基于ESO的全驱动船舶递归滑模动态面输出反馈控制

全驱动非线性船舶轨迹跟踪控制问题存在模型参数不确定和外部扰动未知的双重不确定性,仅位置和艏向可测,对此提出基于非线性三阶扩张状态观测器(ESO)的递归滑模动态面输出反馈控制.通过非线性三阶ESO观测船舶实时速度,估计和补偿系统不确定项,完成对船舶实时位置和艏向的滤波,提出递归滑模动态面输出反馈轨迹跟踪控制算法来保证跟踪控制系统的稳健性和稳定性,利用Lyapunov理论证明控制系统一致最终有界,并仿真验证理论结果.     

基于多步时延的可重构机械臂并发故障分散容错控制

基于Lyapunov稳定性理论和可重构机械臂的模块化属性,针对非故障系统设计了分散反演神经网络控制器,并采用自适应神经网络系统补偿子系统关联项对系统控制精度的影响。通过引入一阶滤波器将传感器故障转化成伪执行器故障,从而得到增广故障子系统模型,进而采用多步时延技术补偿并发故障,实现容错。两种不同构形的2-DOF可重构机械臂系统的仿真结果表明了所设计分散容错控制方法的有效性。     

基于柔性化工作的可重构机器人系统设计

根据柔性化作业的需要,设计了一种新型的可重构机器人模块系统。先按功能要求对可重构机器人模块进行划分,并设计了各模块相应的机械结构。然后基于可重构机器人的模块特性,设计了单模块的控制系统,并且重构后的机器人控制系统采用分布式控制结构。最后进行了机器人的运动实验,结果验证了系统的可行性。     

基于自抗扰的四旋翼无人机动态面姿态控制

针对四旋翼无人机姿态控制中非线性、强耦合以及对扰动敏感等控制问题,设计了一种基于自抗扰的动态面控制器。与反步控制相比,动态面控制器的设计过程更简单,且利用一阶滤波器来计算虚拟控制信号的导数项,避免了反步控制中的出现的微分膨胀问题。将动态面控制与自抗扰控制相结合,首先利用跟踪微分器可直接获取设定值的微分信号,简化了控制器的设计过程,然后利用扩张状态观测器将系统总扰动实时的补偿到控制器中,提高了系统的鲁棒性和抗干扰能力,并通过Lyapunov直接法对闭环系统进行了稳定性分析。仿真结果表明:本文设计的控制器可保证四旋翼无人机在有外界干扰的情况下能快速、准确地跟踪设定位置。     

基于柔性化工作的可重构机器人系统设计

根据柔性化作业的需要,设计了一种新型的可重构机器人模块系统。先按功能要求对可重构机器人模块进行划分,并设计了各模块相应的机械结构。然后基于可重构机器人的模块特性,设计了单模块的控制系统,并且重构后的机器人控制系统采用分布式控制结构。最后进行了机器人的运动实验,结果验证了系统的可行性。     

控制方向未知的无人帆船自适应动态面航向控制

针对四自由度无人帆船存在模型不确定、控制方向和外部环境扰动均未知的情况,本文提出一种神经网络自适应动态面航向控制方法。该方法采用RBF神经网络逼近无人帆船模型不确定部分,利用Nussbaum函数处理系统的未知控制增益函数,并设计σ-修正泄露项的参数自适应律对神经网络逼近误差与外界环境扰动总和的界进行估计,同时引入动态面方法,消除反演法中的"计算膨胀"问题,降低控制器的复杂性。Lyapunov函数稳定性分析证明所设计控制器能够保证航向保持闭环系统内所有信号的一致最终有界性,并通过一艘12 m型无人帆船模型进行仿真验证。结果表明:无人帆船航向保持响应速度快,所设计的控制器能有效地处理模型不确定项和风浪等外界扰动,具有较强的鲁棒性。     

动态约束下可重构模块机器人分散强化学习最优控制

基于ction-critic-identifier(ACI)与RBF神经网络,提出了一种外界动态约束下的可重构模块机器人分散强化学习最优控制方法,解决了存在强耦合不确定性的模块机器人系统的连续时间非线性最优控制问题。文中将机器人动力学模型描述为一个交联子系统的集合,基于连续时间MDPs性能指标,结合ACI与RBF神经网络,对子系统最优值函数,最优控制策略及总体不确定项进行辨识,使系统满足HJB方程下的最优条件,从而使可重构模块机器人子系统渐进跟踪期望轨迹,跟踪误差收敛且有界。采用Lyapunov理论对系统稳定性进行证明,数值仿真验证了所提出的分散控制策略的有效性。     

基于ESO的高超声速飞行器非线性动态逆控制

以高超声速飞行器(HFV)纵向运动模型为研究对象,针对其巡航飞行中存在的参数不确定性和外界干扰问题,提出了一种基于扩张状态观测器(ESO)的非线性动态逆(NDI)控制方法。采用精确反馈线性化方法实现了HFV速度与高度通道的解耦,并设计了动态逆控制器;在此基础上为系统的速度和高度通道设计了二阶ESO,实现对等效扰动的精确估计,并在控制器中进行补偿,从而实现HFV对高度和速度指令的精确跟踪,保证控制精度的同时大幅提升了系统的扰动抑制能力。仿真结果表明,相比于滑模控制,文中所设计方法具有更快的响应速度和更好的跟踪精度,体现出该方法的良好控制性能和较强的鲁棒性。     

基于动态反馈的AUV水平面路径跟踪控制

针对离散自治水下机器人水平面的路径跟踪控制问题,利用水下机器人的位置和姿态角量测信息,提出神经网络自适应输出反馈控制器.所设计的控制器包括3部分,镇定水下机器人动态系统线性部分的动态反馈控制器;神经网络控制器,用来补偿水下机器人受到环境干扰引起的水动力系数变化的不确定非线性结构;补偿环境扰动和神经网络带来的重构误差的鲁棒控制器.基于离散非线性系统理论,对水下机器人水平面跟踪误差系统进行分析,得到系统的跟踪误差最终一致有界.所提出的控制方法具有对模型精确度要求低的优点,利用INFANTE水下机器人模型进行仿真分析验证了提出的控制算法的有效性.     

控制方向未知的无人帆船自适应动态面航向控制

针对四自由度无人帆船存在模型不确定、控制方向和外部环境扰动均未知的情况,提出一种神经网络自适应动态面航向控制方法。该方法采用RBF神经网络逼近无人帆船模型不确定部分,利用Nussbaum函数处理系统的未知控制增益函数,并设计带σ-修正泄露项的参数自适应律对神经网络逼近误差与外界环境扰动总和的界进行估计,同时引入动态面方法,消除反演法中的“计算膨胀”问题,降低控制器的复杂性。Lyapunov函数稳定性分析证明所设计控制器能够保证航向保持闭环系统内所有信号的一致最终有界性,并通过一艘12 m型无人帆船模型进行仿真验证,结果表明无人帆船航向保持响应速度快,所设计的控制器能有效地处理模型不确定项和风浪等外界扰动,具有较强的鲁棒性。     

可重构机械臂分散自适应迭代学习控制

基于Lyapunov稳定性理论和Backstepping技术,提出了一种可重构机械臂分散自适应迭代学习控制方法。将可重构机械臂动力学系统描述为一个交联子系统的集合,基于Backstepping技术,给出自适应迭代学习控制方法。为了补偿系统模型不确定项和子系统之间交联项,采用自适应神经网络进行逼近。最后,通过数值仿真验证了所提方法的有效性。     

可重构机械臂分散自适应模糊滑模控制

为了适应软件模块化的设计观念,提出一种可重构机械臂的分散自适应模糊滑模控制方案,把可重构机械臂的动力学描述为一个交联子系统的集合。使用模糊逻辑系统逼近子系统动力学模型,然后设计自适应滑模控制器抵消交联项和模糊逼近误差对轨迹跟踪性能的影响。这些子系统控制器组成一个模块化的控制网络,协调工作实现可重构机械臂稳定可靠的运动。最后,仿真结果证明了提出的分散控制方案的有效性。     

基于事件触发的大规模互联非线性系统的自适应分散漏斗控制

研究了一类不确定大规模非线性系统的分散自适应事件触发漏斗控制问题。首先,利用一个新的带有障碍李雅普诺夫函数的漏斗控制方法,构造了一种自适应分散漏斗控制器,以实现给定瞬态行为的输出跟踪。其次,为了解决控制器设计中的互联项问题,引入了一个辅助非线性函数。同时,将命令滤波技术应用到反步设计中,避免了反步过程中的“复杂性爆炸”问题。此外,还设计了一种事件触发机制,以减少控制器和执行器之间不必要的传输,从而提高资源效率。结果表明,所提出的控制方案能保证闭环系统的所有信号都是有界的,并且跟踪误差总是在漏斗中演化。最后,通过一个数值系统验证了该控制方法的有效性。     

Adaptive fuzzy tracking control for a class of switched MIMO nonlinear systems

An adaptive fuzzy tracking control scheme is presented for a class of switched multi-input-multi-output (MIMO) nonlinear systems with disturbances under arbitrary switching.Adaptive fuzzy systems are e...     

Dynamic surface control-backstepping based impedance control for 5-DOF flexible joint robots

A new impedance controller based on the dynamic surface control-backstepping technique to actualize the anticipant dynamic relationship between the motion of end-effector and the external torques was presented. Comparing with the traditional backstepping method that has “explosion of terms” problem, the new proposed control system is a combination of the dynamic surface control technique and the backstepping. The dynamic surface control (DSC) technique can resolve the “explosion of terms” problem that is caused by differential coefficient calculation in the model, and the problem can bring a complexity that will cause the backstepping method hardly to be applied to the practical application, especially to the multi-joint robot. Finally, the validity of the method was proved in the laboratory environment that was set up on the 5-DOF (degree of freedom) flexible joint robot. Tracking errors of DSC-backstepping impedance control that were 2.0 and 1.5 mm are better than those of backstepping impedance control which were 3.5 and 2.5 mm in directions X, Y in free space, respectively. And the anticipant Cartesian impedance behavior and compliant behavior were achieved successfully as depicted theoretically.     

一类非仿射非线性大系统的结构在线扩展

研究一类非仿射非线性互联大系统的结构在线扩展问题。基于backstepping技术提出一种大系统在线结构扩展的自适应神经分散关联镇定控制方法。在原结构系统控制器保持不变的前提下,利用神经网络自适应技术设计新加入子系统的分散控制律和自适应律,将新加入子系统后原结构系统产生的互联部分放在新子系统的控制器中处理,从而获得新扩展子系统的自适应分散关联镇定控制器。该控制器可以保证新加入的闭环非仿射非线性子系统及整个扩展后的闭环大系统中所有信号是一致最终关联有界的。仿真结果验证了所提控制方法的有效性。     

Decentralized adaptive neural network sliding mode position/force control of constrained reconfigurable manipulators

A decentralized adaptive neural network sliding mode position/force control scheme is proposed for constrained reconfigurable manipulators. Different from the decentralized control strategy in multi-manipulator cooperation, the proposed decentralized position/force control scheme can be applied to series constrained reconfigurable manipulators. By multiplying each row of Jacobian matrix in the dynamics by contact force vector, the converted joint torque is obtained. Furthermore, using desired information of other joints instead of their actual values, the dynamics can be represented as a set of interconnected subsystems by model decomposition technique. An adaptive neural network controller is introduced to approximate the unknown dynamics of subsystem. The interconnection and the whole error term are removed by employing an adaptive sliding mode term. And then, the Lyapunov stability theory guarantees the stability of the closed-loop system. Finally, two reconfigurable manipulators with different configurations are employed to show the effectiveness of the proposed decentralized position/force control scheme.     

基于神经网络方法的不确定非线性微分-代数子系统的鲁棒反推镇定控制

对于指数1且关联可测的不确定非线性微分-代数子系统,将反推方法和神经网络相结合,研究了其鲁棒渐近镇定控制问题.基于反推方法来构造镇定控制器,利用3层的神经网络来逼近每一步控制器构造过程中的不确定项.提出一种新的自适应算法对神经网络权值进行在线调节,并适当选取每一步虚拟控制器的参数,最终得到的控制器使得闭环系统是渐近稳定的.     

Buck 型直流变换器的自适应动态面控制研究

基于脉冲宽度调制(PWM)原理工作的Buck 型直流变换器的平均模型, 利用非线性自适应动态面控 制方法设计控制器, 用来驱动一类Buck 型直流变换器工作, 使其输出电压能准确地跟踪参考电压, 以及对负载参数 的不确定性具有很强的鲁棒性和自适应性。非线性自适应动态面控制是非线性系统自适应反步控制的一种简化算 法, 设计过程中引入n - 1 个一阶滤波器, 克服了反步方法对虚拟控制求导而引起的方程项数的膨胀问题和对模型 非线性求导的问题。只要滤波时间足够小(现代的计算机完全能够满足), 选择合适的表面增益, 该方法设计的控制 器, 简单且易于实现, 并可保证系统是半全局稳定的, 完全能够满足工程上的要求。该控制器的有效性, 通过仿真实 例获得验证。     

多机电力系统固定时间动态面高阶滑模控制

针对含有参数不确定性和外部扰动的多机电力系统,设计了静止无功补偿器(SVC)与发电机励磁的协调控制器.动态面控制(DSC)方法与高阶滑模控制方法相结合,并引入固定时间概念,不仅避免了反步法中存在的"微分爆炸"问题,同时保证了系统的收敛时间上界独立于初始状态;采用范数估计方法,在线估计模糊逼近器权重向量的范数,大大减轻了...