基于模糊神经网络滑模控制器的一类非线性系统自适应控制

本文研究了一类不确定性非线性系统的自适应控制,在模糊神经网络滑模控制器（Ｆｕｚｚｙ ｎｅｒｕａｌ Ｎｅｔｗｏｒｋｓ sｌｉｄｉｎｇ Ｍｏｄｅ Ｃｏｎｔｒｏｌｌｅ ）的基础上提出了一种设计方法,将ＦＮＮＳＭＣ与带死区的滑模控制器（Ｓｌｉｄｉｎｇ ｍｏｄｅ Ｃｏｎｔｒｏｌｌｅｒ ｗｉｔｈ Ｄｅａｄ Ｚｏｎｅ）有机结合,通过平滑切换实现自适应控制,这种方法使系统不仅有好的鲁棒性而且能有效地消除离频动,同时     

一类时滞不确定非线性系统的自适应鲁棒H∞控制

本文针对一类同时具有未知上界时滞不确定性和外部扰动的非线性系统，在非线性H∞控制的理论框架内讨论了系统的自适应鲁棒H∞控制问题，通过自适应律估计时滞不确定性的上界，并且基于Lyapunov-Krasovskii函数和Hamilton-Jacobi不等式获得使鲁棒控制问题可解的自适应鲁棒控制器。     

非线性系统的神经网络自适应控制

给出了神经网络自适应控制方法,利用神经网络解决无参数,无模型等未知特性的系统控制问题,设计出神经网络自适应控制器,并对倒立摆系统进行仿真,验证理论的有效性和优越性。     

一种未知非线性系统的自适应神经网络控制方法

神经网络用于控制，主要是为了解决复杂的非线性、不确定、不确知系统的控制问题。由于神经网络具有学习能力和自适应性，使神经网络控制能对变化的环境有自适应性，且成为基本上不依赖于模型的一类控制，介绍了一种未知非线性系统的自适应神经网络控制方法。     

基于神经网络仿射非线性系统滑模自适应控制

研究了一类单输入单输出仿射非线性系统的自适应控制问题.采用反馈线性化方法设计控制器,用神经网络逼近系统中的未知非线性函数,并在神经网络权值的自适应律中引入权值误差的概念,以改善系统的动态性能.同时采用滑模控制方法设计补偿器,提高了系统的鲁棒性.理论分析及仿真结果表明,所设计的控制器,不仅能解决该系统的轨迹跟踪控制问题,...     

参数未知时滞混沌系统的自适应同步

考虑参数不确定的多维时滞混沌系统作为驱动系统(发射系统),系统的未知参数能够在系统中线性表示.采用参数辨识与自适应技术,在响应系统(接收系统)中应用线性反馈与参数自适应控制,使得驱动系统与响应系统能够混沌同步,并且响应系统的参数逐步逼近驱动系统的参数.利用Lyapunov泛函与最大不变集原理(Lassel)给出了理论分析与证明.理论分析与数值模拟结果表明该自适应控制同步策略的有效性.     

一种改进的非线性MIMO系统鲁棒自适应反推控制

针对一类具有模型不确定性和未知外界干扰的严反馈非线性MIMO系统,提出一种基于RBF神经网络和反推控制的鲁棒控制律设计方法。应用RBF神经网络在线逼近模型的不确定性,引入低通滤波器消除反推设计方法中由于对虚拟控制反复求导而导致的复杂性问题。同时,在控制律设计中引入一个自适应鲁棒控制项来补偿神经网络逼近误差和未知外界干扰的影响,提高系统的鲁棒性,使整个系统获得更好的跟踪控制性能。基于Lyapunov稳定性定理证明了闭环系统的所有信号半全局一致终结有界;通过适当选择设计参数及初始化误差变量,跟踪误差可收敛到原点的一个任意小邻域内,且跟踪误差的L∞跟踪性能被保证。数值仿真验证了方法的有效性。     

随动模拟加载系统的自适应神经滑模控制

针对炮控系统随动模拟加载系统存在的摩擦、间隙、耦合等复杂非线性和参数时变等不确定性特征,提出了一种自适应神经滑模控制策略。对于系统中存在参数时变等不确定性,利用RBF神经网络自适应逼近不确定部分;另外,利用RBF神经网络动态调节切换函数的切换增益,改善系统的动态品质。采用Lyapunov理论推导出自适应律,在线估计神经网络权值和未知函数,并证明了系统稳定性。仿真表明,该控制策略能够较好地抑制干扰力矩,响应快,保证了系统静、动态的加载控制精度和鲁棒性。     

区间时变时滞系统的时滞相关稳定性分析

研究了具有区间时变时滞线性不确定系统的稳定性问题。通过引入新型的Lyapunov泛函,结合改进型的Jensen积分不等式,推导出区间时变时滞线性系统的时滞相关鲁棒稳定新判据。该方法在推导过程中没有用到模型变换及自由权矩阵方法,简化了计算上的复杂性。由于判据中充分利用了时变时滞的中值及时滞变化范围两个参数,减少了结果的保守性。数值算例表明了提出方法的有效性及优越性。     

输出不可量测非线性系统的神经模型参考自适应控制

该文针对被控对象输出不可量测的非线性系统,引入一个便于在线辨识的扩展神经网络模型,提出一种基于前馈-反馈结构的神经网络模型参考自适应控制方法。给出了具有全局收敛性的网络训练算法,并分析了控制系统的稳定性。仿真结果表明该控制方法是有效的,而且对网络初始权值的选取及被控对象特性参数的扰动都具有良好的鲁棒性。     

SDH系统E1接口定时的高质量恢复

SDH传输网中由指针调整带来的低频抖动和漂移已经成为SDH传输网与其它传输网互通的障碍.这一问题可以通过在SDH系统的边界支路输出口处采用极低带宽的锁相环对SDH网络指针调整带来的抖动和漂移进行平滑来得到改善和解决.本文介绍了一种捕捉速度快、带宽窄、适合于多支路大规模集成的用于SDH系统E1支路接口的二阶全数字锁相环路.     

一类离散时间系统的间接自适应模糊滑模控制

提出了适用于一类不确定离散时间系统的间接自适应模糊滑模控制策略。首先,根据指数趋近律得到离散滑模控制的理想控制律,然后,用两个模糊系统近似其中的未知函数,用第三个模糊系统近似切换控制。模糊系统的参数向量由带参数投影的自适应律在线调整。证明了该控制算法可以保证闭环系统状态有界,且跟踪误差收敛到原点的小邻域内。仿真结果在表明算法有效性的同时具备减轻振颤的能力。     

基于模糊逼近的非线性多时延系统的自适应跟踪控制

针对一类多输入多输出非线性多时延系统,提出了基于模糊逼近的自适应跟踪控制方案.该方案构建了基于模糊T-S模型的自适应时延模糊逻辑系统,用来逼近未知非线性时延函数.从而实现了对非线性系统的建模.根据跟踪误差给出了时延模糊逻辑系统的参数自适应律.设计了H_∞补偿器来抵消模糊逼近误差和外部扰动.基于Lyapunov稳定性理论,提出的控制方案保证了闭环系统的稳定性并获得了期望的H_∞跟踪性能.机械臂的仿真结果表明了该方案的有效性.     

一类MIMO非线性系统的自适应模糊输出反馈控制

针对一类MIMO非线性状态不可测系统,提出了一种稳定的基于观测器的自适应模糊控制方法.该方法不需要系统状态可测的条件,而是通过设计模糊观测器来估计系统的状态.证明了所提出的控制方法可保证闭环系统的稳定性和跟踪误差的收敛性.仿真结果进一步验证了该控制方法的实用性和有效性.     

时变时延的在线自适应估计

本文提出了一种时变时延的在线自适应估计新方法,首先,本文给出了一种修正的强跟踪滤波器算法,并且建立了时变时延的估计模型,基于此模型,时变时延可以被当成系统状态由修正的强跟踪滤波器算法直接进行估计,所提出的方法具有使用简单,跟踪迅速,精度高等特点,最后,仿真实验结果验证了本文方法的有效性。     

混沌光学系统的神经网络自适应控制研究

提出一种用于混沌光学系统控制的神经网络自适应控制技术。以一前向神经网络作为受控混沌光学系统的系统辩识器，由此神经网络系统辩识器与受控混沌光学系统输出差值作为负反馈对受控混沌光学系统控制参数进行调整达到控制目的。由于所使用神经网络系统辩识器在常规ＢＰ算法的支持下可从受控混沌光学系统的输出时间序列进行动力学模型重构，因而特别适用于对未知动力学表述的混沌光学系统进行控制。以对布喇格声光双稳混沌系统的系统辩识及自适应控制为例，对此神经网络自适应控制技术可行性进行了示例证明。     

动中通多子阵天线自适应PID滑模稳定控制

动中通在载体运动中进行卫星通信时,天线受到各类扰动的影响而不能准确对准卫星,降低了通信质量。为了解决此问题,设计了一种自适应滑模天线姿态稳定控制器。首先建立了动中通天线系统的动力学模型;基于此模型,采用PID滑模面设计了天线的滑模姿态控制器;通过对扰动的自适应估计,在扰动上界未知情况下获得了平滑的滑模控制输入;将PID方法引入控制器设计,提高了系统的动态响应速度。仿真结果表明,所设计控制器具有良好的动态响应特性和控制精度,且控制电压输出无抖振。     

基于神经网络的模型参考自适应控制

将神经网络应用于模型参考自适应控制系统中,组成模型参考神经网络自适应控制系统.利用神经网络自身的优点来克服传统模型参考自适应控制算法的不足,使系统具有更强的鲁棒性和容错性.仿真结果表明,该系统与传统的模型参考自适应控制系统比较,不仅能实现原系统的功能,而且该系统的稳定性和抗干扰性优于原系统.