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。     

具有未建模动态和输出约束的耦合系统的分散自适应控制

针对一类具有输入、状态未建模动态和非线性输入的耦合系统,提出一种自适应神经网络控制方案.利用径向基函数神经网络逼近未知非线性连续函数;引入动态信号和正则化信号处理状态及输入未建模动态;通过引入非线性映射,将具有时变输出约束的严格反馈系统化为不含约束的严格反馈系统.最后,通过理论分析验证闭环系统中所有信号是半全局一致最终有界的,仿真结果进一步验证了所提出控制方案的有效性.     

具有未建模动态和输出约束系统的自适应输出反馈控制

针对一类具有未建模动态和输出约束的输出反馈非线性系统, 提出一种自适应输出反馈动态面控制方案. 利用神经网络逼近未知连续函数, 分别设计K滤波器和动态信号估计不可测量的状态, 并处理动态不确定性. 引入障碍李雅普诺夫函数并设计自适应控制器以保证BLF有界, 从而实现输出约束. 理论分析表明, 闭环控制系统是半全局一致终结有界的, 且满足输出约束, 仿真结果验证了所提出方案的有效性.     

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.     

基于未建模动态补偿的一类MIMO非线性系统的自适应广义预测解耦切换控制

针对一类不确定的多输入多输出(MIMO)离散时间零动态不稳定非线性系统, 提出了一种基于未建模动态补偿的非线性广义预测解耦切换控制方法. 该控制方法要求系统的未建模动态满足线性增长条件, 放宽了未建模动态全局有界的限制. 建立了所提的自适应控制方法的稳定性和收敛性分析. 而且, 在设计广义预测解耦控制器时, 把“一一映射”与ANFIS的训练相结合来估计系统的未建模动态, 保证了ANFIS的万能逼近特性. 最后, 仿真结果验 证了所提方法的优越性.     

基于未建模动态补偿的非线性自适应切换控制方法

针对一类不确定的离散时间零动态不稳定的单输入-单输出(Single-input single-output, SISO)非线性系统,提出了一种基于未建模动态补偿的非线性控制器. 采用自适应神经模糊推理系统(Adaptive-network-based fuzzy inference system, ANFIS)和一一映射相结合的方法估计未建模动态.在此基础上,提出了由线性自 适应控制器、非线性自适应控制器以及切换机制组成的自适应切换控制方法.该方法通过对上述两种控制器的切换, 保证闭环系统输入输出信号有界的同时,改善系统性能.本文将要求未建模动态全局有界的条件放宽为线性增长, 建立了所提自适应控制方法的稳定性和收敛性分析.通过仿真比较和水箱的液位控制实验,验证了所提方法的有效性.     

具有输入及状态未建模动态系统的输出反馈自适应控制

针对一类具有输入及状态未建模动态的非线性系统, 设计K滤波器来估计系统不可量测状态, 基于动态面控制技术并利用径向基函数神经网络的逼近能力, 提出一种输出反馈自适应跟踪控制方案. 利用Nussbaum 函数性质, 有效地解决了高频增益符号未知问题. 在控制器设计中引入规范化信号来约束输入未建模动态, 从而有效地抑制其产生的扰动. 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.

     

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.     

具有全状态约束和未建模动态的严格反馈系统有限时间自适应动态面控制

针对一类具有全状态约束、未建模动态和动态扰动的严格反馈非线性系统,通过构造非线性滤波器,并利用Young’s不等式,提出一种新的有限时间自适应动态面控制方法.引入非线性映射处理全状态约束,将有约束系统变成无约束系统,利用径向基函数逼近未知光滑函数,利用辅助系统产生的动态信号处理未建模动态.对于变换后的系统,利用改进的动态面控制和有限时间方法设计的控制器结构简单,移去现有有限时间控制中出现的“奇异性”问题,可加快系统的收敛速度.理论分析表明,闭环系统中的所有信号在有限时间内有界,全状态不违背约束条件.数值算例的仿真结果表明,所提出的自适应动态面控制方案是有效的.     

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.     

具有输入未建模动态的纯反馈非线性系统自适应控制

对一类具有状态和输入未建模动态且控制增益符号未知的纯反馈非线性系统,利用非线性变换、改进的动态面控制方法以及Nussbaum函数性质,提出两种自适应动态面控制方案.利用正则化信号来约束输入未建模动态,从而有效地抑制其产生的扰动.通过引入动态信号,有效地处理了由状态未建模动态引起的动态不确定性.通过在总的李雅普诺夫函数中引入非负正则化信号,并利用稳定性分析中引入的紧集,证明了闭环控制系统是半全局一致终结有界的.数值仿真验证了所提方案的有效性.     

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.     

Prescribed performance adaptive neural output feedback dynamic surface control for a class of strict‐feedback uncertain nonlinear systems with full state constraints and unmodeled dynamics

This paper studies the output feedback tracking control problem for a class of strict‐feedback uncertain nonlinear systems with full state constraints and unmodeled dynamics using a prescribed performance adaptive neural dynamic surface control design approach. A nonlinear mapping technique is employed to address the state constraints. Radial basis function neural networks are utilized to approximate the unknown nonlinear functions. The unmodeled dynamics is addressed by introducing an available dynamic signal. Subsequently, we construct the controller and parameter adaptive laws using a backstepping technique. Based on Lyapunov stability theory, it is shown that all signals in the closed‐loop system are semiglobally uniformly ultimately bounded and that the tracking error always remains within the prescribed performance bound. Simulation results are presented to demonstrate the effectiveness of the proposed control scheme.     

Decentralized robust adaptive control of nonlinear systems withunmodeled dynamics

The authors present a decentralized robust adaptive output feedback control scheme for a class of large-scale nonlinear systems of the output feedback canonical form with unmodeled dynamics. A modified dynamic signal is introduced for each subsystem to dominate the unmodeled dynamics and an adaptive nonlinear damping is used to counter the effects of the interconnections. It is shown that under certain assumptions, the proposed decentralized adaptive control scheme guarantees that all the signals in the closed-loop system are bounded in the presence of unmodeled dynamics, high-order interconnections and bounded disturbances. Furthermore, by choosing the design constants appropriately, the tracking error can be made arbitrarily small regardless of the interconnections, disturbances, and unmodeled dynamics in the system. An illustration example demonstrates the effectiveness of the proposed scheme     

Robust adaptive output stabilization using dynamic normalizing signal

For a class of nonlinear systems with dynamic uncertainties, robust adaptive stabilization problem is considered in this paper. Firstly, by introducing an observer, an augmented system is obtained. Based on the system, we construct an exp-ISpS Lyapunov function for the unmodeled dynamics, prove that the unmodeled dynamics is exp-ISpS, and then obtain a dynamic normalizing signal to counteract the dynamic disturbances. By the backstepping technique, an adaptive controller is given, it is proved that all the signals in the adaptive control system are globally uniformly ultimately bounded, and the output can be regulated to the origin with any prescribed accuracy. A simulation example further demonstrates the efficiency of the control scheme.     

Robust adaptive output stabilization using dynamic normalizing signal

For a class of nonlinear systems with dynamic uncertainties, robust adaptive stabilization problem is considered in this paper. Firstly, by introducing an observer, an augmented system is obtained. Based on the system, we construct an exp-ISpS Lyapunov function for the unmodeled dynamics, prove that the unmodeled dynamics is exp-ISpS, and then obtain a dynamic normalizing signal to counteract the dynamic disturbances. By the backstepping technique, an adaptive controller is given, it is proved that all the signals in the adaptive control system are globally uniformly ultimately bounded, and the output can be regulated to the origin with any prescribed accuracy. A simulation example further demonstrates the efficiency of the control scheme.