周期时变时滞非线性参数化系统的自适应学习控制

针对一阶未知非线性参数化周期时变时滞系统, 设计了一种自适应学习控制方案. 假设未知时变参数, 时变时滞和参考信号的共同周期是已知的, 通过重构系统方程, 将包含时变时滞在内的所有未知时变项合并成为一个周期时变向量, 采用周期自适应律估计该向量. 通过构造一个Lyapunov-Krasovskii型复合能量函数证明了所有信号有界并且跟踪误差收敛. 结果被推广到一类含有混合参数的高阶非线性系统. 通过两个仿真例子说明本文所提出的控制算法的有效性.     

非线性时滞系统的周期自适应学习跟踪控制

针对一类参数未知的周期非线性时滞系统的输出跟踪控制问题,设计了一种周期自适应迭代学习跟踪控制算法,该方法利用信号置换的思想重组系统,并在假设未知时变参数和参考输出的周期具有已知最小公倍数的情况下,将时滞以及其他不确定的时变项合并为一个周期性的辅助时变参数新变量,进而用周期自适应算法来估计该辅助量.通过构造一个Lyapunov-Krasovskii型复合能量函数,分析了系统的收敛性,证明了经过多次重复迭代学习,所有闭环信号有界且输出跟踪误差收敛,最后通过构造数值实例进行了仿真验证.理论分析和仿真结果表明,该算法简单有效,对于非线性时滞系统的跟踪问题具有很好的控制效果.     

一类非线性时滞系统的自适应模糊动态面控制

针对一类具有未知方向增益函数的严格反馈非线性时滞系统, 提出了一种自适应模糊动态面控制(Dynamic surface control, DSC)算法. 通过利用DSC设计技术和Lyapunov-Krasovskii函数, 该算法不仅克服了计算膨胀的问题, 而且补偿了未知的时滞. 采用Nussbaum函数解决了虚拟控制增益的符号问题, 并且避免了控制器的奇异性. 所设计的控制器保证了闭环系统所有的状态和信号是半全局有界的, 并且通过选择合适的设计参数可使跟踪误差为任意小. 仿真结果表明了所提出控制器的有效性.     

未知时变时滞非线性参数化系统自适应迭代学习控制

针对含有未知时变参数和时变时滞的非线性参数化系统,提出了一种新的自适应迭代学习控制方法.该方法将参数分离技术与信号置换思想相结合,可以处理含有时变参数和时滞相关不确定性的非线性系统.设计了一种自适应控制策略,使跟踪误差的平方在一个有限区间上的积分渐近收敛于零.通过构造Lyapunov-Krasovskii型复合能量函数,给出了闭环系统收敛的一个充分条件.给出两个仿真例子验证了控制方法的有效性.     

具有控制时滞和测量数据丢失的直线电机迭代学习控制

针对测量信号存在丢失和控制信号存在时滞的直线电机控制系统,研究PD型迭代学习控制算法的收敛性问题.假设数据丢失描述为概率未知的随机Bernoulli过程,其中丢失概率属于某个已知数值区间,利用超前法解决控制信号存在的时滞问题.基于Bellman-gronwall不等式和$\lambda$范数理论,证明了所提出的迭代学习控制策略能够使系统在有限时间内跟踪期望轨迹.最后通过仿真验证了所提出学习算法的有效性.     

随机时滞系统的神经网络输出反馈动态面控制

针对一类具有未知控制方向的随机时滞系统设计自适应神经输出反馈控制器.首先,利用状态观测器估计不可测量的系统状态;其次,选择合适的Lyapunov-Krasovskii函数消除未知延迟项对系统的影响,利用Nussbaum-type函数处理系统的未知控制方向问题,通过神经网络逼近未知的非线性函数,以及用动态表面控制(DSC)解决控制器设计中出现的复杂性问题;最后,通过Lyapunov稳定性理论,构造一个鲁棒自适应神经网络输出反馈控制器,可以保证闭环系统中所有信号在二阶或四阶矩意义下一致最终有界,跟踪误差能收敛到零值小的领域内.仿真实例验证了所提出方法的有效性.     

时变时滞非线性系统自适应神经网络控制

对于一类具有未知时变时滞和虚拟控制系数的不确定严格反馈非线性系统,基于后推设计提出一种自适应神经网络控制方案.选取适当的Lyapunov-Krasovskii泛函补偿未知时变时滞不确定项.通过构造连续的待逼近函数来解决利用神经网络对未知非线性函数进行逼近时出现的奇异问题.通过引入一个新的中间变量,保证了虚拟控制求导的正确性.仿真算例表明,所设计的控制器能保证闭环系统所有信号是半全局一致终结有界的,且跟踪误差收敛到零的一个邻域内.     

时变时滞非仿射大系统的分散自适应控制

针对一类具有未知时变时滞的非仿射互联大系统基于神经网络的逼近能力, 提出了一种分散自适应神经网络控制方案。该方案利用中值定理对未知非仿射函数进行分离; 利用分离技术和Young's不等式放宽了对未知时滞及时滞互联不确定项的限制, 同时大大减少了在线调节参数的数量。此外, 利用Lyapunov Krasovskii 泛函补偿了未知时滞带来的不确定性。通过理论分析, 证明了闭环系统所有信号是有界的, 输出跟踪误差收敛到原点的一个小邻域内。最后, 仿真结果验证了所提控制方案的有效性。     

控制方向未知的高次非线性系统的鲁棒自适应控制

研究了一类具有不可控不稳定线性化的非线性系统的自适应控制问题.该类系统的控制方向未知且含有不确定时变非线性参数.应用Nussbaum-type增益技术和adding a power integrator递推设计方法,设计了一种鲁棒自适应状态反馈控制器.所设计的控制器能够保证闭环系统的所有信号全局一致有界,且系统的状态渐近趋于零.除了假设未知参数及不确定性有界外,所设计的控制策略不需要控制系数的任何先验知识.仿真例子验证了算法的有效性.     

从机器人输出反馈自适应神经控制中学习

针对系统参数完全未知且仅输出可测的机器人,使用径向基函数(RBF)神经网络和高增益观测器设计了一种自适应神经控制算法.该算法不仅实现了闭环系统所有信号的最终一致有界,而且沿周期跟踪轨迹实现了对未知闭环系统动态的确定学习.学过的知识可用来改进系统的控制性能,也可应用于后续相同或相似的控制任务以节约时间和能量.仿真研究表明了所设计的控制算法的正确性和有效性.     

Adaptive iterative learning control for nonlinearly parameterized systems with unknown time-varying delay and unknown control direction

This paper proposes a new adaptive iterative learning control approach for a class of nonlinearly parameterized systems with unknown time-varying delay and unknown control direction.By employing the parameter separation technique and signal replacement mechanism,the approach can overcome unknown time-varying parameters and unknown time-varying delay of the nonlinear systems.By incorporating a Nussbaum-type function,the proposed approach can deal with the unknown control direction of the nonlinear systems.Based on a Lyapunov-Krasovskii-like composite energy function,the convergence of tracking error sequence is achieved in the iteration domain.Finally,two simulation examples are provided to illustrate the feasibility of the proposed control method.     

控制方向未知的时变不确定系统的重复控制

本文考虑一类具有未知时变参数并且控制方向未知的非线性系统的重复学习控制.针对重复学习控制的特点,所构造的李亚普诺夫函数不仅与当前参数估计误差有关,也与前一次参数估计误差有关.基于该李亚普诺夫函数,结合Nussbaum类型函数,提出了控制方向未知的系统的重复学习方法.该方法不采用饱和控制,但能保证在闭环系统中跟踪误差在重复区间上一致收敛于零.最后,一个仿真例子说明了该方法的可行性.     

Design of a fuzzy adaptive controller for MIMO nonlinear time-delay systems with unknown actuator nonlinearities and unknown control direction

This paper aims at investigating the fuzzy adaptive control design for uncertain multivariable systems with unknown actuator nonlinearities and unknown control direction that possibly exhibit time-delay. The actuator nonlinearities involve dead-zone or backlash-like hysteresis, while the control direction is closely related to the sign of the control gain matrix. Two fuzzy adaptive controllers are proposed to deal with such an issue. The design of the first controller is mainly carried out in the free time-delay case, while the second control design is performed assuming that the system exhibits time-varying delays. Of practical interest, the adaptive compensation of the effects of the actuator nonlinearities requires neither the knowledge of their parameters nor the construction of their inverse. Furthermore, the lack of knowledge of the control direction is handled by incorporating in the control law a Nussbaum-type function. The effectiveness of the proposed fuzzy adaptive controllers is illustrated through simulation results.     

控制方向未知的全状态约束非线性系统的鲁棒自适应跟踪控制

针对一类控制方向未知的含有时变不确定参数和未知时变有界扰动的全状态约束非线性系统,本文提出了一种基于障碍Lyapunov函数的反步自适应控制方法.障碍Lyapunov函数保证了系统状态在运行过程中始终保持在约束区间内;Nussbaum型函数的引入解决了系统控制方向未知的问题;光滑投影算法确保了不确定时变参数的有界性.障碍Lyapunov函数、Nussbaum型函数及光滑投影算法与反步自适应方法的有效结合首次解决了控制方向未知的全状态约束非线性系统的跟踪控制问题.所设计的自适应鲁棒控制器能在满足状态约束的前提下确保闭环系统的所有信号有界.通过恰当地选取设计参数,系统的跟踪误差将收敛于0的任意小的邻域内.仿真结果表明了控制方案的可行性.     

控制增益符号未知的MIMO时滞系统自适应控制

针对一类带有死区模型并具有未知函数控制增益的不确定MIMO非线性时滞系统,基于滑模控制原理和Nussbaum函数的性质,提出了一种稳定的自适应神经网络控制方案.该方案放宽了对函数控制增益上界为未知常数的假设,并通过使用Lyapunov-Krasovskii泛函抵消了因未知时变时滞带来的系统不确定性.理论分析证明,闭环系统是半全局一致终结有界.仿真结果表明了该方法的有效性.     

Adaptive iterative learning control for nonlinearly parameterized systems with unknown time-varying delays

First of all, an adaptive iterative learning control strategy is developed for a class of nonlinearly parameterized systems with two unknown time-varying parameters and one unknown time-varying delay. The proposed control law includes a PID-type feedback term in time domain and an adaptive learning term used to estimate the unknown time-varying vector in iteration domain. By constructing a Lyapunov-Krasovskii-like composite energy function, we prove the stability of the closed-loop system and the convergence of the tracking error. Then, the design idea is further extended to a broader class of systems with mixed parameters in which the unknown time-invariant vector is estimated by a PI-type learning law in time domain. The simulation results, for a time-delay chaotic system, confirm the effectiveness of the proposed control scheme.     

控制方向未知条件下不确定船舶航向鲁棒lambda调节控制

为了进一步解决模型存在控制方向未知和外界环境干扰的船舶航向保持控制问题,在Backstepping方法基础上,引入Nussbaum增益技术,提出一种适用于新的、能够人为指定稳态控制性能的鲁棒 调节控制方法。考虑到一般系统中Nussbaum积分乘性函数为时变函数,通过利用Nussbaum函数不变性构建新的积分形式,充分利用船舶模型内部结构特征,提高了该算法理论证明的严谨性。该算法解决了船舶航向保持控制中控制方向未知条件下指定稳态性能控制问题,仿真实例验证了所提出控制策略的有效性。     

Observer-based adaptive control for nonlinear input-delay systems with unknown control directions

This paper investigates the problem of adaptive control for strict-feedback nonlinear systems with input delay and unknown control directions. The Nussbaum function is utilised to deal with the unknown control directions and a novel compensation system is introduced to handle the time-varying input delay. By using neural network(NN) approximation and backstepping approaches, an adaptive NN controller is designed which can guarantee the semi-global boundedness of all the signals in the closed-loop system. Two simulation examples are also given to illustrate the effectiveness of the proposed method.     

Decentralised adaptive control of switched interconnected high-order nonlinear systems with unknown control direction and time-delay

This paper studies the dynamic state feedback control problem for a class of interconnected large-scale switched high-order nonlinear systems with unknown control direction and time-varying time-delay. The adaptive laws are designed to estimate the bounds of switched parameters under arbitrary switching for subsystems. The Nussbaum function is used to deal with the unknown control direction problem. By combining the backstepping and homogeneous domination technique, the decentralised adaptive control strategies are developed and the resulting closed-loop system is asymptotically stable. Finally, a simulation example is given and the results show the effectiveness of the proposed control design method.