基于在线RBF神经网络的BTT导弹控制器设计

针对BTT导弹飞行控制系统的自适应鲁棒控制问题,基于反馈线性化控制和自适应RBF(radical base function)神经网络控制系统设计方法,设计了高精度鲁棒飞行控制器。提出在线权值修正算法,使RBF神经网络能实现对飞行控制系统动态逆误差的在线逼近,进而实现对系统不确定性和外界扰动的实时补偿。通过数值仿真,对所设计的飞行控制器进行了有效性验证。仿真结果表明,相比仅采用反馈线性化控制的飞行控制器,文中提出的飞行控制器能较好地跟踪期望的指令角度信息,鲁棒性能更优。     

直线电梯单电磁导向装置悬浮气隙高度控制

针对单电磁导向系统参数变化及外部扰动对悬浮气隙高度产生的影响,提出了RBF神经网络自适应滑模控制方法.采用RBF神经网络并利用其学习功能,对直线电梯单电磁悬装置不确定参数进行自适应补偿,取代了常规滑模控制切换部分,并且消除了系统高频抖振现象.通过比例微分并行控制提高了RBF神经网络参数的收敛性,改善了局部极小现象的发生,增强了系统的鲁棒性,并采用Lyapunov稳定性理论证明了系统的稳定性.Matlab仿真显示该方法具有良好的跟踪性和鲁棒性.     

时滞反馈Lorenz系统的神经网络滑模自适应同步控制及在保密通信中的应用

为了研究不确定Lorenz混沌系统同步控制在保密通信中的应用,首先设计了时滞反馈Lorenz混沌系统,并通过Poincare映射和功率谱分析了其混沌动力学特性.在此基础上,提出了不确定时滞反馈Lorenz混沌系统的神经网络滑模自适应同步控制策略.应用径向基(RBF)神经网络逼近混沌系统的不确定项,基于该径向基神经网络的输出再利用滑模控制和自适应控制相结合的方法提出了单维同步控制器的设计.最后,将所设计的同步控制方法应用于保密通信.仿真结果表明,本文所提出的神经网络滑模自适应同步控制方法可以实现混沌系统同步并可应用于保密通信,且具有较强的抗干扰能力.     

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。     

非线性控制及其先进控制策略

介绍了非线性控制技术和几类先进控制策略的基本原理；综述了Lyapunov方法和反馈线性化方法(包括微分几何方法、直接反馈线性化方法和Backstepping方法)与智能控制策略(包括模糊控制、神经网络控制)及与滑模控制、自适应控制、鲁棒控制和预测控制的综合应用。最后指出了非线性控制的发展趋势。     

基于神经网络的机械手鲁棒输出跟踪控制

针对一类参数未知的机械手输出跟踪鲁棒控制问题，应用输入／输出反馈线性化方法和Lyapunov稳定理论，提出了一种基于神经网络建模的机械手输出跟踪自适应鲁棒控制器，采用三层前向神经网络来逼近未知非线性函数，网络的权值依据Lyapunov稳定性进行实时修正，保证了相应闭环系统的稳定性，所提出的控制器保证了跟踪误差及相应闭环系统的状态－致最终有界，且不需预知不确定性的上界，以两自由度移动关节刚性机械手的跟踪控制问题的为例进行了仿真，结果表明所提出方法是行之有效的。     

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。     

CMAC神经网络用于一类不确定MIMO非线性系统的鲁棒自适应反馈线性化

在已知标称系统的基础上,将CMAC神经网络用于一类状态反馈可线性化的多输入多输出（MIMO）不稳定连续时间非线性系统的鲁棒自适应反馈线性化,使系统获得要求的跟踪性能。在很弱的假设条件下,应用李雅普诺夫稳定性理论证明了闭环系统内的所有信号为UUB（一致最终有界）。仿真算例进一步验证了算法的正确与有效。     

基于RBF神经网络和重复控制PID的电动负载模拟器复合控制

针对电动负载模拟器运行过程中存在的多余力矩问题,提出RBF神经网络和重复控制PID与前馈补偿控制器相结合的电动负载模拟器复合控制方法。该方法充分利用重复控制PID的优点,加入RBF神经网络控制,形成一种具有较强的抗干扰能力、较好的跟踪性能和自适应能力的控制算法;结合舵机速度的前馈补偿,实现多余力矩的抑制;引入弹簧杆,降低系统有害力矩,提高系统稳定性。仿真分析验证了所提复合控制方法的有效性和可行性。     

基于模糊神经网络的电液位置伺服系统控制

采用将T-S模型与RBF神经网络相结合的网络结构,提出一种复合式控制方案,以解决传统自适应控制中模型的在线辨识和控制器的在线设计问题,以达到对不确定非线性系统的高精确度输出跟踪控制;通过引入运行监控器,克服模糊神经网络控制方法通常存在的实时性差的问题;同时,利用一个鲁棒反馈控制器,来保证模糊神经网络模型学习初期闭环系统...     

三相电弧炉电极调节控制系统的鲁棒自适应控制

讨论了基于反馈线性化的鲁棒控制方法在在非线性系统控制中的应用.应用基于微分几何的反馈线性化方法将单相电极调节系统等价为完全可控线性系统,考虑三相耦合及弧长扰动的影响,设计了鲁棒自适应控制器,进行了MATLAB仿真.结果表明,基于反馈线性化鲁棒控制方法,可以有效克服三相耦合和弧长扰动的影响,在电弧炉电极调节系统控制中有一定的潜力.     

两种非线性系统反馈线性化方法的比较研究

对非线性控制系统的直接反馈线性化方法与微分几何反馈线性化方法进行了比较研究。首先介绍了这两种非线性控制系统反馈线性化方法。在此基础上研究了两种非线性控制系统反馈线性化方法之间的内在联系,着重对运行ＤＦＬ方法与微分几何反馈线性化方法对非线性控制系统实行反馈线性化时的线性化条件进行了比较。     

输入-输出非线性反馈线性化方法在飞控系统中的应用

应用基于微分几何的反馈线性化方法对飞机非线性方程进行了输入/输出反馈线性化处理,在此基础上设计了飞行轨迹跟踪控制方案,对飞机纵向自动着陆的控制系统做了数字仿真,并对参数摄动和风干扰进行了鲁棒性验证,得到了比较满意的结果.     

非线性系统线性化综述(英文)

非线性系统的线性化是设计非线性系统控制的强有力工具.这一方法已经在飞行器控制、电力系统的安全控制、化学反应器控制、经济系统、生物学系统和机器人控制等领域得到广泛应用.本文阐述了非线性系统线性化的发展历史以及有深刻意义的结果.首先回顾从非线性系统的近似线性化到精确线性化的发展.主要内容包括Poincare线性化、系统能通过状态反馈线性化的充要条件和算法.然后介绍各种不同的线性化方法：动态反馈线性化,近似线性化,Carleman线性化等.本文主要目的是对非线性系统线性化的历史,现状和一些重要问题进行一个较完整全面的介绍,从而提供从事线性化理论与应用研究的基础.     

阀控非对称缸电液系统的模型跟随自适应控制

提出一种将微分变换和模型跟随自适应控制相结合，实现对阀控非对称缸的非线性电液系统的动态反馈线性化方法，且所构成的系统的模型完全跟随条件能自动满足，给出了仿真结果。     

混沌系统的渐近跟踪控制器设计

目的设计Lorenz混沌系统渐近跟踪控制器,消除系统混沌现象,提高控制效果．方法基于微分几何方法中的同胚变换和状态反馈,对系统进行局部线性化处理,提出反馈控制律．在此基础上,设置跟踪目标,定义输出跟踪误差向量,设计系统渐进跟踪控制器．结果在所设计的反馈控制律作用下,系统输出实现了对给定信号的渐进跟踪,通过调整反馈强度,可改善跟踪速度．结论仿真结果表明,采用微分几何方法,可以使混沌系统输出渐近跟踪目标,即系统输出由初始混沌轨道转入非混沌轨道,最终进入目标轨道,且输出具有较好的暂态特性,同时可以灵活地调整反馈强度．     

基于状态反馈精确线性化Buck变换器的微分平坦控制

针对Buck变换器由于输入电压和输出电流等外部扰动及电路参数摄动等不确定因素引起系统输出电压变化的问题,提出一种基于状态反馈精确线性化的微分平坦控制方法。根据状态空间平均方程建立了变换器的仿射非线性模型,通过坐标变换推导出状态反馈控制率。在状态反馈精确线性化模型基础上,设计了微分平坦控制器,同时将扰动观测器嵌入控制器中,进一步提高了系统对电路参数摄动和外部扰动等内外干扰的处理能力。最后应用灵敏度理论分析了变换器的稳定性,可知减小电感量、增大电容值有利于提高系统的稳定性。实验结果表明,与传统PI控制方法相比,本文所提控制方法对输入电压和输出电流扰动具有更强鲁棒性,输出电压纹波更小,且系统响应速度能提升近50%。本文研究对DC-DC变换器控制器的设计具有参考意义。     

高超声速飞行器快速平滑自适应二阶滑模控制

为解决高超声速飞行器在爬升的过程中存在严重匹配/非匹配不确定性的问题,提出了一种新型的自适应超螺旋滑模控制方法以抑制爬升段存在的匹配不确定性,并将该方法与滑模微分器相结合,以解决爬升段存在的非匹配不确定性.首先用滑模微分器估计反馈线性化模型中速度和高度的各阶导数,以缩小反馈线性化模型与原模型的差距;其次在传统超螺旋滑模的基础上,加入线性项以提高收敛速度;将积分项中不连续的符号函数连续化,保证控制输入的平滑性,更大程度削弱抖振;针对未知上界复合干扰,设计了一种自适应参数可增大可减小的自适应律,保证参数既不过大估计,又可放宽初值的选取,保证收敛速度. 仿真结果表明:改进后的控制方法可实现状态量在有限时间内跟踪上指令信号,完成控制要求;且相较于传统超螺旋滑模控制算法,改进的控制方法控制输入更加平滑,收敛速度更快,从而验证了该方法的有效性以及先进性.