具有H∞ 跟踪性能的机器人自适应犘犐犇控制

针对非线性不确定机器人系统的轨迹跟踪控制问题,提出一种鲁棒自适应ＰＩＤ 控制算法．该控制器由主控制器和监督控制器组成．主控制器以常规ＰＩＤ 控制为基础,基于滑模控制思想设计ＰＩＤ 参数的自适应律,根据误差实时修正ＰＩＤ 参数．基于Ｌｙａｐｕｎｏｖ函数设计的监督控制器补偿自适应ＰＩＤ 控制器与理想控制器之间的差异,使系统具有设定的犎∞ 的跟踪性能．最后,两关节机器人的仿真实验结果表明了算法的有效性．

     

一类具有状态反馈犖犆犛的H∞ 优化控制

研究一类网络控制系统（ＮＣＳ）的H∞ 优化控制问题．状态反馈是兼顾系统性能和敏感性的最有效的控制方式,因此,针对一类不确定时延和有限能量干扰输入的状态反馈ＮＣＳ,将其建模为不确定的线性时滞系统,并利用Ｌｙａｐｕｎｏｖ理论和线性矩阵不等式（ＬＭＩ）研究H∞ 优化控制问题．首先给出ＮＣＳ的鲁棒稳定的充分条件;然后给出ＮＣＳ状态反馈次优和最优H∞ 控制律的设计方法．仿真结果表明了该方法的可行性和有效性．

     

多输入多输出非线性多时滞系统的直接自适应模糊跟踪控制

针对多输入多输出非线性多时滞系统,提出了一种直接自适应模糊跟踪控制方案．该方案有机综合了自适应控制和H∞ 控制,构建了一种自适应时滞模糊逻辑系统用来逼近有多重时滞的未知函数;设计了H∞ 补偿器来抵消模糊逼近误差和外部扰动．根据跟踪误差给出了参数调节规律,构造了包含时滞的李亚普诺夫函数,从而证明了误差闭环系统满足期望的H∞ 跟踪性能．仿真结果表明了该方案的可行性．     

一类严格反馈非线性系统的间接自适应模糊控制

针对一类不确定严格反馈非线性系统,设计了间接自适应模糊控制方法．该方法用模糊逻辑系统逼近设计过程中的未知函数,基于时变宽度死区对模糊逻辑系统中的未知参数进行自适应调节,并对时变死区宽度设计了自适应律．证明了该方法能使闭环系统的所有信号有界,且可使跟踪误差收敛到原点的小邻域内．仿真算例验证了该方法的有效性．

     

基于观测器的可重构机械臂分散自适应模糊控制

提出一种基于观测器的可重构机械臂分散自适应模糊控制方案.将可重构机械臂的动力学描述为一个交联子系统的集合,子系统控制器由自适应模糊系统和鲁棒控制项组成.基于状态观测器观测值构建的自适应模糊系统用于逼近子系统动力学模型和交联项,鲁棒控制项用于抵消模糊逼近误差对轨迹跟踪的影响.数值仿真证明了所提出的分散控制方案的有效性.

     

基于自适应重复学习的不确定多涡卷混沌系统同步控制

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.

     

可重构模块机器人分散容错控制

针对可重构模块机器人的执行器故障,提出一种基于自适应模糊系统的分散被动容错控制方法．该方法不需要机器人动力学模型与模块之间的信息交换,模块控制器分别采用间接和直接自适应方法设计,自适应参数的更新律基于Ｌｙａｐｕｎｏｖ稳定性理论设计,保证了系统的稳定性和H_∞ 跟踪性能．数值仿真结果表明了所提出方法的有效性．

     

一类非线性系统的模糊可靠H2/H∞混合控制器设计的LMI方法

基于T-S模糊模型,利用线性矩阵不等式(LMI)方法,研究一类非线性系统的模糊可靠 H2/H∞混合控制器设计问题.首先,分别以LMI形式给出了系统模糊可靠H2及 H∞ 控制器存在的充分条件和控制器设计方法;然后,给出系统混合 H2/H∞性能的可靠控制器设计方法,所设计的控制器使得故障闭环系统二次稳定,同时满足 H∞ 性能,且优化系统的H2性能指标;最后,通过数值例子验证了结论的正确性和控制器设计方法的有效性.

     

Delta算子不确定系统扩展参数依赖H∞控制

研究了含有多面体参数摄动Delta算子系统的参数依赖H∞控制问题.基于Delta算子系统有界实引理"提出了扩展参数依赖H∞性能准则.利用该准则,以参数化的线性矩阵不等式形式给出了参数依赖H∞控制器存在的充分条件,并通过求解优化问题设计控制器.研究结果表明该方法保守性较低,且物理概念清晰.数值示例验证了所提方法的有效性.

     

线性连续重复过程的 H∞模型降阶

研究连续时间线性重复过程的 H∞模型降阶问题,目的是设计一个低阶的重复过程来近似原高阶的重复过程,使得误差在H∞ 性能指标下达到最小 .首先给出误差系统沿通道稳定且满足H∞ 性能指标的充分条件;然后采用投影定理来解决模型降阶问题. 得到的条件不完全是线性矩阵不等式的形式,采用锥补线性化算法进行计算求解. 仿真实例证实了该设计方法的有效性.

     

基于MOGA算法的??∞ 回路成形直升机姿态控制器设计

提出一种改进的显模型跟踪??∞回路成形控制方法, 利用??_∞ 回路成形算法补偿显模型跟踪算法中前馈模型逆的不确定性. 针对??_∞ 回路成形控制算法中权重函数选取的盲目性, 利用多目标遗传算法, 结合改进的小生境淘汰技术对权重函数进行寻优, 以提高设计效率和准确性. 基于所提出的方法设计直升机的内回路显模型跟踪??∞ 回路成形姿态控制系统, 能够提高系统的鲁棒性.

     

一种可保证瞬态特性的改进的鲁棒模型参考自适应控制

针对典型的鲁棒模型参考自适应控制中瞬态性能无法得到保障的问题, 提出一种改进的鲁棒模型参考自适应控制器. 该控制器在标准的鲁棒自适应控制中加入??_∞ 补偿器, 以抑制闭环自适应系统中参数估计误差和不确定扰动对系统输出跟踪性能造成的不利影响. 理论分析和仿真验证表明, 所提出的控制器不但保留了典型鲁棒模型参考自适应控制的理想特性, 并且通过设计适当的??∞ 补偿器使得闭环系统的瞬态性得到了较大的改善, 其改善的程度依赖于??∞ 补偿器性能指标的大小.

     

控制增益符号未知的MIMO 时滞系统自适应控制

针对一类带有死区模型并具有未知函数控制增益的不确定MIMO 非线性时滞系统,基于滑模控制原理和Nussbaum函数的性质,提出了一种稳定的自适应神经网络控制方案 .该方案放宽了对函数控制增益上界为未知常数的假设,并通过使用Lyapunov0Krasovski 泛函抵消了因未知时变时滞带来的系统不确定性. 理论分析证明,闭环系统是半全局一致终结有界.仿真结果表明了该方法的有效性.

     

2-D状态滞后系统的时滞相关H∞控制

研究了具有状态滞后的二维(2-D)离散线性系统的时滞相关H∞ 控制问题 .首先提出了2-D 状态滞后系统的时滞相关有界实引理,基于此引理,通过线性矩阵不等式(LMI)的可行性,设计状态反馈控制器使得闭环系统具有H∞扰动衰减度 γ;进而求解一个线性凸优化问题可得最小化γ 值. 所得的时滞相关结果可转化为时滞无关情形. 数值算例说明了所得结论的有效性和优越性.

     

基于变伸缩域模糊系统的直接自适应控制

提出一种基于变伸缩域模糊逼近器的直接自适应控制策略. 通过在线更新广义模糊基函数的变伸缩因子, 实现模糊系统论域及其模糊划分的自适应调整, 从而能够以精简的模糊规则实现理想的逼近效果. 此外, 通过设计积分型逼近误差补偿, 避免了鲁棒补偿中的高频控制输入. 仿真研究和比较分析验证了所提出的控制方法的有效性和优越性.

     

非线性时滞系统的抖振削弱自适应滑模控制

针对一类非线性时滞系统的鲁棒自适应滑模控制器设计问题,提出了一种基于偏微分变换的自适应滑模控制方法,该方法能够有效地削弱系统的输入抖动．基于自适应滑模控制技术和Ｌｙａｐｕｎｏｖ稳定方法,克服了时滞影响,不但保证系统状态可以在有限的时间内到达滑模面,而且保证了系统的渐近稳定特性．最后给出的仿真结果验证了该控制方案的有效性．

     

Ｓｔｅｗａｒｔ主动隔振平台的神经网络自适应控制

针对Ｓｔｅｗａｒｔ主动隔振平台,提出一种基于径向基函数（ＲＢＦ）神经网络的多输入多输出自适应隔振控制方法．考虑外界振动对Ｓｔｅｗａｒｔ主动隔振平台动态特性的影响,建立了隔振平台在工作空间中的动力学模型．推导出ＲＢＦ神经网络的权值矩阵、高斯基函数中心和宽度的在线自适应调节律,以使神经网络快速逼近系统的非线性动态函数．应用Ｌｙａｐｕｎｏｖ稳定性理论,证明了在扰动力和神经网络逼近误差有界的条件下,闭环控制系统滤波误差和ＲＢＦ神经网络各调节参数估计误差的一致最终有界．仿真结果表明,该控制方法能有效地抑制不同方向的低频有界振动.

     

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.

     

自治飞艇直接自适应模糊路径跟踪控制

针对具有模型不确定和未知外部干扰的自治飞艇, 提出了直接自适应模糊路径跟踪控制方法. 该方法由路径跟踪控制和自适应模糊控制两部分组成. 首先基于飞艇的平面运动模型设计路径跟踪控制律, 包括制导律计算、偏航角跟踪和速度控制3 部分; 然后构造直接自适应模糊控制器逼近路径跟踪控制律中的不确定项. 稳定性分析证明所设计的控制律能使飞艇跟踪给定的期望路径, 跟踪误差收敛到原点的小邻域内. 仿真结果验证了所提出方法的有效性.

     

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.