未知离散非线性系统的鲁棒自适应NN控制

利用WNN(小波神经网络)逼近未知函数，将未知离散非线性系统转化为一类参数化严格反馈系统，进而对变换后的系统给出一个避免过参数化的自适应反推控制器，并证明该控制器可保证在存在参数不确定性和函数不确定性的条件下，整个自适应系统的状态全局有界，同时也可保证系统的跟踪误差落在一个大小与不确定性成比例的紧集中，仿真结果表明该控制器具有较强的鲁棒性，可适用于不同的对象。     

一类非线性不确定系统的鲁棒自适应控制

针对一类含有未知参数和动态不确定的非线性系统，基于Lyapunov递推设计方法设计了状态反馈控制器，并提出了鲁棒自适应控制算法。所设计的控制器不仅可保证闭环系统的全局稳定性。而且使得系统对于所有允许的不确定系统状态全局一致终值有界。仿真结果表明了本文方法所设计的控制器的有效性和可行性。     

一类非线性系统的自适应神经网络控制

针对一类具有非仿射函数和下三角结构的、受干扰未知的非线性系统,提出一种新的自适应神经网络控制方法．它是严格反馈不确定系统和纯反馈系统的更一般化表达．在Backstepping设计思想基础上,证明了闭环信号的半全局最终一致有界性,并很好地处理了控制方向和控制奇异问题．通过仿真验证了该方法的有效性．     

控制增益符号未知的不确定非线性系统鲁棒自适应控制

针对一类控制增益函数及符号均未知的不确定非线性系统,基于反推滑模设计方法,提出一种鲁棒自适应神经网络控制方案.结合Nussbaum增益设计技术和神经网络逼近能力,取消了控制增益函数及符号已知的条件,应用积分型Lyapunov函数避免了控制器奇异性问题,并通过引入神经网络逼近误差和不确定干扰上界的自适应补偿项消除了建模误差和不确定干扰的影响.理论分析证明了闭环系统所有信号半全局一致终结有界,仿真结果验证了该方法的有效性.     

一类非线性系统的神经网络L2鲁棒自适应控制

对于一类具有三角结构的单输入单输出不确定非线性系统的跟踪控制问题,用反步法和动态面控制方法设计了一种神经网络L2鲁棒自适应控制器.控制器设计中没有直接解HJI(Hamilton-Jacobi-Isaac)不等式,而是合理地选择了L2增益性能指标,将被控系统各个状态变量的跟踪误差和神经网络各权值的跟踪误差看作整个控制系统的各个状态变量,并用李亚普诺夫定理和HJI不等式证明了使用提出的摔制器后,这些状态变量具有小于等于事先规定的正实数y的L2增益,并且当所考虑的干扰向量为零向量时,提出的控制器在原点大范围渐近稳定.仿真研究结果表明所提出的控制器具有很好的跟踪性能和很强的鲁棒性.     

一类不确定非线性系统的鲁棒自适应控制

针对一类输入带有一定的不确定性的非线性系统 ,设计了一种鲁棒自适应控制器。该控制器作用与系统 ,能保证闭环系统信号的全局有界性 ,又能使闭环系统输出任意小。     

一类不确定非线性系统的鲁棒自适应控制

针对一类MIMO不确定非线性系统的输出跟踪问题, 基于自适应反步法和滑模控制为其设计了鲁棒自适应控制器. 模型包含3种不确定性: 1) 参数不确定性; 2) 输入增益的不确定性; 3) 代表系统未建模动态和干扰的不确定函数, 该函数有界. 以非完整移动机械臂的输出跟踪控制为目标, 对其进行仿真实验, 实验结果表明所提出的控制算法是正确有效的.     

非线性系统的神经网络鲁棒自适应跟踪控制

针对一类具有未知非线性函数和未知虚拟系数非线性函数的二阶非线性系统,提出了一种神经网络鲁棒自适应输出跟踪控制方法.用李雅普诺夫稳定性分析方法证明了本文的神经网络自适应控制器能够使受控系统内的所有信号均为有界.选择的神经网络权值调整规律可以防止自适应控制中的参数漂移.     

一类纯反馈非线性系统的自适应动态面控制

针对一类完全非仿射纯反馈非线性系统,提出了一种新的自适应动态面控制方法.应用中值定理将未知非仿射输入函数进行分解,使其含有显式的可控制输入参数;引入Nussbaum增益函数,解决了虚拟控制增益符号未知的问题,同时避免了反馈线性化方法中可能出现的控制器奇异性问题;动态面控制消除了传统反推设计中的"微分爆炸"问题.采用解耦反推方法,基于李亚普诺夫稳定性定理证明了闭环系统的半全局稳定性,数值仿真验证了方法的有效性.     

不确定非线性系统自适应鲁棒控制器设计

针对一类含不确定参数且存在未知扰动的非线性系统,设计了一种新型的自适应鲁棒控制器。用反演设计思想获得具有待定系数的控制器表达式,用BP神经网络自适应调节控制器的参数。仿真结果表明该控制器对系统参数的不确定性和未知扰动具有一定的鲁棒性,并能保证闭环系统全局稳定。     

Adaptive Robust Control for a Class of Uncertain MIMO Non-affine Nonlinear Systems

In this paper, the adaptive robust tracking control scheme is proposed for a class of multi-input and multioutput (MIMO) non-affine systems with uncertain structure and parameters, unknown control direction and unknown external disturbance based on backstepping technique. The MIMO nonaffine system is first transformed into a time-varying system with strict feedback structure using the mean value theorem, and then the bounded time-varying parameters are estimated by adaptive algorithms with projection. To handle the possible "controller singularity" problem caused by unknown control direction, a Nussbaum function is employed, and the dynamic surface control (DSC) method is applied to solve the problem of "explosion of complexity" in backstepping control. It is proved that the proposed control scheme can guarantee that all signals of the closed-loop system are bounded through Lyapunov stability theorem and decoupled backstepping method. Simulation results are presented to illustrate the effectiveness of the proposed control scheme.      

不确定型网络系统的分布式自适应跟踪控制器

文章针对带有不确定性的非线性网络系统设计了协调跟踪控制器, 使得follower实现了对仅部分信息可测且受干扰的动态leader的跟踪. 文章运用神经网络方法对follower动态进行建模, 提出了基于观测器的自适应控制策略, 并且通过Lyapunov理论证明, 在适当的网络拓扑条件和适当选择参数的前提下, 该网络系统可以达UUB (Cooperative Uniformly Ultimately Bounded). 最后, 文章给出仿真实例以验证所提算法的有效性.     

一类不确定非线性系统的鲁棒自适应控制

针对一类具有一般不确定性和未知参数的非线性系统,设计出一种适用于输出跟踪的鲁棒自适应控制器.该控制器对系统的参数和状态的不确定性具有鲁棒性,能保证闭环系统的全局稳定性,并解决了ε-跟踪问题.仿真实例表明,所设计的鲁棒自适应控制器具有良好的跟踪性能.     

具有磁滞输入非线性系统的鲁棒自适应控制

就一类具有磁滞输入的严反馈非线性系统, 提出了一种鲁棒自适应动态面控制方案. 该方案可克服传统反推控制带来的“微分爆炸”问题, 保证闭环系统的半全局稳定性, 且跟踪误差可收敛到任意小的残集内. 特别地, 通过引入动态面修正及初始化技巧, 可保证系统跟踪误差的L∞ 性能指标. 数值仿真验证了本文所提方法案的有效性.     

随机非线性严格反馈系统的自适应神经网络输出反馈镇定

针对具有严格反馈形式的随机非线性系统, 首次引入神经网络控制技术, 设计了适当形式的随机控制 Lyapunov函数, 并运用反推(Backstepping)技术和非线性观测器设计技术, 构造出一类自适应神经网络输出反馈控制器. 在一定条件下, 证明了闭环系统平衡点依概率稳定. 仿真算例验证了所给控制方案的有效性.     

An Adaptive RBF Neural Network Control Method for a Class of Nonlinear Systems

This paper focuses on designing an adaptive radial basis function neural network (RBFNN) control method for a class of nonlinear systems with unknown parameters and bounded disturbances. The problems raised by the unknown functions and external disturbances in the nonlinear system are overcome by RBFNN, combined with the single parameter direct adaptive control method. The novel adaptive control method is designed to reduce the amount of computations effectively. The uniform ultimate boundedness of the closed-loop system is guaranteed by the proposed controller. A coupled motor drives (CMD) system, which satisfies the structure of nonlinear system, is taken for simulation to confirm the effectiveness of the method. Simulations show that the developed adaptive controller has favorable performance on tracking desired signal and verify the stability of the closed-loop system.      

用于非线性动力系统控制问题的自组织神经网络自适应方法

本文提出一种用自组织自学习适应思想解决非线性动力系统控制问题的新方法。在每个小区域感受野,可以把非线性系统近似展开为线性,由神经元执行控制。各神经元的凝视点,感受野和功能由自组织自学习自适应方法进行调节。大量仿真结果验证了本方法的正确性和实用性。     

一类非仿射非线性不确定系统自适应鲁棒控制

针对一类结构和参数均未知且控制方向未知的不确定非仿射非线性系统,提出了一种鲁棒自适应控制算法.基于中值定理将非仿射系统转化为具有线性结构的时变系统,在此基础上,利用参数投影估计算法对有界时变参数进行辨识,参数辨识误差和外界干扰采用非线性阻尼项进行补偿.同时将动态面控制(DSC)和反推法相结合,消除了反推法的计算膨胀问题,并采用Nussbaum型函数处理系统中方向未知的不确定控制增益函数,避免了可能存在的控制器奇异值问题.最后,采用解耦反推,基于李雅普诺夫稳定性定理证明了闭环系统的半全局一致最终有界.仿真结果验证了所设计控制方案的可行性与有效性.