基于NDO的ROV变深自适应终端滑模控制器设计

针对ROV的深度控制问题, 提出基于非线性干扰观测器的自适应终端滑模控制方法. 详细叙述了控制器的设计过程, 并利用Lyapunov 稳定性判据, 验证了存在模型参数不确定性和外干扰时, 系统的全局渐近稳定性和跟踪误差的收敛性. 仿真实验表明, 所提出的控制器不仅能够很好地估计并克服外干扰和模型不确定性等因素, 具有很好的鲁棒性能, 而且还可以实现在任意规定时刻变深运动的快速收敛.

     

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.

     

一种参数优化的非线性离散系统鲁棒迭代学习控制方法

针对带有扰动的一类离散非线性系统的鲁棒迭代学习控制问题, 设计一种基于参数优化的迭代学习控制算法. 该算法能够保证在有初始状态误差和状态、输出扰动的情况下使闭环系统具有鲁棒BIBO 稳定性, 系统输出能够单调收敛于给定输出轨迹的邻域内; 在没有初始状态误差和扰动的情况下能够以零稳态误差跟踪给定输出轨迹. 最后通过仿真分析验证了所提出算法的有效性.

     

分布式多输入系统的自律鲁棒自适应分散控制

为了实现一类分布式多输入系统的分散鲁棒自适应控制, 基于状态扩张和反演干扰抑制控制, 提出一种自律鲁棒自适应分散控制的新方法. 结合直接反馈线性化和最优控制, 给出了自律最优鲁棒自适应分散控制的设计方法. 仿真结果表明, 所提出方法能够有效实现各子系统的自律鲁棒稳定、全系统整体鲁棒稳定和不确定参数自适应, 同时通过求解LMI, 具备了最优干扰抑制的功能.

     

基于反推法的永磁同步电机全局自适应控制

针对永磁同步电机运行中存在的参数及负载不确定性,研究了基于反推法的非线性全局自适应控制设计方法,分析了闭环系统的稳定性能．仿真结果表明,该控制方法能有效地克服电机运行中参数变化和负载干扰引起的跟踪误差,具有较强的鲁棒性能以及良好的跟踪性能．

     

一种可保证瞬态特性的改进的鲁棒模型参考自适应控制

针对典型的鲁棒模型参考自适应控制中瞬态性能无法得到保障的问题, 提出一种改进的鲁棒模型参考自适应控制器. 该控制器在标准的鲁棒自适应控制中加入??_∞ 补偿器, 以抑制闭环自适应系统中参数估计误差和不确定扰动对系统输出跟踪性能造成的不利影响. 理论分析和仿真验证表明, 所提出的控制器不但保留了典型鲁棒模型参考自适应控制的理想特性, 并且通过设计适当的??∞ 补偿器使得闭环系统的瞬态性得到了较大的改善, 其改善的程度依赖于??∞ 补偿器性能指标的大小.

     

不确定多传感器系统鲁棒观测融合Kalman 预报器

对于带不确定模型参数和噪声方差的线性离散时不变多传感器系统, 用虚拟噪声补偿不确定参数, 系统转化为仅带噪声方差不确定性的多传感器系统. 用加权最小二乘法和极大极小鲁棒估计准则, 基于带噪声方差保守上界的最坏情形保守系统, 提出一种鲁棒加权观测融合稳态Kalman 预报器, 并应用Lyapunov 方程方法证明了它的鲁棒性, 同时给出了与鲁棒局部和集中式融合Kalman 预报器的精度比较. 最后通过一个仿真例子说明了如何搜索参数扰动的鲁棒域, 并验证了所提出的理论结果的正确性和有效性.

     

基于神经网络干扰观测器的一类不确定非线性MIMO系统H∞跟踪控制

针对一类具有未知外部干扰及内部不确定性的非线性MIMO系统,提出了基于神经网络干扰观测器的鲁棒跟踪控制方法,用于降低控制器对干扰的要求.设计了基于神经网络的干扰观测器,以逼近由外部干扰,内部不确定性和子系统的交叉耦合组成的复合干扰.根据Lyapunov稳定性理论的参数更新律及所设计的控制器,保证了系统中所有信号的最终一致有界性,并获得了给定的跟踪性能指标.仿真结果证明了该方法的有效性.

     

基于复合执行机构的再入弹头自适应反演控制

为了提高再入弹头命中精度和机动突防能力, 将质量滑块和单框架控制力矩陀螺(SGCMG) 配合使用, 以在弹头再入全过程中产生足够的姿态控制力矩. 针对再入系统物理参数及外界环境干扰的不确定性, 利用反演方法设计再入弹头姿态自适应控制器. 该控制器可以对转动惯量不确定性进行自适应补偿, 并且有效抑制力矩干扰对姿态控制系统的影响. 对某型再入弹头的仿真研究表明, 所提出的控制器可以实现姿态角的良好跟踪.

     

基于ELM的一类MIMO仿射非线性系统的鲁棒自适应控制

针对一类多输入多输出(MIMO) 仿射非线性动态系统, 提出一种基于极限学习机(ELM) 的鲁棒自适应神经控制方法. ELM随机确定单隐层前馈网络(SLFNs) 的隐含层参数, 仅需调整网络的输出权值, 能以极快的学习速度获得良好的推广性. 在所提出的控制方法中, 利用ELM逼近系统的未知非线性项, 针对ELM网络的权值、逼近误差及外界扰动的未知上界值分别设计参数自适应律, 通过Lyapunov 稳定性分析可以保证闭环系统所有信号半全局最终一致有界. 仿真结果表明了该控制方法的有效性.

     

基于最大灵敏度的加热系统分数阶内模控制

针对加热系统热传导过程模型不精确和系统参数不确定性问题, 提出一种新的基于最大灵敏度的分数阶内模控制方案. 采用分数阶模型描述加热系统可以提高精度, 而内模控制能够很好地处理系统参数不确定性问题. 利用最大灵敏度整定分数阶控制器参数, 并以此获得强鲁棒性控制系统. 数值结果验证了所提出的分数阶内模控制方案的有效性, 具有比整数阶内模控制方案更好的控制性能.

     

执行器故障重复过程的鲁棒迭代学习容错控制方法及应用

针对具有执行器故障和外界扰动的线性重复过程,给出一种鲁棒迭代学习容错控制策略.首先,基于二维(2D)系统理论,设计鲁棒迭代学习容错控制器,将迭代学习控制系统等效转化为2D模型;然后,利用线性矩阵不等式(LMI)技术,分析和优化控制系统在时间和迭代方向上的容错性能以及对干扰的抑制性能,同时给出系统满足这些性能的充分条件,并进一步通过求解LMI凸优化问题获得控制器参数;最后,通过对旋转控制系统的仿真结果验证了所提出算法的有效性.     

永磁同步电机伺服系统模糊分数阶滑模控制

针对传统整数阶滑模控制系统中的抖震问题,结合分数阶理论、模糊逻辑推理和滑模控制技术的优点,提出了模糊分数阶滑模控制策略.将传统滑模控制器中的整数阶切换面推广到分数阶并设计了全控制域滑模面,保证系统在整个控制域都具有较强的鲁棒性.采用模糊逻辑推理算法,实现了开关切换增益的自整定.仿真和实验验证了模糊分数阶滑模控制系统不但能有效地削减抖震,而且能保持滑模控制器对系统外部扰动的全局鲁棒性.     

基于反馈增益的AUV稳定神经网络反步变深控制

为解决自主水下航行器的变深控制问题,提出一种基于反馈增益的反步控制方法.首先,通过设计控制器参数消除部分非线性项,在保证系统稳定性的同时设计神经网络控制器来补偿纵倾运动中的模型不确定性;然后,通过自适应鲁棒控制器对神经网络的逼近误差予以消除,以加快神经网络的收敛学习速度,神经网络权值和逼近误差估计的学习律可由李雅普诺夫稳定性理论推导得出,保证了闭环系统的一致最终有界性;最后,通过仿真实验验证了所提出方法的有效性.     

基于鲁棒控制Lyapunov 函数的非线性预测控制

针对一类约束不确定性非线性仿射系统,提出一种可保证闭环系统鲁棒镇定的非线性模型预测控制算法.利用鲁棒控制Lyapunov函数得到改进的Sontag公式,并以此为基础,构造一种计算有效的单自由度鲁棒预测控制器.以Matlab语言为仿真工具,对一开环不稳定振荡器进行了仿真研究,结果表明,利用该控制算法得到的闭环系统不仅渐近稳定于原点,而且所得控制量和系统状态都满足系统约束,从而验证了控制算法的有效性.     

不确定时变时滞系统的自适应全局鲁棒滑模控制

针对一类存在时变状态时滞的不确定性系统, 基于全程滑模的思想, 引入一种带状态时滞项的积分型滑模面, 以消除趋近模态, 实现全程滑模控制; 基于一种新颖的自由权矩阵时滞转换模型, 采用线性矩阵不等式(LMI) 的方法给出并证明了滑动模态稳定的充分条件, 降低了保守性; 结合自适应控制思想设计出自适应滑模控制器, 克服了不确定性以及时变的时滞影响.