自适应比例–积分H2滑模观测器设计

传统的龙伯格观测器的观测精度极易受到未知外部扰动的影响.为了解决这个问题,本文设计了一种基于径向基神经网络的自适应比例–积分H₂滑模观测器,实现了参数不确定性和外部扰动下非线性系统的鲁棒确切估计.首先,利用径向基神经网络自适应逼近系统模型的复杂非线性项;其次,设计基于误差的线性滑模面,将比例–积分滑模项注入观测器中,使得滑模动态在有限时间内收敛于滑模面,实现对外部扰动和系统模型非线性的完全补偿;最后,基于H₂次优控制和区域极点配置,提出观测器参数自整定方法.通过对单连杆机器人的仿真结果表明,该方法能够保证非线性系统具有较好的鲁棒性和自适应性.     

飞行器自适应神经网络时滞控制

在飞行器稳定性控制问题的研究中,针对含有外部扰动、参数不确定性、状态和控制时滞的非线性飞行器系统,提出了一种时滞状态反馈控制与神经网络自适应估计相结合的方法.对非线性系统线性化处理得到飞行器线性模型,并由线性矩阵不等式(LMI)设计反馈控制律;采用径向基函数(RBF)神经网络自适应在线估计策略,对反馈控制律进行补偿以消除未知非线性影响;采用Lyapunov稳定性理论证明了在所设计控制律作用下,闭环系统渐近稳定同时满足H∞性能指标.仿真结果验证了上述方法的可行性及有效性.     

一类不确定非线性系统的鲁棒自适应轨迹线性化控制

针对一类不确定非线性系统,研究了一种新的鲁棒自适应轨迹线性化控制方案.利用径向基神经网络的在线逼近能力以及被控对象分析模型的有用信息设计一种径向基神经网络干扰观测器来估计系统中存在的不确定性.观测器输出用于设计补偿控制律抵消不确定性对系统性能的影响,鲁棒自适应控制律用于克服逼近误差.采用Lyapunov方法严格证明了在自适应调节律作用下闭环系统所有误差信号最终有界.最后利用倒立摆系统验证了新方法的有效性.     

具有非线性不确定参数的电液伺服系统自适应backstepping控制

针对电液伺服系统中存在非线性不确定参数的问题,提出了一种采用积分型Lyapunov函数的自适应backstepping控制方法.首先定义积分型Lyapunov函数,将电液伺服系统中的非线性不确定参数转化为线性表示;然后逐步递推设计backstepping控制器,同时在控制律中加入阻尼项,从而补偿外界干扰对控制性能的影响;基于Lyapunov稳定性方法,设计了参数自适应律,并且在自适应律中引入充分光滑投影算子,实现对电液伺服系统中不确定参数漂移的抑制作用.搭建了AMESim与MATLAB的联合仿真平台,对所设计的自适应backstepping控制器进行仿真,作为对比,设计了不带有非线性参数估计的自适应backstepping控制器和PID算法.仿真表明,本文所设计的控制器具有良好的跟踪性能和补偿非线性不确定参数变化的能力.     

不确定受扰电液伺服系统智能自学习PID控制

针对具有参数不确定和外负载扰动的不确定受扰电液伺服系统,提出一种智能自学习PID控制策略.该方法不依赖于系统的精确模型,是一种数据驱动的控制方法.首先,通过改进的动态线性化方法将非线性非仿射的电液伺服系统等效为含有时变参数项和非线性不确定项的线性仿射形式;然后,采用梯度估计算法和时间差分算法分别对时变参数项和非线性不确定项进行估计;接着,利用iPID控制引入附加误差信息对过度线性化丢失的信息进行补偿;最后,根据最优准则,设计不确定受扰电液伺服系统的参数更新律和学习控制律.通过理论分析和仿真实验验证所提出控制策略的收敛性,并通过对比实验,验证该控制方案应用于电液伺服系统的优越性和精确性.实验结果表明,所提出方法能够抑制非线性扰动对系统造成的不良影响,实现理想轨迹的精确跟踪.     

带有海浪滤波器的船舶航向反步自适应输出反馈控制

针对复杂海况下船舶航向控制中的模型非线性、参数不确定和海浪扰动问题,提出了一种基于反步法的非线性自适应输出反馈控制算法.首先基于无源理论设计了一种状态观测器以实现海浪滤波和状态估计,这种观测器无需海浪扰动的方差信息从而减少了观测器参数数量.然后假定系统模型参数未知,基于反步法给出了非线性控制律和参数自适应律.利用Lyapunov理论证明了这种自适应输出反馈控制系统的稳定性.仿真结果表明本文所提控制器具有较好的控制性能,对不确定性模型参数具有良好的自适应性.     

基于状态观测器的非仿射非线性系统鲁棒自适应H∞跟踪控制

针对一类非仿射非线性系统，提出了基于状态观测器的鲁棒自适应H∞跟踪控制结构．文中利用高斯径向基神经网络（RBF神经网络）在线抵消非线性模型误差，利用高增益观测器估计不能直接测量的输出导数．利用李亚普若夫稳定理论导出了系统的控制律，包括固定结构的控制律和自适应控制律两个部分，并给出了详细的理论分析和证明：在系统没有扰动时，确保跟踪误差渐近趋于零且系统的所有信号有界；存在扰动时，取得了预期的H∞跟踪性能．     

基于干扰观测器的高速列车RBF自适应滑模控制方法

针对高速列车动力学模型的不确定性和存在外部干扰难以实现高速列车对目标轨迹的高精度跟踪控制的问题,设计了一种基于非线性干扰观测器的RBF神经网络自适应滑模控制方法。首先,针对高速列车模型非线性系统的不确定性问题,设计自适应RBF神经网络鲁棒控制器进行跟踪控制,基于RBF神经网络的特性设计神经网络权值自适应律,对列车模型中的未知函数进行估计。其次,针对高速列车跟踪控制外部干扰问题,采用指数收敛干扰观测器进行干扰补偿,提高高速列车对目标轨迹追踪的抗干扰能力。最后,李雅普诺夫(Lyapunov)稳定性分析保证了闭环系统的渐近稳定性,以秦沈客运专线为仿真对象。结果表明,所设计的控制方法不仅解决了列车模型未知阻力部分的自适应逼近,而且在此基础上引入干扰观测器对外部非线性干扰进行补偿实现了对期望轨迹的高精度快速跟踪。     

自适应鲁棒控制器设计新方法在电液伺服系统中的应用

提出了一种自适应鲁棒控制器设计新方法, 并运用在阀控缸电液位置伺服系统中.首先, 将含有确定、不确定、已知、未知、线性和非线性项的电液伺服系统进行完整地数学建模, 以状态空间的形式表出.然后利用本文所提的新方法设计自适应鲁棒控制器和相应的自适应律来处理所建模型中的各项元素.该控制器通过设计一个带有虚拟控制量的控制状态空间表达式并结合状态观测器来获得.设计合适的虚拟控制量, 可在任意给定条件下, 使所有的系统状态都收敛到所设计的理想状态.接着设计李亚普诺夫函数来证明闭环系统的稳定性.最后建立硬件实验平台与经典自适应鲁棒控制方法进行对比实验验证此自适应鲁棒控制器设计新方法的有效性和优势.     

基于扰动观测器的机器人自适应神经网络跟踪控制研究

为解决机器人动力学模型未知问题并提升系统鲁棒性,本文基于扰动观测器,考虑动力学模型未知的情况,设计了一种自适应神经网络（Neural network,NN）跟踪控制器.首先分析了机器人运动学和动力学模型,针对模型已知的情况,提出了刚体机械臂通用模型跟踪控制策略;在考虑动力学模型未知的情况下,利用径向基函数（Radial basis function,RBF）神经网络设计基于全状态反馈的自适应神经网络跟踪控制器,并通过设计扰动观测器补偿系统中的未知扰动.利用李雅普诺夫理论证明所提出的控制策略可以使闭环系统误差信号半全局一致有界（Semi-globally uniformly bounded,SGUB）,并通过选择合适的增益参数可以将跟踪误差收敛到零域.仿真结果证明所提出算法的有效性并且所提出的控制器在Baxter机器人平台上得到了实验验证.     

基于自适应滑模的欠驱动无人艇轨迹跟踪控制算法

针对欠驱动水面无人艇在航行过程中存在的海洋环境干扰、数学模型参数不确定、执行器故障等问题,提出了一种基于扰动观测器与神经网络技术的自适应滑模轨迹跟踪策略。在无人艇三自由度模型的基础上,结合视线制导率,提出了一种新的轨迹跟踪制导策略。采用自适应滑模控制技术设计了欠驱动无人艇轨迹跟踪控制器,有效地抑制了执行器衰减故障对无人艇控制系统的影响;同时运用了非线性扰动观测器和自适应径向基函数神经网络分别对无人艇受到的外界干扰和模型参数不确定性进行补偿和拟合,提高了控制系统的抗干扰能力。基于Lyapunov定理证明了所设计的控制系统的稳定性,并在MATLAB中进行了仿真测试。仿真结果表明,所提出的轨迹跟踪控制算法可以在较为复杂的环境下实现对欠驱动无人艇的精准控制;相较于对比算法,位置的平均跟踪误差减小了80%以上,具备较高的稳定性和鲁棒性。     

Robust adaptive backstepping control for a class of uncertain nonlinear systems based on disturbance observers

In this paper, a novel robust adaptive control scheme for a class of uncertain nonlinear systems is proposed using disturbance observer and backstepping method.Firstly, a disturbance observer is developed using radial basis function(RBF) neural network.The parameter updated law of the RBF neural network is given for monitoring subsystem disturbance well.The robust adaptive control scheme is then presented with backstepping method based on the designed disturbance observer.Semiglobal uniform ultimate bounded...     

基于神经网络观测器的船舶轨迹跟踪递归滑模 动态面输出反馈控制

针对三自由度全驱动船舶速度向量不可测问题,考虑船舶模型参数和外部环境扰动均未知的情况,提出一种基于神经网络观测器的船舶轨迹跟踪递归滑模动态面输出反馈控制方法.该方法设计神经网络自适应观测器估计船舶速度向量,且利用神经网络逼近模型参数不确定项,综合考虑船舶位置和速度误差之间关系构造递归滑模面,再采用动态面控制技术设计轨迹跟踪控制律和参数自适应律,并引入低频增益学习方法消除外界扰动导致的高频振荡控制信号.选取李雅普诺夫函数证明了该控制律能够保证轨迹跟踪闭环系统内所有信号的一致最终有界性.最后,基于一艘供给船进行仿真验证,结果表明,船舶轨迹跟踪响应速度快,所设计控制器对系统模型参数摄动及外界扰动具有较强的鲁棒性.     

Robust adaptive backstepping tracking control of stochastic nonlinear systems with unknown input saturation: A command filter approach

This paper studies the problem of adaptive observer‐based radial basis function neural network tracking control for a class of strict‐feedback stochastic nonlinear systems comprising an unknown input saturation, uncertainties, and unknown disturbances. To handle the issue of a non‐smooth saturation input signal, a smooth function is chosen to approximate the saturation function and the state observer is used to estimate unmeasured states. By the so‐called command filter method in the controller design procedure, the implementation complexity is reduced in the proposed backstepping method. Moreover, a radial basis function neural network is deployed to reconstruct the unknown nonlinear functions. In addition, the gains of all radial basis function neural networks are updated through one updating law leading to a minimal learning parameter which is independent of the number of neural nodes and the order of the system. Comparing with the existing results, the proposed approach can stabilize a constrained stochastic system more effectively and with less computational burden. Finally, a practical example shows the performance of the proposed controller design.     

A solution for the cooperative formation-tracking problem in a network of completely unknown nonlinear dynamic systems without relative position information

In this paper, a solution of the formation-tracking problem is provided for a network that contains nonlinear agents with completely unknown dynamics and working under unknown disturbances. By the combination of a cooperative observer and an adaptive model-free controller, the requirement of inter-agent relative position information in the network is eliminated. Here, a cooperative observer is designed to estimate the time-varying reference trajectory and the time-varying parameters of the desired formation topology at each agent in the network. The stability of the proposed cooperative observer is analysed using Lyapunov analysis. Utilising the cooperative observer, the formation-tracking problem in the network of dynamic agents is transformed to a tracking problem in a single agent system. Moreover, an adaptive model-free control policy is applied to each agent for providing the tracking objective. Utilising the algebraic connectivity originating from graph theory, this model-free control algorithm is formulated to scale-up for a network of multi-agents. The proposed decentralised controller includes two model-free adaptive laws for online estimating of the completely unknown dynamics at each agent in the network. The application of the proposed solution is simulated for a network of four quadrotors with unknown internal dynamics and unknown external disturbances.     

Neural network based adaptive fuzzy PID-type sliding mode attitude control for a reentry vehicle

This work investigates the attitude control of reentry vehicle under modeling inaccuracies and external disturbances. A robust adaptive fuzzy PID-type sliding mode control (AFPID-SMC) is designed with the utilization of radial basis function (RBF) neural network. In order to improve the transient performance and ensure small steady state tracking error, the gain parameters of PID-type sliding mode manifold are adjusted online by using adaptive fuzzy logic system (FLS). Additionally, the designed new adaptive law can ensure that the closed-loop system is asymptotically stable. Meanwhile, the problem of the actuator saturation, caused by integral term of sliding mode manifold, is avoided even under large initial tracking error. Furthermore, to eliminate the need of a priori knowledge of the disturbance upper bound, RBF neural network observer is used to estimate the disturbance information. The stability of the closed-loop system is proved via Lyapunov direct approach. Finally, the numerical simulations verify that the proposed controller is better than conventional PID-type SMC in terms of improving the transient performance and robustness.

     

Disturbance-observer-based sampled-data adaptive output feedback control for a class of uncertain nonlinear systems

In this paper, a sampled-data adaptive output feedback controller is proposed for a class of uncertain nonlinear systems with unmeasured states, unknown dynamics and unknown time-varying external disturbances. To approximate uncertain nonlinear functions, radial basis function neural networks (RBFNNs) are employed. The state observer and the disturbance observer (DO) are constructed to estimate the unmeasured state and the external disturbance, respectively. Then, the sampled-data adaptive output feedback controller and adaptive laws are designed by using the backstepping design technique. The allowable sampling period T is derived to guarantee that all states of the resulting closed-loop system are semi-globally uniformly ultimately bounded. Finally, two simulation examples are presented to illustrate the effectiveness of the proposed approach.     

基于扩张观测器的欠驱动船舶轨迹跟踪低频学习自适应动态面输出反馈控制

针对速度不可测的三自由度欠驱动船舶轨迹跟踪控制问题,考虑船舶存在模型参数不确定项以及外界环境干扰未知情况,提出一种基于扩张观测器的欠驱动船舶轨迹跟踪低频学习自适应动态面输出反馈控制策略.该策略构造扩张观测器估计船舶速度向量,利用神经网络算法逼近模型参数不确定项,然后采用动态面控制技术避免对虚拟控制律直接求导,简化控制律计算过程,并引入低频增益学习技术消除外界扰动导致控制信号产生高频振荡,最后选取李雅普诺夫函数证明该控制律能够保证船舶跟踪闭环系统中所有误差信号一致最终有界.仿真结果表明,本文所设计控制器对船舶模型参数不确定项及外界环境干扰具有较强的鲁棒性,能够实现对船舶轨迹的有效跟踪.     

基于RBF神经网络的机械臂自适应控制方法

针对机械臂受内部摩擦和时变扰动等不确定性因素的影响,其轨迹跟踪控制系统的跟踪精度会下降,且影响系统的稳定性,提出一种基于径向基函数神经网络的自适应控制方法。首先,利用RBF神经网络采用离线训练和在线学习的方式对机械臂的动力学模型进行辨识;其次针对机械臂控制系统中的摩擦,设计RBF神经网络自适应控制算法对其进行逼近得到补偿控制量。针对时变扰动和神经网络逼近误差设计鲁棒项,以克服众多不确定性因素带来的影响,同时通过构造李亚普诺夫函数对所设计的控制系统进行稳定性分析;最后,仿真实验结果证明提出的控制方法具有较高的跟踪精度、抗干扰能力和较强的鲁棒性。