具有输入死区的非线性纯反馈系统的Backstepping控制设计

针对一类具有未知死区的非线性纯反馈系统自适应神经网络控制问题,本文提出了基于径向基函数神经网络结构特征的控制设计方案。将未知输入死区表示成一个线性死区与一个有界非线性死区之和的形式,在控制设计过程中,通过神经网络系统逼近未知非线性函数,结合自适应Backsteeping方法及神经网络基函数向量的范数性质,设计了一种自适应神经网络状态控制器,并通过Lyapunov稳定性理论进行稳定性分析。分析结果表明,在该控制方案作用下,闭环系统的所有信号有界,跟踪误差收敛到原点一个足够小的领域,数值仿真验证了本文方法的有效性。该研究具有一定的实用价值。     

非严格反馈大系统的自适应神经网络分散控制

针对一类非严格反馈的非线性互联大系统,本文提出了一种基于神经网络的分散自适应状态反馈控制方案。在控制设计过程中,通过神经网络逼近系统中的未知非线性函数,结合自适应Backstepping方法和分散控制策略设计出一种自适应神经网络分散状态反馈控制器,并通过Lyapunov稳定性理论进行稳定性分析,证明了在该控制方案作用下,闭环系统的所有信号是半全局一致终极有界的,且输出信号保持收敛在给定参考信号的一个小邻域范围内。采用仿真算例验证本文方法的有效性。仿真结果表明,系统输出信号能良好地跟踪给定的参考信号;系统的所有闭环信号都是有界的,而且该方法借助向量的范数性质,有效解决了一类非线性非严格反馈的互联大系统的自适应神经网络控制问题。该研究对控制理论的发展,具有一定的实际应用价值。     

非线性互联系统的自适应模糊分散控制

针对一类带有完全未知关联项的非线性严格反馈互联系统,本文提出一种自适应模糊输出反馈分散控制方案。在控制设计过程中,先设计状态观测器来估计系统中不可测的状态,将研究领域由状态反馈的系统扩展至状态未知的输出反馈系统,然后应用模糊逻辑系统逼近未知的光滑非线性函数,并结合Lyapunov方法和自适应Backstepping技术,设计出一个自适应控制方案,通过仿真算例验证所提控制方法的有效性。仿真结果表明,所设计的观测器较好地估计了未知的系统状态,确保在所提控制器的作用下,整个闭环系统具有良好性能。该方案保证了闭环系统的所有信号半全局一致终极有界。     

具有执行器故障的非线性系统指定性能控制

针对一类带有全状态约束和执行器故障的非线性系统，提出一种具有指定性能的自适应神经网络输出反馈容错控制方案。首先，建立状态观测器估计系统中的不可测状态，利用径向基神经网络(RBF NNs)逼近系统中的未知非线性函数。其次，引入非线性映射将状态约束系统转化为一个没有约束的新系统。然后，采用新的性能函数，不仅能使跟踪误差在预先设定的时间内收敛，还可以利用设计参数改变误差的收敛速度。最后证明，该控制方法能够保证闭环系统中所有信号都是半全局一致最终有界的，并通过一个数值仿真验证该方法的有效性。     

一类含有滞回故障非线性系统Backstepping变结构控制

为解决执行器发生未知故障情况下不确定非线性系统的控制问题,采用一种自适应Backstepping变结构控制方法,建立了包括滞回非线性和失效、卡死等故障类型的非线性执行器模型.通过径向基函数(radial basis function,RBF)神经网络逼近系统中的未知非线性函数项,神经网络参数根据自适应律实时调整,保证了逼近效果.结合动态面控制,避免了Backstepping控制中的计算复杂性问题.引入的自适应补偿项消除了系统建模误差和不确定干扰的影响,理论分析证明了闭环系统半全局一致最终有界,仿真结果验证了该方法的有效性.     

非线性不确定系统的自适应模糊跟踪控制

针对一类带有未知非线性函数的非线性不确定系统,提出了一种新的自适应模糊跟踪控制方案。模糊逻辑系统用于系统中的未知的非线性函数建模,然后基于backstepping方法和自适应技术设计模糊自适应控制器。所设计的模糊自适应控制器确保闭环系统的所有信号是一致有界的,同时跟踪误差收敛到原点的一个充分小的邻域内。另外所设计的控制器不涉及模糊基向量函数,因此所提出的控制器用于控制系统时,将极大地降低系统的在线计算负担。仿真算例验证了所提出方法的有效性。     

控制方向未知的非线性系统的自适应评价设计

针对一类具有未知控制方向的非仿射非线性系统,提出一种新型的基于模糊小波神经网络的鲁棒自适应评价设计.利用中值定理和Nussbaum函数处理非线性函数隐含控制输入及控制方向未知问题.采用2个具有相同模糊基函数的模糊小波神经网络(fuzzy wavelet networks, FWNs)分别实现控制单元和评价单元,FWNs的权值、扩张参数及平移参数均在线调节.为了抑制FWNs近似误差,利用自适应界化技术设计一个鲁棒项.该设计不需要控制方向及不确定项上界的先验知识.通过 Lyapunov 理论严格证明闭环系统的半全局一致最终有界稳定性.仿真结果验证所提出设计的有效性.     

基于状态约束的直流电动机有限时间位置跟踪控制

本文提出了一种基于状态约束的直流电动机神经网络自适应有限时间控制方法.首先采用障碍李雅普诺夫函数对直流电动机的状态量进行约束,确保直流电动机的角位置和角速度限制在给定的约束区间内,引入神经网络逼近系统中未知的非线性函数.此外,通过引入有限时间控制技术,提高了系统的收敛速度和控制精度.仿真结果验证了该方法能够实现对直流电动机快速有效的位置跟踪控制.     

一类非线性系统的神经网络鲁棒自适应控制

针对一类单输入单输出仿射非线性系统，提出了一类神经网络鲁棒自适应控制。设计过程中，采用RBF神经网络实现对系统中的未知非线性函数逼近，并考虑到存在逼近误差和外部干扰，采用滑模控制实现了系统的鲁棒控制。最后通过MATLAB仿真，证明了该方法的有效性。     

基于观测器的非线性时滞系统的自适应模糊控制

针对非线性严格反馈时滞系统的自适应模糊控制问题,给出了基于观测器的输出反馈模糊自适应控制方案,利用系统界函数的单调递增性质和模糊逻辑系统的性质,解决非线性严格反馈系统所产生的问题,并设计状态观测器估计系统中不可测的状态变量,用模糊逻辑系统逼近系统中未知的非线性函数,将自适应技术、Backstepping方法与模糊逻辑系统相结合构造自适应模糊控制器,并采用数值例子进行仿真验证。仿真结果表明,系统的所有状态都收敛到原点一个充分小的邻域内,而且在本文所提出的控制率的作用下,闭环系统是稳定的,保证所有信号在闭环系统有界。     

非线性时滞系统的自适应模糊跟踪控制

针对一类带有未知非线性函数和时滞项的非线性不确定系统,提出了一种新的自适应模糊跟踪控制。用模糊逻辑系统来逼近系统中未知的非线性不确定函数,基于自适应方法和Backstepping设计模糊自适应控制器。设计的模糊自适应控制器确保了闭环系统的所有信号是一致有界的,也保证了跟踪误差收敛到原点的一个充分小的邻域内;另外设计的模糊跟踪控制器不涉及模糊基向量函数的计算,使其在系统的控制过程中将极大地降低系统的在线计算负担。仿真算例验证了所提出方法的有效性。     

一类非严格反馈切换系统的自适应神经网络控制

针对具有非严格反馈的非线性系统的控制问题,本文主要研究非严格反馈形式的单输入单输出非线性切换系统的控制问题。运用自适应神经网络控制方法,逼近系统的组合非线性函数;同时,结合Backstepping方法设计神经网络控制方案,利用神经网络的结构性质简化设计过程,成功的将神经网络自适应Backstepping设计方法拓展到该类非严格反馈系统上,最后通过仿真例子验证本文所提控制方法的有效性。仿真结果表明,在任意切换信号及所给控制器的作用下,保证了良好的跟踪性能,并保证闭环系统所有状态是半全局一致最终有界的,跟踪误差收敛到原点的一个残差集内。该研究具有一定的实用价值。     

基于观测器的自适应神经网络Backstepping输出反馈控制

针对一类单输入单输出状态不可测非线性系统,提出一种自适应神经网络bakstepping输出反馈控制方法。首先,用神经网络逼近非线性函数,然后设计神经网络自适应观测器估计系统的状态。其次,在backstepping设计框架下,设计了自适应输出反馈控制器。最终,证明了所提出的自适应神经网络控制方法能够保证系统所有信号有界的同时,跟踪误差趋近于原点的一个小邻域内。仿真结果进一步验证了所提出方法的有效性。     

随机多输入多输出系统的自适应神经网络控制

针对一类具有严格反馈形式的随机非线性多输入多输出系统的自适应神经跟踪控制问题,本文利用径向基函数神经网络的万能逼近性,结合自适应Backstepping设计方法,提出了一类新的自适应神经网络状态反馈控制器,并对该系统提出的控制器含有较少的参数问题,通过Lyapunov稳定性理论进行了稳定性分析和证明,并应用仿真算例进行验证,仿真结果表明,闭环系统的所有误差变量概率意义下有界,并使系统的输出收敛到参考信号的一个小的邻域范围之内。该研究对随机非线性多输入多输出系统的跟踪控制有一定的指导意义。     

带有死区输入的非线性切换系统的自适应模糊控制

针对一类带有死区输入的严格反馈切换控制系统,提出了一个基于反步控制技巧的自适应模糊控制方案。在控制方案中设计了一个状态观测器来估计系统中的不可测状态变量,并利用模糊逻辑系统近似系统中的未知非线性函数,结合反步法技巧构造了恰当的李雅普诺夫函数,设计了合适的控制器,提出了一个自适应模糊输出反馈控制方案。该方案保证了闭路系统的所有信号半全局一致最终有界。     

一类非线性非严格反馈系统的间接自适应神经网络控制

针对一类非严格反馈非线性系统,本文提出了间接自适应神经网络控制器的设计方案,并基于系统函数界函数的单调递增性质,提出了变量分离方法,同时利用间接自适应神经网络控制技术和Backstepping(反推)相结合的方法,构造出间接自适应神经网络状态反馈控制器,所构造的间接自适应控制器,保证了闭环系统的所有信号是半全局有界的,并且系统的所有状态收敛到原点充分小的邻域内,有效地解决了一类非线性非严格反馈系统的自适应神经网络控制问题,并采用数值例子进行仿真实验。仿真结果表明,在本文所提出的控制律的作用下,不但保证了闭环系统的稳定,而且保证所有信号在闭环系统有界。该控制器为一类非严格反馈非线性系统的稳定性控制提供了理论参考。     

一类非线性系统基于Backstepping的自适应稳定控制

针对一类未知高阶非线性系统，提出了一种基于Backstepping和神经网络的自适应稳定控制方法。利用RBF神经网络逼近未知非线性函数，不需要满足匹配条件，基于Backstepping方法调节网络权值。在控制律中引入非线性衰减项和σ-修正项保证了网络权值的稳定性，阻止了参数漂移。通过Lyapunov直接方法，证明了整个闭环系统的最终一致有界性。该方法扩展了自适应Backstepping和自适应NN控制的应用范围，适于并行计算，仿真结果表明了该算法的有效性。     

一类非线性系统基于观测器的自适应容错控制

研究了一类不确定非线性系统的自适应容错控制问题。在系统的非线性函数、外界扰动、建模不确定性以及未知故障输入的上界均未知的情况下,通过构造Lyapunov函数,基于鲁棒自适应观测器设计了新的自适应容错控制器,使得闭环系统渐近稳定。最后,通过仿真算例说明了本文方法的有效性和优越性。     

一类非严格反馈大系统的自适应神经网络控制

针对一类具有非严格反馈模块的非线性互联大系统,本文提出了一种输出反馈控制方案。首先使用神经网络来逼近未知系统函数,然后借助向量的范数性质处理非严格反馈模块。由于系统的状态不可测,所以建立观测器来估计未知状态。同时,结合自适应控制策略和Backstepping方法,设计出一种自适应神经网络分散输出反馈控制器,并利用Lyapunov稳定性理论进行稳定性分析。结果表明,在该控制策略作用下,闭环系统所有的信号保持半全局有界,且系统输出可以很好地跟踪给定的参考信号,通过仿真算例来验证本文设计控制策略的有效性。仿真结果表明,系统的输出能很好地跟踪给定的追踪信号;系统的控制信号和自适应参数保持在0的邻域内;设计的观测器能有效地观测原互联大系统的系统状态。说明本文设计的控制策略能够很好地运用在具有非严格反馈模块的互联大系统中。该研究更具有一般性和通用性。     

一类滞环非线性时滞系统的神经网络动态面控制方法

滞环特性作为一种非线性特性广泛存在于微机械精密加工、机电伺服等系统中,严重影响着系统的性能;与滞环现象类似,时滞现象也严重影响着系统的准确性.本文针对状态变量全部可测的一类滞环非线性时滞系统,提出了基于RBF神经网络逼近的动态面的控制方法,大大简化了控制器的设计过程;通过RBF神经网络估计未知时滞函数,可以在时滞函数完全未知的情况下设计控制器;稳定性分析表明,控制方案可以保证闭环系统稳定并且通过参数的选取,可以使跟踪误差任意小;最后,通过仿真证明了方法的有效性.