死区非线性系统的全局收敛自适应控制

本文通过引入一类新的目标函数，对死区非线性系统建立了全局收敛的自适应控制算法，该算法可用于最小相应和非最小相位系统，并具有渐近最优的控制效果。仿真实验表明本文算法具有良好的动态性能。     

带有摄动死区输入的未知非线性系统自适应模糊控制

用自适应模糊控制来实现对带有摄动死区输入的一类未知非线性系统的控制. 文中给出了一种新的死区执行器模型, 该模型含有时变并且摄动的执行增益. 通过将死区非线性分解为一个线性类似项, 一个非线性项和一个扰动类似项降低了扰动类似项的上界, 从而可以用更小的控制力度来实现系统的鲁棒性. 利用反步后推技术与非线性参数化的模糊逼近器结合导出控制器, 该设计取消了模糊基函数须事先已知的限制. 本文不仅从理论上证明了所给控制器能够保证闭环系统的稳定性和预期的跟踪性能, 还用仿真实验验证了控制器的有效性.     

一类带死区输入的非线性不确定系统滑模自适应控制

研究一类参数不确定和带有未知死区的非线性系统滑模自适应控制问题。将死区分解为两部分,被控系统中有两类不确定性的系统参数,一类是常值的未知系统参数;另一类是时变的未知系统参数和部分未知的死区。采用滑模控制和自适应控制相结合的方式,第一类不确定性可以由自适应控制来处理,而第二类不确定性可以由滑模控制来处理,即滑模自适应控制器。为了消除滑模控制所带来的抖振,引入边界层。采用’Lyapunov函数证明了系统的稳定性。仿真实验表明方法的可行性。     

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.     

带有死区输入和未建模动态的神经网络控制

针对一类具有死区非线性输入和未建模动态的非线性系统,提出一种自适应神经网络控制方法。该方法将后推技术和动态面技术结合,克服了计算复杂性问题,放宽了动态不确定性的假设,取消了神经网络逼近误差有界。借助中值定理和Young’s不等式,保证整个设计只需一个自适应参数,且控制增益只需存在一个上、下界。理论分析证明闭环系统所有信号半全局一致终结有界。仿真结果验证所提方案的有效性。     

具有未知非线性死区的自适应模糊控制

基于滑模控制原理,利用模糊系统的逼近能力,提出一种自适应模糊控制方法．该方法提出一种简化非线性死区输入模型,取消了非线性死区输入模型的倾斜度相等以及死区边界对称的条件,还取消了非线性死区输入模型各种参数已知的条件．该方法通过引入逼近误差的自适应补偿项来消除建模误差和参数估计误差的影响．理论分析证明了闭环系统是半全局一致终结有界,跟踪误差收敛到零．仿真结果表明了该方案的有效性．     

未知死区输入非线性系统的双观测器动态面控制

针对一类含死区输入的严格反馈非线性系统,提出基于双观测器的自适应鲁棒控制算法.动态面的每一步设计中,第1观测器即跟踪信号观测器对指令信号进行观测,并得到指令信号的差分信号,消除传统动态面控制中计算复杂问题.第二观测器即扰动观测器在线估计高阶动态面控制系统中每一步的不确定模型,与跟踪信号观测器实现双反馈控制,提高控制效果...     

一类死区非线性系统的自适应模糊控制设计

为了实现对具有时变摄动死区非线性系统的跟踪控制,本文提出了一种基于自适应模糊逼近器的Backstepping控制方法。该方法通过将死区特性合理分解,并将自适应模糊逼近器嵌入到Backstepping设计步骤中,逐步递推得到控制律。所提出的控制方法适用于高阶非线性系统,并且不要求被控系统满足匹配条件;所采用的模糊逼近器是非线性参数化的,亦即不要求其模糊基函数是完全确定已知的,从而降低了对先验知识的依赖性。为了得到未知参数的自适应律,本文先应用Taylor级数展开式将具有非线性关系的未知参数相互分离,使其呈现线性关系,然后根据Lyapunov稳定性定理给出在线可调参数的自适应律。此外,所设计的自适应律是对与未知参数向量的范数相关的变量进行在线调节,这样可以有效减少需要在线调节的参数数量,从而降低了控制器的在线计算负担,提高了系统的响应速度和控制精度。本文给出的控制设计能够有效地克服死区特性对系统性能的影响,使得闭环系统所有信号均指数收敛到原点的指定邻域内,系统输出可以按给定的精度跟踪参考信号。最后,本文用一个仿真实例验证了所给控制方法的有效性。     

具有饱和死区非线性输入的自适应滑模跟踪控制

针对一类具有非对称饱和死区的扇区非线性输入系统,研究了自适应滑模输出反馈跟踪控制问题．在假设系统数学模型已知或未知的情形下,分别基于自适应观测器和模糊观测器,提出了滑模控制器的综合设计方案,并通过定义一类李亚普诺夫函数给出了自适应控制器和模糊逻辑系统的参数调整律．所提方法不仅具有对系统模型依赖性小的优点,而且增强了对扰动的鲁棒性,并保证了整个闭环跟踪误差系统的稳定性．最后,仿真结果验证了本方法的有效性．     

输入死区下的多输入多输出系统自适应神经网络容错控制

针对一类具有传感器故障和不对称输入死区的非线性多输入多输出非严格反馈系统,本文提出一种自适应神经网络容错控制方案.控制器的设计以反步法为框架,采用自适应神经网络控制方法处理传感器故障,利用死区斜率的有界性补偿输入死区对系统性能造成的影响,同时引入动态面控制技术克服“计算爆炸”的问题.该控制方法不仅能够保证闭环系统中所有...     

电弧炉电极调节系统的自适应死区补偿控制

电弧炉电极调节系统存在死区非线性,这将给控制系统带来稳态误差,甚全会造成系统不稳定.为此,针对断点不对称且斜率不相等的死区特性,提出一种自适心死区补偿方法.通过引入死区逆非线性环节,并在线更新未知的死区逆参数,达到完全补偿死区的效果.利用Lyapunov方法证明了参数估计误差的收敛性.仿真结果验证了所提出方法的有效性.     

状态观测的未知死区非线性系统的自适应神经网络跟踪控制

研究一类包含不确定项和未知死区特性的严格反馈系统跟踪控制问题.首先,设计状态观测器估计不可测量的系统状态;然后,利用RBF神经网络逼近未知的系统动态;最后,基于Backstepping技术构造自适应神经网络输出反馈控制器,并减少更新参数以减轻运算负荷.所提出的控制器可以保证闭环系统中所有信号半全局最终一致有界,跟踪误差能收敛到零值小的领域内.两个仿真例子进一步验证了所提出方法的有效性.     

带有输入和状态时滞的高阶非线性前馈系统的自适应控制

本文考虑了一类高阶不确定非线性前馈系统的自适应镇定问题.将高阶非线性进一步放宽到不仅允许状态时滞,而且还具有未知增长率.通过将自适应方法、动态增益控制方法和增加幂次积分器法结合,设计了一个状态反馈控制器.所设计的控制器保证了闭环系统的所有信号有界,平衡点全局稳定,并且原状态收敛到0.     

具有间隙非线性系统的自适应控制*

本文对具有间隙非线性系统提出了自适应控制算法,在确定和随机情况下,控制算法都具有大范围渐近收敛性质,仿真结果表明该算法能有效地改善系统的控制性能。     

未知多变量非线性系统自适应模糊预测控制

对一类未知多变量非线性系统提出了直接自适应模糊预测控制方法,此方法首先对被控对象提出了线性时变子模型加非线性子模型的预测模型,然后直接用模糊逻辑系统组成的向量来设计预测控制器,并基于时变死区函数对控制器中的未知向量和广义误差估计值中的未知矩阵进行自适应调整．文中证明了此方法可使广义误差向量估计值收敛到原点的一个邻域内．     

MIMO非线性系统的直接自适应控制

本文给出模型未知多输入多输出非线性系统的一种动态线性逼近方法，提出了基于该线性化方法的自适应控制律。讨论了在一定假设条件下自适应控制律的收敛性。     

一类非线性系统的稳定神经网络自适应控制

利用神经网络作为非线性系统的模型，研究了一类非线性系统的神经网络自适应控制问题，设计出的自适应控制器具有如下的特点：（１）网络仅值是基于参考误差信号学习的投影算法来调节，这样可保证权值的有界性；（２）为了减小神经网络参数估计误差对跟踪误差的影响，提出了根据参考误差信号实时修正神经网络输入的方法。仿真结果对该控制方案进行了验证。     

具有死区非线性补偿的预测控制

通过在死区非线性系统中引入非线性补偿器,讨论了具有死区非线性补偿器非线性系统预测控制问题。仿真结果表明该方法的有效性。     

一类非线性系统的自适应模型控制

对一类非线性不确定连续系统，提出了一种新的自适应控制方法。此方法用Ｔ－Ｓ模糊系统对未知函数进行逼近，引入Ｈ＾∞控制减弱外部干扰及逼近误差对输出跟踪误差的影响，证明了该方法可保证闭环系统稳定。仿真结果验证了此算法的有效性。     

基于神经网络的一类非线性系统的自适应控制

基于递归神经网络给出了仅含一个非线性环节的一类非线性系统的自适应控制方案。该方案采用递归神经网络辨识非线性系统中的未知非线性环节。沿用广义最小方差自校正控制方法,可以解决非线性环节未知和工作点变化时传统方法无法控制的自适应控制问题。理论分析和仿真结果表明,该方法具有很好的控制效果。