一种基于模型参考自适应的神经网络控制

工业对象的动态特性具有大迟延、大惯性、时变性和不确定性等特点,难以建立精确的数学模型,从而使得建立在精确对象数学模型基础上的经典控制方法及状态空间控制方法难以取得满意的控制效果.基于神经网络的自适应神经网络控制具有鲁棒性高、自适应能力强、适用于工业过程控制.本文提出一种基于神经网络的模型参考自适应神经网络控制系统.仿真试验表明,此系统具有良好的品质特性.     

一种鲁棒模型参考自适应控制*

针对一类参数未知、具有常值扰动和未建模误差的线性离散系统，此文给出了一种模型参考间接自适应控制算法。该方法在未知系统高频增益符号时，可保证系统的非奇异性。同时，对于上述干扰具有鲁棒性，文中提出的自适应控制器可使闭环系统全局渐近稳定。     

一种具有强鲁棒性的模型参考自适应控制系统

提出一种模型参考自适应控制系统．该系统只要求知道对象阶次的上界,不要求对象严格正实和最小相位,并且允许存在建模误差和作用在对象任何部位的大幅值高频干扰．系统的强鲁棒性来源于特殊的系统结构和对信号的良好滤波．Lyapunov稳定性理论证明了系统的渐近稳定性,Matlab仿真验证了系统的强鲁棒性．     

分散模型参考自适应控制

本文针对由参数未知、存在有界扰动和非线性关联的子系统组成的大规模互联系统,提出了一种新的分散模型参考自适应控制法.它适用于孤立子系统传递函数的相对阶次n*i为任意值的情况.根据李雅普诺夫稳定性理论,文中证明了这种分散自适应控制系统全局稳定的充分条件.与有关文献所介绍的方法相比,本文的方法可用于n*i>2的场合,因而它更具有一般性和实用性.     

用δ算子设计离散系统模型参考自适应控制的一种方法

提出用δ算子设计离散系统模型参考自适应控制的一种新方法。该方法的特点是在闭环内控制器的设计中利用了离散对象的非主导模型,而在现有的方法中,非主导模型被当作动态模型干扰来处理。仿真结果证实该方法对采样速率的要求比现有方法宽松。     

多输入多输出混合模型参考自适应控制

本文将文献[1]的模型参考控制方法推广到多输入多输出线性时不变系统。对于其关联因子(interactor)T(S)为对角矩阵及其高频增益矩阵 K 非奇异的情况,证明了混合自适应控制系统的稳定性。文中还通过一个仿真算例验证了该算法的有效性及其对未建模动特性的鲁棒性。     

模型参考自适应控制的20-sim软件实现

简要地介绍了李雅普诺夫稳定意义上模型参考自适应控制（MRAC）的基本原理,给出了设计MRAC控制系统的基本步骤。基于荷兰Twente大学控制工程系研发的机电一体化设计软件20-sim,以Twente大学先进控制演示仪为研究对象,在20-sim下建立了系统的图标化数学模型,编制了模型参考自适应和Lyapunov求解模块。在此基础上,构成了完整的MRAC控制系统。仿真结果显示基于20-sim建模与仿真方法直观简便,所设计的模块可移植性强,为控制系统的建模与仿真提供了新的思路。     

基于模糊神经网络的模型参考自适应控制

用模糊神经网络作为控制器,依靠参考模型产生理想的控制系统闭环响应,从而随时得到控制系统的输出误差.用梯度法实时修正模糊控制器的输入和输出隶属度参数,得到一种在线模糊自适应控制的新方法.通过倒立摆的仿真实验表明,该方法是可行的并能适应对象特性的大范围变化.     

模型参考自适应控制系统的两种简化方案

基于波波夫超稳定理论进行模型参数自适应控制系统设计,分别采用参考模型极点和零点做滤波器,设计了两种不用线性补偿器的简化模型参考自适应控制方案,避免了分解系统的繁琐工作,仿真验证本方案能实现渐进跟踪,且控制效果令人满意。     

模型参考自适应控制,模糊控制及PID控制的综合应用

模型参考自适应控制、模糊控制及ＰＩＤ控制的综合应用ＴｈｅＣｏｍｐｒｅｈｅｎｓｉｖｅＡｐｐｌｉｃａｔｉｏｎｏｆＭＲＡＣ、ＦｕｚｙａｎｄＰＩＤＣｏｎｔｒｏｌ●陈玉东刘红波ＣｈｅｎＹｕｄｏｎｇＬｉｕＨｏｎｇｂｏ１概述ＰＩＤ控制由于算法简单、可靠性高、稳定性...     

无持续激励和严格正实条件的自适应控制系统

针对含不可测外扰的非最小相位对象,发展了一种不要求"持续激励"和"严格正实"条件的自适应控制系统.提出了这类系统的在线算法并证明了它的收敛性.所提出的算法保证了自适应系统的稳定性和足够小的控制误差.     

混合的直接型模型参考自适应控制

本文研究了具有混合自适应律的直接型模型参考自适应控制.对这种混合的MRAC方案,我们严格地证明了闭环系统的所有信号都有界,同时得到了跟踪误差满足e1∈S(μ2(△2+△2∞)+d20+1/a20).同文献[1]的控制方案相比,这种具有混合自适应律的直接型模型参考自适应控制具有如下优点:1)实现过程中计算量大大减小;2)具有更好的鲁棒性.     

基于模型参考的鲁棒自适应控制

针对一类具有未知参数、未建模动态和外界干扰的不确定非线性系统,选择适当的参数对这些不确定性进行估值、补偿和模型参考,利用Backstepping方法,设计了一种新的鲁棒自适应控制器。该控制器能保证闭环系统的所有信号是全局有界的,跟踪误差收敛到一个小的残差集内。仿真结果表明该方法的有效性。     

四旋翼无人机飞行姿态模型参考自适应控制

四旋翼无人机具有机械结构简单、可垂直起降等优势,在各个领域都有极广泛的应用.经典控制算法如PID对无人机在受扰动或环境变化时的控制效果不理想,难以调节至平衡状态.论文对动力学建模加以适当简化,设计了自适应控制律,数值仿真实验结果表明,模型参考自适应控制能在很大范围内有效屏蔽干扰,验证该算法是有效的.     

一种基于小波网络的模型参考间接自适应控制方法

本文提出一种基于小波网络的模型参考间接自适应控制方法,利用两个小波神经网络作为间接自适应控制系统的控制器和辨识器来构成自适应控制系统,与一般神经网络控制系统在同等结构下进行仿真相比,小波网络的控制精度高,跟踪效果好.     

基于模型参考自适应方法的对偶控制方法研究

针对未知参数随机系统，基于模型参考自适应方法和双准则函数，设计了具有控制和学习作用的对偶控制器．通过控制器的学习作用提高了控制精度，有效地减少了启动时的超调．仿真结果表明，设计的控制器能够具有较好的跟踪性能．     

Improving the Control Energy in Model Reference Adaptive Controllers Using Fractional Adaptive Laws

This paper presents the analysis of the control energy consumed in model reference adaptive control (MRAC) schemes using fractional adaptive laws, through simulation studies. The analysis is focused on the energy spent in the control signal represented by means of the integral of the squared control input (ISI). Also, the behavior of the integral of the squared control error (ISE) is included in the analysis. The orders of the adaptive laws were selected by particle swarm optimization (PSO), using an objective function including the ISI and the ISE, with different weighting factors. The results show that, when ISI index is taken into account in the optimization process to determine the orders of adaptive laws, the resulting values are fractional, indicating that control energy of the scheme might be better managed if fractional adaptive laws are used.      

具有任意非线性输入的鲁棒模型参考自适应控制

提出了一种分析具有任意非线性输入的模型参考自适应(MRAC)的新方法,它不要求对象是稳定的,允许系统存在未建模动态和有界扰动.同时给出了一种提高非线性输入自适应系统特性的补偿方案,它通过在控制律中引入跟踪误差,可以提高系统的暂态及稳态精度,而又不破坏MRAC系统的收敛特性.