具有动态不确定性的自适应动态面控制

针对一类具有未建模动态的纯反馈非线性系统,提出一种自适应动态面控制方法。利用神经网络逼近未知连续函数,通过引入一种动态信号克服未建模动态。与现有结果相比,提出的设计方案简化了对未建模动态的处理过程,取消了神经网络逼近误差有界的假设。理论分析证明了该自适应控制方法能够保证闭环系统是半全局一致终结有界的,仿真结果验证了该方案的有效性。     

自寻优自适应动态面控制

针对一类不确定非线性系统的跟踪问题,利用神经网络和动态面技术设计控制器,提出一种控制器参数自寻优策略.在每个子系统中,应用径向基函数(RBF)神经网络逼近该子系统中的不确定项;在每一步递推中,引入一个滤波器以克服反推技术中控制项爆炸的缺点.通过定义一个优化目标函数,应用梯度法在控制器参数可行解中寻找一组最优的控制器参数.数值仿真表明该方案是可行的.     

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.     

迟滞非线性动态系统神经网络自适应控制

为了减轻非线性动态系统中未知迟滞(Hysteresis)的不良影响,该文提出了一类Backlash型迟滞模型。将有限数量不同宽度的Backlash(Matlab／Simulink)算子进行叠加,来仿真执行器中的迟滞非线性动态。用此模型,提出了基于径向基函数神经网络的自适应控制方案,以控制伴有未知迟滞的非线性动态系统。该方案采用了动态逆的思想及伪控制的概念。利用Lyapunov稳定理论,设计了两个鲁棒控制项,保证动态系统的稳定性、系统中所有信号有界和误差收敛到起点的领域内。通过Matlab／Simulink仿真实验,证明了所提出方案的有效性。     

非线性系统的反演自适应动态滑模控制

为削弱非线性系统中由滑模控制引起的抖振现象,提出自适应动态滑模控制方案.动态滑模方法是通过设计新的切换函数或将常规滑模变结构控制中的切换函数s通过微分环节构成新的切换函数,该切换函数与系统控制输入的一阶或高阶导数有关,可将不连续项转移到控制的一阶或高阶导数中去,得到在时间上本质连续的动态滑模控制律.该方案利用自适应技术和反演法,设计动态滑模控制器,有效地削弱了系统的抖振.最后仿真结果证明了该方案是正确的.     

基于动态递归神经网络的自适应PID控制

提出一种基于动态递归神经网络的自适应PID控制方案,该控制系统由神经网络辨识器和神经网络控制器组成。辨识器采用单隐层的动态递归神经网络,网络结构为2-4-1;辨识算法为动态BP算法;控制器采用两层线性结构的神经网络,输入为系统偏差及其一阶、二阶微分,因此具有增量型PID控制结构。应用该控制系统对一非线性时变系统进行仿真研究,仿真结果表明该控制方案不仅具有良好的跟踪特性,而且对系统参数变化具有较强的鲁棒性。     

复杂动态网络的自适应多目标控制

针对研究复杂动态网络多目标控制问题,网络中节点间的耦合强度不随时间变化等特点,提出了一种新型的分布式控制策略和节点之间的耦合强度自适应调整的方法,使网络达到多个控制目标.其中分布式控制策略和耦合强度自适应调整方法仅利用节点的局部信息,使设计的控制器易于实施.利用构建李亚普诺夫函数的方法,给出了网络全局稳定到多个控制目标的条件.当单个节点的动力学函数为混沌的洛仑兹系统时,在典型的无标度网络上进行仿真,结果证实了自适应方法的有效性.     

小车倒立摆的自适应动态面控制

针对一类含有参数扰动和外部扰动的不确定欠驱动系统提出了一种改进自适应动态面控制方法.首先通过坐标变换,小车倒立摆模型转换成部分反馈形式,由半严格形式模型设计动态面控制器.利用模糊逻辑处理系统不确定性的能力设计自适应控制器,然后在传统动态面控制器设计中采用跟踪微分器来得到原稳定化函数的精确微分,解决传统反步法的"微分爆炸",显著提升闭环系统的性能.采用李雅普洛夫方法,设计适当的参数,系统跟踪误差能收敛到原点,仿真结果验证了该方法的有效性.     

关于自适应控制理论的发展

自适应控制理论是近年来控制文献中讨论较多的热门课题之一。1981年在日本京都举行的国际自控联(IFAC)第八届国际大会上,凡是有关自适应控制和系统辨识方面的小组,教室内部听众饱和,讨论热烈。     

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.     

基于动态神经网络的鲁棒直接自适应控制

对未知仿射系统提出了用动态神经网实现鲁棒直接自适应的控制的策略，基于Ｌｙａｐｕｎｏｖ理论，获得一个稳定并且连续的学习，闭环系统被证明鲁棒稳定的，此方法不需要离热学习阶段也不要求初始的参数误差足够小。     

一种简化的自适应模糊动态面控制

针对一类不确定非线性时变时滞系统,提出了一种简化的自适应模糊动态面控制方法.该方法取消了对系统时滞常做的假设.仅采用一个模糊逼近器便使所有的未知函数得到补偿,简化了控制器的结构.通过构造合适的Lyapunov-Krasovskii泛函,闭环系统的所有信号被证明为半全局一致最终有界.仿真实例进一步验证了控制方案的有效性.     

连铸二冷配水自适应动态优化控制

在常规连铸二冷配水控制方法的基础上,提出了自适应动态配水控制策略,建立了由基础自动控制、 软测量技术和智能控制技术相结合的二级动态配水控制系统．在控制系统中,建立了基于凝固传热理论的软测量模 型,用于实时预测铸坯表面温度;应用基于自整定神经元的多变量PID 控制算法,实现连铸二冷配水动态单元跟踪 控制,使铸坯表面温度保持在目标值范围内．仿真及应用结果表明了所建模型和控制算法的有效性,控制系统对拉 速扰动具有良好的目标温度跟随性能．     

基于动态神经网的理棒直接自适应控制

基于动态神经网络，研究了一类具有未建模动态的未知多变量非线性系统的鲁棒直接自适应控制。基于Ｌｙａｐｕｎｏｖ理论得出一种理棒稳定的权学习算法，该算法不需要知道理想权矩阵的先验知识，并保证设计的控制器的稳定性，仿真结果表明提出的鲁棒控制算法的有效性。     

基于反演自适应动态滑模的气垫船航向控制

针对全垫升气垫船运动非线性明显、可操纵性差,为改善操控水平,能够准确地按给定航向航行,设计了反演自适应动态滑模的航向控制算法。建立了三自由度全垫升气垫船平面运动数学模型,并给出了航向非线性控制模型。将反演方法与动态滑模相结合,设计新型切换函数,以实现航向的平滑、无抖振控制。最后,在不同外界扰动作用下进行了仿真,试验结果表明,所设计航向控制算法能够提高全垫升气垫船航向的控制精度,具有自适应性强、响应速度快、稳定性好等特点。     

基于动态神经网络自适应控制的主动悬架系统

主动悬挂系统中的液压执行器伺服系统是典型的仿射非线性系统，其参数也是时变的，要建立其准确的数学模型是很困难的。在该文中将主动悬架系统看作是一未知系统，利用动态神经网络对未知系统进行辨识，根据建模误差和参数的不确定性来调整网络的参数和结构并用动态神经网络的优化能力得出系统的控制率。在仿真试验中用动态神经网络所得到的控制算法对模型的输出进行跟踪控制，从仿真结果图可以看出这种控制器能获得较好的控制效果。     

基于反演设计的机器人自适应动态滑模控制

针对机器人跟踪控制问题,设计了一种新型的动态滑模控制器,采用反演（backstepping）方法设计一种新的切换函数,将不连续项转移到了控制的一阶导数中,得到了输入的平滑性的动态滑模控制律。该控制律能保证轨迹跟踪误差的快速收敛性和参数不确定的鲁棒性,仿真实例验证了该控制算法的有效性。     

基于动态神经网的鲁棒直接自适应控制

基于动态神经网络，研究了一类具有未建模动态的未知多变量非线性系统的鲁棒直接自适应控制．基于Ｌｙａｐｕｎｏｖ理论得出一种鲁棒稳定的权学习算法，该算法不需要知道理想权矩阵的先验知识，并保证设计的控制器的稳定性．仿真结果表明提出的鲁棒控制算法的有效性     

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.     

改进的非线性鲁棒自适应动态面控制

针对不确定多输入多输出严格反馈块控非线性系统,提出一种鲁棒自适应动态面控制方法.该方法在反推自适应神经网络控制中引入动态面控制简化控制律,同时对自适应律进行改进以改善系统的过渡过程动态品质,保证了系统在简化的控制律下仍具有良好的动态特性.通过Lyapunov方法证明了闭环系统所有信号均有界,系统的跟踪误差指数收敛到有界紧集内.最后给出的某新型战斗机六自由度仿真结果表明了该方法的有效性.