基于自组织模糊CMAC神经网络的不确定系统的H∞鲁棒自适应控制

针对一类不确定系统，提出一种基于自组织模糊小脑模型（SOFCMAC）神经网络的H∞鲁棒自适应控制方法，通过设计标称系统的H∞控制器，并采用SOFCMAC神经网络在线对消系统的建模不确定性产生的误差，可保证不确定闭环稳定并具有H∞性能，证明了SOFCMAC神经网络H∞鲁棒自适应控制系统的稳定性，仿真算例表明了该方法的有效性。     

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．     

分散混杂自适应模糊H∞控制器及其在自动化公路系统中的应用

本文针对一类SISO不确定非线性大系统,提出了一种混杂间接和直接自适应分散模糊H∞控制器.通过组合模糊系统和H∞跟踪技术开发的分散自适应模糊控制算法避免了控制设计中含有的符号函数.两种自适应模糊控制器的组合消除了它们各自均不能够同时融合被控对象知识与控制知识的局限.闭环大系统被证明是稳定的,且具有H∞跟踪性能.该算法应用于自动化公路系统中车辆的纵向跟随控制,仿真结果表明混杂自适应模糊H∞控制系统的跟踪性能更好而相应的控制幅值却更小.     

基于耗散理论的机器人神经网络鲁棒控制

为了更好地解决机器人系统中存在的参数不确定和外部干扰的鲁棒控制问题,提出一种基于耗散性理论的神经网络自适应鲁棒控制器,首先应用无源性理论对名义模型设计镇定控制器,然后利用RBF神经网络自适应学习系统的不确定部分,将神经网络逼近误差作为外部干扰,基于H∞控制理论使干扰对系统输出的影响抑制到所要求的最小程度,并用Lyapunov稳定性理论推导出RBF神经网络的权重矩阵调节律以及相关的鲁棒控制器,证明了系统的全局稳定性.仿真结果表明,这种控制器对机器人系统可能受到的干扰具有较好的抑制能力,提高了系统的鲁棒性,实现了系统轨迹的快速准确跟踪,又能很好地消除控制器的抖振,进而提高机器人工作性能.     

一类MIMO非线性大系统基于H∞ 跟踪的分散自适应输出反馈模糊控制

针对一类状态不可测的MIMO不确定非线性大系统,提出一种基于H∞跟踪的分散自适应输出反馈模糊控制器.主要工作有:1)通过对观测误差向量进行滤波来确保严格正实条件成立,使得提出的反馈与自适应机制可以执行;2)利用模糊系统提出一种适用于一般非线性大系统基于H∞跟踪的分散自适应模糊控制方案;3)在统一的框架下处理了控制器奇异性.闭环大系统被证明足稳定的,且输出误差具有H∞跟踪性能.仿真结果验证了控制器设计的有效性.     

基于RBF神经网络的一类不确定非线性系统自适应H∞控制

基于RBF神经网络提出了一种H∞自适应控制方法.控制器由等效控制器和H∞控制器两部分组成.用RBF神经网络逼近非线性函数,并把逼近误差引入到网络权值的自适应律中用以改善系统的动态性能.H∞控制器用于减弱外部干扰及神经网络的逼近误差对跟踪的影响.所设计的控制器不仅保证了闭环系统的稳定性,而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标.最后给出的算例验证了该方法的有效性.     

基于自适应神经网络的一类不确定非线性系统的鲁棒H∞控制

针对一类不确定非线性多输入时变系统，提出了一种新的鲁棒H∞控制方案．通过引入2个自适应神经网络逼近器，提出了一个简化的Hamilton—Jaeobi—like不等式，并据此设计了非线性H∞控制器和匹配不确定项补偿控制器，消除了输入摄动项和估计器最优逼近误差的有界性假设．机器人系统的鲁棒跟踪控制仿真算例证实了所提出控制方案的有效性．     

不确定非线性系统的神经网络自适应H ∞跟踪控制

提出一种H∞与神经网络混合自适应控制系统设计的新方法．对于一类不确定非线性系统，首先运用线性微分包含(LDI)的方法，逼近模型中的非线性部分；然后在考虑外部扰动的情况下，设计忽略不确定项的H∞线性跟踪控制系统参考模型；最后将设计好的H∞线性跟踪控制器用于控制实际的非线性不确定系统，系统状态及其与参考模型的状态误差作为在线神经网络的输入，动态调节网络权值以消除整个系统的不确定项．仿真示例证实了该设计方法的有效性．     

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．

     

不确定广义系统的弹性H_∞控制

现有的鲁棒控制器设计方法(如H2,H∞和μ等综合方法),当控制器存在参数摄动时,其维持闭环系统稳定性的能力很弱。针对一类不确定广义系统,研究了控制器增益具有乘法式摄动时的H∞控制。基于线性矩阵不等式(LMI)方法,给出了广义系统具有H∞性能的充要条件及相应的控制器的设计方案,并给出了弹性H∞控制优化问题的求解方法。仿真算例表明了该方法的可行性。     

基于观测器的机械手神经网络自适应控制

提出了一种基于观测器的机械手神经网络自适应轨迹跟随控制器设计方法,这里机 械手的动力学非线性假设是未知的,并且假设机械手仅有关节角位置测量.文中采用一个线 性观测器重构机械手的关节角速度,用神经网络逼近修正的机械手动力学非线性,改进系统 的跟随性能.基于观测器的神经网络自适应控制器能够保证机械手角跟随误差和观测误差的 一致终结有界性以及神经网络权值的有界性,最后给出了机械手神经网络自适应控制器-观 测器设计的主要理论结果,并通过数字仿真验证了所提方法的性能.     

机器人轨迹跟踪的自适应模糊神经网络控制

研究机器人跟踪轨迹控制问题,针对模型未知的机器人系统,为提高跟踪精度和控制性能,提出了一种基于T-S型模糊RBF神经网络的H∞轨迹跟踪控制方法,用模糊神经网络为模型未知的机器人系统建模,克服了系统鲁棒性差,对机动目标跟踪性能差等缺点。然后设计自适应控制器,将H∞控制理论与模糊神经网络有机地结合起来,借助鲁棒补偿项将建模误差及外部干扰衰减到期望的程度以下,而控制器与改进Elman神经网络的结合,便于处理建模有界干扰以及非结构化的未建模的动力学,并进行仿真。仿真结果表明了所提出的控制算法的可行性。     

多时滞不确定系统的模糊保性能H∞控制

针对多时滞不确定系统,利用T-S模型进行建模,提出了模糊保性能H∞控制问题.基于Lyapunov稳定理论,得到一种通过模糊状态反馈实现的具有干扰抑制的保性能H∞控制.当被控对象存在多时滞和不确定性及外部干扰统计特性未知时,该模糊控制器能保证闭环系统稳定和一定的二次型性能指标上界,同时具有H∞下的干扰抑制作用.控制器的设计可通过转化为线性矩阵不等式的求解问题.数值仿真表明,该控制器具有所期望设计的性能.     

一类机械臂系统自适应有限时间有界H∞跟踪控制

考虑一种电机驱动的单连杆机械臂系统在受到输出约束时的自适应有限时间H∞跟踪控制问题.一个有限时间有界H∞性能的新概念被提出,并结合障碍Lyapunov函数(BLF)、神经网络自适应技术、有限时间控制理论和H∞控制理论,提出了一种该系统在输出受限条件下的自适应神经有限时间有界H∞跟踪控制器设计方法,避免了许多有限时间控制...     

基于自适应神经网络的不确定非线性系统的模糊跟踪控制

提出了一种基于模糊模型和自适应神经网络的跟踪控制方法.在系统具有未知不确定非线性特性的情况下,首先利用T＿S模糊模型对系统的已知特性进行近似建模,对基于模糊模型的模糊H∞跟踪控制律进行输出跟踪控制.并在此基础上,进一步采用RBF神经网络完全自适应控制,通过在线自适应调整RBF神经网络的权重、函数中心和宽度,从而有效地消除系统的未知不确定性和模糊建模误差的影响,保证了非线性闭环系统的稳定性和系统的H∞跟踪性能,而不要求系统的不确定项和模糊建模误差满足任何匹配条件或约束.最后,将所提出的方法应用到一非线性混沌系统,仿真结果表明了所提出的方案不仅能够有效地稳定该混沌系统,而且能使系统输出跟踪期望输出.     

非线性不确定中立型系统的鲁棒H∞控制

考虑系统外界干扰、系统参数摄动等非线性扰动环节对中立型时滞系统的H∞影响,提出基于Lyapunov稳定性理论的鲁棒H∞控制器的设计思想.利用线性矩阵不等式(LMI)方法,给出了该类具有状态非线性不确定性中立型时滞系统的鲁棒∞控制器的设计实例.在非线性不确定函数满足增益有界的条件下,得到了该类时滞系统满足鲁棒∞性能的一个充分条件.通过求解一个线性矩阵不等式LMI,即可获得鲁棒∞控制器.仿真结果表明了基于Lyapunov稳定性理论,LMI技术设计的控制器克服了系统外界非线性干扰或系统本身非线性参数摄动的影响,实现了闭环系统的H∞性能条件下的渐近稳定,满足了该系统鲁棒H∞控制的要求.     

基于观测器的空间机器人神经自适应鲁棒控制

研究无速度反馈的不确定性自由漂浮空间机器人轨迹跟踪控制问题,为了提高控制性能,采用一种观测器神经网络自适应鲁棒控制方法。利用神经网络设计观测器对系统的速度信息进行估计;其次,利用神经网络对系统模型的非线性进行逼近,设计神经网络自适应鲁棒控制器对系统进行控制,无需建立复杂的数学模型,并且所设计的自适应律能够进行在线学习;最后,根据H∞理论设计的鲁棒控制器保证了系统稳定,并使系统的L2增益小于给定指标。仿真结果表明,上述方法在无速度信息反馈下仍能进行有效的跟踪控制。     

不确定串联非线性系统H∞鲁棒自适应控制

针对一类含有未知参数和干扰的非最小相位串联非线性系统,结合H∞控制和自适应控制方法并利用李雅普诺夫函数递推设计方法设计了状态反馈H∞自适应控制器,避免了求解Hamilton-Jacobi-Isaacs不等式设计控制器的困难.该控制器不仅保证闭环系统ISS(input-to-state)稳定,而且使得系统对于所有允许的参数不确定从干扰输入到可控输出的 L 2增益不大于给定的值.最后,给出了一个仿真例子,仿真结果充分表明了所设计的控制器的可行性和有效性.     

基于函数滑模控制器的机械手轨迹跟踪控制

提出一种基于函数滑模控制器(FSMC)的控制策略,用于不确定机械手的轨迹跟踪控制。首先,由动力学模型和滑模函数得到系统的不确定项;然后,利用RBF神经网络逼近系统不确定项,由于神经网络逼近存在误差,而且在初始阶段误差较大,设计函数滑模控制器和鲁棒补偿项对神经网络逼近误差进行补偿,以克服普通滑模控制器容易引起的抖振问题,同时提高系统的跟踪控制性能。基于李亚普诺夫理论证明了闭环系统的全局稳定性,仿真实验也验证了方法的有效性。     

具有反馈增益摄动的网络化控制系统H∞控制

在考虑系统状态反馈增益发生加性不确定摄动的情况下,基于线性矩阵不等式(LMI)方法,研究了具有网络诱导时延的网络化控制系统(NCS)H∞非脆弱控制器的设计问题.以线性矩阵不等式形式给出控制器存在的充分条件,通过求解LMI得出控制器参数.数值示例表明,当其控制器增益不确定时,所提H∞非脆弱控制器仍保证NCS渐近稳定,并具有所期望的H∞性能;而当控制器增益不确定时,由H∞鲁棒控制控制器控制的NCS将不稳定.