一类非线性系统的直接自适应控制器

针对带一类非线性参数系统的状态反馈自适应跟踪控制问题,通过设计一种新的李亚普诺夫函数--加权控制李亚普诺夫函数,由它作用于控制器和参数调整律,使之达到全局渐近跟踪从而满足控制指标。     

一类非线性参数系统的鲁棒自适应控制

针对一类具有非线性参数和未知非线性的非线性系统, 提出了一种鲁棒自适应控制设计方法, 该方法能保证所有信号全局一致有界, 并且使所研究的非线性系统的范围大大扩大.     

基于线性参数神经网络的非线性系统稳定自适应控制

提出适用于多种网络类型的神经网络稳定自适应控制设计思想,在神经网络逼近误差界未知的条件下,对该误差界进行在线自适应估计,研究基于线性参数神经网络的仿射非线性系统稳定自适应控制。采和Ｌａｐｕｎｏｖ函数方法证明系统状态变量、网络权值矢量、网络逼近误差界的在线估计及输出跟踪误差的收敛性。仿真结果表明,该方案跟踪性能良好,稳态误差较小,系统输出能快速跟踪目标信号。     

具有间隙非线性系统的自适应控制*

本文对具有间隙非线性系统提出了自适应控制算法,在确定和随机情况下,控制算法都具有大范围渐近收敛性质,仿真结果表明该算法能有效地改善系统的控制性能。     

一类非线性系统的自适应模糊控制

针对一类非线性系统,利用模糊推理系统对非线性函数的逼近能力,导出基于Ｌｙａｐｕｎｏｖ稳定性理论的自适应控制器,不但能解决这类非线性系统的跟踪问题,而且可保证闭环系统的稳定性。仿真结果表明这一算法的有效性。     

基于非线性参数神经网络的非线性系统稳定自适应控制

针对不确定仿射非线性系统,提出一种基于非 线性参数神经网络的稳定自适应控制方案,在非线性参数神经网络对不确定非线性函数的逼 近误差的界未知的情形下,对网络逼近误差界进行在线自适应估计,并由Lyapunov理论证明 了整个闭环控制系统的稳定性．     

未知参数非线性系统的自适应广义预测控制

研究非线性系统的稳定性和跟踪优化问题,针对未知参数非线性系统的参数辨识和输出跟踪问题,给出参数自适应广义预测控制方法,为使辨识模型能实时反映被控对象特性以及输出对设定值的跟踪有较高精度.提出将非线性系统转化为受控自回归滑动平均模型,根据输入输出数据辨识模型参数.采用广义预测控制滚动优化的策略得出最优控制律,将最优控制律作用于对象实现非线性系统的优化控制以及系统输出对设定值的跟踪控制.明显克服了自适应控制对模型精度要求高的缺陷且具有在线辨识,滚动优化的特点.最后,通过仿真实例验证了方法的有效性.     

带非三角结构的非线性系统自适应控制设计

针对一类带有非三角结构的不确定非线性系统,研究了其控制设计问题,提出了一种自适应跟踪控制设计方法。通过构造一种新的李雅普诺夫函数,并运用增加幂次积分方法和模糊控制方法,设计得到了一种新型自适应跟踪控制器。控制器只引入了一个参数自适应律,避免了反推设计中的过参数化问题,同时保证了输出跟踪误差可以任意小,且使得闭环系统的所有信号有界。最后,将控制方法应用到单连杆机械臂系统上,通过仿真研究验证了所提控制方案的有效性。     

一类非线性系统的稳定神经网络自适应控制

利用神经网络作为非线性系统的模型，研究了一类非线性系统的神经网络自适应控制问题，设计出的自适应控制器具有如下的特点：（１）网络仅值是基于参考误差信号学习的投影算法来调节，这样可保证权值的有界性；（２）为了减小神经网络参数估计误差对跟踪误差的影响，提出了根据参考误差信号实时修正神经网络输入的方法。仿真结果对该控制方案进行了验证。     

一类非线性系统的积分变结构模糊自适应跟踪控制

针对一类具有未知常数控制增益的不确定非线性系统,基于变结构控制原理,并利用具有非线性可调参数的模糊系统逼近等价控制,提出一种具有监督控制器的积分变结构模糊自适应跟踪控制策略.该策略通过监督控制器保证闭环系统所有信号有界.进一步,通过引入最优逼近误差的自适应补偿项来消除建模误差的影响.理论分析证明了跟踪误差能够收敛到零.仿真结果表明了该方法的有效性.     

含有非线性不确定参数的电液系统滑模自适应控制

针对含有非线性不确定参数的电液控制系统, 提出了一种滑模自适应控制方法. 该控制方法主要是为了解决由于初始控制容积的不确定性而引起的, 非线性不确定参数自适应律设计的难题. 其主要特点为, 通过定义一个新型的特Lyapunov 函数, 进而构建系统的自适应控制器及参数自适应律, 并结合滑模控制方法及一种简单的鲁棒设计方法, 给出整个电液系统的滑模自适应控制器, 及所有不确定参数的自适应律. 试验结果表明, 采用该控制方法能够取得良好的性能, 尤其可以补偿非线性不确定参数对系统的影响.     

一类非线性不确定系统的自适应积分滑模控制

针对一类具有不确定参数的复杂非线性系统,提出了一种自适应积分滑模控制方法。控制器的设计分两步进行：首先,基于被控对象模型构造一个简化子系统,设计出该子系统的一个全局渐近稳定控制律;然后构造一个积分滑模面,设计自适应积分滑模补偿器以处理系统中含有不确定参数的部分,保证了滑模面的可达性和原系统的闭环稳定性。补偿后,系统的完整自适应控制律由简化子系统的控制律加补偿控制器两部分组成。所提设计方法简单,便于工程实现。最后,通过仿真结果验证了设计方案的有效性。     

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.     

改进的非线性离散系统自适应数据驱动控制

基于同步扰动随机近似的算法, 控制器选取为一个函数逼近器, 并在这里被确定为神经网络. 控制算法中使用了自适应的参数估计, 明显改善了控制性能, 同时也给出了相应的收敛性分析. 最后, 新型的控制算法被应用到了解决非线性离散系统的跟踪控制问题中, 并通过仿真比较结果, 充分验证了这种自适应数据驱动控制策略的可行性和有效性.     

一类非线性系统的稳定自适应控制

将一类非线性系统等价表示为时变线性系统, 在此基础上设计了自适应控制器. 利用小波网络直接辨识控制器参数. 从理论上证明了闭环系统的稳定性. 仿真结果表明了所提算法的有效性.     

基于多模型的非线性系统自适应最小方差控制

对于一类典型的离散时间非线性系统, 提出了一种基于多模型的自适应最小方差控制方法. 通过在平衡点附近建立线性模型, 用径向基函数神经元网络来补偿建模误差和未建模动态, 形成了非线性系统的多模型表示. 采用了具有积分性质的切换指标函数作为切换法则和最小方差的控制方法构成了多模型自适应控制器. 仿真实验的结果表明了这种方法的有效性.     

不确定离散时间系统的复合非线性反馈积分滑模控制

针对不确定离散时间系统,提出一种基于离散复合非线性反馈的积分滑模(DCNF-ISM)控制策略,并将该算法应用于扰动下的磁盘跟踪问题.该算法由离散复合非线性反馈(DCNF)控制律与积分滑模(ISM)控制律两部分组成,其中DCNF控制律用于保证系统具有较好瞬态性能,基于改进的离散趋近律设计的ISM控制律用于保证系统鲁棒性.基于Lyapunov稳定性理论对本文提出的控制策略的稳定性进行了推导证明,证明了离散时间系统的一致最终有界性.仿真结果表明,本文提出的控制策略能保证系统在扰动下仍然能够精确跟踪给定的参考信号,与传统的DCNF控制相比,该算法能够保证系统具有响应速度快超调量小、鲁棒性强等优点.     

An adaptive variable structure control for a class of nonlinear systems

Motivated by the recent advance in adaptive output-feedback control for a class of nonlinear systems which can be transformed into the so-called output-feedback form [7,10,11], an adaptive structure controller is proposed in this paper to solve the nonlinear model reference adaptive control problem. It is shown that an asymptotic output tracking performance can be achieved for this class of nonlinear system even if some nonlinearity is not available or some unknown parameters are fast time-varying.     

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.