一类大系统的间接自适应分散模糊控制

针对一类未知非线性大系统,将模糊控制、模糊逻辑系统及滑模控制相结合,提出了一种间接自适应模糊控制策略,仿真结果证明了所提出的算法是有效的.     

一类大系统的直接自适应分散模糊控制

本文针对一类未知非线性大系统,提出了一种直接自适应模糊分散控制策略．设计中 ,首先在假设各子系统的动态已知的条件下,设计最优分散控制,然后用模糊自适应系统逼 近最优分散控制．同时引入模糊滑模控制消除各个子系统之间的相互作用,外部干扰和模糊 系统的逼近误差．并对所设计的控制系统进行了稳定性分析．     

基于神经网络的非线性系统稳定自适应控制

本文针对一类具有未知非线性函数和未知虚拟系数非线性函数的二阶非线性系统 ,提出了一种基于神经网络的稳定自适应输出跟踪控制方法 .用李雅普诺夫稳定性分析方法证明了本文的神经网络自适应控制器能够使受控系统稳定 ,并使输出跟踪误差随时间趋于无穷而收敛到零 .仿真算例证明了该算法的有效性     

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。     

ROBUST ADAPTIVE CONTROL FOR STRICT‐FEEDBACK NONLINEAR SYSTEMS

In this paper, we propose a robust adaptive tracking control based on the backstepping strategy for strict‐feedback nonlinear systems with nonparametric uncertain nonlinearities. It is shown that one can design a stable adaptive control system provided that the uncertain nonlinearities can be decomposed by unknown bounded nonlinear functions and known nonlinear functions. The proposed method can deal with uncertain nonlinearities that appear at the control input term too. It is also shown that suitable choice of design parameters guarantees the convergence of tracking error to any desired bound.     

一种非线性系统的模糊自适应控制

针对一类非线性系统提出一种模糊自适应控制方案，设计中用模糊逻辑系统逼近非线性函数，骨于滑模原理及Ｌｙａｐｕｎｏｖ函数方法给出了闭环系统的稳定性分析。     

多变量过程的专家系统控制

采用模糊逻辑理论设计一个专家系统来实时监控一个多变量过程的闭环响应特性，通过在线调整滤波时间常数来改善其闭环特性，同时监控其积分平方误差指标，一旦超越某个限度，就对系统重新进行辨识，仿真实验显示了该方法的优越性。     

基于自组织模糊CMAC网络的非线性系统鲁棒自适应跟踪控制

基于自组织模糊CMAC(SOFCMAC)神经网络,提出了一种非线性模型参考神经网络增广逆系统鲁棒自适应跟踪控制方法.该方法的特点是通过S0FCMAC神经网络在线修正由于建模误差、不确定因素等引起的非线性系统逆误差,使得系统输出准确跟踪参考模型输出.SOFCMAC的权值调整规律由Lyapunov稳定性理论导出.文中证明了非线性闭环系统的稳定性.仿真例子表明了本文方法的有效性.     

一类模糊非线性系统自适应输出反馈控制

针对一类未知非线性系统,利用模糊逻辑系统、H∞控制和高增益观测器,提出了一种模糊自适应输出反馈控制方法.证明了所设计的输出反馈控制器可以获得状态反馈控制器的性能.仿真结果证明了所提出方法是有效的.     

采样非线性系统的动态神经网络稳定自适应控制

研究了一类采样数据非线性系统的动态神经网络稳定自适应控制方法.不同于静态神经网络自适应控制,动态神经网络自适应控制中神经网络用于逼近整个采样数据非线性系统,而不是动态系统中的非线性分量.系统的控制律由神经网络系统的动态逆、自适应补偿项和神经变结构鲁棒控制项组成.神经变结构控制用于保证系统的全局稳定性,并加速动态神经网络系统的适近速度.证明了动态神经网络自适应控制系统的稳定性,并得到了动态神经网络系统的学习算法.仿真研究表明,基于动态神经网络的非线性系统稳定自适应控制方法较基于静态神经网络的自适应方法具有更好的性能.     

非线性系统的鲁棒自适应模糊控制

针对反馈线性化后的不确定非线性对象,提出了一种鲁棒自适应控制方法.采用模糊模型逼近不确定项,用逐步后推技术构造出自适应律,在线调节模糊模型的参数,同时处理存在估计误差时的干扰抑制问题.该方法还用于感应电动机速度控制的仿真.用李亚普诺夫方法证明了整个系统的稳定性和鲁棒性.该方法适用于任意有界时变干扰,通过模糊模型还可以加入对干扰的经验知识.     

A ROBUST ADAPTIVE CONTROL DESIGN FOR A CLASS OF UNCERTAIN NONLINEAR MARKOVIAN JUMP SYSTEMS

A direct robust adaptive nonlinear control scheme for a class of uncertain nonlinear Markovian jump systems with nonlinear state‐dependent uncertainty is presented. The proposed scheme is Lyapunov‐based and guarantees the global uniform ultimate boundedness of the closed‐loop system in the mean sense. A numerical example is given to demonstrate the validity of the results.     

采用自适应控制的电—气比例／伺服控制系统的研究

电-气比例/伺服控制系统的特性受到运行参数和负载干扰的较大影响,本文研究了该系统的自适应控制方法.根据电-气比例/伺服控制系统的技术特点,作者提出了采用模型参考自适应控制的策略,并解决了控制器设计、实现中的一系列技术问题.实验结果表明,本文的研究取得了显著的效果.     

具有不确定性的非线性系统的变结构控制

本文研究了具有不确定性非线性系统的鲁棒输出跟踪控制问题，考虑了对参数、建模不确定性及干扰的鲁棒性。这里的不确定性不需满足通常的匹配条件。通过构造一个Ｌｙａｐｕｎｏｖ函数，我们得到一个变结构控制器，并且证明了输出跟踪误差的收敛性。最后，给出了计算机仿真，结果表明本文提出的方法是有效的。     

一类随机干扰作用下的非线性系统的自适应控制

利用随机干扰作用下的采样数据训练模糊神经网络可得到对象含噪声信息的统计辨识模型 ,通过预估及校正算法在线调整控制输入以弥补模型偏差的影响 ,实现系统的自适应控制 .仿真实验结果表明该控制方案具有较高的控制精度、较强的抗干扰能力和良好的自适应性能     

一类非线性系统的自适应控制方法

非线性系统的模型参考自适应控制是自适应理论的一个新的发展方向,目前针对可反馈线性化的系统已经取得了很多研究成果.但以往采用的方法要求系统对未知参数是线性的,且计算复杂度随系统阶次或相对阶的升高而升高.给出一种新的非线性模型参考自适应跟踪控制方法,证明了无需未知参数以线性形式存在,而只要求回归向量对参数满足一定的Lipschitz条件即可保证系统具有期望的特性.     

ADAPTIVE CONTROL DESIGN FOR NONLINEARLY PARAMETERIZED SYSTEMS WITH A TRIANGULAR STRUCTURE

A novel adaptive backstepping design for a class of nonlinearly parameterized systems with a triangular structure is proposed. Under the Lipschitz condition with respect to unknown parameters of the system, an effective adaptive controller is designed without the requirement on the compactness of the unknown parametric set. Especially, the proposed adaptive control enables the advantage of “tuning function concept”, which results in only one estimation law for the unknown parameters. Our simulation with induction motor model particularly shows the viability of the obtained results.     

ADAPTIVE SLIDING MODE BACKSTEPPING CONTROL OF NONLINEAR SYSTEMS WITH UNMATCHED UNCERTAINTY

This paper considers an adaptive backstepping algorithm for designing the control for a class of nonlinear continuous uncertain processes with disturbances that can be converted to a parametric semi‐strict feedback form. Sliding mode control using a combined adaptive backstepping sliding mode control (SMC) algorithm, is also studied. The algorithm follows a systematic procedure for the design of adaptive control laws for the output tracking of nonlinear systems with matched and unmatched uncertainty.     

仿射非线性系统神经网络自适应控制器的研究及其在机械手中的应用

本文提出了一种利用神经网络逼近具有不确定性及 随机干扰的仿射非线性系统的新算法,采用自适应控制率在线调节网络权值,并基于控制理 论选择控制量以削减噪声干扰．从理论上证明采用该算法后系统全局稳定性．最后将该算法 用于两连杆机械手轨迹跟踪,仿真结果表明该算法具有跟踪精度高,收敛速度快的优点．