含有未知控制方向的非线性时滞系统学习控制

本文对于一类含有未知控制方向及时滞的非线性参数化系统,设计了自适应迭代学习控制算法.在设计控制算法过程中采用了参数分离技术和信号置换思想来处理系统中出现的时滞项,Nussbaum增益技术解决未知控制方向等问题.为了对系统中出现的未知时变参数和时不变参数进行估计,分别设计了差分及微分参数学习律.然后通过构造的Lyapunov-Krasovskii复合能量函数给出了系统跟踪误差渐近收敛及闭环系统中所有信号有界的条件.最后通过一个仿真例子说明了控制器设计的有效性.     

一类非线性时变系统的鲁棒输出跟踪控制

研究一类具有非匹配不确定性的非线性时变系统的鲁棒状态反馈输出跟踪控制器设计问题。通过引入非线性时变系统的相对阶将系统输入输出线性化,然后设计出一种基于标称系统和不确定性上界的连接型鲁棒输出跟踪控制器,利用该方案设计的控制器可保证整个闭环系统是一致有界稳定的,且闭环输出可以渐近跟踪期望的轨迹。     

一类具有未知控制方向非线性系统的输出反馈自适应控制

研究了一类控制方向未知非线性系统的输出反馈自适应镇定问题. 首先, 通过一线性状态变换, 将未知控制系数集中起来, 从而将原系统变换为适于控制设计的新系统. 然后, 分别引入状态观测器和参数估计器, 并应用积分反推和调节函数方法, 给出了输出反馈稳定控制律的构造性设计过程. 可以证明,所设计的控制器确保原系统状态渐近收敛到原点, 而其它闭环系统状态有界. 仿真结论验证了所提出方法的有效性.     

非线性系统的强实用鲁棒控制

分析输出具有给定时域性能的一类微分包含系统的控制问题。     

未知多变量非线性系统自适应模糊预测控制

对一类未知多变量非线性系统提出了直接自适应模糊预测控制方法,此方法首先对被控对象提出了线性时变子模型加非线性子模型的预测模型,然后直接用模糊逻辑系统组成的向量来设计预测控制器,并基于时变死区函数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．文中证明了此方法可使广义误差向量估计值收敛到原点的一个邻域内．     

时变不确定非线性系统自适应滑模跟踪控制

针对一般的具有时变且界未知的非线性不确定性的单输入多输出非线性系统,提出一种自适应滑模跟踪控制器的框架.在该框架内,系统的时变且界未知的非线性不确定性可以通过函数逼近技术(FAT)表示成为一组正交基函数序列的组合,并通过滑模控制技术和直接Lyapunov方法获得基函数系数的更新律以及对不确定性逼近误差的在线自适应补偿,从而得到自适应的滑模控制律.所提出的基于函数逼近技术的自适应滑模跟踪控制策略在直流电机跟踪控制系统实验装置上进行了实际控制实验,并进行了性能的对比与分析.     

时变时滞系统的H∞鲁棒控制算法

本文以时变时滞系统为研究对象，引入Ｈ∞扰动衰减度γ为性能指标，设计时变对象的无记忆鲁棒控制器，使系统在固有时变特性和外部扰动影响条件下保证闭环稳定且具有Ｈ∞扰动衰减度γ，并讨论控制律解的存在条件。文中考虑的时滞对象具有多重状态滞后，时滞变化率小于１。     

时变不确定非线性系统自适应滑模跟踪控制

针对一般的具有时变且界未知的非线性不确定性的单输入多输出非线性系统．提出一种自适应滑模跟踪控制器的框架。在该框架内,系统的时变且界未知的非线性不确定性可以通过函数逼近技术（FAT）表示成为一组正交基函数序列的组合,并通过滑模控制技术和直接Lyapunov方法获得基函数系数的更新律以及对不确定性逼近误差的在线自适应补偿,从而得到自适应的滑模控制律。所提出的基于函数逼近技术的自适应滑模跟踪控制策略在直流电机跟踪控制系统实验装置上进行了实际控制实验,并进行了性能的对比与分析。     

未知时变时滞非线性参数化系统自适应迭代学习控制

针对含有未知时变参数和时变时滞的非线性参数化系统,提出了一种新的自适应迭代学习控制方法.该方法将参数分离技术与信号置换思想相结合,可以处理含有时变参数和时滞相关不确定性的非线性系统.设计了一种自适应控制策略,使跟踪误差的平方在一个有限区间上的积分渐近收敛于零.通过构造Lyapunov-Krasovskii型复合能量函数,给出了闭环系统收敛的一个充分条件.给出两个仿真例子验证了控制方法的有效性.     

一类不确定非线性系统的鲁棒自适应控制

针对一类输入带有一定的不确定性的非线性系统 ,设计了一种鲁棒自适应控制器。该控制器作用与系统 ,能保证闭环系统信号的全局有界性 ,又能使闭环系统输出任意小。     

控制方向未知的非线性系统的自适应输出跟踪控制

针对一类含有未知控制方向和时变不确定性的本质非线性系统,应用Nussbaum-type增益技术和Adding a power integrator递推设计方法,设计了一种鲁棒自适应状态反馈拉制器．所设计的控制器能保证闭环系统所有信号全局一致有界,特别是通过适当调整控制器设计参数,可使输出跟踪误差在有限时间后变得适当小．最后通过仿真实例对算法进行验证.     

NN‐Based Output‐Feedback Control for Stochastic Nonlinear Systems with Unknown Control Directions

This paper addresses the neural network‐based output‐feedback control problem for a class of stochastic nonlinear systems with unknown control directions. The restrictions on the drift and diffusion terms are removed and the conditions on unknown control directions are relaxed. By introducing a proper coordinate transformation, and combining dynamic surface control (DSC) technique with radial basis function neural network (RBF NN) approximation approach, we construct an adaptive output‐feedback controller to guarantee the closed‐loop system to be mean square semi‐globally uniformly ultimately bounded (M‐SGUUB). A simulation example demonstrates the effectiveness of the proposed scheme.     

一类非线性不确定系统的鲁棒观测器设计

对于一类非线性不确定系统,给出一种基于观测器的鲁棒稳定控制器设计的新方法,它适用于一般匹配不确定系统,且对全维和降维两种观测器均进行了研究.设计实例表明,所设计的控制器反馈增益幅值较小、实现方便.     

未知离散非线性系统的鲁棒自适应NN控制

利用WNN(小波神经网络)逼近未知函数，将未知离散非线性系统转化为一类参数化严格反馈系统，进而对变换后的系统给出一个避免过参数化的自适应反推控制器，并证明该控制器可保证在存在参数不确定性和函数不确定性的条件下，整个自适应系统的状态全局有界，同时也可保证系统的跟踪误差落在一个大小与不确定性成比例的紧集中，仿真结果表明该控制器具有较强的鲁棒性，可适用于不同的对象。     

Adaptive Iterative Learning Control for a Class of Nonlinear Time-varying Systems with Unknown Delays and Input Dead-zone

This paper presents an adaptive iterative learning control (AILC) scheme for a class of nonlinear systems with unknown time-varying delays and unknown input dead-zone. A novel nonlinear form of dead-zone nonlinearity is presented. The assumption of identical initial condition for iterative learning control (ILC) is removed by introducing boundary layer function. The uncertainties with time-varying delays are compensated for by using appropriate Lyapunov-Krasovskii functional and Young0s inequality. Radial basis function neural networks are used to model the time-varying uncertainties. The hyperbolic tangent function is employed to avoid the problem of singularity. According to the property of hyperbolic tangent function, the system output is proved to converge to a small neighborhood of the desired trajectory by constructing Lyapunov-like composite energy function (CEF) in two cases, while keeping all the closedloop signals bounded. Finally, a simulation example is presented to verify the effectiveness of the proposed approach.      

一类未知非线性离散系统的直接自适应模糊预测控制

将自适应模糊逻辑系统引入预测控制,对一类未知非线性离散系统提出了直接自适应模糊预测控制方法.首先对被控对象提出了线性时变子模型加非线性子模型的预测模型,然后直接利用模糊逻辑系统设计预测控制器,并基于广义误差估计值对控制器参数和广义误差估计值中的未知向量进行自适应调整.文中证明了此方法可使广义误差估计值收敛到原点的小邻域内.     

虚拟控制增益函数未知的随机非线性系统模糊自适应控制

The problem of track control is studied for a class of strict-feedback stochastic nonlinear systems in which unknown virtual control gain function is the main feature. First, the so-called stochastic LaSalle theory is extended to some extent, and accordingly, the results of global ultimate boundedness for stochastic nonlinear systems are developed. Next, a new design scheme of fuzzy adaptive control is proposed. The advantage of it is that it does not require priori knowledge of virtual control gain function sign, which is usually demanded in many designs. At the same time, the track performance of closed-loop systems is improved by adaptive modifying the estimated error upper bound. By theoretical analysis, the signals of closed-loop systems are globally ultimately bounded in probability and the track error converges to a small residual set around the origin in 4th-power expectation.