周期时变时滞非线性参数化系统的自适应学习控制

针对一阶未知非线性参数化周期时变时滞系统, 设计了一种自适应学习控制方案. 假设未知时变参数, 时变时滞和参考信号的共同周期是已知的, 通过重构系统方程, 将包含时变时滞在内的所有未知时变项合并成为一个周期时变向量, 采用周期自适应律估计该向量. 通过构造一个Lyapunov-Krasovskii型复合能量函数证明了所有信号有界并且跟踪误差收敛. 结果被推广到一类含有混合参数的高阶非线性系统. 通过两个仿真例子说明本文所提出的控制算法的有效性.     

一类高阶非线性参数化系统自适应重复学习控制

针对一类高阶非线性参数化系统,利用参数重组技巧,提出了一种自适应重复学习控制方法.该方法结合反馈线性化,可以处理参数在一个未知紧集内周期性、快时变的非线性系统.通过引进微分-差分参数自适应律,设计了一种自适应控制策略,使广义跟踪误差在误差平方范数意义下渐近收敛于零.通过构造Lyapunov泛函,给出了闭环系统收敛的一个充分条件.实例仿真结果说明了该方法的可行性和有效性.     

一类非线性参数化系统自适应重复学习控制

针对一类高阶非线性参数化系统, 利用分段积分机制, 提出了一种新的自适应重复学习控制方法. 该方法结合反馈线性化, 可以处理参数在一个未知紧集内周期性快时变的非线性系统, 通过引进微分-差分混合型参数自适应律, 设计了一种自适应控制策略, 使广义跟踪误差在误差平方范数意义下渐近收敛于零, 通过构造Lyapunov泛函, 给出闭环系统收敛的一个充分条件. 实例仿真结果说明了该方法的可行性.     

非线性参数化系统自适应迭代学习控制

研究一类含有未知时变参数的非线性参数化系统的学习控制问题.利用参数分离技术和信号置换思想,通过置换系统方程,合并所有时变参数为一个未知时变参数,用迭代自适应方法估计该未知参数,设计了一种自适应迭代学习控制方法,使得跟踪误差的平方在一个有限区间上的积分渐近收敛于零.通过构造一个类Lyapunov函数,给出了跟踪误差收敛和所有闭环系统信号有界的一个充分条件.仿真结果验证了该方法的有效性.     

一类非线性参数化系统白适应重复学习控制

针对一类高阶非线性参数化系统,利用分段积分机制,提出了一种新的自适应重复学习控制方法．该方法结合反馈线性化,可以处理参数在一个未知紧集内周期性快时变的非线性系统,通过引进微分一差分混合型参数自适应律,设计了一种自适应控制策略,使广义跟踪误差在误差平方范数意义下渐近收敛于零,通过构造Lyapunov泛函,给出闭环系统收敛的一个充分条件．实例仿真结果说明了该方法的可行性．     

具有输入死区的非线性系统的鲁棒重复控制

针对一类输入含死区非线性特性的周期时变系统, 在周期时变参数不可参数化的情形下设计鲁棒重复控制器. 采用微分自适应律估计未知死区参数, 剩余的有界项通过鲁棒方法予以消除, 为避免出现颤振现象, 采用饱和函数替代符号函数. 在系统输出跟踪周期轨迹的情形下, 将非参数化不确定项转化为含周期时变参数的形式, 以达到利用周期学习律进行估计的目的. 理论分析与仿真结果表明, 采用部分饱和或全饱和学习算法均能实现输出误差有界收敛, 并保证闭环系统所有信号有界.     

未知时变时滞非线性参数化系统自适应迭代学习控制

针对含有未知时变参数和时变时滞的非线性参数化系统,提出了一种新的自适应迭代学习控制方法.该方法将参数分离技术与信号置换思想相结合,可以处理含有时变参数和时滞相关不确定性的非线性系统.设计了一种自适应控制策略,使跟踪误差的平方在一个有限区间上的积分渐近收敛于零.通过构造Lyapunov-Krasovskii型复合能量函数,给出了闭环系统收敛的一个充分条件.给出两个仿真例子验证了控制方法的有效性.     

一类高阶非线性参数化系统自适应重复学习控制

针对一类高阶非线性参数化系统,利用参数重组技巧,提出了一种自适应重复学习控制方法 .该方法结合反馈线性化,可以处理参数在一个未知紧集内周期性,快时变的非线性系统. 通过引进微分 -差分参数自适应律,设计了一种自适应控制策略,使广义跟踪误差在误差平方范数意义下渐近收敛于零. 通过构造Lyapunov 泛函,给出了闭环系统收敛的一个充分条件.实例仿真结果说明了该方法的可行性和有效性.

     

一种新的复杂动态网络学习控制的自适应同步算法

提出了一种新的具有未知时变参数复杂动态网络同步的自适应学习控制方法.运用重新参数化技术,设计周期时变参数的自适应学习律、常参数的更新律以及自适应控制策略确保同步误差渐近收敛.通过构造复合能量函数给出同步的一个充分条件.最后给出一个复杂网络的例子验证所提方法的有效性.     

非参数不确定系统的双周期重复控制

针对一类扰动周期与参考信号周期之间无公共倍数的非参数不确定系统,为实现系统输出对参考信号的跟踪,本文提出一种双周期重复控制方法.基于Lyapunov方法设计控制器,结合鲁棒方法与双周期重复学习方法处理非参数不确定性与周期性扰动,利用无限幅学习方法估计时变参数.经过足够多个周期的重复运行后,可实现系统输出在整个参考信号重复周期上无误差地跟踪参考信号.最后,通过仿真示例验证所提控制方法的有效性.本文给出了闭环系统中无限幅学习量有界的数学证明,其结果优于多数现有文献中的L2意义下有界.     

基于自适应重复学习的不确定多涡卷混沌系统同步控制

基于滞环函数提出一种参数可调的多涡卷混沌系统构造方法. 针对复杂不确定性系统, 综合利用自适应神经网络和重复学习控制方法设计一种自适应重复学习同步控制器; 利用自适应重复学习控制方法对周期时变参数化不确定性进行处理; 对函数型不确定性利用神经网络逼近技术进行补偿; 设计鲁棒学习项对神经网络逼近误差和扰动上界进行估计; 通过构造类Lyapunov 复合能量函数证明了同步误差学习的收敛性. 仿真结果验证了所提出方法的有效性.

     

基于局部模糊逻辑系统合成的一类非线性不确定系统自适应控制

通过使用从属于系统状态区域上开覆盖的单位分解,首先将若干个局部生成的模糊逻辑系统合成而产生一种函数逼近器,与通常的模糊逻辑系统相比较,这种逼近器不仅具有万能逼近性质,而且由于局部模糊逻辑系统具有较少规则而能够保持语言可解释性；然后,通过将适当的参数植入这种函数逼近器中,能够为某些非线性不确定系统设计自适应镇定控制器；最后,通过仿真例子验证了所提出方法的有效性.     

一种基于反推技术和ESO补偿的解耦控制方法

针对一类非线性多入多出系统,设计了一种新的解耦控制器.首先采用反推技术设计每一个子系统的等效输入;然后用扩张状态观测器(ESO)对各个子系统的耦合、外扰和参数时变等不确定作用进行动态估计,并把估计值引入到反推控制器中进行补偿,最终实现解耦和摔制.利用Lyapunov稳定性理论证明了该方法的收敛性;数例仿真表明了该方法可获得较快的响应速度及较好的解耦效果和鲁棒性.     

一类非线性系统准滑模控制的稳态误差分析

针对一类具有未知控制增益的不确定非线性系统准滑模跟踪控制,通过分析跟踪误差和滑模变量之间的关系,利用有界输入有界输出稳定的思想,分别推导了采用Slotine形式的传统滑模面和传统积分滑模面时系统的稳态跟踪误差的界.将其与现有的几种方法进行比较,该方法求得的稳态跟踪误差界更精确.根据给定的稳态跟踪误差要求,可设计出适合抑制抖振的饱和函数.通过仿真算例验证了所提出方法的有效性.     

有界控制下单向收敛滑模控制

提出一种控制有界情况下状态单向收敛的滑模控制方法.对于二阶系统,单向收敛是指初始状态与状态到达滑动模态的位置位于相平面同一象限的过程.通过分析到达阶段的动态特性,揭示了状态非单向收敛的原因,并提出了一种单向收敛条件,给出了系统状态单向收敛的区域.将所提出的方法应用于具有单向收敛要求的交会对接控制系统,结果验证了所提出方法的有效性.     

线性时变系统的一种鲁棒镇定控制器设计方法

针对一类线性时变系统提出一种状态反馈镇定控制器设计方法,该反馈控制器能将线性时变系统转化为一个稳定的定常闭环系统.借助线性系统的特征结构配置参数化方法,得到含待求参数的控制器解析形式,并给出控制器的可解性判据.在满足可解性的基础上,进一步对控制器进行了多目标优化设计,使其在保证系统稳定性的同时,具有良好的鲁棒性和干扰抑制能力.通过一个时变卫星姿态控制系统的实际设计表明了该方法的有效性.     

时变时滞非线性系统自适应神经网络控制

对于一类具有未知时变时滞和虚拟控制系数的不确定严格反馈非线性系统,基于后推设计提出一种自适应神经网络控制方案.选取适当的Lyapunov-Krasovskii泛函补偿未知时变时滞不确定项.通过构造连续的待逼近函数来解决利用神经网络对未知非线性函数进行逼近时出现的奇异问题.通过引入一个新的中间变量,保证了虚拟控制求导的正确性.仿真算例表明,所设计的控制器能保证闭环系统所有信号是半全局一致终结有界的,且跟踪误差收敛到零的一个邻域内.     

不确定移动机器人编队间接自适应模糊动力学控制

研究不确定非完整移动机器人Leader/Follower编队动力学控制问题,对Follower提出了自适应队形跟踪控制方法.首先,基于队形方程设计了运动学队形跟踪控制器,使用Backstepping技术扩展出队形跟踪误差动力学方程;然后,利用自适应模糊系统逼近其不确定项,构造了间接自适应模糊动力学队形跟踪控制器;最后,证明了队形跟踪误差可收敛到原点的小邻域内.仿真结果验证了所提出控制策略的有效性.     

具有输入齿隙的一类非线性不确定系统自适应鲁棒控制

针对一类具有未知输入齿隙、参数不确定以及未建模动态和干扰的非线性系统,设计了自适应鲁棒控制器.将齿隙非线性模型等价表示为具有有界建模误差的全局线性化模型,在此基础上设计了包含自适应模型补偿、反馈稳定和鲁棒反馈3部分的自适应鲁棒控制器,并给出了系统动态跟踪误差和稳态误差指标.理论分析证明,闭环控制系统信号有界且跟踪误差在任意期望的精度范围内,仿真研究验证了所提出方法的有效性.