全局自适应神经网络跟踪控制及逼近域确定

针对自适应神经网络跟踪控制问题,提出一种确定逼近域的方法.采用参考信号取代未知非线性函数中的系统输出,神经网络用于逼近以参考信号为输入的未知不确定项.可以利用参考信号的界预先确定神经网络逼近域,再采用自适应鲁棒方法处理由于函数输入置换所引起的另一类不确定项.所得到的闭环系统是全局稳定的.仿真实例说明了该控制方法的有效性.     

寻找多智能体系统一致性的迭代学习方法

本文利用迭代学习的方法研究了带头结点的多智能体系统的一致性问题.文中分别对单积分多智能体系统和一般的线性多智能体系统提出了迭代学习型的一致性算法.该算法对每一个从节点所设计的分布迭代学习序列可以保证从节点能完全跟随上头结点.假设头结点是全局可达的,对于有向拓扑连接图,给出了智能体达到完全一致的充分条件.最后,仿真实例说明了文中所给方法的有效性.     

一类不确定广义系统的非脆弱保性能控制

研究了一类时变时滞不确定广义系统的非脆弱保性能控制问题。在系统矩阵、滞后状态矩阵、输入矩阵和滞后输入矩阵都具有不确定性时,带有反馈增益扰动的控制器能够保证闭环系统是正则、无脉冲、指数稳定的;且性能函数存在上界。对于出现的两个不确定项乘积的问题,采用两个线性矩阵不等式,两次运用Schur补引理的方法得以解决。控制器的增益可通过求解一系列严格线性矩阵不等式得到。数值仿真实例证明了所提方法的有效性。     

未知离散非线性系统的鲁棒自适应NN控制

利用WNN(小波神经网络)逼近未知函数，将未知离散非线性系统转化为一类参数化严格反馈系统，进而对变换后的系统给出一个避免过参数化的自适应反推控制器，并证明该控制器可保证在存在参数不确定性和函数不确定性的条件下，整个自适应系统的状态全局有界，同时也可保证系统的跟踪误差落在一个大小与不确定性成比例的紧集中，仿真结果表明该控制器具有较强的鲁棒性，可适用于不同的对象。     

基于LMI的不确定关联时滞大系统对时滞参数的自适应控制

针对具有时滞的不确定关联大系统，研究了状态反馈控制器的设计问题。当时滞常数未知时，给出了对时滞参数的自适应控制方案。建立了可由线性矩阵不等式(LMI)表示的镇定条件。最后给出了仿真实例以说明该方法的有效性。     

一类切换系统的连续分段Lyapunov函数

切换系统是一类重要的混合动态系统，其稳定性不但与子系统是否稳定有关，还与切换控制函数有关。本文分析了在特定切换控制函数作用下，切换系统的稳定性，用连续分段Lyapunov函数讨论了切换系统稳定的充分条件。它不但适用于线性切换系统，对非线性系统也适用。连续分段Lyapunov函数的条件比公共Lyapunov函数和多Lyapunov函数的条件容易满足，能够分析含有不稳定子系统的切换系统的稳定性。最后给出两个例子说明了连续分段Lyapunov函数方法的有效性。     

离散非线性系统最优控制迭代算法的二维分析

针对具有终端约束的离散非线性最优控制问题，运用二维系统理论对动态系统优化和参数估计集成算法作了分析．从一个新的角度论证了该算法的最优性及收敛性，并给出了该算法一个易于验证的局部收敛的充要条件和全局收敛的一个充分条件．     

连续时间非齐次双线性二次型最优控制迭代算法

在基于双线性模型的连续时间非线性最优控制的ＤＩＳＯＰＥ算法中,每次迭代都要求解连续时间非齐次双线性二次型问题。针对这一问题提出了新的迭代求解算法,分析了该算法收敛性的一个充分条件和最优性,为基于双线性模型求解非线性最优控制问题提供了有效方法。     

具有输出延迟的网络化控制系统稳定性分析

将网络化控制系统看成一个具有输出时延的采样控制系统,运用具有时延的输出信号设计了一种新的观测器和相应的控制器,从而得到含有时滞的闭环网络化控制系统和使该闭环系统稳定的充分条件。最后给出了求解观测器增益和控制器增益的锥补线性化方法,仿真实例说明了所提方法的有效性。     

二阶系统非一致目标跟踪混合自适应迭代学习控制

针对一类含有时变和时不变参数的二阶非线性系统,利用Backstepping方法,提出了一种新的自适应迭代学习控制方法,该方法由微分-差分型自适应律和学习控制律组成,保证对非一致目标的跟踪误差的平方在一个有限区间上的积分收敛于零,克服了传统的迭代学习控制对目标轨线的限制,可以跟踪非一致目标轨线。通过构造复合能量函数,给出了闭环系统收敛的一个充分条件。仿真结果说明了该方法的可行性和有效性。