电动车制动防抱死自适应鲁棒控制系统

为了改善电动车的可操作性和稳定性,本文进行电动车制动防抱死控制系统的研究.首先针对汽车纵向四轮模型,设计自适应鲁棒控制器.所提出的自适应控制器和自适应鲁棒控制律不仅保证了闭环系统的稳定性,而且实现了所期望的性能.然后通过试验结果证明了控制算法的有效性.尽管道路条件的变化不同,电动车制动防抱死控制系统表现出满意的控制性能.     

自适应鲁棒控制系统——稳定性和鲁棒性

本文以目前发展较快的自适应控制和鲁棒控制为基础,提出了一种将两者结合起来的自适应鲁棒控制系统。文中首先利用参考模型和可调系统匹配的条件推出了自适应规律,然后研究了该自适应律用于实际系统时的稳定性和鲁棒性。理论分析及应用的结果表明,这种自适应鲁棒控制系统的动态品质和鲁棒性优于参考模型自适应控制系统和鲁棒控制系统,有一定的应用价值。     

基于鲁棒可靠性的不确定时滞系统最优H∞控制器设计

用区间变量描述控制系统参数的不确定性,提出了不确定时滞系统鲁棒H_∞控制的鲁棒可靠性方法,基于鲁棒可靠性的不确定时滞系统最优状态反馈H_∞控制器设计方法,将系统的最优控制器设计归结为基于线性矩阵不等式(LMI)的优化问题．所设计的控制器可以在满足对所有不确定性鲁棒可靠的前提条件下,具有最优的H_∞鲁棒性能,并能在控制系统的设计中综合考虑控制性能、控制代价和鲁棒可靠性．数值算例说明了所提方法的有效性和可行性．     

汽车转向/防抱死制动协同控制

为了解决汽车转向过程中防抱死制动稳定性问题,提出一种新的协同控制系统.该协同控制结构由转向控制器和制动控制器组成.在转向控制中设计滑模鲁棒自适应控制器和横摆力矩控制器力求改善汽车动态响应,鲁棒自适应性和稳定性.此外定义协同误差,建立汽车协同误差模型并设计汽车防抱死制动鲁棒自适应控制系统.为了减少转向系统和制动系统之间的补偿控制律难以确定的困难,提出耦合误差补偿原理与同一给定控制相结合的新的耦合控制策略.最后用仿真结果验证所设计控制算法的有效性.     

基于神经网络与多模型的非线性白适应广义预测解耦控制

针对一类非线性多变量离散时间动态系统,提出了基于神经网络与多模型的非线性自适应广义预测解耦控制方法．该控制方法由线性鲁棒广义预测解耦控制器和神经网络非线性广义预测解耦控制器以及切换机构组成．线性鲁棒广义预测解耦控制器用于保证闭环系统输入输出信号有界,神经网络非线性广义预测解耦控制器能够改善系统性能．切换策略通过对上述两种控制器的切换,保证系统稳定的同时,改善系统性能．同时本文给出了所提自适应解耦控制方法的稳定性和收敛性分析．最后,通过仿真实例验证了该方法的有效性．     

基于FBFN 的鲁棒仿生学习系统设计及在运动平衡控制中的应用

针对两轮直立式机器人的运动平衡控制问题,结合OCPA 仿生学习系统,基于模糊基函数,设计了一 种鲁棒仿生学习控制方案．它不需要动力学系统的先验知识,也不需要离线的学习阶段．鲁棒仿生学习控制器主要 包括仿生学习单元、增益控制单元和鲁棒自适应单元3 部分．仿生学习单元由模糊基函数网络（FBFN）实现,FBFN 不仅执行操作行为产生功能,逼近动力学系统的非线性部分,同时也执行操作行为评价功能,并利用性能测量机制 提供的误差测量信号,产生取向值信息,对操作行为产生网络进行调整．增益控制单元的作用是确保系统的稳定性 和性能,鲁棒自适应单元的作用是消除FBFN 的逼近误差及外部干扰．此外,由于FBFN 的参数是基于李亚普诺夫 稳定性理论在线调整的,因此进一步确保了系统的稳定性和学习的快速性．理论上证明了鲁棒仿生学习控制器的稳 定性,仿真实验结果验证了其可行性和有效性．     

全系数自适应控制方法对参数慢时变对象的鲁棒性及其应用

本文研究了全系数自适应控制方法对参数慢时变对象的鲁棒稳定性。证明了存在未建模动态及有界扰动情况下，采用经投影修正的梯度算法估计标称对象，黄金分割自适应控制器仍能稳定标称对象。对含乘性不确定性的线 性慢时变对象，给出了自适应控制系统鲁棒稳定的充分条件。作为理论结果的一个应用，本文分析了液体元地点发动机工作期间卫星姿态的全系数自适应控制方案的鲁棒稳定性。     

基于鲁棒自适应的无人直升机悬停控制

小型无人直升机凭借良好的机动特性,在军事和民用方面有着广泛的用途。针对小型无人直升机悬停模型,考虑模型参数不确定对无人机控制的影响,提出一种鲁棒自适应控制律,实现无人机控制系统对不确定扰动的抑制。首先,基于无人直升机线性化悬停模型设计滑模面,并结合标称系统控制的反馈增益,获得滑模面的设计参数;在此基础上,利用传统滑模趋近律设计方法设计控制器;为改善系统控制性能,设计基于自适应增益的趋近律,实现系统鲁棒自适应控制。其次,利用Lyapunov稳定理论对所设计的鲁棒自适应控制策略的稳定性进行分析说明。最后,通过与基于指数趋近律以及变速趋近律的两种滑模控制方法仿真对比,验证了所设计的控制方法的有效性和优越性。     

永磁同步电动机的鲁棒MR-ILQ 最优电流控制

提出了永磁同步电动机鲁棒参考模型逆线性二次型最优电流控制系统的结构和数学模型，设计了最优电流控制系统的伺服控制器，分析了系统的鲁棒稳定性和鲁棒跟踪性能．以内埋式永磁同步电动机为例，对系统进行了仿真研究．仿真结果表明，系统对参数变化和负载扰动具有很强的鲁棒性，可以实现高精度的电流控制和动态解耦。     

不确定性系统的自适应鲁棒跟踪控制

针对存在未知干扰和未建模动态等不确定性的系统的自适应鲁棒跟踪控制问题进行了 探讨.首选将l1优化控制器的有限拍设计方法结合给出了最优鲁棒稳态跟踪控制器的设计方法． 然后利用集员辨识的思想,将名义模型的参数和未建模动态及干扰的大小作为未知参数,提出了 一种递推参数估计方法.最后将上述研究结果结合起来提出了一种自适应鲁棒跟踪控制策略,证 明了自适应算法的全局收敛性并给出了鲁棒跟踪性能指标的一下较紧的上界.与现有的结果相 比,本文提出的自适应控制具有非保守的鲁棒稳定性,具有渐近最优的鲁棒跟踪性能.     

Robust adaptive control for a nonholonomic mobile robot with unknown parameters

A robust adaptive controller for a nonholonomic mobile robot with unknown kinematic and dynamic parameters is proposed. A kinematic controller whose output is the input of the relevant dynamic controller is provided by using the concept of backstepping. An adaptive algorithm is developed in the kinematic controller to approximate the unknown kinematic parameters, and a simple single-layer neural network is used to express the highly nonlinear robot dynamics in terms of the known and unknown parameters. In order to attenuate the effects of the uncertainties and disturbances on tracking performance, a sliding mode control term is added to the dynamic controller. In the deterministic design of feedback controllers for the uncertain dynamic systems, upper bounds on the norm of the uncertainties are an important clue to guarantee the stability of the closed-loop system. However, sometimes these upper bounds may not be easily obtained because of the complexity of the structure of the uncertainties. Thereby, simple adaptation laws are proposed to approximate upper bounds on the norm of the uncertainties to address this problem. The stability of the proposed control system is shown through the Lyapunov method. Lastly, a design example for a mobile robot with two actuated wheels is provided and the feasibility of the controller is demonstrated by numerical simulations.     

非完整移动机器人的神经网络鲁棒自适应控制

在非完整移动机器人轨迹跟踪问题中,针对机器人运动学与动力学模型的参数和非参数不确定性,提出了一种混合神经网络鲁棒自适应轨迹跟踪控制器,该控制器由运动学控制器和动力学控制器两部分组成;其中,采用了参数自适应的径向基神经网络对运动学模型的未知部分进行了建模,并采用权值在线调整的单层神经网络和自适应鲁棒控制项构成了动力学控制器;基于Lyapunov方法的设计过程保证了系统的稳定性和收敛性,仿真结果证明了算法的有效性。     

基于神经网络与多模型的非线性自适应广义预测控制

针对一类不确定非线性离散时间动态系统, 提出了基于神经网络与多模型的非线性广义预测自适应控制方法. 该自适应控制方法由线性鲁棒广义预测自适应控制器, 神经网络非线性广义预测自适应控制器和切换机制三部分构成. 线性鲁棒广义预测自适应控制器保证闭环系统的输入输出信号有界, 神经网络非线性广义预测自适应控制器能够改善系统的性能. 切换策略通过对上述两种控制器的切换, 保证系统稳定的同时, 改善系统性能. 给出了所提自适应方法的稳定性和收敛性分析. 最后通过仿真实例验证了所提方法的有效性.     

冷带轧机厚控系统自适应鲁棒输出反馈动态控制器设计

冷带轧机厚控系统可被认为是一个受外界干扰的线性不确定时滞系统.本文首先设计了标称系统下的鲁棒输出反馈动态控制器,以改善闭环系统的动静态性能;其次,在系统不需要满足不确定性匹配条件的情况下,将参数和外部扰动不确定性综合考虑.应用Lyapunov稳定性理论设计了系统不确定性上界参数的自适应估计器和系统的自适应控制器,保证了闭环系统的渐近稳定性,减小了设计的保守性;两者结合实现了板带出口厚度的有效控制.最后通过一个仿真实例说明本文所提出的自适应鲁棒控制器的有效性.     

磁悬浮系统的基于RBF网络的自适应反推控制

针对一类磁悬浮系统,研究了基于RBF网络的自适应反推控制器的设计和分析问题.首先在较弱的条件下,通过引入一监督控制,保证了闭环系统的状态落入一紧集中;然后通过RBF网络的逼近性质和反推设计技术,给出了一种鲁棒自适应控制器的设计;最后利用Lyapunov稳定性理论,严格地分析了这种自适应控制系统的稳定性和跟踪性能.     

Neural network-based asymptotic tracking control of unknown nonlinear systems with continuous control command

ABSTRACT

This paper proposes a robust tracking controller for a class of nonlinear second-order systems with time-varying uncertainties. The controller is mainly based on the robust integral of the sign of the error (RISE) control approach to achieve an asymptotic stability result with a continuous control command in the presence of additive uncertainties. An adaptive feedforward neural network control term is blended with a new RISE controller to improve the system's transient performance. The proposed RISE controller is a modified version of the existing saturated RISE controller such that only sign of the derivative of the output is needed. The stability of the closed-loop system is well studied, where a local asymptotic stability is proven. The controller performance is validated through simulations on a two-degree-of-freedom lower limb robotic exoskeleton.     

基于自组织小波小脑模型关节控制器的不确定非线性系统鲁棒自适应终端滑模控制

针对一类不确定非线性系统的跟踪控制问题,在考虑建模误差、参数不确定和外部干扰情况下,以良好的跟踪性能及强鲁棒性为目标,提出基于自组织小脑模型(self-organizing wavelet cerebellar model articulation controller,SOWCMAC)的鲁棒自适应积分末端(terminal)滑模控制策略.首先,将小脑模型、自组织神经网络和小波函数各自优势相结合,给出一种SOWCMAC,以保证干扰估计方法具有快速学习能力和更好的泛化能力.其次,设计两种改进的terminal滑模面构造方法,并分别给出各自的收敛时间.然后,基于SOWCMAC和改进的积分terminal滑模面,给出不确定非线性系统鲁棒自适应非奇异terminal控制器的设计过程,其中通过构造自适应鲁棒项抑制干扰估计误差对系统跟踪性能的影响,并利用Lyapunov理论证明闭环系统的稳定性.最后,将该方法应用于近空间飞行器姿态的控制仿真实验,结果表明所提出方法有效性.     

未知死区输入非线性系统的双观测器动态面控制

针对一类含死区输入的严格反馈非线性系统,提出基于双观测器的自适应鲁棒控制算法.动态面的每一步设计中,第1观测器即跟踪信号观测器对指令信号进行观测,并得到指令信号的差分信号,消除传统动态面控制中计算复杂问题.第二观测器即扰动观测器在线估计高阶动态面控制系统中每一步的不确定模型,与跟踪信号观测器实现双反馈控制,提高控制效果.通过李雅普诺夫方法分析了自适应鲁棒控制器的输入输出有界的特性.最后,实验验证基于双观测器的自适应鲁棒控制器的性能,结果表明本文方法控制效果较好.且采用反双曲正弦函数建立观测器,参数调节少,利于工业应用.     

基于控制受限的机器人鲁棒自适应位置调节

针对实际的控制系统中输入为有界的情况,研究了机器人系统存在未知参数以及外界干扰时的位置调节问题.基于李雅普诺夫稳定性理论,通过构造存储函数的过程中引入双曲正切函数向量和适当的辅助函数向量,提出了一种有界的鲁棒自适应控制器.所提出的控制器不仅保证了闭环系统的鲁棒稳定性,同时也满足了从干扰信号到跟踪误差评价信号所定义的增益性能指标,即保证了干扰抑制的有效性.最后,由两连杆机器人进行的仿真结果验证了该控制器的可行性.