基于神经网络的一类非线性系统自适应滑模控制

对一类非线性系统进行简化处理后,结合神经网络逼近方法、自适应滑模控制提出一种新的自适应控制方法.所设计的控制器分为两部分,一部分是等效控制器,另一部分是滑模控制器.滑模控制器用来减小系统的跟踪误差,起鲁棒控制作用.文中用神经网络逼近非线性函数,并将网络权值误差引入到神经网络权值的自适应律中用以改善系统的动态性能.最后给出的仿真算例证明所设计的控制器是十分有效的.     

控制Lyapunov函数在自适应控制中的应用

研究了一类带有未知参数的非线性系统的自适应稳定问题,利用控制Lyapunov函数方法设计出一种自适应控制器.该控制器对系统的参数和状态的不确定性具有鲁棒性,并且能保证系统自适应稳定.     

单级倒立摆迭代非线性滑模位移控制

针对倒立摆的位移控制,提出一种非线性滑模变结构控制方法.通过对系统输出的递归分解迭代设计,构成了扩展状态空间上的复杂非线性滑模,结合增量反馈控制,无需对系统不确定性的估计,可以稳定摆的倒立并将小车驱动到任意的距离.非线性滑模分解迭代方法结构简单、易于实现,设计过程的物理意义明显,利于参数整定保证控制系统稳定性以及分析输出特性.仿真结果表明,小车位移稳定时间、最大移动速度以及位移过程中摆角最大幅度均可通过设计参数调节,且控制器对倒立摆系统参数变化不敏感、具有强鲁棒性和良好的控制品质.     

船舶航向非线性系统的自适应跟踪控制器设计

将非线性船舶操纵数学模型用于船舶航向跟踪的自动舵设计,同时考虑模型参数的不确定性以及舵机伺服系统特性,则船舶操纵非线性数学模型具有非匹配不确定形式.针对上述困难,提出一种新的自适应非线性控制策略,将Nussbaum函数与逆推(backstepping)技术相结合,设计了船舶运动航向跟踪控制器,成功解决了其虚拟控制系数符号未知的问题.在理论上,借助Lyapunov函数证明了所设计控制器使最终的非匹配不确定船舶运动非线性系统中所有信号有界,船舶实际航向自适应地渐近跟踪设定的期望参考航向.仿真结果表明所设计的控制器有效可行,对系统参数变化具有很强的鲁棒性.     

应用非线性干扰观测器的反推终端滑模飞行控制

针对飞机机动飞行时模型非线性、气动参数和力矩干扰不确定性的特点,提出一种基于非线性干扰观测 器的反推终端滑模控制方案. 该方案利用非线性干扰观测器逼近系统不确定性,取消了不确定性上界已知条件. 反 推设计过程中结合动态面控制设计虚拟控制律,能避免计算复杂性问题,通过引入快速终端滑模控制策略,提高了 系统收敛速度和稳态跟踪精度. 采用Lyapunov 稳定性理论证明了闭环系统所有信号一致终结有界. 对某战斗机进 行6 自由度机动飞行仿真,验证了该控制方案的有效性.     

基于干扰观测器的移动机器人轨迹跟踪控制

针对移动机器人的轨迹跟踪问题,设计了基于干扰观测器的积分滑模控制器.考虑侧滑与干扰的影响,建立了移动机器人的运动学和动力学模型.基于终端滑模理论设计了自适应滑模干扰观测器,实现了对复合干扰的有限时间逼近.在此基础上设计了基于运动学模型的轨迹跟踪控制器,保证了位置跟踪误差的渐近收敛和角度误差的有界收敛.结合干扰观测器和积分滑模方法,设计了基于动力学模型的速度跟踪控制器.通过仿真验证了所设计控制算法的有效性.     

基于等效控制的同步发电机混沌振荡的神经网络滑模控制

在周期性负荷扰动情况下,同步发电机可能诱发混沌振荡现象,严重威胁电网运行安全性。为解决此问题,本文提出了基于等效控制的神经网络滑模控制策略。首先系统利用等效控制方法设计滑模控制器,然后结合神经网络理论以及自适应控制原理来逼近滑模控制器中的非线性项,设计出神经网络滑模控制器。在该控制器的作用下,系统的输出渐近跟踪目标轨迹,由混沌运行状态转变为稳定运行状态。理论分析与仿真结果表明,所设计的控制器能够有效抑制电力系统的混沌振荡,且具有一定的鲁棒性。     

数字式座舱压力调节系统的模糊滑模变结构控制

针对座舱压力调节系统的非线性和参数时变特性,提出了模糊滑模变结构控制方法. 模糊滑模变结构控制算法保持了模糊控制器不依赖系统模型的优点,对参数变化和外界干扰等不确定性因素具有较强的鲁棒性,同时能柔化控制信号,减轻或者避免了一般滑模控制的抖动现象. 研究表明,模糊滑模变结构控制器与经典PID控制相比,具有超调量 小、稳态误差小、响应速度快、扰动抑制能力强等优点,试验结果证明了该方法对座舱压力调节系统控制的有效性.     

基于径向基函数神经网络的无人直升机吊装系统滑模减摆控制

针对存在非线性、强耦合、外部未知有界干扰和建模不确定性的平面运动下无人直升机吊装系统,研究了一种基于径向基函数神经网络(radial basis function neural networks,RBFNNs)和干扰观测器的无人直升机吊装系统滑模减摆控制方法。首先将系统模型转换成仿射非线性形式,利用RBFNNs逼近系统不确定性,设计干扰观测器估计神经网络逼近误差与外界未知有界干扰的复合值。然后基于RBFNNs和干扰观测器设计了滑模减摆控制器,并用Lyapunov方法证明闭环系统稳定性;最后通过仿真验证了所设计控制器的有效性。     

一类非线性大系统的间接自适应分散神经网络控制

针对仿射非线性大系统,采用分散控制的思想,利用模糊神经网络辨识方法对各个子系统建立NARMA模型,运用自适应控制、滑模控制方法消除各子系统间的非线性关联项及不确定的外部干扰,并使用神经网络的辨识结果来调节控制器参数,形成间接自适应分散神经网络控制器.最后,将本文提出的控制方法运用于互连双倒立摆仿真中,结果表明所提出的算法是有效的.     

机翼摇滚自适应神经网络抑制

针对战斗机在大迎角下表现出的机翼摇滚非线性振荡现象,提出一种基于自适应神经网络的抑制机翼摇滚控制方案. 采用动态逆方法实现机翼摇滚特性的近似线性化,并根据动态性能指标要求设计线性补偿器,采用单隐层神经网络在线补偿近似动态逆引起的误差. 仿真实验验证了控制方法的有效性.     

一种鲁棒自适应Backstepping控制方案研究

对基于调节函数的Backstepping自适应控制方案进行了改进,设计了一种新型鲁棒自适应无人机飞行控制系统.首先将某型无人机的系统模型转化为一个含有非线性参数不确定性、不确定的非线性与未建模动态的受扰严格反馈系统,然后提出了一种含有广义误差自适应调节项的新型李亚普诺夫函数,得出了稳定自适应控制律和参数更新律.最后该无人机的鲁棒自适应飞控系统的有效性得到了仿真验证.     

基于大脑情感学习的转台逆模型补偿控制

针对传统控制方法难以克服飞行仿真转台伺服系统中存在的摩擦等非线性干扰力矩问题,提出了一种基于大脑情感学习(brain emotional learning, BEL)模型的转台伺服系统复合控制方法. 在传统PI反馈控制器的基础上,设计了基于BEL模型的同结构系统逆模型辨识器和前馈补偿控制器. 通过在线辨识系统逆模型来学习BEL模型的节点权值. 理想转台模型的数值仿真和实际转台伺服系统的实验结果都表明：BEL模型学习能力强,能满足实时控制要求,基于BEL模型的复合控制策略能有效抑制摩擦力矩的影响,提高转台系统的跟踪性能.     

非线性不确定系统的鲁棒自适应Backstepping控制

针对一类有界扰动不确定非线性系统,讨论了鲁棒自适应ε输出跟踪问题．利用Backstepping方法和鲁棒控制技术,对存在未知参数和动态不确定性的非线性系统设计了一种自适应输出反馈控制器．基于Lyapunov稳定性理论所设计的控制器不仅保证闭环系统状态全局一致有界,而且使系统的跟踪误差收敛到一个很小的邻域内．仿真结果表明了所设计方法的有效性．