一类非线性系统的神经网络鲁棒自适应控制

针对一类单输入单输出仿射非线性系统，提出了一类神经网络鲁棒自适应控制。设计过程中，采用RBF神经网络实现对系统中的未知非线性函数逼近，并考虑到存在逼近误差和外部干扰，采用滑模控制实现了系统的鲁棒控制。最后通过MATLAB仿真，证明了该方法的有效性。     

基于鲁棒观测器的肘关节鲁棒自适应控制

针对伺服阀控制的、双螺旋副传动的七功能机械手肘关节存在液压系统强非线性、易受外界环境温度和压力变化引起的参数不确定性、外界未知强干扰和仅有位置和油液压力状态反馈的控制特点,提出基于鲁棒观测器的输出反馈鲁棒自适应控制方法.该方法利用反演控制器设计方法对耦合的不确定系统参数和未知状态进行解耦,结合鲁棒观测器和鲁棒自适应控制器设计方法分别对未知状态和不确定参数进行观测和估计,使用李雅普诺夫稳定性理论保证了系统全局渐进稳定的控制性以及系统状态的有界性,解决了同时存在系统参数不确定性和部分未知状态相耦合的鲁棒控制问题.以国家高科技发展计划4 500m深海作业系统的七功能主从液压机械手肘关节作为研究对象,使用提出的控制方法进行在未知外界干扰下的对比研究.实验结果表明,闭环系统可以很好地跟踪参考轨迹,具有较强的鲁棒性,能够获得令人满意的稳态精度和动态性能;修正后的参数自适应律能够保证在外界未知干扰下估计参数的有界性.     

目标轨迹更新的点到点鲁棒迭代学习控制

为了获得更快的算法收敛速度,提出易于操作的插值法来更新目标轨迹.该方法易于选择参数,有更好的泛化性能并为控制算法的设计提供灵活性.采用有更广泛收敛域、能够更好地抵消噪声影响的P型闭环迭代学习控制.对于有初始状态扰动的情况,新算法结合了P型闭环迭代学习控制与插值法轨迹更新,收敛性和鲁棒性得到理论证明.数值仿真验证了新算法比固定目标轨迹算法和P型开环迭代学习控制更有优势.     

一类非线性迭代学习控制系统的鲁棒收敛性

讨论了对于一类非线性动态系统施加高阶Ｄ型迭代学习算法时构成的迭代学习控制系统的鲁棒收敛性．证明了当系统初始状态逐渐固定在靠近期望初态的某一点上时，系统控制、状态、输出会收敛到相应期望轨迹的邻域内．同时，证明了在渐近理想重复初始条件下的算法收敛性．仿真结果表明，开闭环配合的学习律是克服初态偏移的一种有效途径     

基于鲁棒学习算法的水下机器人神经网络控制

针对水下机器人神经网络控制系统响应速度慢及对噪声较敏感的问题,依据变结构控制理论,结合误差反向传播学习算法,推导出一种新颖的强鲁棒性学习算法,并详细讨论其全局稳定性条件,最后在水下综合探测机器人仿真平台上进行了试验研究.结果表明,控制器对学习率的改变和外界扰动有很强的鲁棒性,大大降低了机器人机械传动系统的磨损,且能够保证神经网络快速、稳定地学习,从而满足实时性控制的要求,具有较高的理论和实用价值.     

具有重构功能的基于RBF神经网络直接自适应飞控系统

反馈线性化方法鲁棒性研究一直是近些年来的研究热点。针对基于反馈线性化方法的鲁棒控制，提出了一种将反馈线性化和RBF神经网络直接自适应控制相结合的综合控制方法，利用李亚普诺夫稳定性定理推导了神经网络权值的自适应规律，保证了闭环系统的稳定性。该方法应用于某型号飞机舵面故障状态仿真，结果表明RBF神经网络自适应控制方法补偿作用显著，相当于系统具有一定的重构功能。     

具干扰抑制的线性鲁棒迭代学习控制

针对不确定线性定常系统,考虑频域迭代学习控制器设计及干扰抑制问题.根据提出的闭环迭代学习控制律,推导出跟踪误差收敛的充分条件,并证明了它等价于系统没有采用迭代学习控制时的鲁棒性能条件,但在性能上却得到大大的改善.在完全跟踪不可能实现的情况下,讨论性能权重函数的选取,保证了跟踪误差收敛于实际工程容许的范围内,且参数选择非常简单.基于此性能权重函数,结合鲁棒控制理论,求解满足收敛条件的控制器.给出的仿真结果表明该设计方法的有效性.     

基于小波神经网络补偿的飞艇滑模控制

平流层飞艇具有非线性、参数慢时变等特征,在滞空期间,还受到阵风及大气紊流的影响．将反推滑模技术用于实现飞艇姿态的鲁棒控制,保证了系统稳定．为避免变结构控制中固有的抖振现象,使用自回归小波神经网络（Self—RecurrentWaveletNeuralNetworks,SR—WNN）实时调整开关增益的大小,网络的自回归单元可以克11~,J、波函数的振荡特性,使得估计更为平滑．仿真结果表明：控制器能够适应飞艇结构参数变化及外部扰动的影响,获得强的鲁棒性与好的动态性能．     

基于自适应神经网络滑模观测器的容错控制

针对机电伺服系统可能发生的故障,提出基于自适应神经网络滑模观测器的快速终端滑模容错控制策略.在自适应滑模观测器中引入神经网络估计故障,以提高故障发生时观测器的状态估计精度和故障检测准确性.利用观测器的状态估计值进行状态重构,结合参数自适应技术和快速终端滑模控制方法设计主动容错控制器.针对参数不确定性设计参数自适应率进行估计,并利用前馈补偿技术补偿故障和参数不确定性.针对未知上界的扰动设计具有自适应增益的鲁棒项.利用Lyapunov定理证明所提出的控制方法可以实现系统有界稳定,大量仿真和实验结果验证了控制器在系统发生故障时具有良好的容错能力、控制精度和响应速度.     

应用H∞控制律的鲁棒自适应控制

提出了一种新颖的自适应控制方案,它将H^∞鲁棒控制律应用于自适应控制当中,并与鲁棒参数估计器相结合,以进一步提高自适应控制系统的鲁棒性能,并以严密的理论支持将鲁棒控制律引入到自适应控制中,得到了一类保证全局稳定的自适应控制系统。     

基于RBF网络上界自适应学习的预警卫星滑模控制

分析了RBF(径向基函数)神经网络的基本结构和数学特性,对于预警卫星动力学系统的不确定性上界值无法测量和未知的情况,采用RBF神经网络可以对较强干扰上界进行自适应学习,并可降低控制和动力学带来的抖振。针对带有摆镜的预警卫星姿态控制问题,提出了一种基于神经网络扰动补偿的姿态滑模控制方法。针对RBF网络正交最小二乘(OLS)学习算法,采用RBF神经网络来学习不确定因素的上界值,并设计了预警卫星的姿态控制规律,解决了预警卫星动力学扰动补偿问题。利用数值仿真估算了基于RBF网络上界自适应学习滑模控制的预警卫星姿态控制系统的性能指标。     

基于神经网络干扰观测器的Terminal滑模控制

针对一类非线性不确定系统,通过构建动态干扰观测器系统,提出一种快速神经网络干扰观测器。根据干扰观测误差在线调节神经网络权值,实现对未知综合干扰的逼近,逼近误差一致最终有界。基于神经网络干扰观测器设计了自适应Terminal滑模控制方案,严格证明了闭环系统状态在有限时间内收敛到零,从而提高了状态的收敛速度。最后,通过一个倒立摆的仿真例子,验证了系统的快速性和神经网络干扰观测器的逼近能力。     

一类改进的无模型自适应数据驱动滑模控制

针对目前大多数自适应离散变结构滑模控制存在的对受控系统数学模型依赖性和未建模动态问题,提出一类离散时间非线性系统的无模型自适应滑模控制,并对其控制律进行改进。该控制策略本质上属于一种数据驱动控制方法,控制器的设计仅依赖于系统的输入输出数据,不需要任何被控系统模型信息。理论分析表明:该控制算法提高了伪偏导数估计值信息的利用率,加快了系统收敛速度,并通过严格数学推导验证了控制系统的稳定性。通过对直线电机位置和速度信息跟踪的仿真结果表明,该无模型自适应滑模控制具有较好的控制性能,跟踪精度大大提高,鲁棒性增强。     

汽车电子节气门的自适应滑模控制

针对非线性系统提出自适应滑模变结构的控制算法,该算法的基本思想是用自适应策略来估计不确定系统的参数,根据估计出的参数值,设计滑模控制器.将这一控制策略应用于汽车电子节气门控制系统的研究中,设计电子节气门控制系统的自适应滑模变结构控制器.通过计算机仿真,验证该控制方案在节气门控制系统中的可行性和有效性.     

基于滑模原理的鲁棒交流伺服控制器

滑模变结构控制器由于具有鲁棒性好、设计实现方便等优点,已被逐步应用于电力传动控制领域, 该理论在工程应用中最大的障碍是高频开关控制带来的抖动现象．本文首先深入地分析了在交流伺服系统 中,当采用传统滑摸控制时,抖动产生的原因及特点．在此基础上提出了一种无抖动现象的新型滑模控制 器,并论证了控制参数整定的原则．实验的结果表明这种新型滑模控制器既保留了传统变结构控制的鲁棒 性,又有效地解决了抖动问题．     

一类时滞不确定离散系统的鲁棒自适应滑模控制

主要研究一类具有不确定项和外部扰动的离散时滞系统的鲁棒自适应控制,假设扰动和不确定项是有界的,而扰动和关于状态的不确定项的边界是不必知道的.设计了自适应控制器以保证系统能在有限时间内到达切换面,并且收敛到包含原点的一定的有界区域内.仿真的结果说明了该方法的有效性.     

基于自适应滑模方法的航天器位置与姿态控制

为了解决存在参数不确定和外干扰的航天器位置与姿态控制问题,提出一种自适应滑模控制方法.该方法用于控制航天器的位置和姿态,确保航天器执行位置与大角度机动,完成捕获和移除大空间目标的任务.提出的控制算法无需不确定的界,比传统的滑模方法容易实现.Lapunov分析表明,设计的控制器保证了位置与姿态的渐近跟踪.最后,将该方法用于航天器的位置与姿态控制,仿真结果验证了方法的有效性.     

一类非线性不确定中立型系统的鲁棒自适应滑模控制

针对一类匹配非线性不确定中立型时滞系统的鲁棒镇定问题,利用Lyapunov稳定性理论,提出了一种能渐近稳定系统的自适应滑模控制器。基于滑模控制技术,确保了该控制器能驱赶系统状态达到事先指定的滑动超平面,从而获得想要的动态性能。一但系统动态达到滑动运动阶段,系统对不确定是不敏感的。自适应技术的应用克服了不确定的未知上界,并能满足可达条件能。最后,给出的一个仿真例子证明了该自适应滑模控制器的有效性,从而保证了闭环系统的全局渐近稳定性。