基于神经网络的一类非线性系统自适应跟踪控制

提出一种非线性系统的自适应神经跟踪控制方案。通过利用RBF神经网络对未知非线性系统建模,并用一个滑模控制项消除网络建模误差和外部干扰的影响,从而能够保证闭环系统的全局稳定性和输出跟踪误差渐近收敛于零。     

执行器故障不确定非线性系统最优自适应输出跟踪控制

本文针对一类具有执行器故障的多输入多输出（Multi-input multi-output,MIMO）不确定连续仿射非线性系统,提出了一种最优自适应输出跟踪控制方案.设计了保证系统稳定性的不确定项估计神经网络权值调整算法,仅采用评价网络即可同时获得无限时域代价函数和满足哈密顿-雅可比-贝尔曼（Hamilton-Jacobi-Bellman,HJB）方程的最优控制输入.考虑执行器卡死和部分失效故障,设计最优自适应补偿控制律,所设计的控制律可以实现对参考输出的一致最终有界跟踪.飞行器控制仿真和对比验证表明了本文方法的有效性和优越性.     

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.     

非线性系统的自适应实用输出跟踪控制

研究了一类具有不可控不稳定线性化和线性化参数的非线性系统的全局自适应实用输出跟踪控制问题,这类系统既不具有反馈线性化性质,对输入也没有仿射特性.因为这类系统的线性化系统具有不可控模式且该模式在右半平面内有根,所以全局渐近输出跟踪是不可能的(甚至是局部的).应用修正的自适应增加幂积分方法,设计了一种光滑状态反馈控制器,保证闭环系统所有信号全局一致最终有界,且使跟踪误差进入零的小邻域内.仿真结果表明该控制器是可行的并且是有效的.     

一类非线性跟踪系统的自适应控制及神经网络的设计方法

本文针对一类非线性系统，给出了非线性不同情况下此类非线性连续时间自适应控制方案及神经网络控制方案，由于在这种方案中控制法律的选择都是基于Ｌｙａｐｕｎｏｖ稳定性理论，都能够解决这类非线性系统的跟踪问题，并使整个环控制系统具有渐近稳定和参数渐近收敛特性，克服了许多神经网络控制系统中存在的稳定性问题，文中最后对两各发进行讨论及仿真。     

一类具有未知增长率非线性系统全局输出反馈实际跟踪

本文研究了一类仅跟踪误差可量测不确定非线性系统的全局输出反馈实际跟踪问题.不同于现有文献,该控制系统具有依赖于不可测状态的增长且增长率为未知常数,并且只要求被跟踪信号及其一阶导数有未知界,因此直接推广现有结果难以解决上述控制问题.受相关镇定结果的启发,并通过灵活运用广义控制(universal control)和死区(dead zone)的方法与技巧,本文设计了自适应输出反馈控制器.主要结果表明,所设计的控制器能够确保跟踪误差经有限时间后收敛于设定的原点的任意小邻域,同时闭环系统的所有信号皆有界.仿真算例验证了理论结果的有效性.     

相似组合非线性系统的输出跟踪

本文考虑相似组合性系统的渐近输出跟踪问题，给出了其可解的充分条件及反馈控制律，并用一个实际例子说明方法的可用性。     

基于神经网络的一类非线性系统自适应输出跟踪

针对一类未知非线性系统,提出了一种输出反馈控制方法.首先,在假设系统状态已知情况下设计状态反馈控制器,实现跟踪性能;然后,在系统状态不完全可测的情况下,通过设计高增益观测器对系统的状态进行估计,实现输出反馈控制器设计,证明了所设计的输出反馈控制器可以获得状态反馈控制器的性能.     

不匹配不确定性系统的近似变结构输出跟踪控制

针对一类具有不匹配不确定性的非线性系统,提出一种结合变结构控制方法及自适应控制方法输出跟踪控制器。首先提出一种保证不确定性系统跟踪误差指数稳定的近似变结构控制器;进而得到一种具有不确定性范数上界估计能力的自适应近似变结构控制器,并证明了所提出的自适应近似变结构控制器使跟踪误差在时间趋于无穷时收敛于零。     

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。     

高阶非线性不确定系统的自适应实际输出跟踪控制

本文研究了一类高阶非线性不确定系统的自适应实际输出跟踪控制问题, 该问题在未知控制系数的下界精确知道的假设下已经得到了研究. 基于新的鲁棒自适应控制和连续控制思想, 成功去除该假设条件. 进而应用增加幂次积分的方法, 给出了构造连续自适应实际输出跟踪控制器的系统化方法. 该控制器确保闭环系统的所有状态全局稳定, 并且经过有限时间后, 跟踪误差可以被某一事先给定的任意正数界定. 最后, 通过一个仿真算例验证了理论结果的正确性.     

带非三角结构的非线性系统自适应控制设计

针对一类带有非三角结构的不确定非线性系统,研究了其控制设计问题,提出了一种自适应跟踪控制设计方法。通过构造一种新的李雅普诺夫函数,并运用增加幂次积分方法和模糊控制方法,设计得到了一种新型自适应跟踪控制器。控制器只引入了一个参数自适应律,避免了反推设计中的过参数化问题,同时保证了输出跟踪误差可以任意小,且使得闭环系统的所有信号有界。最后,将控制方法应用到单连杆机械臂系统上,通过仿真研究验证了所提控制方案的有效性。     

未知输出反馈非线性时滞系统自适应神经网络跟踪控制

An adaptive output feedback neural network tracking controller is designed for a class of unknown output feedback nonlinear time-delay systems by using backstepping technique. Neural networks are used to approximate unknown time-delay functions. Delay-dependent filters are introduced for state estimation. The domination method is used to deal with the smooth time-delay basis functions. The adaptive bounding technique is employed to estimate the upper bound of the neural network reconstruction error. Based on Lyapunov-Krasoviskii functional, the semi-global uniform ultimate boundedness (SGUUB) of all the signals in the closed-loop system is proved. The arbitrary output tracking accuracy is achieved by tuning the design parameters and the neural node number. The feasibility is investigated by an illustrative simulation example.     

Adaptive Neural Tracking Control for Unknown Output Feedback Nonlinear Time-delay Systems

An adaptive output feedback neural network tracking controller is designed for a class of unknown output feedback nonlinear time-delay systems by using backstepping technique.Neural networks are used to approximate unknown time-delay functions.Delay-dependent filters are intro- duced for state estimation.The domination method is used to deal with the smooth time-delay basis functions.The adaptive bounding technique is employed to estimate the upper bound of the neural network reconstruction error.Based on Lyapunov-Krasoviskii functional,the semi-global uniform ultimate boundedness(SGUUB)of all the signals in the closed-loop system is proved.The arbitrary output tracking accuracy is achieved by tuning the design parameters and the neural node number. The feasibility is investigated by an illustrative simulation example.     

Adaptive Decentralized Asymptotic Tracking Control for Large-Scale Nonlinear Systems With Unknown Strong Interconnections

An adaptive decentralized asymptotic tracking control scheme is developed in this paper for a class of large-scale nonlinear systems with unknown strong interconnections,unknown time-varying parameters,and disturbances.First,by employing the intrinsic properties of Gaussian functions for the interconnection terms for the first time,all extra signals in the framework of decentralized control are filtered out,thereby removing all additional assumptions imposed on the interconnec-tions,such as upper bounding functions and matching conditions.Second,by introducing two integral bounded functions,asymptotic tracking control is realized.Moreover,the nonlinear filters with the compensation terms are introduced to circumvent the issue of“explosion of complexity”.It is shown that all the closed-loop signals are bounded and the tracking errors converge to zero asymptotically.In the end,a simulation example is carried out to demonstrate the effectiveness of the proposed approach.     

Adaptive state-feedback stabilization for a class of high-order nonlinear uncertain systems

For high-order nonlinear uncertain systems, there have been a lot of investigations under a strong assumption that the lower bounds of the unknown control coefficients should be exactly known. In this paper, this assumption is removed and a unified approach is developed to systematically construct a state-feedback adaptive stabilizing control law for a class of high-order nonlinear uncertain systems with unknown control coefficients. By using the method of the so-called adding a power integrator merging with adaptive technique, a recursive design procedure is provided to achieve a smooth adaptive state-feedback control law, which guarantees that the closed-loop system is globally uniformly stable while the original system states globally asymptotically converge to zero. Finally, a simulation example is given to illustrate the correctness of the theoretical results.     

带有未知虚拟控制增益符号的自适应输出反馈控制

针对带有未知虚拟控制增益符号的一类非线性系统。采用基于参数的坐标变换和参数重定义。将该系统转化为参数输出反馈形式。从而将未知的虚拟控制增益归入高频控制增益中．由于该高频控制增益符号未知。将Nussbaum增益技术融入自适应Backstepping方法中设计自适应输出反馈控制器．采用调节函数法设计参数自适应律以避免过参数估计．该方法所设计的自适应输出反馈控制器可确保闭环系统的所有信号一致有界。且跟踪误差渐近收敛．仿真研究表明了该设计方法的有效性．     

不确定型网络系统的分布式自适应跟踪控制器

文章针对带有不确定性的非线性网络系统设计了协调跟踪控制器, 使得follower实现了对仅部分信息可测且受干扰的动态leader的跟踪. 文章运用神经网络方法对follower动态进行建模, 提出了基于观测器的自适应控制策略, 并且通过Lyapunov理论证明, 在适当的网络拓扑条件和适当选择参数的前提下, 该网络系统可以达UUB (Cooperative Uniformly Ultimately Bounded). 最后, 文章给出仿真实例以验证所提算法的有效性.