带有输出约束的水面船舶实际有限时间控制

考虑带有输出约束的水面船舶系统,提出一种自适应神经网络航迹跟踪实际有限时间控制算法.基于反步法设计有限时间控制律,构造障碍李雅普诺夫函数处理输出约束问题,采用神经网络逼近船舶模型中的不确定信息.在控制算法递推过程中,通过设计一个关于跟踪误差的可微幂函数来避免控制器中的奇异问题.借助李雅普诺夫稳定性分析理论,证明了航迹跟踪误差在有限时间内收敛到有界的邻域内.最后,以一艘1:70的比例模型船作为仿真对象,来验证所提出的航迹跟踪实际有限时间控制算法的有效性.     

一类非线性系统模糊自适应固定时间量化反馈控制

研究了一类严格反馈不确定非线性系统的模糊自适应实际固定时间量化反馈控制问题. 基于李雅普诺夫有限时间稳定理论、自适应模糊控制理论及反演控制算法, 提出了一种非线性系统模糊自适应实际固定时间量化反馈跟踪控制方案. 所设计的控制方案能够保证闭环系统的输出跟踪误差在固定时间内收敛于原点的一个充分小邻域内, 且闭环系统内所有信号均有界. 最后, 数值示例验证了设计方案的有效性.     

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MIMO非线性系统的直接自适应模糊滑模控制

针对一类具有下三角形函数控制增益矩阵的非线性系统, 基于滑模控制原理, 并利用Ⅱ型模糊系统的逼近能力, 提出了一种直接自适应模糊滑模控制器设计的新方案. 通过引入积分型李雅普诺夫函数及逼近误差自适应补偿项, 证明了闭环系统是全局稳定的, 跟踪误差收敛到零. 仿真结果表明了该方法的有效性.     

高超声速飞行器有限时间饱和跟踪控制

针对高超声速飞行器纵向模型存在外界干扰和模型参数不确定性情形下的有限时间跟踪问题进行了研究分析.针对外界干扰上界已知,基于快速积分滑模理论,设计了有限时间快速积分滑模控制器.当外界干扰上界未知时,结合具有低通滤波器性能的自适应算法,通过引入辅助系统设计了实际有限时间自适应快速积分滑模控制器,能够处理输入饱和问题.对所设计的两个控制器利用李雅普诺夫理论给出了严格理论证明,得到整个闭环系统分别为有限时间稳定的、实际有限时间稳定的,并能够保证系统其它状态变量在较短的时间内趋于稳态值.对不同类型参考信号进行了数字仿真,进一步验证了所设计两个控制器的有效性和鲁棒性.     

基于干扰观测器的水下机器人预定性能控制

针对受外界干扰的水下机器人,提出一个预定性能控制器.首先,针对水下机器人的外界干扰,设计一个干扰观测器并且估计误差在有限时间内收敛至零;然后,利用干扰观测器进行前馈补偿,基于一种指数型障碍李雅普诺夫函数设计一个非奇异快速积分终端滑模控制器,使得水下机器人的轨迹跟踪误差在有限时间内收敛至零并且满足预定的性能要求;最后,严...     

智能车辆路径跟踪控制方法

为了提高智能车辆路径跟踪控制器的可靠性和控制精度,提出一种基于误差动力学模型的路径跟踪控制方法.基于车辆运动学模型和动力学模型建立系统误差动力学模型,并在此基础上推导出车辆路径跟踪控制的稳态控制律,利用李雅普诺夫稳定性理论验证稳态控制律的正确性.为了减小外部干扰对控制性能的影响,提高控制器的可靠性,进一步设计基于车辆侧向位移误差的瞬态控制律,并利用李雅普诺夫稳定性理论验证闭环系统的稳定性.稳态控制律和瞬态控制律构成了非线性的路径跟踪控制器.通过与车辆路径跟踪常用的线性控制器和非线性控制器对比验证所提出控制方法的有效性,线性控制器选用LQR控制器,非线性控制器选用Stanley控制器.仿真结果表明,与LQR控制器相比,所提出控制方法的路径跟踪控制精度、抗干扰性和可靠性更好.与Stanley控制器相比,所提出控制方法具有更好的路径跟踪控制精度和控制收敛速度,且在大曲率路径跟踪过程中具有更好的可靠性.     

带有时变输出约束的机械臂自适应轨迹跟踪控制

针对带有输出约束和动力学模型参数未知的机械臂系统，提出一种基于时变tan型障碍李雅普诺夫函数的自适应控制方法.首先，通过设置时变约束边界，给出了一个时变tan型障碍李雅普诺夫函数，保证系统在初始误差较大情况下的瞬态性能和稳态性能，拓展了传统对数型障碍李雅普诺夫函数的适用范围.其次，为了处理机械臂动力学模型的不确定性，采用径向基神经网络(RBFNN)拟合未知的动力学模型，设计了基于RBFNN的自适应控制器，在满足约束的情况下提高了系统的鲁棒性.最后，通过二自由度机械臂轨迹跟踪的仿真，验证了所提方法的控制性能优于传统的PD控制器.     

基于积分型切换函数的自适应神经网络控制

针对一类具有未知函数控制增益的非线性系统,利用RBF神经网络的逼近能力,依据滑模控制原理,提出了一种直接自适应神经网络控制器设计新方案。通过引入积分型切换函数及逼近误差自适应补偿项,监督控制用饱和函数代替符号函数,根据李雅普诺夫稳定性理论,证明了闭环系统是全局稳定的,跟踪误差收敛到零。该算法应用于连续搅拌型化学反应器CSTR（Continuous Stirred Tank Reactor）,仿真结果显示,该算法能很好地使CSTR跟踪给定的温度信号,表明了该控制策略的有效性。     

带有饱和的电机伺服系统非奇异终端滑模funnel控制

本文提出一种非奇异终端滑模funnel控制(NTSMFC)方法, 实现带有饱和输入电机伺服系统的指定性能跟踪控制. 根据中值定理, 非光滑饱和函数转化为放射形式, 并且应用一个简单的神经网络进行逼近和补偿. 为保证跟踪误差被限制在指定的界限内, 同时为避免构建复杂的barrier李雅普诺夫函数或逆函数, 本文采用一个新的限制变量. 然后, 构建非奇异终端滑模funnel控制器保证电机伺服系统的指定跟踪性能. 该方法无需事先已知输入饱和函数的界限等先验知识, 且基于李雅普诺夫函数设计可以保证位置跟踪误差的收敛性, 最后给出仿真对比实例证明了该方法的有效性.     

Velocity-free adaptive nonsingular fast terminal sliding mode finite-time attitude tracking control for spacecraft

Aiming at the attitude tracking control problem of rigid spacecraft under the condition of unmeasurable angular velocity information, a velocity-free adaptive nonsingular fast terminal sliding mode finite-time tracking control method is proposed. The finite-time extended-state observer is used to estimate the attitude tracking speed errors and the integrated disturbances. Combined with the above control method, a fast nonsingular terminal sliding mode controller with attitude measurement is designed and the adaptive technology is introduced to compensate for the influence of observation errors on the controller. The finite-time convergence of the observer and the control method was demonstrated based on Lyapunov theory, and the effectiveness of the proposed method is verified by numerical simulations.     

Online Adaptive Approximate Optimal Tracking Control with Simplified Dual Approximation Structure for Continuous-time Unknown Nonlinear Systems

This paper proposes an online adaptive approximate solution for the infinite-horizon optimal tracking control problem of continuous-time nonlinear systems with unknown dynamics. The requirement of the complete knowledge of system dynamics is avoided by employing an adaptive identifier in conjunction with a novel adaptive law, such that the estimated identifier weights converge to a small neighborhood of their ideal values. An adaptive steady-state controller is developed to maintain the desired tracking performance at the steady-state, and an adaptive optimal controller is designed to stabilize the tracking error dynamics in an optimal manner. For this purpose, a critic neural network (NN) is utilized to approximate the optimal value function of the Hamilton-Jacobi-Bellman (HJB) equation, which is used in the construction of the optimal controller. The learning of two NNs, i.e., the identifier NN and the critic NN, is continuous and simultaneous by means of a novel adaptive law design methodology based on the parameter estimation error. Stability of the whole system consisting of the identifier NN, the critic NN and the optimal tracking control is guaranteed using Lyapunov theory; convergence to a near-optimal control law is proved. Simulation results exemplify the effectiveness of the proposed method.      

一类机械臂系统自适应有限时间有界H∞跟踪控制

考虑一种电机驱动的单连杆机械臂系统在受到输出约束时的自适应有限时间H∞跟踪控制问题.一个有限时间有界H∞性能的新概念被提出,并结合障碍Lyapunov函数(BLF)、神经网络自适应技术、有限时间控制理论和H∞控制理论,提出了一种该系统在输出受限条件下的自适应神经有限时间有界H∞跟踪控制器设计方法,避免了许多有限时间控制...     

机械臂自适应反演超螺旋全局终端滑模控制

针对机械臂系统存在的系统参数摄动、非线性摩擦及外部干扰等不确定问题,提出一种自适应反演超螺旋全局终端滑模轨迹跟踪控制方法。该方法基于反演法、Lyapunov理论和全局快速终端滑模理论设计控制器,保证系统稳定性及全局收敛性,增强系统的鲁棒性。为解决系统集总扰动上界未知的问题,采用自适应技术设计切换控制律,抵消不确定性的影响,同时引入超螺旋算法抑制滑模控制固有的抖振现象。最后,通过理论分析和仿真算例验证了该控制器的有效性与可行性。     

基于模糊逻辑系统的输出跟踪控制问题

针对一类未知的非线性互联大系统，设计间接自适应模糊控制器以实现跟踪控制，采用模糊控制，模糊逻辑逼近和模糊滑模控制相结合的方法，对维数较低的子系统未知动态和维数较高的互联项未知动态分别采用两类模糊规则进行逼近，对系统的外部干扰及模糊逼近误差采用模糊滑模控制予以抵消，基于Lyapunov方法实现模糊系统中的参数自适应律并在线调节，所设计的间接自适应控制器使系统在Lyapunov意义下稳定，且跟踪误差趋近于0，仿真结果表明了该设计方法的正确性。     

Predictor‐based repetitive learning control for a class of remote control nonlinear systems

In this paper, a repetitive learning control (RLC) approach is proposed for a class of remote control nonlinear systems satisfying the global Lipschitz condition. The proposed approach is to deal with the remote tracking control problem when the environment is periodic or repeatable over infinite time domain. Since there exist time delays in the two transmission channels: from the controller to the actuator and from the sensor to the controller, tracking a desired trajectory through a remote controller is not an easy task. In order to solve the problem caused by time delays, a predictor is designed on the controller side to predict the future state of the nonlinear system based on the delayed measurements from the sensor. The convergence of the estimation error of the predictor is ensured. The gain design of the predictor applies linear matrix inequality (LMI) techniques developed by Lyapunov Kravoskii method for time delay systems. The RLC law is constructed based on the feedback error from the predicted state. The overall tracking error tends to zero asymptotically over iterations. The proof of the stability is based on a constructed Lyapunov function related to the Lyapunov Kravoskii functional used for the proof of the predictor's convergence. By well incorporating the predictor and the RLC controller, the system state tracks the desired trajectory independent of the influence of time delays. A numerical simulation example is shown to verify the effectiveness of the proposed approach. Copyright © 2007 John Wiley & Sons, Ltd.     

Prescribed performance adaptive neural tracking control for strict-feedback Markovian jump nonlinear systems with time-varying delay

A prescribed performance adaptive neural tracking control problem is investigated for strict-feedback Markovian jump nonlinear systems with time-varying delay. First, a new prescribed performance constraint variable is proposed to generate the virtual control that forces the tracking error to fall within prescribed boundaries. Combining with the approximation capability of neural networks and backstepping design, the adaptive tracking controller is designed. The designed controller is independent on time delay by constructing appropriate Lyapunov functions to offset the unknown time-varying delays. It is proved that the closed-loop system is uniformly ultimately bounded in probability, and that both steady-state and transient-state performances are guaranteed. Finally, simulation results are given to illustrate the effectiveness of the proposed approach.     

Prescribed-time stabilization of p-normal nonlinear systems by bounded time-varying feedback

This article studies the prescribed-time stabilization problem of p-normal nonlinear systems by bounded time-varying high-gain feedback. A time-varying bounded controller, which can achieve prescribed-time stabilization, is designed via backstepping. Because of the usage of time-varying high-gain functions which grow unbounded as the time tends to the prescribed time, the usual separation technique is invalid. To solve this problem, a novel design scheme is proposed. It is shown that all of the closed-loop trajectories convergence to the origin in prescribed time. Finally, a numerical example verifies the effectiveness of the proposed method.     

基于神经网络的不确定移动机器人鲁棒自适应跟踪控制

针对含运动学未知参数以及动力学模型不确定的非完整轮式移动机器人轨迹跟踪问题,基于Radical Basis Function(径向基函数)神经网络,提出了一种鲁棒自适应控制器.首先,考虑移动机器人运动学参数未知的情况,提出了一种含自适应参数的运动学控制器,用以补偿参数不确定性导致的系统误差;其次,利用神经网络控制技术,对于机器人在移动中动力学模型不确定问题,提出了一种具有鲁棒性的动力学控制器,使得移动机器人可以在不知道具体动力学模型的情况下跟踪到目标轨迹;最后利用Lyapunov稳定性理论证明了整个系统的稳定性.通过数值仿真验证了所设计的控制器的可行性.     

卫星姿态跟踪的非线性PI控制器设计

针对刚体卫星的姿态跟踪问题,提出了一种新的非线性PI控制器。它不同于传统的全状态反馈控制方案,无需姿态角速度的测量信号,而是通过引入一个一阶低通滤波器来产生伪角速度信号,进而对其进行反馈。同时,采用积分控制以减少或抑制由于常值干扰力矩引起的常值姿态误差。通过Lyapunov方法分析证明了整个闭环系统是渐近稳定的。最后,仿真结果验证了所提出的输出反馈控制律在实现姿态跟踪和干扰抑制方面的有效性。