设计了一类神经网络间接自适应控制器，并根据系统的低频特性和作动器的快响应，实现了悬架振动的神经网络实时控制。计算机仿真和悬架实验的结果均表明，神经模拟器能够逼近非线性系统，神经控制器能在时域和频哉内以较高的精度控制悬架系统的振动。     

利用结构化神经网络识别振动系统非线性特性

本文提出了振动系统非线性特性识别的结构化神经网络方法。与传统的前馈神经网络不同的是，该法把系统分为线性和非线性两部分，学习得到的神经网络可以单独识别出系统非线性模型，而不是线性与非线性综合在一起的模型。本文将其应用于振动系统非线性特性的识别。实例表明该方法是可行的。     

具有类反斜线回滞系统的自适应控制

考虑一类具有类反斜线回滞的不确定非线性系统自适应控制问题.利用神经网络提出了变结构自适应控制方法和近似自适应控制方法,变结构自适应控制方法能保证跟踪误差趋于零,近似自适应控制方法的控制律是光滑的,能保证跟踪误差最终小于任意给定的正数.文中举例说明了结果的有效性.     

一类含间隙碰撞振动系统混沌运动的RBF神经网络控制

应用基于RBF神经网络的智能优化控制方法研究一类含间隙碰撞振动系统混沌运动的控制。基于RBF神经网络设计混沌控制器,利用混沌控制器输出小扰动施加于系统的可控参数,将混沌运动控制为预期的规则运动,同时将自适应混合引力搜索算法与RBF神经网络相结合,利用自适应混合引力搜索算法收敛速度快和全局寻优能力强的优势,优化混沌控制器的参数,避免了控制器参数选择的盲目性和主观性,提高了控制器的性能。该方法不需要被控系统的精确数学模型,适用于系统模型未知而仅获得实验数据的情况。     

非确定因素下汽车半主动悬架的智能控制

以含磁流变阻尼器的1/4 车辆非线性半主动悬架模型为研究对象,在充分考虑该非线性系统未建模动态的基础上提出了具体的神经网络与滑模变结构控制相结合的智能控制策略,有效抑制了悬架系统的振动,使车辆行驶的平顺性与舒适性得以提高.应用神经网络的在线学习能力对非线性动力学模型的不确定部分及外界未知扰动进行了神经网络估计,确定了未知函数的上确界,构造了控制系统的滑模变量并且合理设计神经网络的自适应规律使状态变量快速接近原点.通过稳定性分析证明了此种控制方法是全局渐近收敛的,并且对未建模动态具有强鲁棒性.数值仿真结果验证了该种控制方法的有效性,得到了阻尼器两端控制电压的变化规律.     

结构非线性振动的自适应模糊滑模控制

结构在强震作用下将不可避免地进入塑性阶段,表现出非线性行为,而总体上说,结构非线性振动还没有系统、有效的控制方法.本文主要研究了结构非线性振动的自适应模糊滑模控制算法,用模糊系统来自适应地逼近非线性系统以实现滑模控制力,同时采用模糊系统消除滑模控制所带来的抖振现象,并给出了模糊滑模控制器和自适应律的设计.仿真模型采用3层和20层的Benchmark非线性结构模型,每层均设置一个采用自适应模糊滑模控制算法的控制装置,计算出其在地震输入下的结构响应,然后对仿真结果进行了分析.仿真结果表明,自适应模糊滑模控制算法能够充分发挥自适应模糊控制和滑模控制的优点,较好地实现对结构在地震作用下非线性振动的控制,并得到令人满意的结果.     

未知非线性系统的神经网络建模与控制仿真研究

针对一类未知非线性系统的建模与控制问题，采用基于神经网络的多步预测控制算法进行了仿真研究，仿真对象选取控制工程界常用的单摆试验装置．该算法的实现步骤为：获取系统开环试验数据；辨识神经网络正向动态模型；设计非线性优化控制律．仿真研究结果表明，所提出的建模与控制方法是有效的．     

基于多项式系的类模糊神经网络与非线性系统的控制

提出一种新的神经网络－－类模糊神经网络，并以基于多项式系的类模糊神经网络为例作了讨论。该网络具有隐层少，运算简单和函数逼近能力强的特点。就一类非线性系统的在线控制，给出了类模糊神经网络控制的选择记忆算法，并证明了这种算法的收敛性，这一类非线性系统的在线控制问题得以初步解决。     

非线性结构振动控制的神经网络α阶连续逆系统方法

传统的非线性结构控制方法在应用过程中,常采用近似线性化处理,将一些非线性过程在零点附近用切线或割线的线性关系代替,不能得到准确的结果.提出神经网络连续α阶逆系统方法,建立了结构振动控制系统的神经网络连续逆系统模型.并给出了一个仿真实例,控制效果良好,表明用神经网络连续α阶逆系统方法对非线性结构振动进行控制是可行的.     

空间机械臂碰撞过程的模糊无模型自适应振动控制EI北大核心CSCD

空间机械臂在执行操作任务时会面临碰撞问题,例如主动捕获或被动碰撞均会引起机械臂瞬时动量急剧变化,机械臂杆弹性振动加剧,轨迹跟踪精度降低,甚至会导致空间机械臂系统失稳。空间机械臂是一种非线性、强耦合的复杂系统,尤其是对于碰撞过程,很难实现系统精确建模。为实现对空间机械臂碰撞过程的振动抑制,提出了模糊策略与无模型自适应控制相结合的模糊-无模型自适应控制(fuzzy model-free adaptive control,Fuzzy-MFAC)方法。基于臂杆振动位移响应和关节角速度误差设计模糊策略,对无模型自适应控制中步长因子与权重因子进行在线自整定,解决传统无模型自适应控制对于参数初值敏感的局限性,实现了对空间机械臂碰撞过程中的振动自适应控制。仿真试验结果表明,Fuzzy-MFAC方法相较于传统无模型自适应控制算法振动响应衰减速度提高了34%,振动幅值降低了42%,验证了该方法的有效性。     

A hyperstable neural network for the modelling and control of nonlinear systems

A multivariable hyperstable robust adaptive decoupling control algorithm based on a neural network is presented for the control of nonlinear multivariable coupled systems with unknown parameters and structure. The Popov theorem is used in the design of the controller. The modelling errors, coupling action and other uncertainties of the system are identified on-line by a neural network. The identified results are taken as compensation signals such that the robust adaptive control of nonlinear systems is realised. Simulation results are given.     

高阶不确定系统的自适应跟踪控制

针对一类未知控制增益的不确定非线性系统,提出了一种自适应跟踪控制方法.文中的不确定性包括时变和时不变参数.基于反步设计法,提出了一种新的自适应控制方法.该方法不采用饱和控制,能保证跟踪误差收敛于零.提出了一个仿真例子,仿真结果说明了该方法的有效性.     

基于智能算法的高层建筑非线性地震反应的MR阻尼器半主动控制

研究了第三阶段结构振动控制的Benchmark问题;设计了基于模糊神经网络的控制器模型;采用磁流变(MR)阻尼器作为控制装置,对一座20层Benchmark建筑结构进行了非线性地震反应的数值仿真分析。首先,通过神经网络对足尺MR阻尼器进行了动力特性的辨识;其次,在设计模糊神经网络控制器时,提出了分区控制的设计思路。将智能控制器半主动控制下的仿真结果与样本LQG控制进行了对比分析。结果表明:提出的智能控制器能有效抑制高层建筑结构的非线性地震反应;与样本LQG控制相比,由于智能控制器的内在鲁棒性和对结构非线性反应控制的稳定性,在非线性结构的振动控制中有很大的应用潜力。     

一类具有非线性参数不确定性的系统的自适应控制

针对非线性函数关于未知参数是凹/凸函数的一类非线性系统,设计了基于极大极小策略的自适应控制器.与过去的具有非线性参数不确定性的系统的自适应控制器相比,该控制器能保证闭环系统输出跟踪误差渐近趋于零.最后通过对一个单摆模型的仿真验证了算法的有效性.     

模糊自适应滤波的主动控制方法研究

由于主动控制中广泛使用的自适应滤波 - x L MS算法只适用于线性控制问题 ,针对一些非线性问题 ,本文提出利用一种非线性自适应滤波方法——基于模糊逻辑系统的自适应滤波方法来解决一类参考信号与外扰呈非线性函数关系的前馈主动控制问题。仿真结果表明 ,该模糊自适应滤波器优于线性滤波器的控制效果     

基于输出反馈的不确定非线性系统模糊鲁棒H∞控制

本文针对一类不确定非线性系统,研究了基于输出反馈的模糊鲁棒H∞控制问题。根据模糊T-S模型表征不确定非线性系统,基于状态观测器设计模糊控制器。由线性矩阵不等式和自适应律给出了模糊控制器存在的充分性条件。基于Lyapunov稳定性理论,提出的模糊控制方案在所有闭环信号最终一致有界意义下实现了期望的H∞性能。仿真结果表明了该方案的可行性。本文所提出的模糊跟踪控制器松弛了保守性,避免了匹配条件和上界。与已有的工作相比,本文约简了线性矩阵不等式的维数。     

未知控制方向的非线性级联系统鲁棒自适应输出反馈控制

本文研究了一类具有未知控制方向的非线性级联系统的鲁棒自适应输出反馈问题．通过线性变换将有多个未知控制方向的系统转化为无未知控制方向的系统,并根据线性高增益控制观测器与Nussbaum函数,设计了一种新的鲁棒自适应输出反馈控制器,进一步证明了在该控制器下闭环系统所有信号有界且状态渐进趋于零．进而,通过构造Lyapunov函数,给出了闭环系统渐进稳定的充分条件．最后,利用仿真实例说明了控制算法的有效性．     

一类受噪声扰动混沌系统的自适应同步

研究一类受噪声干扰混沌系统的自适应同步问题。基于Lyapunov稳定性理论和自适应控制理论,通过构造合适的非线性控制器和参数自适应控制律,实现受噪声干扰混沌系统的同步,且成功地辨识混沌系统的所有未知参数,理论分析和数值仿真进一步证明控制器和自适控制律的有效性。     

Minimal control synthesis adaptive control of nonlinear systems: utilizing the properties of chaos

This paper discusses a novel approach to the control of chaos based on the use of the adaptive minimal control synthesis algorithm. The strategies presented are based on the explicit exploitation of different properties of chaotic systems including the boundedness of the chaotic attractors and their topological transitivity (or ergodicity). It is shown that chaos can be exploited to synthesize more efficient control techniques for nonlinear systems. For instance, by using the ergodicity of the chaotic trajectory, we show that a local adaptive control strategy can be used to synthesize a global controller. An application is to the swing-up control of a double inverted pendulum.