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.
相似文献针对一类未知时变时滞非线性系统,提出一种基于观测器的重复控制方案．采用线性矩阵不等式设计非线性观测器,所设计的控制律含有ＰＩＤ 反馈项,常值参数自适应律是微分 差分型的,时变参数学习律是差分型的．在假设未知时变时滞、时变参数和参考输出的周期有已知的最小公倍数下,通过构造一个Ｌｙaｐｕｎｏｖ-Ｋｒａｓｏｖｓｋｉｉ型复合能量函数,证明了所有闭环信号有界且输出跟踪误差收敛．仿真实例表明了算法的有效性．
相似文献针对仿射多输入多输出非线性非最小相位系统,提出了一种新的镇定方案.用反馈线性化解耦系统输入输出关系,通过高增益状态反馈镇定系统外部动态,用模型预测控制镇定内部动态,所设计控制器能保证闭环系统的指数稳定性.仿真结果表明了所提出方法的有效性和优越性.
相似文献研究具有外界持续扰动的时滞非线性大系统的无静差最优跟踪控制问题 .将时滞非线性大系统分解为带有互联项的N个时滞非线性子系统,基于内模原理对子系统构造扰动补偿器,将带有外部持续扰动的子系统化为无扰动的增广系统 .通过灵敏度法求解不含时滞的两点边值问题,得到子系统的最优跟踪控制律,截取最优跟踪控制律的前N项作为次优控制律来近似系统的最优控制律. 仿真实例表明了该设计方法的有效性.
相似文献针对一类具有未知非线性和未知参数摄动的非线性多智能体系统, 提出一种分布式模糊自适应镇定控制方法. 基于邻接智能体信息和部分智能体的自身信息, 分别设计静态耦合和动态耦合的分布式模糊自适应控制律. 基于Lyapunov 稳定性理论, 证明了所提出的控制器能使得系统状态最终稳定于原点的邻域内. 仿真实例验证了所提出方法的有效性.
相似文献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.
相似文献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.
相似文献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．
相似文献针对一类多输入多输出(MIMO) 仿射非线性动态系统, 提出一种基于极限学习机(ELM) 的鲁棒自适应神经控制方法. ELM随机确定单隐层前馈网络(SLFNs) 的隐含层参数, 仅需调整网络的输出权值, 能以极快的学习速度获得良好的推广性. 在所提出的控制方法中, 利用ELM逼近系统的未知非线性项, 针对ELM网络的权值、逼近误差及外界扰动的未知上界值分别设计参数自适应律, 通过Lyapunov 稳定性分析可以保证闭环系统所有信号半全局最终一致有界. 仿真结果表明了该控制方法的有效性.
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.
相似文献对含有模型非线性不确定性和外部扰动的多Euler-Lagrange 系统的分布式协调包含控制问题进行研究. 考虑通讯拓扑为有向图, 所有领航者均为动态, 且各智能体间相对速度信息不可测情况. 首先, 选取相对速度作为辅助变量, 引入低通滤波器进行估计; 然后, 采用神经网络方法逼近并补偿非线性不确定性, 提出一种分布式自适应包含控制律, 并应用Lyapunov 稳定性理论证明闭环系统的包含误差一致最终有界; 最后, 通过仿真算例验证了所提出的控制律的有效性.
相似文献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.
相似文献研究一类执行器幅值与速率饱和的不确定非线性系统静态抗饱和控制问题.采用线性微分包含的方法处理系统模型中的非线性项.给出了抗饱和补偿器设计方法,该方法能同时保证闭环鲁棒稳定及鲁棒性能.给出了此类非线性系统代数环良定的充要条件,从而将抗饱和补偿器设计问题转化为线性矩阵不等式约束的凸优化问题.最后通过仿真算例说明了所提出方法的有效性.
相似文献针对带有扰动的一类离散非线性系统的鲁棒迭代学习控制问题, 设计一种基于参数优化的迭代学习控制算法. 该算法能够保证在有初始状态误差和状态、输出扰动的情况下使闭环系统具有鲁棒BIBO 稳定性, 系统输出能够单调收敛于给定输出轨迹的邻域内; 在没有初始状态误差和扰动的情况下能够以零稳态误差跟踪给定输出轨迹. 最后通过仿真分析验证了所提出算法的有效性.
相似文献针对一类非线性离散时间系统给出最优预见控制器设计方法. 首先运用非线性控制系统直接控制方法的思想, 将非线性反馈部分作为形式输入, 使得系统成为“形式上”的线性系统; 然后, 针对该线性系统, 利用最优预见控制的基本方法设计最优预见控制器; 最后, 利用形式输入与实际输入的关系得到非线性离散时间系统的最优预见控制器. 证明了如果形式线性系统满足一定的可镇定和可检测条件, 则闭环系统是渐近稳定的. 数值仿真结果表明了控制器的有效性.
相似文献