未知参数多变量线性系统自适应模糊广义预测控制

对未知参数多变量线性系统提出了自适应模糊广义预测控制方法.该方法直接用模糊逻辑系统组成的向量设计广义预测控制器,并基于广义误差向量估计值对控制器中的未知向量和广义误差估计值中的未知矩阵进行自适应调整.该方法不但能保证闭环系统所有信号有界,而且可使广义误差向量收敛到原点的一个邻域内.

     

基于最小二乘支持向量机的非线性广义预测控制

通过中值定理将一类非线性系统近似为时变线性系统,然后将提出的在线最小二乘支持向量机回归(OLSSVMR)与广义预测控制相结合,提出了一种基于OLS-SVMR的自适应直接广义预测控制.利用OLS-SVMR直接设计预测控制器,并基于广义误差估计对控制器参数和广义误差估计中的未知向量进行自适应调整.理论证明了该方法可使广义误差估计值收敛到原点的一个小邻域内.仿真算例也验证了该方法的有效性.     

基于输入状态稳定的离散广义系统预测控制

针对一类具有持续扰动和输入约束的离散广义系统, 研究其鲁棒预测控制器的设计问题. 将输入状态稳定的概念引入广义系统预测控制, 在quasi-min-max 性能指标下, 提出了广义系统双模鲁棒预测控制器的设计方法, 证明了基于双模鲁棒预测控制器的闭环广义系统输入状态稳定, 且具有正则、因果性. 数值仿真结果验证了所提出方法的有效性.

     

基于观测器的不确定广义时滞系统鲁棒预测控制

针对一类不确定广义时滞系统,讨论了其基于观测器的鲁棒预测控制问题,给出了系统观测器型预测控制器的设计方法.通过构造带有误差项的Lyapunov函数,应用线性矩阵不等式,将无穷时域二次性能指标"min-max"优化问题转化为凸优化问题,得到了鲁棒预测控制器存在的充分条件和显式表达式.证明了优化问题在初始时刻的可行解能保证广义闭环系统渐近稳定且正则无脉冲.仿真实例验证了所提出方法的有效性.

     

一类非线性系统的广义模糊双曲正切模型自适应控制器设计

针对一类非线性系统的稳定控制器设计问题, 根据广义模糊双曲正切模型的万能逼近性质, 提出一种带有可调参数的广义模糊双曲正切模型的自适应控制器设计方法. 该设计方法的优点是使得自适应律的个数不依赖于广义模糊双曲正切模型的线性基函数的输出形式, 可以有效减少在线估计的参数数目, 并且能够保证被控系统的状态一致终极有界. 最后通过数值算例表明了所提出的设计方法的有效性.

     

基于支持向量机广义逆的直线永磁游标电机内模解耦控制

针对直线永磁游标电机这一多变量、强耦合的非线性系统, 提出一种基于支持向量机广义逆内模控制的方法. 在证明其数学模型存在广义逆的基础上, 通过支持向量机来辨识原系统的广义逆系统, 经复合后得到具有线性关系的伪线性系统, 然后引入内模控制方法设计附加控制器以增强整个系统的鲁棒性. 仿真结果验证了所提出方法具有良好的解耦性能和抗干扰特性.

     

基于自适应重复学习的不确定多涡卷混沌系统同步控制

基于滞环函数提出一种参数可调的多涡卷混沌系统构造方法. 针对复杂不确定性系统, 综合利用自适应神经网络和重复学习控制方法设计一种自适应重复学习同步控制器; 利用自适应重复学习控制方法对周期时变参数化不确定性进行处理; 对函数型不确定性利用神经网络逼近技术进行补偿; 设计鲁棒学习项对神经网络逼近误差和扰动上界进行估计; 通过构造类Lyapunov 复合能量函数证明了同步误差学习的收敛性. 仿真结果验证了所提出方法的有效性.

     

基于变伸缩域模糊系统的直接自适应控制

提出一种基于变伸缩域模糊逼近器的直接自适应控制策略. 通过在线更新广义模糊基函数的变伸缩因子, 实现模糊系统论域及其模糊划分的自适应调整, 从而能够以精简的模糊规则实现理想的逼近效果. 此外, 通过设计积分型逼近误差补偿, 避免了鲁棒补偿中的高频控制输入. 仿真研究和比较分析验证了所提出的控制方法的有效性和优越性.

     

基于遗传算法的结晶器液位约束广义预测控制

针对实际连铸过程中结晶器液位控制须满足多种约束的问题,将一种基于遗传算法的有约束广义预测控制方法（ＧＣＧＰＣ）应用于结晶器液位控制．首先基于机理模型构造了有约束结晶器液位广义预测控制器;然后以遗传算法处理带约束的非线性优化问题,并以此作为滚动优化策略,求得最优控制律．仿真结果表明,在有效处理了约束的基础上,基于遗传算法的有约束广义预测控制效果优于ＰＩＤ 控制以及无约束广义预测控制．

     

分数阶混沌系统同结构与异结构广义同步

基于分数阶拉普拉斯变换理论,提出设计合适的新型非线性反馈控制器,分别实现分数阶混沌系统的同结构广义同步和异结构广义同步.以分数阶Liu混沌系统和分数阶Lu混沌系统为例进行数值仿真,仿真结果表明了该方法的有效性.该方法灵活且适用范围广,具有潜在的应用前景.

     

自治飞艇直接自适应模糊路径跟踪控制

针对具有模型不确定和未知外部干扰的自治飞艇, 提出了直接自适应模糊路径跟踪控制方法. 该方法由路径跟踪控制和自适应模糊控制两部分组成. 首先基于飞艇的平面运动模型设计路径跟踪控制律, 包括制导律计算、偏航角跟踪和速度控制3 部分; 然后构造直接自适应模糊控制器逼近路径跟踪控制律中的不确定项. 稳定性分析证明所设计的控制律能使飞艇跟踪给定的期望路径, 跟踪误差收敛到原点的小邻域内. 仿真结果验证了所提出方法的有效性.

     

数据驱动闭环子空间预测控制方法研究与应用

提出一种完全数据驱动的闭环子空间辨识及预测控制器设计方法. 该方法完全由闭环系统的输入输出数据辨识子空间矩阵, 通过子空间矩阵的拆分, 排除了与扰动相关的模型输入, 进而获取子空间矩阵参数的无偏估计; 将辨识得到的闭环系统子空间矩阵描述直接作为预测模型, 设计预测控制器; 将其应用于某钢铁集团焦炉炭化室压力控制系统, 取得了良好的控制效果.

     

具有H∞ 跟踪性能的机器人自适应犘犐犇控制

针对非线性不确定机器人系统的轨迹跟踪控制问题,提出一种鲁棒自适应ＰＩＤ 控制算法．该控制器由主控制器和监督控制器组成．主控制器以常规ＰＩＤ 控制为基础,基于滑模控制思想设计ＰＩＤ 参数的自适应律,根据误差实时修正ＰＩＤ 参数．基于Ｌｙａｐｕｎｏｖ函数设计的监督控制器补偿自适应ＰＩＤ 控制器与理想控制器之间的差异,使系统具有设定的犎∞ 的跟踪性能．最后,两关节机器人的仿真实验结果表明了算法的有效性．

     

一种基于 DTFEL的非线性自适应逆控制

提出一种基于离散时间反馈误差学习(DTFEL)的两自由度非线性自适应逆控制(AIC)方法,其控制器由动态RBF神经网络(DRBFNN)前馈控制器和参数固定的PD 反馈控制器构成.PD 控制器用来保证闭环系统稳定,动态 RBF神经网络以 PD控制器输出和反馈误差的线性组合为学习信号,通过一种改进的 NLMS(VS MNLMS)算法在线学习和逼近对象的动态逆,提高反馈控制器的性能. 稳定性分析证明了该AIC 系统稳定. 数字仿真结果表明,该 AIC具有良好的自适应能力和鲁棒性,是一种有效的非线性控制方法.

     

非线性时滞系统的抖振削弱自适应滑模控制

针对一类非线性时滞系统的鲁棒自适应滑模控制器设计问题,提出了一种基于偏微分变换的自适应滑模控制方法,该方法能够有效地削弱系统的输入抖动．基于自适应滑模控制技术和Ｌｙａｐｕｎｏｖ稳定方法,克服了时滞影响,不但保证系统状态可以在有限的时间内到达滑模面,而且保证了系统的渐近稳定特性．最后给出的仿真结果验证了该控制方案的有效性．

     

可重构模块机器人分散容错控制

针对可重构模块机器人的执行器故障,提出一种基于自适应模糊系统的分散被动容错控制方法．该方法不需要机器人动力学模型与模块之间的信息交换,模块控制器分别采用间接和直接自适应方法设计,自适应参数的更新律基于Ｌｙａｐｕｎｏｖ稳定性理论设计,保证了系统的稳定性和H_∞ 跟踪性能．数值仿真结果表明了所提出方法的有效性．

     

一类高阶非线性参数化系统自适应重复学习控制

针对一类高阶非线性参数化系统,利用参数重组技巧,提出了一种自适应重复学习控制方法 .该方法结合反馈线性化,可以处理参数在一个未知紧集内周期性,快时变的非线性系统. 通过引进微分 -差分参数自适应律,设计了一种自适应控制策略,使广义跟踪误差在误差平方范数意义下渐近收敛于零. 通过构造Lyapunov 泛函,给出了闭环系统收敛的一个充分条件.实例仿真结果说明了该方法的可行性和有效性.

     

纯反馈非线性离散系统的自适应神经网络控制

针对一类未知的纯反馈非线性离散系统,提出了基于反步法设计的自适应神经网络控制方法.为避免反步法设计中可能出现的因果矛盾问题,首先将系统进行等价变换,然后利用隐函数定理证实了理想虚拟控制输入和实际控制输入的存在性.利用高阶神经网络估计这些控制量,并基于反步法设计自适应神经网络控制系统,证明了闭环系统半全局一致最终有界.仿真结果验证了所提出方法的有效性.

     

基于观测器的可重构机械臂分散自适应模糊控制

提出一种基于观测器的可重构机械臂分散自适应模糊控制方案.将可重构机械臂的动力学描述为一个交联子系统的集合,子系统控制器由自适应模糊系统和鲁棒控制项组成.基于状态观测器观测值构建的自适应模糊系统用于逼近子系统动力学模型和交联项,鲁棒控制项用于抵消模糊逼近误差对轨迹跟踪的影响.数值仿真证明了所提出的分散控制方案的有效性.

     

不确定性R¨ossler 系统的自适应鲁棒跟踪控制

研究具有外部不确定性R¨ossler 混沌系统的鲁棒跟踪控制问题. 基于动态面控制原理设计自适应鲁棒控制器, 给出了系统参数的自适应更新律, 使得被控闭环系统的各误差变量一致有界. 系统输出曲线渐近跟踪任意期望轨道, 且跟踪误差能被控制在任意小的范围内, 而无须知道系统的参数及外部不确定性的界限. 基于稳定理论给出了具体的稳定性分析, 并通过数值仿真验证了该方法的有效性及鲁棒性.