基于非线性增益递归滑模的船舶轨迹跟踪动态面自适应控制

针对三自由度全驱动船舶存在模型不确定和未知外部环境扰动的情况,设计出一种基于非线性增益递归滑模的船舶轨迹跟踪动态面自适应神经网络控制方法.该方法综合考虑船舶位置和速度误差之间关系设计递归滑模面,引入神经网络对船舶模型不确定部分进行逼近,设计带σ-修正泄露项的自适应律对神经网络逼近误差与外界环境扰动总和的界进行估计,并应用一种非线性增益函数构造动态面控制律,选取李雅普诺夫函数证明了该控制律能够保证轨迹跟踪闭环系统内所有信号的一致最终有界性.最后,基于一艘供给船进行仿真验证,结果表明,船舶轨迹跟踪响应速度快、精度高,所设计控制器对系统模型参数摄动及外界扰动具有较强的鲁棒性.     

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.     

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。     

自适应时变Terminal滑模控制研究

针对Terminal滑模控制到达阶段鲁棒性不强的问题,提出了时变Terminal滑模控制方法。分析Terminal滑模面的设计参数对系统性能的影响,提出一种非线性时变Terminal滑模面的设计方法。为了消除多输入多输出(MIMO)非线性系统的不确定,构建动态干扰观测器系统,根据干扰观测误差在线调节参数,从而在线逼近外部干扰,证明了逼近误差一致最终有界。采用倒立摆系统进行仿真验证,提出的自适应时变Terminal滑模控制方法比传统的PID控制镇定时间缩短80%,且无超调。仿真结果表明,所提方法可以用于MIMO非线性系统的控制。     

非线性离散时间系统的自适应模糊补偿控制

针对一类非线性离散时间系统,提出一种自适应模糊逻辑补偿控制方案.控制律由跟踪控制律和逼近误差补偿控制律两部分组成,利用模糊逻辑系统对系统参数扰动和外界干扰进行自适应补偿,由模糊滑模控制律实现对模糊逻辑系统逼近误差的进一步补偿.所设计的控制器可保证闭环系统一致最终有界.将该控制器用于月球探测车动态转向系统中,仿真结果表明了该方法的有效性.     

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.     

输入受限的非仿射无人帆船航向系统自适应动态面控制

针对输入受限和控制方向未知的无人帆船航向控制问题,考虑系统模型存在动态不确定和未知外界扰动的情况,本文提出一种基于非仿射航向运动数学模型的最小参数自适应递归滑模动态面控制策略.该策略通过Taylor展开方法将非仿射模型转化为具有线性结构的仿射时变系统,采用最小参数学习(minimal learning parameter,MLP)神经网络逼近无人帆船模型不确定部分,并利用双曲正切函数处理控制输入饱和现象,引入Nussbaum函数处理系统中未知控制方向问题,同时综合考虑帆船艏摇角速度误差和航向误差之间关系设计递归滑模动态面舵角控制律,并设计参数自适应律对神经网络逼近误差与复合干扰总和的界进行估计.选取李雅普诺夫函数证明了所设计控制器能够保证航向闭环系统内所有信号的一致最终有界性.最后,基于一艘12 m无人帆船进行仿真验证,结果表明无人帆船航向控制响应速度快,所设计的控制器能有效地处理模型不确定项和风浪等外界扰动,具有较强的鲁棒性.     

非线性增益递归滑模动态面自适应NN控制

针对一类严反馈非线性不确定系统的跟踪控制问题,提出一种非线性增益递归滑模动态面 (Dynamic surface control, DSC)自适应控制方法. 通过设计一个新的非线性增益函数,并构造递归滑模动态面的控制策略和新的Lyapunov函数,同时利用神经网络在线逼近系统不确定项, 该方法有效解决了具有输入饱和约束条件下系统控制精度与动态品质间的矛盾,增强了控制器对其自身参数摄动的非脆弱性. 理论证明了闭环系统所有状态是半全局一致最终有界的,且跟踪误差可收敛至任意小.     

非脆弱递归滑模动态面自适应神经网络控制

针对一类非匹配不确定非线性系统的跟踪控制问题, 提出了一种递归滑模动态面自适应控制算法. 采用神经网络(neural network, NN)在线逼近系统不确定项, 通过设计递归滑模动态面有效综合反推步骤中每步跟踪误差之间相互影响和制约的关系. 该方法避免了反推法存在的“微分爆炸”问题, 克服了传统动态面方法对其低通滤波器时间常数和神经网络自适应参数摄动脆弱的缺点. 稳定性分析证明了该方法能够保证闭环系统所有状态半全局一致最终有界, 且跟踪误差可以收敛至原点的任意小邻域.     

基于自适应模糊滑模控制的分数阶混沌系统的投影同步

基于模糊控制理论和滑模控制理论以及自适应控制理论,研究了一类含有外部扰动的不确定分数阶混沌系统的混合投影同步问题.提出了一种自适应模糊滑模控制的分数阶混沌系统投影同步方法.模糊逻辑系统用来逼近未知的非线性函数和外部扰动,并且对逼近误差采用了自适应控制,同时构造了一种具有较强鲁棒性的分数阶积分滑模面.应用分数阶Barbalat引理设计了自适应模糊滑模控制器和参数自适应律.最后数值仿真结果验证了所提控制方法的有效性.     

含有非线性不确定参数的电液系统滑模自适应控制

针对含有非线性不确定参数的电液控制系统, 提出了一种滑模自适应控制方法. 该控制方法主要是为了解决由于初始控制容积的不确定性而引起的, 非线性不确定参数自适应律设计的难题. 其主要特点为, 通过定义一个新型的特Lyapunov 函数, 进而构建系统的自适应控制器及参数自适应律, 并结合滑模控制方法及一种简单的鲁棒设计方法, 给出整个电液系统的滑模自适应控制器, 及所有不确定参数的自适应律. 试验结果表明, 采用该控制方法能够取得良好的性能, 尤其可以补偿非线性不确定参数对系统的影响.     

多输入多输出非线性不确定系统连续高阶滑模控制

针对一类MIMO非线性不确定系统,提出一种新的连续高阶滑模控制算法.引入状态反馈使得系统高阶滑模控制问题等效转换为多变量不确定积分链的有限时间稳定问题,首先针对标称系统设计有限时间到达连续控制律,实现系统状态快速收敛,然后采用多变量非解耦形式超螺旋算法克服系统不确定性,实现鲁棒性,最终使得系统控制作用连续、滑模抖振得以大大抑制.基于二次型Lyapunov函数证明系统的有限时间稳定性.针对三阶不确定系统有限时间稳定和气垫船圆形航迹跟踪问题分别进行了仿真,验证了所提算法的有效性、鲁棒性.     

基于非线性参数的电液伺服系统滑模控制

针对在电液伺服系统跟踪控制中存在非线性不确定参数和外界扰动的问题,提出了一种基于积分微分器的滑模Lyapunov函数的控制方法。首先,在只有位移信号测量输出的情况下,采用高阶积分链式微分器对其速度和加速度信息进行预估。系统存在非线性不确定参数,利用微分器对状态和不确定项的实时估计,设计出积分滑模控制器,实现自适应规律以及对电液伺服系统中不确定扰动的抑制。搭建电液伺服系统AMESim模型并与Matlab构成联合仿真平台,对控制器进行仿真。仿真表明,该控制器具有良好的对非线性不确定参数变化的补偿能力和跟踪性能。     

基于不确定T-S模型的模糊滑模自适应控制

提出一种不确定T-S模型的模糊滑模自适应控制方法。通过变换将该模型转换成3个组成部分：线性标称系统,已知非线性部分和未知不确定部分。针对它们设计3个控制器,其作用分别为：强迫系统沿着滑模面运动,消除已知扰动对线性标称系统的影响,克服不确定扰动(采用模糊滑模自适应控制,无需知道不确定的界限)。该方法无需求正定矩阵就能保证系统全局稳定。     

Sliding mode tracking control with differential evolution optimisation algorithm using integral-chain differentiator in uncertain nonlinear systems

This paper presents sliding mode tracking control for a class of uncertain nonlinear systems with unknown parameters and system states. The sliding mode tracking controller with the differential evolution (DE) algorithm using integral-chain differentiator (ICD) is designed for the trajectory tracking in uncertain nonlinear systems. The ICD added into the sliding mode tracking systems provides the estimation of unknown states. The DE optimisation algorithm on the basis of ICD realises the unknown parametric identification in the limitation of unknown system states. The simulation is implemented to illustrate that the combined control scheme achieves high precision tracking performances.     

Sliding mode control for uncertain nonlinear systems with multiple inputs containing sector nonlinearities and deadzones.

In this paper, we investigate a novel robust control approach for a class of uncertain nonlinear systems with multiple inputs containing sector nonlinearities and deadzones. Sliding mode control (SMC) is suggested to design stabilizing controllers for these uncertain nonlinear systems. The controllers guarantee the global reaching condition of the sliding mode in these systems. They can work effectively for systems either with or without sector nonlinearities and deadzones in the inputs. Moreover, the controllers ensure that the system trajectories globally exponentially converge to the sliding mode. Illustrative examples are demonstrated to verify the effectiveness of the proposed sliding mode controller.     

一类不确定系统的自适应非奇异Terminal滑模控制

提出针对一类不确定系统的自适应非奇异Terminal滑模控制。确定含非线性项的滑模面,通过构造李亚普洛夫函数的方式确定控制器结构,设计自适应增益控制律实时估计不确定参数,并考虑外扰动的影响,证明控制系统的稳定性和鲁棒性。仿真结果验证自适应非奇异Terminal滑模控制器能够使不确定系统状态变量快速收敛。     

基于干扰观测器的终端滑模控制研究

针对一类非线性不确定系统,提出一种带干扰观测器的终端滑模控制TSMC方案.在不考虑外部干扰的影响下,设计了终端滑模控制,保证系统状态在有限时间内收敛到零;当存在干扰时,构造了非线性干扰观测器系统,以在线逼近未知外部干扰,消除其影响.考虑输人通道的不确定性,采用自适应方法在线逼近不确定的上界,并采用Lyapunov方法严格证明了自适应闭环系统的稳定性.对一级倒立摆系统进行仿真,仿真结果表明了所设计控制方案的有效性.     

非线性不确定系统的非奇异快速终端滑模控制

针对存在非匹配干扰的非线性系统,设计了一种基于干扰观测器和反步法的非奇异快速终端滑模控制.引入非线性干扰观测器估计系统的不确定性,利用反步的思想处理高阶非线性系统,从而可以将非线性干扰观测器估计的干扰值引入反步法的虚拟控制量中,同时设计一种新颖的非奇异快速终端滑模控制律保证系统的收敛速度和精度.利用Lyapunov函数从理论上证明了所设计的控制器可以保证闭环系统的有限时间收敛.最后通过数值仿真验证了所设计的控制方法的有效性.     

一种自适应控制器设计及其仿真研究

利用将Backstping方法和神经网络相结合，设计了一类非线性不确定系统的鲁棒自适应控制器。该文利用在线神经网络控制器，从而，不要求系统不确定部分有界。通过李亚谱诺夫方法，验证了系统的稳定性；阐述了该系统具有较好的鲁棒性。最后，将所设计的控制器用于仿真实例，得到很好的结果，说明了该方法的有效性。