针对离散时间线性系统的周期跟踪问题, 提出一种能够约束控制输入变化速度的变速吸引律, 结合干扰抑制措施构造了理想误差动态, 并由此导出离散重复控制器. 分析表明, 该变速吸引律能使跟踪误差在有限时间内单调收敛至零, 且误差收敛速度可控. 为刻画误差动态行为, 推导了有界扰动下的误差单调收敛域、绝对值收敛域和稳态误差带, 并给出了收敛步数. 针对伺服电机系统的仿真与实验结果验证了所提出控制方案的有效性.
相似文献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.
相似文献针对航天器姿态稳定控制问题, 设计一种迭代学习姿态控制器. 将连续非周期运动的姿态跟踪过程分解为队列重复运动, 采用前一周期的姿态跟踪误差修正后一周期的控制输入, 分别对未知参数和干扰构建有界迭代学习律, 给出航天器姿态稳定控制器, 并从理论上分析了闭环系统的渐近稳定性和姿态跟踪误差的一致有界性. 通过在轨捕获非合作目标过程中航天器姿态跟踪控制问题的数值仿真, 验证了迭代学习控制器的鲁棒性和强抗干扰性.
相似文献针对一类目标函数受预设性能函数限定的严格反馈极值搜索系统的控制问题, 将极值搜索控制、预设性能控制、反演控制相结合, 提出一种预设性能反演控制器设计方法. 针对极值搜索系统的目标函数构造新型的性能函数; 利用性能函数对系统进行函数变换, 构建等效简单变换模型; 基于变换模型, 利用反演控制方法逐步递推选取适当的Lyapunov 函数进行控制器设计, 以实现在对目标函数搜索到极值的同时保证预设性能指标. 最后通过数值仿真验证了所提出方法的有效性.
相似文献针对一类具有输入及状态未建模动态的非线性系统, 设计K滤波器来估计系统不可量测状态, 基于动态面控制技术并利用径向基函数神经网络的逼近能力, 提出一种输出反馈自适应跟踪控制方案. 利用Nussbaum 函数性质, 有效地解决了高频增益符号未知问题. 在控制器设计中引入规范化信号来约束输入未建模动态, 从而有效地抑制其产生的扰动. 通过理论分析证明了闭环控制系统是半全局一致终结有界的.
相似文献针对一类非匹配不确定离散系统, 设计一种无抖振离散积分滑模控制器. 为了抑制非匹配不确定性对系统的影响, 采用线性矩阵不等式方法设计一种新型的切换函数和对应的滑模控制律, 并证明了闭环系统的Lyapunov 稳定性. 同时, 引入饱和函数设计控制器, 使系统状态在积分滑模面的某个小邻域内做准滑模运动, 并通过合理选择饱和函数的边界层厚度, 使控制信号不含任何抖振. 理论分析和数值仿真验证了所提出方法的有效性.
相似文献研究具有外部不确定性R¨ossler 混沌系统的鲁棒跟踪控制问题. 基于动态面控制原理设计自适应鲁棒控制器, 给出了系统参数的自适应更新律, 使得被控闭环系统的各误差变量一致有界. 系统输出曲线渐近跟踪任意期望轨道, 且跟踪误差能被控制在任意小的范围内, 而无须知道系统的参数及外部不确定性的界限. 基于稳定理论给出了具体的稳定性分析, 并通过数值仿真验证了该方法的有效性及鲁棒性.
相似文献提出一类非线性不确定动态系统基于强化学习的最优控制方法. 该方法利用欧拉强化学习算法估计对象的未知非线性函数, 给出了强化学习中回报函数和策略函数迭代的在线学习规则. 通过采用向前欧拉差分迭代公式对学习过程中的时序误差进行离散化, 实现了对值函数的估计和控制策略的改进. 基于值函数的梯度值和时序误差指标值, 给出了该算法的步骤和误差估计定理. 小车爬山问题的仿真结果表明了所提出方法的有效性.
相似文献研究一类单输入单输出动态不确定非线性系统的几乎干扰解耦问题. 首先设计一类新型的模糊高增益观测器估计非线性系统的未知状态; 然后结合自适应模糊backstepping 控制、小增益定理和改变供能函数方法, 给出鲁棒自适应模糊控制器的设计. 所设计的控制器不仅可以保证整个闭环系统在输入到状态实际稳定意义下稳定, 同时抑制了干扰对输出的影响. 仿真结果表明了所提出控制方法的有效性.
相似文献针对一类输入输出描述的离散时间系统, 提出一种基于自适应切换增益的吸引律. 该方法能够根据不确定干扰变化率对闭环系统影响的强弱自动调整切换增益大小, 且可直接反映误差动态特性. 同时, 给出了闭环系统跟踪误差首次穿越原点所需的最多步数, 并推导出系统绝对吸引层和稳态误差带边界的具体表达式, 用于表征闭环系统跟踪误差的收敛性能和稳态性能. 数值仿真和电机伺服系统上的实验结果均验证了所提出方法的有效性.
相似文献针对非线性机器人系统的轨迹跟踪问题, 提出一种终端滑模重复学习混合控制方案. 该方案综合了重复学习控制和终端滑模技术的特性, 能够有效跟踪周期性参考信号, 抑制周期性和非周期性动态的干扰, 具有较强的鲁棒性和良好的轨迹跟踪性能, 且算法的实现不需要完全已知系统模型信息. 应用Lyapunov 稳定性理论证明了闭环系统的全局渐近稳定性. 三自由度机器人系统数值仿真结果验证了所提出的终端滑模重复学习控制的有效性.
相似文献考虑离散线性周期系统的模型匹配问题, 提出一种基于参数化极点配置的模型匹配方法. 该方法从时域的角度出发, 采用周期状态反馈, 使得闭环系统充分接近目标系统. 由于所采用的参数化极点配置算法提供了充分的自由度, 所提出的方法能够实现零误差匹配. 数值算例验证了所提出算法的有效性.
相似文献针对上肢康复机器人轨迹跟踪控制中存在的患者痉挛扰动非线性及不确定性问题, 结合康复机器人系统执行具有重复性的特点以及迭代学习算法特有的性质, 提出一种非线性迭代学习控制算法, 改进了机器人常用的线性动力学控制系统, 使得在模型信息不精确以及只有角度信息可测的情况下, 也能获得良好的轨迹跟踪性能; 应用Lyapunov 稳定性理论和LaSalle 不变性原理证明了闭环系统的全局渐近稳定性. 仿真结果表明, 所提出的非线性迭代学习控制具有良好的控制性能.
相似文献