基于轨迹线性化方法的近空间飞行器鲁棒自适应控制

研究一种新的近空间飞行器鲁棒自适应飞行控制系统设计方案。利用单隐层神经网络的函数逼近能力和被控对象分析模型的有用信息构建一种单隐层神经网络干扰观测器,用以在线估计系统中存在的不确定性,具有自适应调节能力的鲁棒控制器用以克服估计误差。将所得单隐层神经网络干扰观测器与轨迹线性化方法结合形成新的非线性系统鲁棒自适应控制方案,严格的理论证明在给定的自适应调节律作用下闭环系统所有误差最终有界。该控制方案被用于近空间飞行器飞行控制系统设计,高超声速飞行条件下的仿真结果表明该方法不仅有效,而且能够提供高精度、高稳定度的控制性能。     

一类不确定非线性系统的鲁棒自适应轨迹线性化控制

针对一类不确定非线性系统,研究了一种新的鲁棒自适应轨迹线性化控制方案.利用径向基神经网络的在线逼近能力以及被控对象分析模型的有用信息设计一种径向基神经网络干扰观测器来估计系统中存在的不确定性.观测器输出用于设计补偿控制律抵消不确定性对系统性能的影响,鲁棒自适应控制律用于克服逼近误差.采用Lyapunov方法严格证明了在自适应调节律作用下闭环系统所有误差信号最终有界.最后利用倒立摆系统验证了新方法的有效性.     

周期时变系统的鲁棒自适应重复控制

针对周期时变系统,提出一种鲁棒自适应重复控制方法.该方法利用周期学习律估计周期时变参数,并结合鲁棒自适应方法处理非周期不确定性.与现有重复控制不同的是,在控制器设计中引入了新变量—周期数,利用周期系统的重复特性,使界的逼近误差随周期数的增加而逐渐减少,保证了系统的全局渐近稳定性.同时将该方法应用于一类非线性参数化系统,使系统在非参数化扰动的情形下,输出误差仍能收敛于0,倒立摆模型的仿真验证了此结果.该设计方法适用于消除神经网络逼近误差对重复控制系统的影响,理论证明了基于神经网络的鲁棒自适应重复控制系统中所有变量的有界性和输出误差的渐近收敛性,关于机械臂模型的仿真结果验证了受控系统具有良好的跟踪性能.     

双容液位系统鲁棒自适应容错控制

针对双容液位控制系统的泄漏等故障,通过线性化建模,研究了鲁棒自适应主动容错控制问题.首先在系统无故障正常运行情形,考虑建模误差和外界干扰等不确定性,利用不确定性上界自适应估计,设计了鲁棒自适应控制器.与此同时,对系统进行故障监控,设计了故障诊断滤波器,并利用对不确定性上界的估计终值提出了一种新的故障检测算法,进一步基于神经网络故障逼近,研究了一种修正控制律的自适应鲁棒容错控制器设计方法,该控制器通过补偿故障所带来的影响使闭环系统最终一致有界稳定.最后,通过仿真试验,验证了提出的方法的有效性.     

基于终端滑模机器人模糊自适应路径跟踪控制

对质心位置未知的移动机器人系统设计了基于快速终端滑模的模糊自适应路径跟踪控制方法。该方法采用模糊逻辑系统逼近控制器中的未知函数,基于李亚普诺夫稳定性分析方法对未知参数设计自适应律,并设计鲁棒控制器来补偿逼近误差。该方法不但可以保证闭环系统中的所有信号有界,而且可使跟踪误差在有限时间内收敛到原点的小邻域内。仿真结果验证了方法的有效性。     

漂浮基空间机器人的径向基神经网络鲁棒自适应控制

针对一类同时具有参数及非参数不确定性的自由漂浮空间机器人系统的轨迹跟踪问题,采用了一种RBF神经网络的自适应鲁棒补偿控制策略.对于系统的参数不确定性,通过对径向基神经网络来自适应学习并补偿,逼近误差通过滑模控制器消除,神经网络权重的自适应修正规则基于Lyapunov函数方法得到;而非参数不确定通过鲁棒控制器来实时自适应...     

一种基于反步法的鲁棒自适应终端滑模控制

针对不确定严格反馈块控非线性系统, 提出了一种基于反步法的鲁棒自适应终端滑模变结构控制方法. 系统的未知不确定及外界干扰由模糊系统在线逼近, 利用反步法设计了变结构控制的终端滑模面, 并由此得到了鲁棒自适应终端滑模控制器, 使系统的跟踪误差在有限时间内趋于给定轨迹的任意小的邻域内. 通过Lyapunov定理证明了闭环系统所有信号最终有界. 对某战斗机6自由度机动仿真结果表明, 该方法具有强鲁棒性.     

控制增益符号未知的不确定非线性系统鲁棒自适应控制

针对一类控制增益函数及符号均未知的不确定非线性系统,基于反推滑模设计方法,提出一种鲁棒自适应神经网络控制方案.结合Nussbaum增益设计技术和神经网络逼近能力,取消了控制增益函数及符号已知的条件,应用积分型Lyapunov函数避免了控制器奇异性问题,并通过引入神经网络逼近误差和不确定干扰上界的自适应补偿项消除了建模误差和不确定干扰的影响.理论分析证明了闭环系统所有信号半全局一致终结有界,仿真结果验证了该方法的有效性.     

基于改进的FNNs移动机械臂输出反馈跟踪控制

针对包含电机动态模型的移动机械臂系统,提出一种鲁棒自适应输出反馈控制方法.将误差符号函数鲁棒积分反馈与神经网络前馈结构相结合用于控制器的设计,然后利用神经网络去逼近机器人和电机系统的不确定项,设计鲁棒项实时补偿网络误差.通过Lyapunov稳定性分析证明闭环系统所有信号半全局一致有界.最后仿真实验表明,控制方法对系统动态不确定性和外界干扰有很好的鲁棒性,可实现移动机械臂的输出反馈跟踪控制.     

基于广义双曲正切模型的机器人鲁棒模糊自适应控制

利用广义模糊双曲正切模型的全局逼近特点,设计一种模糊自适应控制器用于机器人轨迹跟踪控制.广义双曲正切模型利用输入变量的平移能以任意精度逼近系统的不确定动态.对于系统不确定外界干扰和模糊系统的逼近误差,通过求解一个线性矩阵不等式来保证闭环系统的鲁棒稳定性.对比传统的模糊基函数,在保证系统跟踪精度的前提下,双曲正切模糊基函数的自适应调整参数大大减少,仿真表明该控制算法具有较强的鲁棒性能和较好的跟踪性能.     

一类非线性系统的间接自适应模糊控制器的研究

研究一类不确定非线性系统的间适应模糊控制问题。基于Wang提出的监督控制方案，利用Ⅰ型模糊系统的逼近能力，提出一种自适应模糊控制器设计的新方案，该方案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，从而在稳定性分析中取消了要求逼近误差平方可积或逼近误差的上确界已知的条件，理论分析证明了闭环控制系统是全局稳定的，跟踪误差收敛到零，仿真结果表明了该方法的有效性。     

间接自适应模糊控制器的设计与分析

针对一类不确定非线性系统,基于王立新1994年提出的监督控制方案并利用Ⅱ型模 糊系统的逼近能力,提出了一种间接自适应模糊控制器设计的新方案.该方案通过引入最优逼 近误差的自适应补偿项来消除建模误差的影响,从而在稳定性分析中取消了要求逼近误差平 方可积或逼近误差上确界已知的条件.理论分析证明了闭环控制系统是全局稳定的,跟踪误差 收敛到零.仿真结果表明了该方法的有效性.     

一类MIMO非线性系统的直接自适应模糊滑模控制

针对一类具有下三角形函数控制增益矩阵的非线性系统, 基于滑模控制原理, 并利用Ⅱ型模糊系统的逼近能力, 提出了一种直接自适应模糊滑模控制器设计的新方案. 通过引入积分型李雅普诺夫函数及逼近误差自适应补偿项, 证明了闭环系统是全局稳定的, 跟踪误差收敛到零. 仿真结果表明了该方法的有效性.     

含模型不确定性移动机器人路径跟踪的分层模糊控制

对受非完整约束且含模型不确定性的移动机器人基于分层模糊系统设计了跟踪期望几何路径的鲁棒间接自适应控制方案.此方法除实现路径跟踪外,还可避免控制器的奇异性并保证跟踪方向.由于控制结构中使用了分层模糊系统,大大减少了模糊规则数目;并用鲁棒控制项对模糊系统逼近误差进行补偿,减少了其对跟踪精度的影响.证明了闭环系统跟踪误差收敛到原点的小邻域内,且可通过适当增大鲁棒控制项的设计参数使跟踪误差进一步减小.最后用实验结果验证了方法的有效性.     

基于观测器的可重构机械臂分散自适应模糊控制

提出一种基于观测器的可重构机械臂分散自适应模糊控制方案.将可重构机械臂的动力学描述为一个交联子系统的集合,子系统控制器由自适应模糊系统和鲁棒控制项组成.基于状态观测器观测值构建的自适应模糊系统用于逼近子系统动力学模型和交联项,鲁棒控制项用于抵消模糊逼近误差对轨迹跟踪的影响.数值仿真证明了所提出的分散控制方案的有效性.     

基于动态神经网络的非线性组合系统自适应观测器

基于动态神经网络，对一类非线性组合系统提出一种观测器设计方法．在观测器设计中，充分考虑了神经网络逼近误差项对观测器性能的影响，增加了鲁棒控制项，并设计了相应的参数自适应律，以保证良好的观测性能．神经网络的连接权值在线调整，无需离线学习．仿真结果表明了该方法的有效性．     

Robust adaptive fuzzy control for a class of perturbed pure-feedback nonlinear systems

A new design scheme of direct adaptive fuzzy controller for a class of perturbed pure-feedback nonlinear systems is proposed. The design is based on backstepping and the approximation capability of the first type fuzzy systems. A continuous robust term is adopted to minify the influence of modeling errors or disturbances. By introducing the modified integral-type Lyapunov function, the approach is able to avoid the requirement of the upper bound of the first time derivation of the high frequency control gain. Through theoretical analysis, the closed-loop control system is proven to be semi-globally uniformly ultimately bounded, with tracking error converging to a residual set.     

具有模糊监督控制器的积分变结构间接自适应控制

针对一类不确定非线性系统, 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去逼近过程未知函数, 提出一种具有模糊监督控制器的积分变结构间接自适应控制方案. 该方案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收敛到零. 仿真结果表明了该方法的有效性.     

基于自适应重复学习的不确定多涡卷混沌系统同步控制

基于滞环函数提出一种参数可调的多涡卷混沌系统构造方法. 针对复杂不确定性系统, 综合利用自适应神经网络和重复学习控制方法设计一种自适应重复学习同步控制器; 利用自适应重复学习控制方法对周期时变参数化不确定性进行处理; 对函数型不确定性利用神经网络逼近技术进行补偿; 设计鲁棒学习项对神经网络逼近误差和扰动上界进行估计; 通过构造类Lyapunov 复合能量函数证明了同步误差学习的收敛性. 仿真结果验证了所提出方法的有效性.