基于全调节RBF神经网络的远程网络控制器设计

针对一类具有参数不确定项的非线性网络控制系统,提出一种基于全调节RBF神经网络的反馈线性化与远程状态反馈控制方法相结合的控制策略.该控制策略首先通过设计全调节RBF神经网络的权值W,中心值φ和影响范围σ的调节律,在线补偿系统的非线性及参数不确定项;然后利用状态反馈控制解决时延条件下的网络控制问题.通过Lyapunov稳定性理论给出了系统的稳定性定理,并通过仿真实验验证了该方法的有效性.     

一种基于 DTFEL的非线性自适应逆控制

提出一种基于离散时间反馈误差学习(DTFEL)的两自由度非线性自适应逆控制(AIC)方法,其控制器由动态RBF神经网络(DRBFNN)前馈控制器和参数固定的PD 反馈控制器构成.PD 控制器用来保证闭环系统稳定,动态 RBF神经网络以 PD控制器输出和反馈误差的线性组合为学习信号,通过一种改进的 NLMS(VS MNLMS)算法在线学习和逼近对象的动态逆,提高反馈控制器的性能. 稳定性分析证明了该AIC 系统稳定. 数字仿真结果表明,该 AIC具有良好的自适应能力和鲁棒性,是一种有效的非线性控制方法.

     

一类具有未建模动态的非线性系统模糊自适应鲁棒控制

针对一类单输入单输出未建模动态不确定非线性系统,提出一种模糊自适应Backstepping控制方法.设计中利用模糊逻辑系统逼近系统的未知函数,应用非线性阻尼项抵消系统的非线性不确定项,通过引入一个动态信号克服未建模动态.该模糊自适应控制方法保证了整个闭环系统的有界性,输出信号可调节到零的小邻域内.仿真结果进一步验证了该方法的有效性.

     

一类欠驱动机械系统的全局鲁棒控制

针对具有质心参数不确定性的Acrobot系统,提出一种全局的鲁棒控制方法.首先,给出系统具有质心参数不确定的系统模型;其次在摇起区,分析系统不确定性条件下的能量变化情况,基于能量不断增加的思想设计出摇起控制器;在平衡区,把系统的不确定性转化为模型状态矩阵的不确定性,引入H_∞标准设计方法,得出存在H_∞状态反馈控制器的充要条件,通过求解线性矩阵不等式使系统有效地克服不确定性的影响实现二次稳定;最后通过仿真实验验证了所提方法的有效性.

     

具有时变时滞的不确定非完整系统的输出反馈镇定

针对一类含有状态时变时滞的不确定非完整系统, 提出一种输出反馈镇定控制算法. 通过应用不连续的输入-状态变换和缩放变换, 将原始研究系统转换为更利于反馈控制器设计的新系统. 基于此系统设计状态反馈控制律, 通过构造状态观测器、利用必然等价原理给出理想的输出反馈镇定控制器. 分析表明, 所设计的控制器能够使得闭环系统的状态渐近趋于零. 最后通过仿真实例表明了所提出控制策略的有效性.

     

全局自适应神经网络跟踪控制及逼近域确定

针对自适应神经网络跟踪控制问题,提出一种确定逼近域的方法.采用参考信号取代未知非线性函数中的系统输出,神经网络用于逼近以参考信号为输入的未知不确定项.可以利用参考信号的界预先确定神经网络逼近域,再采用自适应鲁棒方法处理由于函数输入置换所引起的另一类不确定项.所得到的闭环系统是全局稳定的.仿真实例说明了该控制方法的有效性.

     

具有执行器饱和特性的不确定系统预测控制器设计

针对具有执行器饱和特征的不确定系统,提出了一种带有状态观测器的新型预测控制器设计方法.该方法在滚动优化的每一步,采用带有饱和特性的反馈控制结构得到一个最优控制律,使无穷时域性能指标最小.考虑在状态不完全已知的情况下,设计了带有状态观测器的预测控制器,并通过观测器参数调整使闭环系统渐近稳定.通过仿真实验验证了所设计控制器的有效性.

     

一类不确定时滞系统的非线性H∞控制

利用Lyapunov稳定性定理和线性矩阵不等式工具,讨论了一类不确定时滞系统的非线性H_∞控制问题.设计的非线性H_∞控制器可由线性矩阵不等式的解给出.进一步,建立一个具有线性矩阵不等式约束的凸优化问题,得到了不确定时滞系统的最优状态反馈H_∞控制律.仿真示例表明了该方法的可行性.

     

一类非线性时滞广义系统的状态反馈控制

利用线性矩阵不等式（ＬＭＩ）,讨论了一类非线性时滞广义系统的状态反馈控制问题．通过对非线性映射Ｆｒｅｃｈｅｔ导数的逆矩阵的估计,给出了系统渐近稳定的充分条件．这一条件与时滞相关,可归结为一个线性矩阵不等式的可解性．在ＬＭＩ有解的条件下,可得到系统状态反馈控制器的参数表示．数值实例表明该方法是有效的．

     

具有平衡点漂移的非线性系统参数H∞ 控制

针对具有参数不确定性的非线性系统, 研究其参数H_∞ 控制问题. 首先, 当外界扰动输入为零时, 利用非线 性代数方程给出非线性系统平衡点存在区域; 然后, 当外界扰动输入不为零时, 设计状态控制器, 通过Lyapunov 函数 法, 推导出使闭环系统参数稳定且满足H_∞ 性能指标的充分条件. 仿真结果表明, 所设计的H_∞ 控制器能有效地稳定 非线性系统, 并且具有一定的H_∞ 性能指标.

     

基于观测器的非线性互连系统的自适应模糊控制

针对一类不确定非线性MIMO互连系统,提出一种自适应模糊控制算法.通过设计观测器来估计系统的状态,因此不要求假设系统的状态是可测的.给出的自适应律只对不确定界进行在线调节,从而大大减轻了在线计算负担.该算法能够保证闭环系统的所有信号是一致有界的,并且跟踪误差指数收敛到一个小的零邻域内.仿真结果表明了算法的可行性.

     

有界丢包网络环境下不确定系统的预测控制

研究了有界丢包网络环境下的多包不确定系统的鲁棒预测控制．首先在构建无限时域性能代价函数时,不同于传统预测控制方法,只考虑成功数据传输序列,并由此提出了两种鲁棒预测控制方法：将无限时域控制作用参数化为一个状态反馈控制律;或参数化为一个自由控制作用接一个状态反馈控制律．与传统方法一样,采用性能代价函数作为Ｌｙａｐｕｎｏｖ函数证明了系统的闭环稳定性．仿真实例验证了此方法的有效性．

     

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.

     

具有时延和丢包的网络控制系统H∞状态反馈控制

研究了具有时延和数据包丢失的网络控制系统H_∞状态反馈控制问题.考虑了网络控制系统中同时存在时延和数据包丢失的情况,将丢包过程建模为有限状态的马尔可夫过程.在此模型的基础上,利用Lyapunov稳定性理论和线性矩阵不等式方法,给出了保持系统均方稳定且满足H_∞性能的控制器存在的充分条件,并给出了相应的设计方法.最后数例仿真结果表明了控制器设计方法的有效性.

     

具有自适应内模的一类非线性系统输出调节问题

研究一类包含未知非线性项的非线性系统的鲁棒输出调节问题.此类非线性系统由一包含未知参数的线性中性稳定的外系统驱动.首先运用调节器方程组解和标准内模将输出调节问题转化为镇定问题,然后给出控制律镇定闭环系统,同时利用镇定输入项和外系统信息设计出自适应内模方程.控制律使得闭环系统的信号全局最终有界,且误差被调节至预先设定的任意小的精度值.仿真结果验证了所提出设计方法的有效性.

     

一类不确定系统鲁棒容错D-稳定性分析

研究不确定系统D-稳定鲁棒容错H_∞控制问题.基于连续型执行器故障模式,利用线性矩阵不等式(LMI),给出了系统D-稳定的鲁棒容错输出反馈控制器存在的充分条件,并将动态输出反馈控制器设计方法归结为求解一族线性矩阵不等式组.仿真示例表明,无论执行器是否发生故障,所得到的动态输出反馈控制器不仅保证闭环系统是D-稳定的,而且满足给定的H_∞干扰指标,从而验证了所提出的控制器设计方法的有效性.

     

不确定关联网络系统分散H∞ 量化控制

研究同时具有状态和控制输入的两量化器的不确定关联网络系统分散H_∞ 状态反馈控制器和量化器参数的设计问题．由于状态在传送到控制器之前,以及控制器输入到系统时信号需要被量化,使系统的性能不能得到保证．为此,提出了一种依赖于状态调节量化器参数的策略,使得所得的闭环系统渐近稳定,并且能获得在没有量化器情况下相同的H_∞ 扰动抑制水平．控制器的设计和量化器的参数都是根据子系统信息以分散的方式构造的．

     

一种新型神经网络广义逆系统

提出一种新型带有反馈环节的广义逆系统方法,并给出了其存在性的证明．该方法首先利用神经网络构造被控对象的α 阶逆系统,通过改变反馈环节参数可随时任意配置复合系统极点,无需重新构造广义逆系统．分别对ＳＩＳＯ 和ＭＩＭＯ 非线性系统进行仿真研究．仿真结果表明,在配置极点变换时,利用该方法构造的广义逆系统仍可对原系统实现有效的线性化和解耦．

     

一类高阶非线性参数化系统自适应重复学习控制

针对一类高阶非线性参数化系统,利用参数重组技巧,提出了一种自适应重复学习控制方法 .该方法结合反馈线性化,可以处理参数在一个未知紧集内周期性,快时变的非线性系统. 通过引进微分 -差分参数自适应律,设计了一种自适应控制策略,使广义跟踪误差在误差平方范数意义下渐近收敛于零. 通过构造Lyapunov 泛函,给出了闭环系统收敛的一个充分条件.实例仿真结果说明了该方法的可行性和有效性.

     

参数不确定的供应链传递函数H∞保成本计算与分析

针对参数不确定的供应链传递函数系统,提出基于H_∞保成本计算的订货策略优选方法.首先,通过遗传算法(GA)和线性矩阵不等式(LMI)相结合的H_∞保成本计算,搜寻参数不确定的传递函数H_∞范数;然后,根据传递函数H_∞范数的大小,比较其对于扰动抑制的能力,确定供应链订货策略的选择;最后,对参数不确定的补货系统和基于生产控制系统的库存和订货系统两类供应链进行了仿真,并进行了最优订货策略的选择与分析.