含有不确定时延网络控制系统的鲁棒H∞控制

研究了存在不确定时延的网络控制系统的鲁棒H_∞控制器设计方法。首先讨论了系统的建模问题,针对传感器采用时间驱动,控制器和执行器采用事件驱动,考虑不确定时延小于一个采样周期的情况,网络控制系统可建模为一类具有不确定性的线性离散时延系统,利用Lyapunov方法和线性矩阵不等式方法,推导出闭环控制系统渐近稳定且H_∞范数小于性能指标γ的充分条件,并给出动态输出反馈H_∞控制律设计方法。通过Matlab数值仿真,证明了该设计方法的有效性。     

基于自适应神经网络的一类不确定非线性系统的鲁棒H∞控制

针对一类不确定非线性多输入时变系统，提出了一种新的鲁棒H∞控制方案．通过引入2个自适应神经网络逼近器，提出了一个简化的Hamilton—Jaeobi—like不等式，并据此设计了非线性H∞控制器和匹配不确定项补偿控制器，消除了输入摄动项和估计器最优逼近误差的有界性假设．机器人系统的鲁棒跟踪控制仿真算例证实了所提出控制方案的有效性．     

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。     

多值逻辑系统Hα中的子代数理论

系统H_α是一个带有参数的系统,将参数α赋予不同的值,将会得到不同的多值逻辑系统。论文研究了多值逻辑系统H_α中的子代数理论,讨论了该系统子代数的特征及相关性质,为系统H_α的进一步研究奠定了基础。     

非线性不确定中立型系统的鲁棒H∞控制

考虑系统外界干扰、系统参数摄动等非线性扰动环节对中立型时滞系统的H∞影响,提出基于Lyapunov稳定性理论的鲁棒H∞控制器的设计思想.利用线性矩阵不等式(LMI)方法,给出了该类具有状态非线性不确定性中立型时滞系统的鲁棒∞控制器的设计实例.在非线性不确定函数满足增益有界的条件下,得到了该类时滞系统满足鲁棒∞性能的一个充分条件.通过求解一个线性矩阵不等式LMI,即可获得鲁棒∞控制器.仿真结果表明了基于Lyapunov稳定性理论,LMI技术设计的控制器克服了系统外界非线性干扰或系统本身非线性参数摄动的影响,实现了闭环系统的H∞性能条件下的渐近稳定,满足了该系统鲁棒H∞控制的要求.     

二级倒立摆的鲁棒建模及其鲁棒H∞最优控制

针对倒立摆系统本身存在的大量不确定性因素，建立其不确定数学模型。苦于最优控制的思想，针对二级倒立摆的参数摄动及干扰，设计了鲁棒H∞最优控制器，并在二级倒立摆实验装置上进行控制。实验结果表明；用鲁棒H∞最优控制器的二级倒立摆系统，具有很强的鲁棒稳定性和抗干扰性。     

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。     

一类不确定非线性时滞系统的鲁棒H∞控制

针对一类状态和状态时滞具有不确定性的时滞系统,研究了该系统基于T-S模糊模型的鲁棒H∞控制器的设计问题。采用线性矩阵不等式LMI的方法,设计一个包含状态变量导数的模糊控制器,得到了系统鲁棒镇定且满足H∞性能指标的充分条件,此充分条件等价于一类线性矩阵不等式的可解性,通过仿真说明了控制器的有效性。     

近空间飞行器纵向抗干扰轨迹控制研究

针对近空间飞行器( nearspace vehicle,NSV) 在高超音速飞行时,气动参数变化剧烈且容易受到外界干扰的特点,研究了NSV 纵向轨迹系统的干扰问题,提出了鲁棒自适应动态面的回馈递推控制方法。首先对高度非线性、高度复杂的NSV 的纵向运动的模型进行坐标变换,采用输入－输出反馈线性化方法,将其转化为仿射非线性模型; 然后通过一阶低通滤波器对控制器设计中的虚拟控制律进行估计,从而避免了对其求导带来的计算膨胀问题; 再结合神经网络逼近理论以及虚拟控制器中的鲁棒项,一起消除近空间飞行器的纵向系统中存在的参数摄动不确定和外界干扰。最后通过稳定性分析,表明了该方法在降低系统控制器复杂性的同时仍具有很好的鲁棒性。     

大包络飞行BTT导弹多模鲁棒控制方法研究

在导弹飞行控制器优化设计的研究中,针对大包络飞行BTT导弹全局H∞鲁棒控制器的设计问题,为了提高系统的稳定性和抗干扰性,将多模型自适应控制方法与传统的控制器增益调度方法相结合,提出一种适合于BTT导弹H∞鲁棒控制器的增益调度方法.针对各子工作区离线设计满足要求的常值参数鲁棒控制器,飞行过程中通过实测的调度参数对各鲁棒控制器输出进行平滑切换,避免引起的参数误差,消减了高阶H∞鲁棒全局控制器参数脆弱性问题的影响.实现对大包络飞行BTT空空导弹姿态稳定性控制,并通过数字仿真验证了方法的有效性.     

舵/鳍联合减摇的H∞控制方法

针对舵/鳍联合减摇控制系统的特点,提出了一种新的基于正实性设计思想的H∞控制方案,并根据设计结果对控制器参数进行了综合调节.采用H∞混合灵敏度设计方法,从基本的性能要求和鲁棒稳定性要求出发,对舵减摇控制回路和减摇鳍控制回路进行了设计,并且详细地给出了各个权函数的确定过程.在设计过程中不但考虑了舵机和鳍机的非线性限制,还分析了Bode积分定理对性能的约束条件,在系统的性能和控制输出之间进行了折衷,给出了一组最优的设计结果.仿真结果表明,所设计的H∞控制系统在相应的频带内具有指定的性能,系统在不同海况,不同遭遇角时,都取得了很高的减摇率.而且在对象存在摄动的情况下系统仍具有最优的性能和很好的鲁棒稳定性.     

不确定广义系统的弹性H_∞控制

现有的鲁棒控制器设计方法(如H2,H∞和μ等综合方法),当控制器存在参数摄动时,其维持闭环系统稳定性的能力很弱。针对一类不确定广义系统,研究了控制器增益具有乘法式摄动时的H∞控制。基于线性矩阵不等式(LMI)方法,给出了广义系统具有H∞性能的充要条件及相应的控制器的设计方案,并给出了弹性H∞控制优化问题的求解方法。仿真算例表明了该方法的可行性。     

基于轨迹线性化方法的近空间飞行器鲁棒自适应控制

研究一种新的近空间飞行器鲁棒自适应飞行控制系统设计方案。利用单隐层神经网络的函数逼近能力和被控对象分析模型的有用信息构建一种单隐层神经网络干扰观测器,用以在线估计系统中存在的不确定性,具有自适应调节能力的鲁棒控制器用以克服估计误差。将所得单隐层神经网络干扰观测器与轨迹线性化方法结合形成新的非线性系统鲁棒自适应控制方案,严格的理论证明在给定的自适应调节律作用下闭环系统所有误差最终有界。该控制方案被用于近空间飞行器飞行控制系统设计,高超声速飞行条件下的仿真结果表明该方法不仅有效,而且能够提供高精度、高稳定度的控制性能。     

轧辊偏心的H∞输出反馈鲁棒重复控制

针对轧辊偏心问题,用线性矩阵不等式(LMI)方法设计了用于轧辊偏心补偿控制的H∞输出反馈鲁棒重复控制器,首先引入动态输出反馈来保证闭环系统的鲁棒稳定性,把重复控制器设计问题转化为H∞动态反馈控制器的设计问题,采用变量替换法将非线性矩阵不等式转化为线性矩阵不等式并对其求解进而得到控制器参数.另外在采用上述控制器保证系统鲁棒稳定性的同时,通过在重复控制器中引入一个前向系数进一步改善和提高系统的动态性能与稳态控制精度.理论证明与仿真研究表明当系统对象参数存在摄动时,这种控制器仍能有效地补偿轧辊偏心对产品质量的影响.     

基于干扰观测器的一类不确定非线性系统鲁棒H∞控制

为了降低控制器对干扰的要求,基于干扰观测器提出一类多输入多输出不确定非线性系统的鲁棒H∞控制方法．将系统的内部不确定性和外部干扰组成复合干扰,设计基于小波神经网络的复合干扰观测器,并提出干扰观测器的参数调节方案使观测器能以高精度逼近复合干扰．同时在控制器中引入鲁棒控制项用来抑制观测器误差给系统带来的影响,所设计的控制器能使系统的跟踪误差小于一个给定的性能指标．最后给出一个仿真算例验证了本控制方案的有效性．     

再入机动飞行器的模糊自适应H2/H∞ 控制

针对再入机动飞行器(MRV)动态的非线性和不确定性,将模糊自适应理论与鲁棒H2/H∞控制理论相结合,提出一种MRV的模糊自适应H2/H∞控制方法。该方法利用模糊逻辑系统逼近导弹模型的非线性函数,补偿其建模的不确定性;并且基于H2/H∞混合优化控制与非零和博弈理论,设计了鲁棒H2/H∞控制器补偿模糊系统的逼近误差和外界干扰,进而改善控制性能,使得性能指标在达到最优化的同时满足H2/H∞性能指标。通过仿真分析,验证了所提出控制方法的有效性。     

自适应反推神经网络的转台鲁棒控制器设计

针对未知非线性、外界干扰和参数摄动等不确定因素对实际转台控制系统的影响,提出了自适应反推神经网络的转台鲁棒控制器设计.首先给出自适应Backstepping控制器的设计方法及步骤,接着采用RBF神经网络对转台对象参数的不确定因素上界值加以辨识,实现转台系统的鲁棒控制.其中Backstepping鲁棒控制作为主控制器,RBF神经网络实现了不确定上界值的在线辨识.仿真结果表明,自适应Backstepping神经网络控制很好地克服了对象的不确定性,实现控制系统的较强鲁棒性,适于高精度飞行仿真转台系统的实时鲁棒控制.     

基于自组织模糊CMAC神经网络的不确定系统的H∞鲁棒自适应控制

针对一类不确定系统，提出一种基于自组织模糊小脑模型（SOFCMAC）神经网络的H∞鲁棒自适应控制方法，通过设计标称系统的H∞控制器，并采用SOFCMAC神经网络在线对消系统的建模不确定性产生的误差，可保证不确定闭环稳定并具有H∞性能，证明了SOFCMAC神经网络H∞鲁棒自适应控制系统的稳定性，仿真算例表明了该方法的有效性。     

一种混合神经网络飞行控制方法研究

讨论了一种基于神经网络控制的飞行控制方法。针对复杂非线性系统难以建立精确模型的特点,利用神经网络的任意非线性逼近能力进行控制器设计,首先应用神经网络在线辨识对象逆模型,进行控制系统反馈线性化;接着利用circle theorem（圆定理）设计线性PID鲁棒控制器,控制系统输出跟随系统输入,然后应用神经网路自适应逆方法设计混合控制器,最后以F-8飞机纵向飞行控制模态为研究对象进行仿真。仿真结果表明,该控制方法具有较强的自适应和抗干扰能力。     

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.