Buck型变换器非奇异固定时间滑模控制

针对存在参数不确定性的Buck变换器系统,提出一种非奇异固定时间滑模控制方法。首先,设计非奇异固定时间滑模面,并基于该滑模面设计固定时间控制器,保证系统输出电压误差在固定时间内收敛到平衡点的邻域内,且其收敛时间上界与系统初始状态无关。其次,设计自适应律估计系统不确定干扰上界,有效抑制不确定干扰对系统的影响,该方法无需干扰上界的先验知识。最后,仿真结果验证了所提方法的有效性。     

基于未知系统动态估计器的Buck型变换器快速固定时间控制

针对存在参数不确定、输入电压波动以及负载变化等未知动态的Buck型变换器系统,提出一种基于未知系统动态估计器的快速固定时间控制方法.首先,设计基于一阶低通滤波器的估计器,实现对系统未知动态的前馈补偿.在此基础上,基于输出电压误差和未知动态估计值设计固定时间滑模面和反馈控制器,保证输出电压快速收敛至参考电压附近邻域内,且...     

基于有限时间指令滤波的非线性系统固定时间预设性能控制

针对一类严格反馈非线性系统,提出一种基于有限时间指令滤波的自适应固定时间预设性能控制策略.首先,引用非线性映射技术及适当的误差变换,建立等效的误差模型;其次,综合利用反步法、固定时间控制和自适应控制等方法,设计一种基于有限时间指令滤波的预设性能跟踪控制器.该策略应用指令滤波器解决了反步法中对虚拟控制律反复求导问题,减轻了计算负担.此外,预设性能控制和固定时间控制保证了系统的跟踪误差能够在固定时间内收敛到预设性能函数限定的范围内,其收敛时间与系统初始条件无关,且确保系统中全部信号在有限时间均达到有界区域.理论分析与仿真验证均表明了所提出设计方法的有效性.     

一种固定时间收敛模型参考终端滑模控制方法

针对一类具有模型不确定性和外部扰动的时变非线性系统, 基于模型参考控制方法, 设计了具有固定时间收敛特性的终端滑模控制器. 首先, 提出一种带有输入饱和限幅和补偿信号滤波的模型参考控制结构; 然后针对广义误差信号, 采用新型终端滑模面设计了补偿控制器, 较好地平衡靠近和远离平衡点的收敛速度. 基于李雅普诺夫方法证明了闭环系统的稳定性和固定时间收敛特性, 并给出了收敛时间上界. 最后将该方法应用到含有极限环的非线性系统跟踪控制中, 仿真结果验证了该方法的有效性.     

欠驱动无人船非奇异固定时间鲁棒包容控制

针对外界干扰下的欠驱动无人船包容控制问题,提出一种新型非奇异固定时间滑模控制策略.整个控制器设计过程分为运动学回路设计和动力学回路设计.在运动学回路设计中,利用图论知识和固定时间稳定性理论设计非奇异固定时间分布式虚拟控制律,使得所有跟随船在固定时间内收敛于领导船张成的凸包内;在动力学回路设计中,为实现对虚拟控制律的跟踪控制,利用固定时间滑模控制法设计鲁棒包容控制律.最后,证明系统跟踪误差在固定时间收敛于平衡点,且与船舶的初始状态无关.仿真结果验证了所提出控制策略的有效性.     

时变输出约束非线性系统的量化反馈 自适应终端滑模控制

针对一类复杂非线性系统,提出一种新型自适应快速非奇异终端滑模控制(IAFNTSMC)方法,用以解决其在输出时变约束及量化输入情形下的轨迹跟踪问题;利用鲁棒自适应方法处理扰动不确定性,并结合反演策略和终端滑模策略设计控制器;构造一种新型的时变约束障碍Lyapunov函数,用于实现对系统的输出误差进行随时间变化的幅值约束;为提高闭环系统的误差收敛速度,提出一种新型的滑模面构造方案.所提控制方法能够保证闭环系统的输出跟踪误差快速收敛到约束边界内,并确保闭环系统所有信号有界.数值仿真验证了所提方法的有效性.     

一类非线性大系统分散自适应预设性能有限时间跟踪控制

研究一类非线性互联大系统的分散自适应预设性能有限时间跟踪控制问题.结合神经网络自适应技术、实际有限时间控制理论和预设性能控制方法,提出一种新的预设性能控制设计方法,以解决传统预设性能方法难以实现分散控制的问题.所设计的控制器能够保证大系统中各个子系统的跟踪误差被有限时间性能函数约束,在任意给定的停息时间内收敛到平衡点的一个给定的邻域内,且该闭环大系统的所有信号是实际有限时间稳定的.特别地,该停息时间与系统初始状态无关.两个仿真例子验证了所提出控制方法的有效性和优越性.     

一类p规范型非线性系统预设性能有限时间H∞ 跟踪控制

针对一类带有外部扰动的非严格反馈p规范型非线性系统, 在一种新的预设性能控制思想的基础上, 结合加幂积分技术、H_∞ 控制理论及神经自适应技术, 提出了一种自适应神经预设性能有限时间H_∞ 跟踪控制器的设计方法. 所设计的控制器能够保证系统的跟踪误差被有限时间性能函数约束, 并在任意给定的停息时间内收敛到平衡点的一个预先给定的邻域内, 且能够抑制外部扰动对系统的影响. 特别地, 该停息时间与系统初始状态无关. 两个仿真例子验证了所设计控制器的有效性和优越性.     

非线性严格反馈系统自适应非反步输出反馈控制

针对传统反步控制器设计方法存在复杂度爆炸、参数收敛难、控制奇异、需全系统状态已知等问题,提出一种新的可保证参数收敛的未知系统动态辨识和非反步输出反馈自适应控制方法.首先,通过定义新的状态变量和系统等价变换,将严格反馈系统状态反馈控制转化为标准系统的输出反馈控制,进而设计包含高阶微分器的自适应单步控制器,避免反步递推设计的问题;然后,采用两个神经网络对系统集总未知动态进行估计,避免传统控制方法在未知控制增益在线估计过零引发的奇异问题;最后,构造一种新的自适应算法在线更新神经网络权值确保其收敛到真实值,进而实现对未知系统动态的精准辨识.基于Lyapunov定理的分析表明,跟踪误差和估计误差均可收敛到零点附近紧集.基于液压伺服系统模型的对比仿真验证了所提出方法的有效性和优越性.     

一类二阶非线性系统的有限时间输出反馈镇定及其在单相DC-AC变换器中的应用

研究一类二阶非线性系统的输出反馈控制问题.利用有限时间控制和有限时间收敛观测器技术,提出一种基于观测器的有限时间输出反馈控制器,可以保证系统的状态在有限时间内收敛到平衡状态.为了验证理论方法的实际效果,针对无电流信号的单相DC-AC变换器,利用所提出的有限时间控制理论设计电压调节控制器,通过相应的仿真结果验证所提出方法的有效性.     

基于事件触发的Buck型DC-DC变换器有限时间控制

针对Buck型DC-DC变换器输出电压跟踪控制问题,提出了一种基于事件触发机制的有限时间控制方案。首先,将Buck变换器建模成一类反馈型非线性系统。然后,为能有效地避免通信资源的浪费,通过构造一种状态变换设计了一种事件触发机制;同时,利用反步法,设计了系统的状态反馈控制器,该控制器在事件触发时刻更新;然后,基于所设计的事件触发控制器,利用有限时间Lyapunov稳定性理论分析了系统的稳定性,并证明了所设计的控制方案不会发生Zeno现象;最后,通过Buck变换器仿真实例验证了所提出的事件触发控制方案的有效性,仿真结果表明了在所设计的控制方案下,Buck型DC-DC变换器的输出在有限时间内可以达到期望值,同时还能减少通信资源的浪费。     

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.     

Self-tuning adaptive feedback linearizing output voltage control for AC/DC converter

This paper presents a cascade output voltage control law adopting the self-tuning adaptive inner and outer-loop controllers for a AC/DC converter modelled as a nonlinear system. The first contribution is to design the inner and outer-loop controllers updating their control gains to enhance the closed-loop performance, estimating unknown parameters. The second one is to show that the proposed inner-loop controller stabilizes not only current error dynamics but also output voltage dynamics viewed as internal dynamics. The effectiveness of proposed method is shown by performing experiments using a 3-kW AC/DC converter.     

Predefined-time control for Euler–Lagrange systems with model uncertainties and actuator faults

A novel adaptive predefined-time tracking control algorithm is proposed for the Euler–Lagrange systems (ELSs) with model uncertainties and actuator faults. Compared with traditional finite-time and fixed-time studies, the system output tracking error under the proposed predefined-time controller converges to a small neighborhood of zero in finite time, whose upper bound is exactly a design parameter in the control algorithm. For the uncertain model, radial-based function neural network (RBFNN) is utilized to approximate the continuous uncertain dynamics. To deal with the actuator faults, an adaptive control law is involved in the fault-tolerant controller. In order to achieve the predefined-time bounded, a novel predefined-time sliding mode surface is designed. It is proved that the tracking error vector trajectory of closed-loop system is semi-globally uniformly ultimately predefined-time bounded, and the upper bounds of both the system settling time and the corresponding output tracking error can be adjusted with a simple parameter. Simulation examples finally demonstrate the effectiveness of the proposed control algorithm.     

Decentralized adaptive neural network control of cascaded DC–DC converters with high voltage conversion ratio

Decentralized output voltage tracking of cascaded DC–DC converters is an interesting topic to obtain a high voltage conversion ratio. The control purpose is challenging due to the load resistance changes, renewable energy supply voltage variations and interaction of the individual converters. In this paper, four novel decentralized adaptive neural network controllers are designed on the cascaded DC–DC buck and boost converters under load and DC supply voltage uncertainties. In the beginning, individual buck and boost converter average models that can operate in both continuous and discontinuous conduction modes are derived. Then, the interconnected and decentralized state-space models of cascaded buck and boost converters are extracted. These models are highly nonlinear with unknown uncertainties which can be estimated by neural networks. Further, two decentralized adaptive backstepping neural network voltage controllers are proposed on cascaded buck converters to deal with uncertainties and interactions. However, these control strategies are not applicable to a boost converter due to its non-minimum phase nature. Then, two novel decentralized adaptive neural network with a conventional proportional–integral reference current generator are developed on the cascaded boost converters. Practical stability of the overall system is guaranteed for the proposed controllers using Lyapunov stability theorem. Finally, four control strategies provide good quality of output voltage in the presence of uncertainties and interactions. Comparative simulations are carried out on cascaded buck and boost converters to validate the effectiveness and performance of the designed methods.     

基于变速趋近律的Buck型变换器抗扰动控制

针对带有输入电压波动、输出负载突变以及电感电容参数摄动等匹配和非匹配扰动的Buck型变换器系统,提出一种基于变速趋近律和扰动观测器的抗扰动控制方法.设计反余切型辅助函数构造变速趋近律,通过改变系统状态的收敛速度,保证系统具有较快的瞬态响应速度和较小的控制器抖振.通过对系统模型进行低通滤波,设计一种新型扰动观测器估计系统匹配和非匹配扰动.该观测器只包含一个设计参数,且无需对系统状态量求导,可以避免因求导带来的系统噪声放大问题.最后,基于李雅普诺夫稳定性理论给出观测误差和输出电压误差的收敛性分析,并通过仿真和实验对比验证所提方法的有效性.     

Buck型变换器自适应有限时间降压控制算法研究

针对负载未知情况下Buck型DC-DC变换器系统, 基于有限时间控制技术和自适应控制技术, 提出了一种新的快速降压控制算法.首先, 基于时间尺度变换, 对系统的平均状态空间方程进行变换; 然后, 利用饱和有限时间控制理论设计出一类新的快速降压控制算法, 以实现输出电压在有限时间内收敛到参考电压.由于控制器设计过程中考虑了饱和约束条件, 使得变换器的占空比函数满足0到1之间的约束条件.对于负载未知情况, 设计了有限时间观测器以估计未知负载, 最终得到自适应式的有限时间控制算法.与PI控制结果进行了仿真对比, 验证了所提出的控制算法既具有快速的调节性能, 又具有较强的抗负载变化性能.