具有不确定控制增益严格反馈系统的自适应命令滤波控制

针对一类具有不确定控制增益的严格反馈系统, 提出一种基于命令滤波反推技术的自适应神经网络控制方法. 该方法采用神经网络对系统中的未知非线性函数进行逼近, 并引入命令滤波反推技术克服“计算膨胀”的问题. 与现有的命令滤波反推控制文献相比, 本文通过构造自适应误差补偿系统, 同时消除滤波器产生的边界层误差和不确定控制增益对系统性能造成的影响. 仿真结果验证了所提控制方法的有效性.     

带执行器饱和的柔性关节机器人位置反馈动态面控制

针对带有执行器饱和的柔性关节机器人系统,提出一种位置反馈动态面控制,以实现机器人连杆的角位置跟踪.在一般动态面控制的设计框架下,设计观测器重构系统未知速度状态,利用径向基函数神经网络学习饱和非线性特性,结合“最小参数学习”算法减轻计算负担.通过Lyapunov方法证明得出闭环系统所有信号半全局一致有界,跟踪误差可以通过调节控制器参数达到任意小.仿真结果表明,控制系统能够克服外界干扰,有效补偿系统存在的执行器饱和,实现柔性关节机器人的准确跟踪控制.该方法避免了传统反演设计存在的“微分爆炸”现象,简化了设计过程.     

永磁同步电机有限时间预设性能控制

为实现扰动作用下对永磁同步电机角位置伺服系统的高瞬态和稳态跟踪性能控制,本文提出一种具有预设性能约束的有限时间控制方法.首先,设计扰动观测器实现对负载力矩扰动的估计与补偿.其次,引入有限时间预设性能函数以保证角跟踪误差的动态性能,并通过可逆变换将受不等式约束的角位置跟踪误差转换为等效的无约束误差形式.然后,将有限时间指...     

建模参数不确定的欠驱动船舶路径跟踪控制

针对欠驱动船舶路径跟踪控制中,建模参数时变引起的不确定性问题,提出一种非线性动态神经模糊控制算法。该算法在控制过程中同时调整控制器结构和参数,能确保船舶几何位置的准确跟踪并克服不确定性的影响。仿真结果验证了算法的有效性。     

非线性系统模糊神经网络变结构自适应控制

在非线性系统的模糊动力学模型基础上,提出一种模糊神经网络变结构自适应控制器;网络的结构根据非线性系统特性动态构成,基于该网络提出非线性预测器,基于梯度法提出了一种网络参数学习算法,并分析了收敛性及其性质。将网络预测器与参数学习算法相结合,构成自适应控制算法,证明了算法的收敛性。仿真结果证实了算法的有效性。     

不确定非线性离散系统指令滤波事件触发控制

本文提出了考虑输入饱和的一类不确定非线性离散系统的事件触发指令滤波控制方法. 采用指令滤波控制技术解决了传统反步法存在的“因果矛盾”问题, 引入补偿机制提高了系统的控制精度; 利用事件触发机制能够避免自适应律和控制律的频繁更新, 降低了计算负担, 提高了资源利用率; 运用模糊逻辑系统逼近系统中未知的非线性函数; 结合李雅普诺夫稳定性理论, 验证了提出的控制方案能够保证跟踪误差收敛到原点小的邻域内以及闭环系统的所有信号有界. 仿真结果表明, 本文提出的控制方法具有较强的鲁棒性及较好的跟踪性能.     

Command-filter-based distributed containment control of nonlinear multi-agent systems with actuator failures

In this paper, the problem of distributed containment fault-tolerant control for a class of nonlinear multi-agent systems in strict-feedback form is studied. The considered nonlinear multi-agent systems are subject to unknown nonlinear functions and actuator faults with loss of effectiveness and lock-in-place. By resorting to the universal approximation capability of fuzzy logical systems, the command filtered backstepping technique and nonlinear fault-tolerant control theory, distributed controllers are designed recursively. From the Lyapunov stability theory, it is proved that all signals of the resulting closed-loop systems are cooperatively semi-globally uniformly ultimately bounded and the containment errors converge to a small neighbourhood of origin by properly tuning the design parameters. Finally, a numerical example is provided to show the effectiveness of the proposed control method.     

具有间歇性执行器故障的非线性系统自适应CFB控制

控制系统的执行器经常发生各种未知的间歇性故障.如何有效地处理这些故障对系统的影响是一个难题.针对一类不确定严格反馈非线性系统,提出一种自适应CFB (Command filtered backstepping)控制方案解决了间歇性执行器故障的补偿问题.利用神经网络逼近控制器中的未知函数,并采用投影算子实时在线更新控制器中的估计参数使得参数估计值随着故障次数的累积而不断增加的问题被消除.提出改进的Lyapunov函数证明了所提出的方案能够保证所有闭环信号的有界性,同时建立了跟踪误差与Lyapunov函数跳变幅度,最小故障时间间隔,设计参数之间的关系.如果Lyapunov函数的跳变幅度越小以及两个连续故障之间的时间间隔越长,系统的稳态跟踪指标越好.通过迭代计算建立了暂态跟踪误差指标的均方根型界.该界表明了通过选择恰当的设计参数,可改善系统的暂态指标.仿真结果表明了所提方案的有效性.     

模糊B样条基神经网络及其在机器人轨迹跟踪中的应用

提出一种模糊神经网络控制器并用于机器人轨迹跟踪控制．这种模糊神经网络利用B样条基函数作为隶属函数,可在线根据误差调整隶属函数的形状,使模糊神经网络具有更强的学习和适应能力．仿真与实验结果表明这种网络能很好的用于机器人的轨迹跟踪控制,具有很好的性能．     

基于混合神经网络的压电陶瓷微位移执行器动态迟滞建模

提出了两个动态神经网络串联的混合神经网络动态迟滞模型,用以逼近压电陶瓷的迟滞特性.混合模型由两个动态RBF神经网络构成,前者形成一个相位超前的动态模型,其特性与压电陶瓷的输出特性类似,但在相位和幅值上有所区别;后者实现相位滞后的变换和幅值的非线性变换,以达到对压电陶瓷实际输出的逼近.仿真和实验表明,所提出的描述动态迟滞特性的动态迟滞模型是有效的.与PI模型相比较,具有较高的模型精度.     

欠驱动无人船路径跟踪: 一种有限时间正切漂角视线制导方法

海洋环境复杂多变,为提升欠驱动无人船(underactuated marine vehicle,UMV)的自主航行与故障应对能力,提出基于有限时间正切漂角视线制导的指令滤波路径跟踪控制策略.在包括内部动力学未知、时变大漂角和执行器故障的复杂情况下,该策略可使UMV在有限时间内遵循所需的路径.首先,构建有限时间漂角观测器,用于快速精准地估计时变大漂角;随后,引入有限时间正切漂角视线制导律,不仅能提升制导性能,还能有效避免因非光滑制导指令产生高频震荡导致UMV失稳;此外,通过采用有限时间指令滤波控制技术降低计算负担,并提出滤波补偿方案减少滤波误差;最后,基于径向基函数神经网络和有限时间理论,设计自适应有限时间容错路径跟踪控制器,使得UMV的纵向速度和艏向角跟踪误差在有限时间内能够收敛到原点附近的小邻域.仿真实验验证了所提出方案的有效性和优越性.     

Fuzzy Logic Decision Mechanism Combined with a Neuro-Controller for Fabric Tension in Robotized Sewing Process

A new approach for flexible automated handling of fabrics in the sewing process is described, which focuses to control the cloth tension applied by a robot. The proposed hierarchical robot control system includes a Fuzzy decision mechanism combined with a Neuro-controller. The expert's actions during the sewing process are investigated and this human behavior is interpreted in order to design the controller. The Fuzzy Logic decision mechanism utilizes only qualitative knowledge concerning the properties of the fabrics, in order to determine the desired tensional force and the location of the robot hand on the fabric. A Neural Network controller regulates the fabric tension to achieve the desired value by determining the robot end effector velocity. The simulation results demonstrate the efficiency of the system as well as the robustness of the controller performance since the effects of the noise are negligible. The system capabilities are more evident when the controller uses its previously acquired experience.     

基于神经网络的聚氯乙烯汽提过程自适应解耦控制

聚氯乙烯汽提过程具有高度非线性和时变性等特点,是一类复杂的非线性工业过程.首先基于动态模糊神经网络建立了数据驱动的聚氯乙烯树脂（PVC）汽提过程的被控对象模型;然后采用一种神经网络分散式解耦控制器对汽提过程进行解耦,得到浆料流量-塔顶温度和蒸汽流量-塔底温度两个单变量系统;最后采用BP神经网络PID控制器对系统进行控制.仿真实验结果验证了所提出集成控制策略的有效性.