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.     

一类输入受限的不确定非仿射非线性系统二阶动态terminal 滑模控制

针对一类输入受限的不确定非仿射非线性系统跟踪控制问题, 提出一种二阶动态terminal 滑模控制策略. 在不损失模型精度, 并考虑系统输入饱和受限的前提下, 给出一种适用于全局的不确定非仿射非线性系统近似方法. 提出小波小脑模型干扰观测器设计方法, 实现复合扰动的有效逼近. 构造辅助系统分析输入饱和对跟踪误差的影响. 通过构造基于PI 滑模面的terminal 二阶滑模面, 给出二阶动态terminal 滑模控制器设计过程, 克服了传统滑模的抖振问题. 仿真结果验证了所提出方法的有效性.

     

考虑输入饱和的近空间飞行器姿态容错控制

针对近空间飞行器姿态控制中出现的执行器故障,输入饱和与外部干扰等问题,设计了一种基于二阶滑模干扰观测器和辅助系统的鲁棒容错跟踪控制方法.首先,将系统不确定,外部扰动和执行器故障作为复合干扰,设计super-twisting二阶滑模干扰观测器对其进行估计.然后为解决输入饱和问题构造了辅助分析系统,并借助backstepping方法,设计姿态容错跟踪控制器.利用Lyapunov方法,严格证明了所有闭环系统信号的收敛性.最后将所设计的控制方法应用于近空间飞行器姿态控制中,仿真结果验证了该控制方法的有效性.     

考虑执行器动态和输入受限的近空间飞行器鲁棒可重构跟踪控制

针对多变量、不稳定的近空间飞行器姿态系统,在系统存在参数不确定和外部干扰的情况下,并考虑执行器动态和输入受限,提出一种鲁棒可重构跟踪控制策略.首先,利用二阶滑模干扰观测器分别重构姿态、角速率回路的复合干扰;其次,采用鲁棒二阶滑模积分滤波器的反推(backstepping)方法避免了控制器设计中微分项膨胀问题,利用鲁棒项抵消重构误差对系统的影响,以实现姿态控制器设计.然后,在考虑执行器动态、输入受限及舵面卡死故障下,给出一种线性矩阵不等式的在线优化舵面分配算法,以实现飞行器的姿态角渐近跟踪期望的制导指令.最后,仿真结果表明所提出的方法具有良好的跟踪控制性能.     

具有未知干扰的无人机鲁棒滑模飞行控制

研究无人机飞行稳定性控制问题,由于无人机飞行控制系统存在时变外部干扰,飞行过程中升阴比变化激烈,控制稳定性难度较大。利用滑模控制良好的鲁棒能力提出一种神经网络的鲁棒飞行控制方法。因神经网络有良好非线性逼近能力,可对无人机飞行系统中的不确定进行在线逼近,并将神经网络权值误差引入到权值的自适应律中用以改善系统的动态性能。利用神经网络的组合,设计无人机鲁棒滑模飞行控制器。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,能有效减小系统的跟踪误差。最后将所设计的鲁棒滑模控制对无人机飞行姿态控制进行仿真。仿真结果表明,新方法能提高无人机的鲁棒飞行控制能力且能实现无人机姿态的精确跟踪和稳定性控制。     

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.     

一种新颖的鲁棒模糊滑模观测器设计及干扰重构方法

针对一类由T-S模糊模型描述的不确定非线性系统,提出一种新颖的鲁棒模糊滑模观测器设计和干扰重构方法.首先,给出一种T-S模糊模型的等价形式.其次,在考虑滑模匹配条件不满足、状态不可测的情况下,利用高增益估计器构造辅助变量.为避免其峰化问题,提出基于高增益估计器的鲁棒滑模观测器.然后,基于所提出的等价形式,给出一类不确定非线性系统的鲁棒模糊滑模观测器设计方法.并证明其不但对系统的未知干扰具有鲁棒性,而且能保证状态估计残差在有限的时间内收敛于任意小的邻域,并可应用等价输出误差介入原理重构出系统的干扰.最后,将该方法应用于双关节机械臂的控制仿真实验.结果表明所提方法的有效性.     

一类状态/输入受限的不确定非仿射非线性系统 鲁棒自适应backstepping控制

针对一类状态/输入受限的不确定严格反馈非仿射非线性系统跟踪控制问题,提出一种鲁棒自适应backstepping控制策略.在保证系统精度的前提下,对状态/输入受限的非仿射系统进行Taylor级数在线展开,得到其仿射形式;为保证系统复合扰动在线准确逼近,提出基于投影算子的递归扰动模糊神经网络干扰观测器(RPFNNDO);在考虑不确定系统存在状态受限和输入饱和等因素下,结合障碍Lyapunov函数、tanh函数及Nussbaum函数,利用backstepping方法设计控制器,并采用Lyapunov稳定理论分析闭环系统稳定性.应用于无人机航迹控制的仿真结果验证了所提方法的有效性.     

基于函数滑模控制器的机械手轨迹跟踪控制

提出一种基于函数滑模控制器(FSMC)的控制策略,用于不确定机械手的轨迹跟踪控制。首先,由动力学模型和滑模函数得到系统的不确定项;然后,利用RBF神经网络逼近系统不确定项,由于神经网络逼近存在误差,而且在初始阶段误差较大,设计函数滑模控制器和鲁棒补偿项对神经网络逼近误差进行补偿,以克服普通滑模控制器容易引起的抖振问题,同时提高系统的跟踪控制性能。基于李亚普诺夫理论证明了闭环系统的全局稳定性,仿真实验也验证了方法的有效性。     

基于函数滑模控制器的机械手轨迹跟踪控制

提出一种基于函数滑模控制器(FSMC)的控制策略,用于不确定机械手的轨迹跟踪控制。首先,由动力学模型和滑模函数得到系统的不确定项;然后,利用RBF神经网络逼近系统不确定项,由于神经网络逼近存在误差,而且在初始阶段误差较大,设计函数滑模控制器和鲁棒补偿项对神经网络逼近误差进行补偿,以克服普通滑模控制器容易引起的抖振问题,同时提高系统的跟踪控制性能。基于李亚普诺夫理论证明了闭环系统的全局稳定性,仿真实验也验证了方法的有效性。     

自适应模糊全局快速Terminal滑模控制方法

提出了一种自适应模糊全局快速Terminal滑模控制方法,在参数不确定性和外干扰情况下,为解决系统的非线性不确定性提供了一种新途径。与传统模糊Terminal滑模控制相比,通过采用模糊逻辑系统来逼近未知系统函数和开关项;鲁棒自适应律用来减小逼近误差,从而有效降低抖振;证明了该控制方案的稳定性,并将该方案应用在倒立摆系统中。仿真结果验证了该方案的有效性。     

基于神经网络的无人机滑模飞行控制设计

针对无人机受扰运动,基于Backstepping方法和非线性滑模控制提出了一种鲁棒神经网络飞行控制方案。对无人机姿态角速度层的系统不确定性项,采用径向基函数神经网络并对其权值进行在线调整,从而实现对其进行逼近。将回馈递推设计方法与滑模控制方法结合起来,基于神经网络的输出为无人机设计了一种回馈递推滑模飞行控制器。所设计的飞行控制器用于无人机的姿态控制,仿真结果表明所研究的无人机鲁棒神经网络飞行控制方案是有效的。     

一类非线性系统的模糊直接自适应控制

针对一类单输入单输出仿射非线性系统，利用模糊基函数网络的逼近能力，并根据滑模控制原理在控制器中加入逼近误差和外部干扰补偿控制器，提出了一种模糊直接自适应控制方法。该方法不但实现了系统的鲁棒控制，还同时考虑了误差状态的位置信息和运动信息，较大地改善了系统的控制性能。通过Matlab仿真，证明了所设计的模糊直接自适应控制器不但具有鲁棒性，而且可以保证系统具有很好的跟踪性能。     

Identification Recurrent Type 2 Fuzzy Wavelet Neural Network and L2‐Gain Adaptive Variable Sliding Mode Robust Control of Electro‐Hydraulic Servo System (EHSS)

An electro‐hydraulic servo system (EHSS) is a kind of system with the characteristics of time‐variant, serious nonlinearity, parameter and structural uncertainty, and uncertain load disturbance in most cases. These characteristics make it very difficult to realize highly accurate control by conventional methods. In order to solve the above problems, this paper introduces a recurrent type 2 fuzzy wavelet neural network to approximate the unknown nonlinear functions of the dynamic systems through tuning by the desired adaptive law. Based on the identification by recurrent type 2 fuzzy wavelet neural network, a L2 gain design method, combining gain adaptive variable sliding mode control with H infinity control, is proposed for load disturbance, thereby accommodating uncertainties that are the main factors affecting system stability and accuracy in EHSS. In this algorithm, a recurrent type 2 fuzzy wavelet neural network is employed to evaluate the unknown dynamic characteristics of the system and gain adaptive variable sliding mode control to compensate for evaluating errors, and H infinity control to suppress the effect on system by load disturbance. The experiment results show that the proposed system L2 gain design method can make the system exhibit strong robustness to parameter variation and load disturbance.     

不确定非线性系统的自适应反推高阶终端滑模控制

针对一类非匹配不确定非线性系统,提出一种神经网络自适应反推高阶终端滑模控制方案.反推设计的前1步利用神经网络逼近未知非线性函数,结合动态面控制设计虚拟控制律,避免传统反推设计存在的计算复杂性问题,并抑制非匹配不确定性的影响;第步结合非奇异终端滑模设计高阶滑模控制律,去除控制抖振,使系统对于匹配和非匹配不确定性均具有鲁棒性.理论分析证明了闭环系统状态半全局一致终结有界,仿真结果表明了所提出方法的有效性.     

基于干扰观测器的解耦快速终端滑模控制

针对一类欠驱动系统跟踪控制问题,提出了一种基于非线性干扰观测器的全局解耦快速终端滑模控制(NDODGFTSMC)策略.将欠驱动系统分解成两个子系统分别设计全局快速终端滑模面,利用其中一个子系统滑模面的符号函数来构造中间变量,并将该变量引入到另一个子系统的滑模面中,构造出整个系统的滑模面,采用等效控制法和模糊双幂次趋近律...