基于模糊辨识的非线性连续系统的迭代学习控制

基于非线性连续动态的模型辨识算法，给出了非线性连续系统的一种非常有效的迭代学习控制方案。该控制方案不要求非线性连续系统中具体的非线性关系，并且容许系统初始误差的存在。     

基于神经网络的一类非线性系统的稳定自适应控制器设计方法*

针对一类非线性连续时间系统,其中非线性函数未知,提出了一种基于神经网络的稳定自适应控制方案,由于控制律的选择基于Ｌｙａｐｕｎｏｖ稳定性理论,因此,该控制方案不仅能够解决这类非线性系统的跟踪问题。     

一类时变非线性系统的模型偏差补偿控制

本文通过对滑模控制进行改进,提出了适用于一类时变非线性系统的模型偏差补偿控制方案,用于实现高精度的连续轨迹跟踪控制,并指出了该方案和 PID 控制方案的一些联系.     

基于Popov超稳定性理论的模糊自适应控制器设计方法

对一类常见的非线性系统,利用Popov超稳定性理论得到一种模糊自适应控制方 案,该方案在模型匹配的条件下能保证闭环系统的(渐近)稳定性.当模型匹配条件不满足时, 通过引入一个辅助控制量使系统仍保持稳定.因此,文中提出的方法普遍适用于一类非线性 离散或连续控制系统的设计.     

非线性时滞系统基于降阶观测器的反步镇定控制

针对一类状态未知的非线性严格反馈时滞系统, 本文提出了一种基于静态增益函数的输出反馈控制方案. 首先构造了降阶观测器以估计非线性系统的未知状态. 然后在Backstepping设计的每一步定义了具有控制增益函数 的新型Lyapunov-Krasovskii泛函以补偿未知时变时滞, 定义新的选择不唯一的连续控制增益函数以补偿非匹配项 以及Lyapunov-Krasovskii泛函补偿时滞时产生的非负项. 提出了一种无记忆输出反馈控制方案. 理论分析表明: 该 控制方案消除了未知时滞的影响, 保证了闭环系统所有信号的有界性, 并使系统实现渐近稳定. 最后仿真结果验证 了此控制方案的有效性.     

一类非线性跟踪系统的自适应控制及神经网络的设计方法

本文针对一类非线性系统，给出了非线性不同情况下此类非线性连续时间自适应控制方案及神经网络控制方案，由于在这种方案中控制法律的选择都是基于Ｌｙａｐｕｎｏｖ稳定性理论，都能够解决这类非线性系统的跟踪问题，并使整个环控制系统具有渐近稳定和参数渐近收敛特性，克服了许多神经网络控制系统中存在的稳定性问题，文中最后对两各发进行讨论及仿真。     

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.     

基于模糊逼近的一类不确定非线性系统的容错控制

针对一类不确定非线性系统,提出了一种模糊容错控制方案.采用模糊T-S模型来逼近非线性系统,由线性矩阵不等式设计模糊模型的控制律.构建了模糊逻辑系统作为补偿器来抵消对非线性系统的建模误差和因故障引起的不确定性,并证明了闭环系统能够满足期望的跟踪性能.仿真实例表明了所提出容错控制方案的有效性.     

基于神经网络的一类非线性连续系统的稳定自适应控制*

本文将神经网络作为非线性系统的模型，提出能够对一类非线性连续系统进行有效控制的自适应控制结构和算法，该控制方案不仅能经类非线性系统的跟踪控制问题，而且由于将变结构控制技术动用于其中，整个闭环控制系统还能克服许多神经网络控制系统中存在的稳定性问题。由稳定性理论可推证整个闭环控制系统渐近稳定和参数和渐近收敛的特性。     

连续非线性系统的神经网络α阶逆系统控制方法

对连续非线性系统,采用连续系统的设计方法,利用神经网络对非线性函数的逼近 能力加上用来表征系统动态特性的若干积分器,构造工程上可实现的原系统的神经网络α阶 逆系统(将α阶逆系统直接与原系统串接,构成α阶积分伪线性复合系统),并对α阶积分伪 线性复合系统设计线性控制器,实现对原非线性系统的有效控制.仿真结果表明,该方法适用 于较一般的线性、非线性连续系统,且结构简单,易于工程实现.     

广义连续随机非线性系统的递推算法

讨论了广义连续随机非线性系统的最优递推问题,利用矩阵的奇异值分解理论,给出了广义连续随机非线性系统的奇异值标准形式.基于标准形式,在两种情况下将系统分解成两个子系统,通过对子系统状态估计的研究,得到了该系统的最优递推算法.     

连续非线性动态系统建模的模糊神经网络方法

提出一种适合于一般连续非线性动态系统建模的新的Runge-Kutta模糊神经网络(RKFNN)，证明了RKFNN的存在性。采用传统的Runge-Kutta求积公式构造，实现了对系统的状态变化特性进行学习，解决了直接映射方式对系统的动态轨迹进行学习时存在的精度低等问题，并提出了RKFNN的在线递推学习算法。对连续非线性动态系统进行楚模的仿真结果表明，RKFNN方法是一种较好的方法。     

基于跟踪的混沌反控制

为了实现连续系统的混沌反控制,研究了基于跟踪已知混沌系统的混沌反控制方法,设计了非线性控制器使连续系统跟踪混沌输入信号,从而使非混沌系统产生与混沌输入信号拓扑共轭的混沌现象。采用的方法中控制器的参数选择比较灵活,为控制器的设计带来很大方便。同时,该法无需计算被控系统的Lyapunov指数,大大减少了混沌反控制的复杂计算。通过跟踪Lorenz混沌系统和超混沌Chen系统说明了该方法的设计过程,仿真结果表明了该方法的有效性和快速性。     

Unscented Kalman filter for continuous‐time nonlinear fractional‐order systems with process and measurement noises

This study proposes the design of unscented Kalman filter for a continuous‐time nonlinear fractional‐order system involving the process noise and the measurement noise. The nonlinear fractional‐order system is discretized to get the difference equation. According to the unscented transformation, the design method of unscented Kalman filter for a continuous‐time nonlinear fractional‐order system is provided. Compared with the extended Kalman filter, the proposed method can obtain a more accurate estimation effect. For fractional‐order systems containing non‐differentiable nonlinear functions, the method proposed in this paper is still effective. The unknown parameters are also discussed by the augmented vector method to achieve the state estimation and parameter identification. Finally, two examples are offered to verify the effectiveness of the proposed unscented Kalman filter for nonlinear fractional‐order systems.     

A recurrent network for dynamic system identification

This paper presents a type of recurrent artificial neural network architecture for identification of an arbitrary, continuous dynamic system. The recurrent network is shown to be stable for a constant input with certain conditions on the parameters of the network. The proposed network has significant advantages over similar models in continuous time nonlinear system identification and is used to identify three nonlinear dynamic systems. Finally, the applicability of the radial basis function networks using the same network architecture to reduce the time-complexity of the training task is presented.     

多输入多输出非线性不确定系统连续高阶滑模控制

针对一类MIMO非线性不确定系统,提出一种新的连续高阶滑模控制算法.引入状态反馈使得系统高阶滑模控制问题等效转换为多变量不确定积分链的有限时间稳定问题,首先针对标称系统设计有限时间到达连续控制律,实现系统状态快速收敛,然后采用多变量非解耦形式超螺旋算法克服系统不确定性,实现鲁棒性,最终使得系统控制作用连续、滑模抖振得以大大抑制.基于二次型Lyapunov函数证明系统的有限时间稳定性.针对三阶不确定系统有限时间稳定和气垫船圆形航迹跟踪问题分别进行了仿真,验证了所提算法的有效性、鲁棒性.     

一类新的非线性观察器设计

对于非线性有界连续可导系统的观察器设计是观察器设计的难点之一。非线性系统一般是不具备分离属性。这加剧了观察器设计的难度。利用处理轨迹收敛的收缩理论,把控制器系统和观察器系统看作一个整体方式处理观察器设计问题,给出了非线性系统的观察器设计的一个充分条件。     

Structural stability of linear dynamically varying (LDV) controllers

LDV systems are linear systems with parameters varying according to a nonlinear dynamical system. This paper examines the robust stability of such systems in the face of perturbations of the nonlinear system. Three classes of perturbations are examined: differentiable functions, Lipschitz continuous functions and continuous functions. It is found that in the first two cases the system remains stable. Whereas, if the perturbations are among continuous functions, the closed-loop may not be asymptotically stable, but, instead, is asymptotically bounded with the diameter of the residual set bounded by a function that is continuous in the size of the perturbation. It is also shown that in the case of differential perturbations, the resulting optimal LDV controller is continuous in the size of the perturbation. An example is presented that illustrates the continuity of the variation of the controller in the case of a nonstructurally stable dynamical system.