基于高增益观测器的SISO非线性系统模糊自适应输出反馈控制

针对一类状态不可测的SISO非线性不确定系统,提出一种新的模糊自适应Backstepping输出反馈控制,利用模糊逻辑系统逼近未知非线性函数,设计模糊自适应高增益观测器对系统未知状态进行观测,利用模糊自适应Backstepping控制方法设计模糊自适应输出反馈控制器。通过理论分析证明了闭环系统是半全局一致最终有界的;观测误差和跟踪误差都分别收敛到零的一个小邻域内。     

基于观测器的单输入单输出非线性系统的模糊自适应输出反馈控制

在假设系统状态不可测的条件下针对一类单输入单输出非线性系统提出了直接模糊自适应滑模控制方案。其主要特点是(i)不需要假设非线性系统的用于反馈的所有状态都是可测的，而是引入观测器来估计它们。(ii)保证了闭环系统的稳定性和跟踪误差的收敛性。     

一类非线性系统基于Backstepping的自适应稳定控制

针对一类未知高阶非线性系统，提出了一种基于Backstepping和神经网络的自适应稳定控制方法。利用RBF神经网络逼近未知非线性函数，不需要满足匹配条件，基于Backstepping方法调节网络权值。在控制律中引入非线性衰减项和σ-修正项保证了网络权值的稳定性，阻止了参数漂移。通过Lyapunov直接方法，证明了整个闭环系统的最终一致有界性。该方法扩展了自适应Backstepping和自适应NN控制的应用范围，适于并行计算，仿真结果表明了该算法的有效性。     

随机多输入多输出系统的自适应神经网络控制

针对一类具有严格反馈形式的随机非线性多输入多输出系统的自适应神经跟踪控制问题,本文利用径向基函数神经网络的万能逼近性,结合自适应Backstepping设计方法,提出了一类新的自适应神经网络状态反馈控制器,并对该系统提出的控制器含有较少的参数问题,通过Lyapunov稳定性理论进行了稳定性分析和证明,并应用仿真算例进行验证,仿真结果表明,闭环系统的所有误差变量概率意义下有界,并使系统的输出收敛到参考信号的一个小的邻域范围之内。该研究对随机非线性多输入多输出系统的跟踪控制有一定的指导意义。     

基于K滤波的自适应模糊Backstepping容错控制

针对一类不满足匹配条件的状态不可测非线性不确定故障系统,研究了一种自适应模糊输出反馈容错控制器的设计方法。设计中,利用模糊逻辑系统在线逼近系统的故障函数,使用K滤波技术,并结合Backstepping和模设计原理,建立了一种新的自适应模糊输出反馈容错控制方法。证明了所提出的自适应模糊容错控制方法能够保证闭环系统所有信号是半全局一致有界的,且跟踪误差收敛到原点的一个小邻域内。仿真结果验证了该方法的有效性。     

基于Backstepping设计的非线性系统自适应模糊输出反馈控制

对一类单输入单输出动态不确定非线性系统,提出一种模糊自适应Backstepping和动态信号相结合的输出反馈控制方法。设计中,首先用模糊逻辑系统逼近未知非线性函数,然后引入模糊自适应观测器估计系统的状态。其次把模糊自适应控制和Backstepping控制设计技术相结合,给出了基于观测器的模糊自适应输出反馈控制设计方法。最后基于Lyapunov函数和动态信号证明了整个闭环系统的稳定性,同时使得输出收敛到原点的一个较小区域内。仿真实例进一步验证了所提方法的有效性。     

非线性参数系统的鲁棒自适应输出反馈控制

采用自适应非线性阻尼和变能量函数的方法来抑制参数和非线性不确定性、未知有界扰动和未建模动态的影响,并用高增益观测器来估计系统的状态。 针对用输入输出模型描述的非线性参数系统提出的一种鲁棒自适应输出反馈控制法,不必对系统的未知参数进行估计,也不必通过产生附加动态信号来抑制未建模动态。 理论证明,所提方法保证闭环系统的所有信号一致有界,且通过选择适当的设计参数,可使跟踪误差任意的小。仿真结果例证了控制法的有效性。     

线性切换系统基于观测器的输出反馈镇定

切换系统是一类重要的混合系统，具有广泛的应用背景．针对许多实际切换系统状态不可测的特点，将多Lyapunov函数方法和线性矩阵不等式技术相结合，设计了线性切换系统基于观测器的输出反馈镇定控制器，给出了系统可镇定的充分条件，同时给出了该条件下切换观测器和反馈控制器的参数化表示，以及基于重构状态的稳定化切换律构造方法．最后的算例和仿真结果表明该方法简单、有效、便于应用．     

基于自适应神经网络滑模观测器的容错控制

针对机电伺服系统可能发生的故障,提出基于自适应神经网络滑模观测器的快速终端滑模容错控制策略.在自适应滑模观测器中引入神经网络估计故障,以提高故障发生时观测器的状态估计精度和故障检测准确性.利用观测器的状态估计值进行状态重构,结合参数自适应技术和快速终端滑模控制方法设计主动容错控制器.针对参数不确定性设计参数自适应率进行估计,并利用前馈补偿技术补偿故障和参数不确定性.针对未知上界的扰动设计具有自适应增益的鲁棒项.利用Lyapunov定理证明所提出的控制方法可以实现系统有界稳定,大量仿真和实验结果验证了控制器在系统发生故障时具有良好的容错能力、控制精度和响应速度.     

一类MIMO非线性不确定系统基于Backstepping设计的自适应模糊输出跟踪控制

针对一类具有块三角形式的多输入多输出(MIMO)非线性不确定系统,基于Backstepping设计研究该系统的自适应模糊输出跟踪控制问题。模糊逻辑系统用作逼近系统的未知函数。通过理论分析,证明闭环系统是半全局一致终结有界的;跟踪误差收敛到一个小的残差集内。仿真结果表明了该方法的有效性。     

一类非仿射非线性系统的神经网络输出反馈方案设计

针对一类非仿射非线性系统,设计了一种基于神经网络的自适应输出反馈控制方案,使得输出信号能够跟踪给定信号。构造观测器估计系统中的未知状态变量,采用神经网络结构补偿系统中的非线性部分,并且设计了鲁棒控制项来抵消逼近误差,增加了抗干扰能力。系统稳定性得到严格证明。仿真结果充分证明了该方案的有效性和可行性。     

基于神经网络的自适应控制

在常规模型参考自适应控制器基础上采用神经网络作为辨识器和控制器，组成模型参考神经网络自适应控制系统。利用神经网络的优点弥补传统自适应方法的不足，使系统具有更强的鲁棒性。仿真结果表明，该系统比传统模型参考自适应系统具有更好的稳定性和更快的响应速度。     

神经网络自适应控制技术在空调系统中的应用

目的采用神经网络自适应控制方法，来解决中央空调系统大惯性、大时滞问题，提高控制效果．方法利用两个BP神经网络NNC和NNI，分别做控制器和辨识器，神经网络辨识器通过采集相关的输出量，监控系统的工作状态，并通过实时调整神经网络控制器参数．结果实现中央空调智能控制，仿真结果验证有良好的动态性能和稳态性能．结论神经网络自适应控制器优于常规控制器．调节速度快，超调小，具有良好的控制性能．     

非线性系统的直接自适应模糊Backstepping控制

研究了一类单输入单输出非线性系统的自适应跟踪问题,提出了一种直接自适应模糊Backstepping控制策略,与传统的Backstepping自适应控制方法相比,控制器的设计更为简单。通过理论分析,证明闭环系统是半全局一致终结有界的;跟踪误差收敛到一个小的残差集内.仿真结果表明了该方法的有效性。     

基于Backstepping设计的非线性大系统模糊自适应输出反馈分散控制

针对一类高频增益符号未知,仅有输出可测的非线性大系统提出了一种模糊自适应Backstepping分散控制方法。在backstepping递推设计中,采用模糊逻辑系统逼近未知非线性函数,利用Nussbaum增益方法解决未知高频增益符号未知问题。利用所提出的模糊自适应分散控制方法,可以使得闭环系统的信号是一致终结有界（UUB）。仿真实例进一步验证了所提方法的有效性。