带有未建模动态的非线性系统的自适应动态面控制

针对一类带有未建模动态的非线性纯反馈系统,利用神经网络逼近能力,提出一种自适应动态面控制方案.通过在传统后推设计中引入一阶滤波器,避免了对虚拟控制反复求导而导致的计算复杂性问题.利用Young’s不等式和积分型李亚普诺夫函数,有效地减少了可调参数的数目,无需虚拟控制增益系数导数的信息.理论分析表明了闭环控制系统是半全局一致终结有界的.     

具有未建模动态的自适应神经网络动态面控制

对一类具有未建模动态的严格反馈非线性系统,提出一种自适应神经网络动态面控制方案.该方案将动态面控制方法扩展到具有未建模动态的严格反馈非线性系统的控制器设计中,拓展了动态面控制方法的应用范围.利用动态面控制方法引入的紧集来处理未建模动态对于系统的影响.利用Young's不等式,提出两种自适应参数调节方案.与现有研究结果相比,有效地减少了可调参数的数目,放宽了动态不确定性的假设,无需虚拟控制增益系数导数的信息.通过理论分析,证明了闭环控制系统是半全局一致终结有界的,且跟踪误差收敛到原点的一个小邻域内.     

具有动态不确定性互联大系统的分散自适应控制

对一类具有未建模动态结构相似形的严格反馈非线性互联大系统,提出一种基于神经网络的分散自适应动态面控制方案.该方案引入Lyapunov函数来约束未建模动态,利用神经网络逼近理论分析中所产生的未知非线性连续函数.通过Young’s不等式和三重求和项的分解,有效地处理了耦合作用项,并利用动态面控制技术,实现了系统的分散控制.与现有研究结果相比,所设计的分散控制律中不含有控制增益下界常数.通过构造的方法,利用动态面控制设计中引入的紧集有效地处理了未建模动态和分析中产生的不确定连续函数.理论分析证明了闭环控制系统中所有信号半全局一致终结有界,且跟踪误差收敛到原点的一个小邻域内.两个数值算例的仿真结果表明所提控制方案的有效性.     

一类纯反馈非线性系统的自适应动态面控制

针对一类完全非仿射纯反馈非线性系统,提出了一种新的自适应动态面控制方法.应用中值定理将未知非仿射输入函数进行分解,使其含有显式的可控制输入参数;引入Nussbaum增益函数,解决了虚拟控制增益符号未知的问题,同时避免了反馈线性化方法中可能出现的控制器奇异性问题;动态面控制消除了传统反推设计中的"微分爆炸"问题.采用解耦反推方法,基于李亚普诺夫稳定性定理证明了闭环系统的半全局稳定性,数值仿真验证了方法的有效性.     

一类纯反馈力学系统的自适应模糊动态面控制

针对一类纯反馈形式的不稳定力学系统,提出自适应模糊动态面控制方法。在一般动态面控制的设计框架下,引入模糊系统逼近模型的未知函数,设计自适应律在线估计模糊系统权参数和模型未知参数,通过Lyapunov方法证明得出闭环系统半全局稳定。该策略避免了传统反演设计存在的“微分爆炸”现象,并且解决了纯反馈系统控制设计中通常存在的循环设计问题。仿真结果表明,控制系统能够克服不确定性,且能够简单有效地实现跟踪控制。     

具有未建模动态系统的自适应动态面输出反馈控制

针对一类具有未建模动态和动态扰动且状态不可量测的非线性系统,利用神经网络逼近未知函数设计K-滤波器重构系统状态,提出一种自适应输出反馈控制策略。通过对未建模动态的新刻画,避免动态信号的引入。采用动态面设计方法,取消理论分析中产生的未知连续函数的估计,降低设计的复杂性。利用Lyapunov方法证明了闭环系统的所有信号是半全局一致终结有界的,并通过仿真结果验证了所提出方案的有效性。     

一类纯反馈非线性系统的简化自适应神经网络动态面控制

针对一类完全非仿射纯反馈非线性系统,提出一种简化的自适应神经网络动态面控制方法.基于隐函数定理和中值定理将未知非仿射输入函数进行分解,使其含有显式的控制输入;利用简化的神经网络逼近未知非线性函数,对于阶SISO纯反馈系统,仅一个参数需要更新;动态面控制可消除反推设计中由于对虚拟控制反复求导而导致的复杂性问题.通过Lyapunov稳定性定理证明了闭环系统的半全局稳定性,数值仿真验证了方法的有效性.     

具有预设性能的切换系统输出反馈自适应动态面控制

本文针对一类具有未建模动态和预设性能的输出反馈非线性切换系统,提出基于公共Lyapunov函数法的自适应输出反馈动态面控制方案.通过设计K滤波器和观测器估计不可测量的状态.引入动态信号处理动态不确定性.利用Nussbaum函数解决增益符号未知的问题.神经网络用于逼近由设计过程和理论分析所产生的未知连续函数.引入性能函数和误差转换器将预设性能控制问题转换为稳定性问题.通过适当选取切换子系统的初值,并利用动态面控制系统证明的特点,证明了闭环切换系统所有信号半全局一致终结有界.仿真例子验证了所提方案的有效性.     

基于ISS的非线性纯反馈系统的自适应动态面控制

研究一类具有未知死区的非线性纯反馈系统的自适应控制问题．基于输入状态稳定理论和小增益定理,提出一种自适应动态面控制方案．该方案有效地减少了可调参数的数目,避免了传统后推设计中由于需要对虚拟控制反复求导而导致的计算复杂性．理论分析证明了闭环系统是半全局一致终结有界的．     

具有执行器故障的不确定多智能体系统自适应动态面控制

本文研究了一类具有输入量化、未建模动态和执行器故障的非线性多智能体系统的一致跟踪问题.引入一个可量测的动态信号消除未建模动态对系统的影响.利用Young’s不等式和高斯函数的性质,有效地处理了多智能体邻居节点在设计的第一步中对子系统的耦合作用.通过将滞回量化器表示为具有有界系数和有界扰动的输入线性函数,并利用动态面控制方法,提出一种自适应神经网络动态面控制方案,简化了控制器的设计,保证了闭环系统的所有信号都是半全局一致终结有界的,所有跟随者都能实现期望的一致性.最后,仿真结果验证了所提出的自适应控制策略的有效性.     

Adaptive output feedback tracking control of stochastic nonlinear systems with dynamic uncertainties

In this paper, adaptive output feedback tracking control is developed for a class of stochastic nonlinear systems with dynamic uncertainties and unmeasured states. Neural networks are used to approximate the unknown nonlinear functions. K‐filters are designed to estimate the unmeasured states. An available dynamic signal is introduced to dominate the unmodeled dynamics. By combining dynamic surface control technique with backstepping, the condition in which the approximation error is assumed to be bounded is avoided. Using It ô formula and Chebyshev's inequality, it is shown that all signals in the closed‐loop system are bounded in probability, and the error signals are semi‐globally uniformly ultimately bounded in mean square or the sense of four‐moment. Simulation results are provided to illustrate the effectiveness of the proposed approach. Copyright © 2014 John Wiley & Sons, Ltd.     

Adaptive dynamic surface control using disturbance observer for nonlinear systems with input saturation and output constraints

An adaptive dynamic surface control (DSC) approach using fuzzy approximation and nonlinear disturbance observer (NDO) for uncertain nonlinear systems in the presence of input saturation, output constraint and unknown external disturbances is proposed in this paper. The issue of input saturation is addressed by introducing a lower bound assumption on the approximation function of saturation. The output constraint is handled by introducing an appropriate barried Lyapunov function. The nonlinear disturbance observer (NDO) is employed to estimate the unknown unmatched disturbances. It is manifested that the ultimately bounded convergence of all the variables in the closed-loop system is guaranteed and the tracking error can be made farely small by tuning the design parameters. Finally, two simulation examples illustrate the effectiveness and feasibility of the proposed approach.     

Adaptive neural control of non-affine pure-feedback non-linear systems with input nonlinearity and perturbed uncertainties

In this article, two robust adaptive control schemes are investigated for a class of completely non-affine pure-feedback non-linear systems with input non-linearity and perturbed uncertainties using radial basis function neural networks (RBFNNs). Based on the dynamic surface control (DSC) technique and using the quadratic Lyapunov function, the explosion of complexity in the traditional backstepping design is avoided when the gain signs are known. In addition, the unknown virtual gain signs are dealt with using the Nussbaum functions. Using the mean value theorem and Young's inequality, only one learning parameter needs to be tuned online at each step of recursion. It is proved that the proposed design method is able to guarantee semi-global uniform ultimate boundedness (SGUUB) of all signals in the closed-loop system. Simulation results verify the effectiveness of the proposed approach.