基于确定学习的机器人任务空间自适应神经网络控制

针对产生回归轨迹的连续非线性动态系统, 确定学习可实现未知闭环系统动态的局部准确逼近. 基于确定学习理论, 本文使用径向基函数(Radial basis function, RBF)神经网络为机器人任务空间跟踪控制设计了一种新的自适应神经网络控制算法, 不仅实现了闭环系统所有信号的最终一致有界, 而且在稳定的控制过程中, 沿着回归跟踪轨迹实现了部分神经网络权值收敛到最优值以及未知闭环系统动态的局部准确逼近. 学过的知识以时不变且空间分布的方式表达、以常值神经网络权值的方式存储, 可以用来改进系统的控制性能, 也可以应用到后续相同或相似的控制任务中, 节约时间和能量. 最后, 用仿真说明了所设计控制算法的正确性和有效性.     

含有未知控制方向的非线性时滞系统学习控制

本文对于一类含有未知控制方向及时滞的非线性参数化系统,设计了自适应迭代学习控制算法.在设计控制算法过程中采用了参数分离技术和信号置换思想来处理系统中出现的时滞项,Nussbaum增益技术解决未知控制方向等问题.为了对系统中出现的未知时变参数和时不变参数进行估计,分别设计了差分及微分参数学习律.然后通过构造的Lyapunov-Krasovskii复合能量函数给出了系统跟踪误差渐近收敛及闭环系统中所有信号有界的条件.最后通过一个仿真例子说明了控制器设计的有效性.     

不确定机器人的自适应神经网络控制与学习

针对具有未知动态的电驱动机器人,研究其自适应神经网络控制与学习问题.首先,设计了稳定的自适应神经网络控制器,径向基函数(RBF)神经网络被用来逼近电驱动机器人的未知闭环系统动态,并根据李雅普诺夫稳定性理论推导了神经网络权值更新律.在对回归轨迹实现跟踪控制的过程中,闭环系统内部信号的部分持续激励(PE)条件得到满足.随着PE条件的满足,设计的自适应神经网络控制器被证明在稳定的跟踪控制过程中实现了电驱动机器人未知闭环系统动态的准确逼近.接着,使用学过的知识设计了新颖的学习控制器,实现了闭环系统稳定、改进了控制性能.最后,通过数字仿真验证了所提控制方法的正确性和有效性.     

一类具有未知幂次的高阶不确定非线性系统的自适应控制

研究了一类具有未知幂次的高阶不确定非线性系统的自适应跟踪控制问题.在无需系统函数先验知识的条件下,采用积分反推技术和障碍李雅普诺夫函数,提出了一种新颖的自适应跟踪控制算法.该控制算法的显著特点是所设计的自适应控制器均与系统幂次无关,并且能够保证闭环系统的所有信号皆有界.仿真算例验证了该控制算法的有效性.     

船舶航向控制的多滑模鲁棒自适应设计

针对带有未知虚拟控制增益和常参数不确定的非匹配不确定船舶航向非线性控制问题,设计了一种新的多滑模鲁棒自适应控制算法.该算法利用神经网络来逼近系统模型的不确定性;应用逐步递推的多滑模控制算法降低了控制器的复杂性;尤其是采用Nussbaum函数处理系统中符号未知的问题,避免了可能存在的控制器奇异值问题;然后借助Lyapunov稳定性分析方法,理论分析证明了所得闭环系统全局一致最终有界,且跟踪误差收敛到零.仿真试验结果表明,该方法具有较好的控制效果.     

网络环境下非线性切换系统的固定时间控制

本文针对一类不确定非线性切换系统, 在控制系数和量化器参数未知的情况下, 研究系统的自适应固定时间控制问题. 首先, 文章利用增加幂次积分法和共同Lyapunov函数设计带有可调参数的自适应控制器. 然后, 基于改进的固定时间控制理论, 文章提出有效的参数调节律, 从而实现闭环系统的固定时间稳定性. 最后, 通过仿真实验验证所提控制算法的有效性     

一种网络拥塞的反步控制算法

针对Internet网络拥塞控制中的TCP动态非线性流体模型,提出用于网络主动队列管理（AQM）的拥塞控制算法,设计用于估计未知状态的状态观测器,采用反步法技术和Lyapunov直接方法,通过输出反馈实现闭环系统的渐近稳定。仿真实验结果表明,基于反步法的AQM控制算法调整时间小、丢包率低、链路利用率高。     

考虑执行器性能约束的刚体航天器鲁棒姿态跟踪控制

针对存在模型不确定性、外界干扰力矩和执行器性能受限等约束条件下的刚体航天器姿态跟踪控制问题进行研究,并基于滑模控制、反步控制、自适应控制、辅助系统和动态面控制等方法设计相应的鲁棒姿态跟踪控制算法.利用自适应控制实现了对具有多项式形式上界函数的系统未知不确定性进行在线估计和补偿;通过建立描述执行器动态特性的低通滤波模型,并结合辅助系统方法,以确保执行器输出控制力矩的幅值及其变化率均满足一定的饱和约束;通过引入动态面控制法,避免期望虚拟控制信号的一阶导数项直接出现在控制器中,简化了闭环姿态跟踪控制器的设计形式.最后,通过数值仿真验证了所提出控制算法的有效性和可行性.     

全局稳定的分散自适应神经网络反推跟踪控制

针对一类不确定大规模系统,研究其全局稳定的分散自适应神经网络反推跟踪控制问题.在假设不匹配的未知关联项满足部分已知的非线性Lipschitz条件下,采用神经网络作为前馈补偿器,逼近参考信号作为输入的未知关联函数;设计者可根据参考信号的界预先确定神经网络逼近域,同时保证了闭环系统的全局稳定性.仿真实例验证了控制算法的有效性.     

含死区高阶非线性系统自抗扰动态面控制

针对一类含有未知死区输入的不确定纯反馈非线性系统,为实现精准控制,提出一种新的基于扩张状态观测器的动态面控制算法.用扩张状态观测器代替函数逼近器在线估计高阶系统动态面控制中每一步的不确定函数.结果表明,估计误差显著降低,闭环控制性能得到实质性改善.此外,设计跟踪微分器来消除传统反推方案中计算复杂的问题.通过李雅普诺夫方法分析了具有自适应鲁棒控制器的闭环系统的稳定性.最后,对所提出的自适应鲁棒控制方案进行仿真,取得了满意的结果.     

一类严反馈非线性系统的神经网络控制

研究一类不确定严反馈非线性系统的跟踪控制问题.通过采用单一神经网络逼近系统的所有未知部分,提出一种新的鲁棒自适应控制设计方法.该方法能直接给出实际控制律和自适应律,有效地解决现有方法中存在的控制设计复杂和计算负担重等问题.稳定性分析表明,闭环系统所有信号是半全局一致最终有界的,并且通过调整控制参数可使跟踪误差任意小.仿真结果验证了所提出方法的有效性.     

自适应神经变结构的机器人轨迹跟踪控制

提出一种神经网络与变结构融合的控制策略用于非线性机器人控制,该方案利用神经网络来自适应补偿不确定模型,并通过变结构控制器消除逼近误差.考虑到局部泛化网络的不足,根据其状态空间的划分,分别对3个区间采用神经网络与变结构的分级与集成控制.该方案能在控制阶段初期及网络逼近区域外使两种控制器共同起作用以保持系统的强鲁棒性,基于Lyapunov理论证明了闭环系统的全局稳定性.仿真结果进一步表明了该方法的优越性.     

基于反馈增益的AUV稳定神经网络反步变深控制

为解决自主水下航行器的变深控制问题,提出一种基于反馈增益的反步控制方法.首先,通过设计控制器参数消除部分非线性项,在保证系统稳定性的同时设计神经网络控制器来补偿纵倾运动中的模型不确定性;然后,通过自适应鲁棒控制器对神经网络的逼近误差予以消除,以加快神经网络的收敛学习速度,神经网络权值和逼近误差估计的学习律可由李雅普诺夫稳定性理论推导得出,保证了闭环系统的一致最终有界性;最后,通过仿真实验验证了所提出方法的有效性.     

基于鲁棒控制Lyapunov 函数的非线性预测控制

针对一类约束不确定性非线性仿射系统,提出一种可保证闭环系统鲁棒镇定的非线性模型预测控制算法.利用鲁棒控制Lyapunov函数得到改进的Sontag公式,并以此为基础,构造一种计算有效的单自由度鲁棒预测控制器.以Matlab语言为仿真工具,对一开环不稳定振荡器进行了仿真研究,结果表明,利用该控制算法得到的闭环系统不仅渐近稳定于原点,而且所得控制量和系统状态都满足系统约束,从而验证了控制算法的有效性.     

基于新型转子磁链辨识方法的多电机系统同步控制

磁链观测是多电机闭环控制系统性能的重要环节,而电机参数的变动通常使磁链观测的精度难以满足要求.针对3台异步电机和3台逆变器组成的三电机同步系统,提出了局部模型网络磁链辨识方法.将电机参数变化当作干扰项来处理,解决了因电机参数变动影响磁链准确观测的难题.在此基础上,采用神经网络逆构建由速度、磁链、张力子系统组成的伪线性复合系统,实现了三电机同步系统中速度、磁链和张力的解耦.分别对各子系统设计线性闭环控制器,实现了三电机系统的同步控制.仿真结果验证了磁链辨识的准确性和控制系统良好的动静态性能.     

一类MISO 最小相位系统的执行器故障自适应容错控制

针对一类具有执行器卡死或/和变执行器故障的多输入单输出(MISO)非线性最小相位系统,提出一种自适应容错跟踪控制方案.采用自适应算法估计系统的不确定性,利用神经网络逼近执行器未知故障函数,以完成执行器组合故障状态下的跟踪控制.所设计的控制律不仅保证了闭环系统稳定,而且所有状态均有界,跟踪误差一致最终有界.仿真结果表明了所提出方法的有效性.     

具有有界时滞的网络控制系统的镇定

针对具有有界时滞且时滞上界大于一个采样周期的网络控制系统,研究了系统建模和状态反馈镇定问题.在分析有界时滞的所有可能性的基础上,提出一种能够用于处理时变控制律问题的网络控制系统数学模型,进而将该系统的镇定问题转化为镇定一系列模型的鲁棒控制问题.根据 Lyapunov 方法,给出了保证闭环系统稳定的状态反馈控制器.仿真算例验证了所提出方法的有效性.     

一类MIMO非线性大系统基于H∞ 跟踪的分散自适应输出反馈模糊控制

针对一类状态不可测的MIMO不确定非线性大系统,提出一种基于H∞跟踪的分散自适应输出反馈模糊控制器.主要工作有:1)通过对观测误差向量进行滤波来确保严格正实条件成立,使得提出的反馈与自适应机制可以执行;2)利用模糊系统提出一种适用于一般非线性大系统基于H∞跟踪的分散自适应模糊控制方案;3)在统一的框架下处理了控制器奇异性.闭环大系统被证明足稳定的,且输出误差具有H∞跟踪性能.仿真结果验证了控制器设计的有效性.     

通信受限网络控制系统的H∞ 控制

针对一类通信受限的网络控制系统,研究其随机稳定性和 ∞控制问题.考虑到系统存在随机丢包、时延、对数量化和概率传感器故障等因素,提出一种新的网络控制系统模型.基于Lyapunov稳定性理论,得到了系统随机稳定性的充分条件,并利用线性矩阵不等式技术,给出了系统 ∞控制器的设计方法.数值仿真算例验证了所得结论的有效性.     

无人机编队飞行神经网络自适应逆控制器设计

针对无人机编队飞行时存在的气动耦合和外部干扰等影响因素,提出基于“长-僚机”模式的神经网络自适应逆控制器设计方法.详细推导了气动耦合影响,建立了完整的编队飞行非线性数学模型,设计了非线性动态逆控制律,提出了改进的 BP 神经网络算法,自适应地逼近和在线补偿动态逆误差,改善了控制效果,并针对队形变换提出了简单有效的设计思想.仿真表明,该控制器能有效实现编队队形的保持或变换,控制系统结构具有良好的扩充性.