具有未建模动态系统的自适应动态面输出反馈控制

针对一类具有未建模动态和动态扰动且状态不可量测的非线性系统,利用神经网络逼近未知函数设计K-滤波器重构系统状态,提出一种自适应输出反馈控制策略。通过对未建模动态的新刻画,避免动态信号的引入。采用动态面设计方法,取消理论分析中产生的未知连续函数的估计,降低设计的复杂性。利用Lyapunov方法证明了闭环系统的所有信号是半全局一致终结有界的,并通过仿真结果验证了所提出方案的有效性。     

具有输入未建模动态的纯反馈非线性系统自适应控制

对一类具有状态和输入未建模动态且控制增益符号未知的纯反馈非线性系统,利用非线性变换、改进的动态面控制方法以及Nussbaum函数性质,提出两种自适应动态面控制方案.利用正则化信号来约束输入未建模动态,从而有效地抑制其产生的扰动.通过引入动态信号,有效地处理了由状态未建模动态引起的动态不确定性.通过在总的李雅普诺夫函数中引入非负正则化信号,并利用稳定性分析中引入的紧集,证明了闭环控制系统是半全局一致终结有界的.数值仿真验证了所提方案的有效性.     

具有未建模动态和输出约束系统的自适应输出反馈控制

针对一类具有未建模动态和输出约束的输出反馈非线性系统, 提出一种自适应输出反馈动态面控制方案. 利用神经网络逼近未知连续函数, 分别设计K滤波器和动态信号估计不可测量的状态, 并处理动态不确定性. 引入障碍李雅普诺夫函数并设计自适应控制器以保证BLF有界, 从而实现输出约束. 理论分析表明, 闭环控制系统是半全局一致终结有界的, 且满足输出约束, 仿真结果验证了所提出方案的有效性.     

具有未建模动态的自适应神经网络动态面控制

对一类具有未建模动态的严格反馈非线性系统,提出一种自适应神经网络动态面控制方案.该方案将动态面控制方法扩展到具有未建模动态的严格反馈非线性系统的控制器设计中,拓展了动态面控制方法的应用范围.利用动态面控制方法引入的紧集来处理未建模动态对于系统的影响.利用Young's不等式,提出两种自适应参数调节方案.与现有研究结果相比,有效地减少了可调参数的数目,放宽了动态不确定性的假设,无需虚拟控制增益系数导数的信息.通过理论分析,证明了闭环控制系统是半全局一致终结有界的,且跟踪误差收敛到原点的一个小邻域内.     

含未建模动态的非线性系统输出反馈DSC设计

针对一类含有未建模动态和未知控制增益符号的非线性系统,提出了一种输出反馈自适应跟踪控制方案.首先利用Kreisselmeier观测器实现了不可测状态的估计,在此基础上以回归设计方式设计了输出反馈动态面控制系统,通过引入Nussbaum函数解决了控制方向未知问题.该方案解克服了传统反推控制方法中的微分爆炸现象,并且所有未...     

带有死区输入和未建模动态的神经网络控制

针对一类具有死区非线性输入和未建模动态的非线性系统,提出一种自适应神经网络控制方法。该方法将后推技术和动态面技术结合,克服了计算复杂性问题,放宽了动态不确定性的假设,取消了神经网络逼近误差有界。借助中值定理和Young’s不等式,保证整个设计只需一个自适应参数,且控制增益只需存在一个上、下界。理论分析证明闭环系统所有信号半全局一致终结有界。仿真结果验证所提方案的有效性。     

具有未建模动态和输出约束的耦合系统的分散自适应控制

针对一类具有输入、状态未建模动态和非线性输入的耦合系统,提出一种自适应神经网络控制方案.利用径向基函数神经网络逼近未知非线性连续函数;引入动态信号和正则化信号处理状态及输入未建模动态;通过引入非线性映射,将具有时变输出约束的严格反馈系统化为不含约束的严格反馈系统.最后,通过理论分析验证闭环系统中所有信号是半全局一致最终有界的,仿真结果进一步验证了所提出控制方案的有效性.     

基于输入状态稳定的离散广义系统预测控制

针对一类具有持续扰动和输入约束的离散广义系统, 研究其鲁棒预测控制器的设计问题. 将输入状态稳定的概念引入广义系统预测控制, 在quasi-min-max 性能指标下, 提出了广义系统双模鲁棒预测控制器的设计方法, 证明了基于双模鲁棒预测控制器的闭环广义系统输入状态稳定, 且具有正则、因果性. 数值仿真结果验证了所提出方法的有效性.

     

基于模型的变门限状态反馈事件触发控制

针对基于模型的事件触发状态反馈控制系统, 提出一种触发门限可变的触发机制. 该触发机制能够在被控对象面临变化较大且快的干扰时, 自动调整触发门限变大, 避免频繁的事件触发导致网络通信资源浪费; 能够在被控对象面临变化较小的干扰时, 通过定时触发, 避免长时间没有事件发生导致的通信网闲置, 同时自动调整触发门限变小, 提升控制性能. 仿真结果表明, 较固定门限触发机制, 所提出的触发机制能利用更少的通信资源实现整体控制性能的提升.提升.

     

互联系统的分布输出反馈自适应动态面控制

本文所提方案具有如下特点: 1) 通过使用初始化技术, 给出了互联系统中各个子系统跟踪误差的L1性能指标; 2) 采用动态面控制方法, 避免了反推法带来的“微分爆炸”问题; 3) 通过估计未知参数向量范数, 极大减轻了控制系统的计算负担; 4) 引入了一种高增益观测器, 保证了互联系统中各个子系统跟踪误差可以收敛到任意小, 仿真结果验证了所提方案的有效性.     

一类带不确定输入动态非线性系统的输出反馈鲁棒镇定

研究一类带不确定输入动态非线性系统的输出反馈鲁棒镇定问题.通过在高增益观测器引入新的设计参数,改进了通常的高增益反馈控制的设计方法.在输入动态满足零相对阶最小相位的假设下,基于非分离设计原则给出了动态输出反馈控制器的设计方法,所设计的控制器实现了对任意可允许不确定输入动态的全局鲁棒镇定.     

超混沌Bao系统线性状态反馈控制及自适应控制

研究超混沌Bao 系统的控制问题. 首先, 给出超混沌Bao 系统的Lyapunov 指数图, 用以验证系统存在超混沌现象; 然后, 将线性反馈控制方法和自适应反推控制方法应用于超混沌Bao 系统, 并设计了将系统混沌状态稳定到平衡点的混沌控制器; 最后, 通过数值仿真验证了所设计的控制器的有效性.

     

Robust output feedback control for a class of nonlinear systems with input unmodeled dynamics

The robust global stabilization problem of a class of uncertain nonlinear systems with input unmodeled dynamics is considered using output feedback, where the uncertain nonlinear terms satisfy a far more relaxed condition than the existing triangulartype condition. Under the assumption that the input unmodeled dynamics is minimum-phase and of relative degree zero, a dynamic output compensator is explicitly constructed based on the nonseparation principle. An example illustrates the usefulness of the proposed method.     

基于广义扩张状态观测器的干扰不匹配离散系统状态反馈控制

针对一类干扰不匹配的线性离散时间系统, 研究基于广义扩张状态观测器的稳定化状态反馈控制器设计问题. 在经典的自抗扰控制器中, 扩张状态观测器主要针对干扰匹配的积分串联型系统. 然而, 在许多实际系统中往往存在干扰不匹配的情况, 例如存在采样抖动的离散时间控制系统. 针对这一问题, 基于一类存在不匹配干扰的离散时间系统, 提出广义扩张状态观测器和相应的稳定化状态反馈控制器设计方法. 最后通过永磁同步电机调速控制仿真实例验证了所设计的观测器和控制器的有效性.

     

Robust adaptive output‐feedback control for nonlinear systems with output unmodeled dynamics

In this paper, for a class of uncertain nonlinear systems in the presence of inverse dynamics, output unmodeled dynamics and nonlinear uncertainties, a robust adaptive output‐feedback controller design is proposed by combining small‐gain theorem, changing supply function techniques with backstepping methods. It is shown that all the signals of the closed‐loop system are uniformly bounded in biased case, and the output can be regulated to a small neighborhood of the origin in unbiased case. Furthermore, under some additional assumptions, an asymptotical result is obtained. Copyright © 2007 John Wiley & Sons, Ltd.     

具有全状态约束和未建模动态的严格反馈系统有限时间自适应动态面控制

针对一类具有全状态约束、未建模动态和动态扰动的严格反馈非线性系统,通过构造非线性滤波器,并利用Young’s不等式,提出一种新的有限时间自适应动态面控制方法.引入非线性映射处理全状态约束,将有约束系统变成无约束系统,利用径向基函数逼近未知光滑函数,利用辅助系统产生的动态信号处理未建模动态.对于变换后的系统,利用改进的动态面控制和有限时间方法设计的控制器结构简单,移去现有有限时间控制中出现的“奇异性”问题,可加快系统的收敛速度.理论分析表明,闭环系统中的所有信号在有限时间内有界,全状态不违背约束条件.数值算例的仿真结果表明,所提出的自适应动态面控制方案是有效的.     

Robust approximation‐based adaptive control of multiple state delayed nonlinear systems with unmodeled dynamics

This paper addresses the problem of tracking control for a class of uncertain nonstrict‐feedback nonlinear systems subject to multiple state time‐varying delays and unmodeled dynamics. To overcome the design difficulty in system dynamical uncertainties, radial basis function neural networks are employed to approximate the black‐box functions. Novel continuous functions that deal with whole states uncertainties are introduced in each step of the adaptive backstepping to make the controller design feasible. The robust problem caused by unmodeled dynamics when constructing a stable controller is solved by employing an auxiliary signal to regulate its boundedness. A novel Lyapunov‐Krasovskii functional is developed to compensate for the delayed nonlinearity without requiring the priori knowledge of its upper bound functions. On the basis of the proposed robust adaptive neural controller, all the closed‐loop signals are semiglobal uniformly ultimately bounded with good tracking performance.     

Prescribed performance adaptive neural output feedback dynamic surface control for a class of strict‐feedback uncertain nonlinear systems with full state constraints and unmodeled dynamics

This paper studies the output feedback tracking control problem for a class of strict‐feedback uncertain nonlinear systems with full state constraints and unmodeled dynamics using a prescribed performance adaptive neural dynamic surface control design approach. A nonlinear mapping technique is employed to address the state constraints. Radial basis function neural networks are utilized to approximate the unknown nonlinear functions. The unmodeled dynamics is addressed by introducing an available dynamic signal. Subsequently, we construct the controller and parameter adaptive laws using a backstepping technique. Based on Lyapunov stability theory, it is shown that all signals in the closed‐loop system are semiglobally uniformly ultimately bounded and that the tracking error always remains within the prescribed performance bound. Simulation results are presented to demonstrate the effectiveness of the proposed control scheme.