非线性时滞系统的周期自适应学习跟踪控制

针对一类参数未知的周期非线性时滞系统的输出跟踪控制问题,设计了一种周期自适应迭代学习跟踪控制算法,该方法利用信号置换的思想重组系统,并在假设未知时变参数和参考输出的周期具有已知最小公倍数的情况下,将时滞以及其他不确定的时变项合并为一个周期性的辅助时变参数新变量,进而用周期自适应算法来估计该辅助量.通过构造一个Lyapunov-Krasovskii型复合能量函数,分析了系统的收敛性,证明了经过多次重复迭代学习,所有闭环信号有界且输出跟踪误差收敛,最后通过构造数值实例进行了仿真验证.理论分析和仿真结果表明,该算法简单有效,对于非线性时滞系统的跟踪问题具有很好的控制效果.     

输入具有齿隙非线性特性的周期系统的自适应控制

针对一类输入含齿隙非线性动态特性的周期时变系统, 在周期不确定性可时变参数化的条件下设计自适应控制器. 对周期时变参数进行傅里叶级数展开, 并采用微分自适应律估计未知傅里叶系数和齿隙动态特性参数, 通过鲁棒方法消除截断误差和齿隙模型的有界误差项对系统性能的影响. 采用双曲函数替代符号函数确保控制器可微, 同时能有效抑制颤振. 引入Δ函数, 避免参数估计发散, 并保证系统输出渐近跟踪理想轨迹. 理论分析与仿真结果表明, 闭环系统所有信号有界.     

受饱和输入约束的非线性系统滑模自适应控制

利用神经网络和滑模控制,研究带有饱和输入的一类非线性系统。为了便于问题分析,引入饱和约束模型输出与控制输入的差值这个变量,分5种情况讨论,求得神经网络权值的在线调节律,得到保证闭环系统稳定的控制律。利用Lyapunov函数,证明了闭环系统的稳定性;仿真实验说明了算法的有效性。     

非对称饱和扇形输入非线性系统的自适应模糊控制

针对一类具有未知不确定性,且状态不可测的非线性系统,考虑了输入端的饱和非对称扇区非线性特性影响,提出了系统模型未知情形下基于自适应模糊观测器的跟踪控制方案,采用Lyapunov-Krasovskii函数给出了滑模控制器参数和模糊逻辑的自适应调整律.所提方法不仅可保证闭环跟踪系统的稳定性,还削弱了传统方法对模型结构的依赖...     

带输入饱和的不确定非线性系统自适应模糊触发式补偿控制

针对一类带有输入饱和特性的不确定非线性系统,为了在保证系统跟踪性能的同时最大限度节省系统通讯资源,结合Backstepping技术,提出一种自适应模糊触发式补偿控制方法.由于安全需求或者物理限制等因素,输入饱和特性往往不可避免地存在于实际物理系统中,给系统的控制性能和稳定性造成不利影响.为有效解决该问题,将光滑的双曲正切函数融入自适应控制设计过程,以实现对系统输入饱和约束的补偿.此外,由于实际系统模型难以精确建立,系统描述中难免会存在未知不确定部分,对此,利用模糊逻辑系统对系统的未知不确定部分进行逼近处理.为节省系统的通讯资源,引入一种基于相对阈值的事件触发控制策略,以减小系统传输压力.通过Lyapunov 稳定性理论分析,系统的所有信号都是半全局一致最终有界的.仿真结果验证了所提出方法的有效性.     

具有输入饱和的不确定非线性系统自适应渐近跟踪控制

将一类具有输入饱和的严格反馈单输入单输出非线性系统作为研究对象,解决其自适应渐近跟踪控制问题.与已有结果不同,所考虑的虚拟控制参数可以是未知且增益函数的上界信息也是未知的,这给控制器的设计带来了挑战.通过结合光滑函数及有界估计方法,设计一种新颖的自适应渐近跟踪控制策略;其次,通过引入Nassbaum函数解决由输入饱和不确定参数以及未知虚拟控制参数带来的影响;此外,通过利用未知增益的下界信息巧妙地构造一个特殊的李雅普诺夫函数并结合不等式技巧,可以消除对控制增益函数上界信息的需要,并保证系统的全局稳定性和跟踪性能;最后,通过实例仿真及对比仿真表明所提出自适应渐近跟踪控制算法的有效性.     

带有输入和状态时滞的高阶非线性前馈系统的自适应控制

本文考虑了一类高阶不确定非线性前馈系统的自适应镇定问题.将高阶非线性进一步放宽到不仅允许状态时滞,而且还具有未知增长率.通过将自适应方法、动态增益控制方法和增加幂次积分器法结合,设计了一个状态反馈控制器.所设计的控制器保证了闭环系统的所有信号有界,平衡点全局稳定,并且原状态收敛到0.     

一类输入饱和非仿射非线性系统的非线性动态逆控制

输入饱和是实际系统中经常遇到的问题,很多已有的控制方法要求被控系统具有仿射结构.本文针对一类具有输入饱和的非仿射纯反馈非线性系统提出了一种基于奇异值摄动理论的非线性动态逆控制方法.首先构建一个快变子系统,在慢时间尺度下将非仿射非线性系统转换为具有仿射结构的线性系统,从而应用已有的控制算法实现控制目的.为了消除输入饱和带...     

考虑输入约束的半主动悬架非线性自适应控制

针对具有输入约束及参数不确定性问题的汽车半主动悬架系统,提出一种考虑输入饱和的非线性自适应Backstepping控制器.该方法引入一个辅助系统,通过设计新的误差变量,实现对控制饱和的补偿,解决控制输入的幅值约束问题.同时,考虑到悬架系统的参数不确定性问题,采用映射自适应算法设计自适应律,通过构造适当的Lyapunov函数,保证悬架系统的稳定性.仿真结果表明,所设计的控制器具有良好的隔振性能,而且能够有效降低输入约束和不确定参数对系统性能的影响.     

输入受限的非线性系统自适应模糊backstepping控制

针对一类输入受限的非线性系统,提出了一种自适应模糊backsteppig控制器的设计方法.在控制器的设计过程当中,采用模糊系统对不确定非线性函数在线逼近;利用双曲正切函数和Nussbaum函数对系统输入饱和函数进行处理;将动态面法与backstepping法相结合解决"计算膨胀"的问题.通过Lyapunov理论分析证明了所设计的控制器能够使闭环系统所有信号半全局一致有界(SGUUB).最后应用于高超声速飞行器的攻角跟踪控制中,仿真结果表明该方法的有效性.     

Adaptive Iterative Learning Control for a Class of Nonlinear Time-varying Systems with Unknown Delays and Input Dead-zone

This paper presents an adaptive iterative learning control (AILC) scheme for a class of nonlinear systems with unknown time-varying delays and unknown input dead-zone. A novel nonlinear form of dead-zone nonlinearity is presented. The assumption of identical initial condition for iterative learning control (ILC) is removed by introducing boundary layer function. The uncertainties with time-varying delays are compensated for by using appropriate Lyapunov-Krasovskii functional and Young0s inequality. Radial basis function neural networks are used to model the time-varying uncertainties. The hyperbolic tangent function is employed to avoid the problem of singularity. According to the property of hyperbolic tangent function, the system output is proved to converge to a small neighborhood of the desired trajectory by constructing Lyapunov-like composite energy function (CEF) in two cases, while keeping all the closedloop signals bounded. Finally, a simulation example is presented to verify the effectiveness of the proposed approach.      

一类离散时间非线性系统不依赖受控系统数学模型的学习自适应控制

给出了一类离散时间非线性系统的不依赖受控系统数学模型的学习自适应控制方案，它不需要受控系统的结构信息、数学模型、外部试验信号和训练过程，仅用受控系统的I／O数据来设计，传统的未建模动态不存在，所给出的计算机仿真结果说明了所给出的方案的正确性和有效性。     

不确定仿射非线性系统的自适应控制--GRBF网络学习方法

研究一类不确定仿射非线性系统的自适应控制问题,构造出基于滑动模型控制和ＧＲＢＦ网络的自适应控制器,使得对于任意的系统初值和网络初始仅重,被控系统的输出均能渐近跟踪已知参考信号,控制器设计中所需估计参数数学于实际参数个数。仿真结果令人满意。     

一类虚拟控制系数未知的随机非线性时滞大系统的适应镇定控制

研究了一类具有未知虚拟控制系数和未知噪声协方差的随机非线性时滞大系统的适应镇定问题. 首先, 针对系统的未知虚拟控制系数和未知噪声协方差, 选取了相应的估计参数; 然后, 针对时变时滞对闭环系统稳定性的影响, 构造了适当形式的Lyapunov-Krasovskii泛函, 采用积分反推方法给出了无记忆状态反馈控制律的系统设计过程. 在一定条件下, 证明了闭环系统平衡点依概率全局稳定, 且除参数估计以外的所有闭环信号几乎均收敛到零点. 仿真算例验证了所给方法的有效性.     

齿隙非线性输入系统的迭代学习控制

针对一类具有输入齿隙特性的非线性系统, 提出一种实现有限作业区间轨迹跟踪的迭代学习控制方法. 在系统不确定项可参数化的情形下, 基于类Lyapunov方法设计迭代学习控制器, 回避了常规迭代学习控制中受控系统非线性特性需满足全局Lipschitz连续条件的要求. 对未知时变参数进行泰勒级数展开, 参数估计采用微分学习律, 并在控制器设计中, 采用双曲函数处理级数展开后的余项以及齿隙特性里的有界误差项, 以保证控制器可导, 且可抑制颤振. 引入一级数收敛序列确保系统输出完全跟踪期望轨迹, 且闭环系统所有信号有界.     

一类带死区输入的非线性不确定系统滑模自适应控制

研究一类参数不确定和带有未知死区的非线性系统滑模自适应控制问题。将死区分解为两部分,被控系统中有两类不确定性的系统参数,一类是常值的未知系统参数;另一类是时变的未知系统参数和部分未知的死区。采用滑模控制和自适应控制相结合的方式,第一类不确定性可以由自适应控制来处理,而第二类不确定性可以由滑模控制来处理,即滑模自适应控制器。为了消除滑模控制所带来的抖振,引入边界层。采用’Lyapunov函数证明了系统的稳定性。仿真实验表明方法的可行性。     

关于多变量非线性系统的自适应模糊控制

结合模糊逻辑系统、自适应控制和H∞控制,对一类非线性多变量未知系统提出了新的控制策略,给出了控制算法的稳定性分析.仿真结果证明了所提控制算法的有效性.     

MIMO非线性系统的直接自适应控制

本文给出模型未知多输入多输出非线性系统的一种动态线性逼近方法，提出了基于该线性化方法的自适应控制律。讨论了在一定假设条件下自适应控制律的收敛性。     

多输入非线性串级系统的非过参数化自适应控制

证明了一大类含有未知参数的多输入非线性串级系统在适当的假设条件下是可全局适应稳定的,自适应控制律的设计是基于ｂａｃｋｓｔｅｐｐｉｎｇ递推设计方法,得到的参数自适应律的阶次等于未知参数的个数,因此该设计是非过参数化的。