一类基于模糊逻辑系统的非线性系统自适应跟踪控制

利用非线性不确定系统的动态数学模型和模糊逻辑系统，对不确定性的输出信息，设计出被控系统的自适应鲁棒跟踪控制器和模糊逻辑系统参数估计的自适应律．在较弱的假设条件下，证明了这种控制器能使被控系统的状态及参数估计误差一致终极有界．仿真实例表明，所提出的方法是有效的．     

一类非线性不确定系统的模糊自适应控制

利用模糊逻辑系统具有逼近连续函数的性质,研究了一类非线性不确定系统的自适应模糊控制问题.控制器和自适应律的构成直接利用了系统的结构信息和模糊逻辑系统的输出信息,在较弱的假设条件下,这种控制器使被控系统的状态及参数估计误差一致终极有界.最后的仿真算例说明了本文所采用方法的有效性.     

一类基于模糊逻辑系统的非线性不确定系统自适应观测器设计

利用模糊逻辑系统具有充分利用专家语言信息和逼近连续函数的性质, 分析和研究了一类具有未知不确定界的非线性系统的自适应状态观测器设计问题. 观测器和自适应律的构成直接利用了系统的数学结构信息和模糊逻辑系统对不确定性的输出信息, 在较弱的假设条件下, 这种观测器与被控系统状态间的误差及各参数估计误差一致终极有界. 最后的仿真实例说明了所采用的方法的有效性.     

一类不确定非线性离散系统的模糊自适应控制器设计

针对一类不确定非线性离散系统,提出一种带有自动可调伸缩因子的模糊自适应控制方法.该控制器设计方法的优点是模糊逻辑系统的逼近精度不再依赖于模糊逻辑系统的结构和规则数目,参数自适应律调节与被逼近函数的特征和逼近精度有关,因此能有效减少在线估计的参数数目,且设计方法能够保证闭环系统的所有状态半全局一致终极有界.最后,通过数值仿真算例表明所提出方法的有效性.     

基于扩展BP神经网络的一类非线性系统自适应控制设计

针对单输入单输出非线性系统的不确定性问题,提出了一种新型的基于扩展反向传播（BP）神经网络的自适应控制方法。首先,采用离线数据来训练BP神经网络的权值向量;然后,通过在线调节伸缩因子和逼近精度估计值的更新律,从而来达到控制整个系统的目的。在控制器的设计过程中,利用李亚普诺夫稳定性分析原理,保证了闭环系统的所有状态一致终极有界（UUB）。相比传统的BP神经网络自适应控制,所提方法能有效地减少在线调节的参数数目、减轻计算负担。仿真结果表明,该方法能够使闭环系统的所有状态都趋于零,即系统达到稳定状态。     

基于分层模糊系统的直接自适应控制

为解决模糊控制器中规则数目随系统变量呈指数增长的问题，利用分层模糊系统设计了一类非线性系统的直接自适应模糊控制器，并证明了所提出的设计方法不但能保证闭环系统的一致有界性。而且可使跟踪误差收敛到原点的小领域内，通过对倒立摆控制的仿真研究验证了该方法的有效性。     

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.

     

一类非线性激励器系统的鲁棒自适应跟踪

考虑一类具有非线性激励器不确定系统的鲁棒跟踪问题，其不确定性是部分已知的。所构造的鲁棒自适应控制方案能确保系统的跟踪误差终极一致有界．与已有文献结果相比．未知参数估计的自适应律和控制器是连续的，从而使得所提出的设计方案在实际控制问题中易实现。且与具有线性激励器的系统一样具有较强的鲁棒性．最后通过数值算例进一步说明了该设计方案是有效的。     

一类不确定互联系统的鲁棒分散自适应控制

利用反演法的系统性和结构特点,研究了一类含有非线性参数的不确定非线性互联系统的鲁棒分散自适应控制问题.首先,在较直观、较一般的假定下,根据系统的结构特点利用反演法设计出其控制器和自适应律,并且每个子系统控制器和自适应律的构成只利用了本身系统的状态信息,即所谓的分散控制;其次,利用Lyapunov理论证明了所设计的控制器和自适应律使得被控系统的状态及参数估计误差一致终极有界.最后,算例仿真验证了所设计的控制算法的有效性.     

一类MIMO非线性时滞系统的鲁棒自适应控制

针对一类具有非线性输入的MIMO时变时滞系统,基于变结构控制原理,提出了一种稳定自适应控制器设计的新方案.该方案通过使用Lyapunov-Krasovskii(L-K)泛函抵消了因未知时变时滞带来的系统不确定性;进一步,利用Young's不等式和参数自适应估计取消了非线性死区输入模犁和不确定项假设中各种参数均为已知的要求.通过理论分析,证明了闭环控制系统半全局一致终结有界,跟踪误差收敛到零的一个邻域内.     

Adaptive control design for a class of nonlinear systems based on fuzzy logic systems with scalers and saturators

Many practical engineering applications require various types of fuzzy logic systems (FLSs) to design adaptive controllers for nonlinear systems with uncertainties. In this article, we will consider a fundamental theoretical question: is it possible to find a unified adaptive control design method suited to various types of FLSs? In order to solve this problem, we will introduce scalers and saturators at the input and output terminals of FLSs to form the extended FLSs (EFLS). The scalers and saturators have adjustable parameters. By designing the updated laws of these parameters and the estimate values of the fuzzy approximate accuracies, stable adaptive fuzzy controllers can be realised for a class of nonlinear systems with unknown homogeneous drift functions and gains. The proposed design method is only dependent on the outputs of EFLS and the above updated laws, thus increasing its adaptability. The fuzzy control scheme introduced in this article is suitable for all fuzzy systems with or without fuzzy rules. Simulations will also be used to show the validity of the method proposed in this article.     

基于观测器的一类非线性系统的自适应模糊控制

针对一类有界的不确定非线性系统设计了模糊观测器和自适应控制器.该方法不需要系统状态完全可测的条件,而是通过模糊观测器估计系统的状态变量并且能保证观测误差是一致最终有界的.该自适应控制器取得了良好的控制效果并且保证了跟踪误差的一致最终有界性.仿真结果表明了本文所提出的方法有效性.     

Neural-network-observer-based optimal control for unknown nonlinear systems using adaptive dynamic programming

In this paper, an observer-based optimal control scheme is developed for unknown nonlinear systems using adaptive dynamic programming (ADP) algorithm. First, a neural-network (NN) observer is designed to estimate system states. Then, based on the observed states, a neuro-controller is constructed via ADP method to obtain the optimal control. In this design, two NN structures are used: a three-layer NN is used to construct the observer which can be applied to systems with higher degrees of nonlinearity and without a priori knowledge of system dynamics, and a critic NN is employed to approximate the value function. The optimal control law is computed using the critic NN and the observer NN. Uniform ultimate boundedness of the closed-loop system is guaranteed. The actor, critic, and observer structures are all implemented in real-time, continuously and simultaneously. Finally, simulation results are presented to demonstrate the effectiveness of the proposed control scheme.     

一类复杂非线性系统的模糊控制

针对一类复杂非线性系统,把模糊T-S模型和自适应模糊逻辑系统结合起来,提出了一种跟踪控制方案.首先,应用模糊T-S模型对非线性系统建模,设计观测器用来观测系统状态:其次,应用基于权值、中心和宽度3个参数可调节的自适应时延模糊逻辑系统补偿器来消除建模误差和小确定性.文中证明了闭环系统满足期望的跟踪性能.示例仿真结果表明了该方案的有效性.     

一类复杂控制系统分散自适应鲁棒控制器设计

基于模糊逻辑系统具有充分利用语言信息和逼近连续函数性质的思想,分析研究了一类非线性不确定复杂系统的自适应控制问题.利用系统的数学模型和模糊逻辑系统对不确定性的输出信息,设计出了复杂系统的分散自适应鲁棒控制器和模糊逻辑系统参数估计的自适应律,在较弱的假设条件下,证明了这种控制器使被控系统的状态及参数估计误差一致终极有界.仿真实例表明,所提出的方法是有效的.