控制增益未知的船舶航向非线性自适应跟踪控制

针对参数不确定的船舶运动非线性控制系统控制方向未知的困难,将逆推算法与Nussbaum增益方法相结合,提出一种新的自适应非线性控制策略,从而实现船舶运动航向跟踪控制.首先,从理论上证明了所设计的自适应控制器保证最终的控制系数符号未知的参数不确定船舶运动非线性系统中所有信号一致有界,船舶的实际航向全局自适应地渐近跟踪期望的参考航向.对两条船舶数学模型的仿真实验结果表明,所设计的自适应非线性跟踪控制器具有良好的适应性及鲁棒性.     

基于状态观测器的非仿射非线性系统鲁棒自适应H∞跟踪控制

针对一类非仿射非线性系统,提出了基于状态观测器的鲁棒自适应H∞跟踪控制结构．文中利用高斯径向基神经网络（RBF神经网络）在线抵消非线性模型误差,利用高增益观测器估计不能直接测量的输出导数．利用李亚普若夫稳定理论导出了系统的控制律,包括固定结构的控制律和自适应控制律两个部分,并给出了详细的理论分析和证明：在系统没有扰动时,确保跟踪误差渐近趋于零且系统的所有信号有界;存在扰动时,取得了预期的H∞跟踪性能．     

船舶航向的鲁棒自适应控制器的设计和仿真

针对带参数不确定性,未知有界扰动及未建模动态的船舶航向跟踪控制问题,本文介绍了一种鲁棒自适应算法。此算法能保证系统的全局稳定,使闭环系统的所有变量一致有界。并通过仿真对两种算法进行比较,可以看出,依照本文算法设计的控制器具有很好的鲁棒性。     

控制方向未知的全状态约束非线性系统的鲁棒自适应跟踪控制

针对一类控制方向未知的含有时变不确定参数和未知时变有界扰动的全状态约束非线性系统,本文提出了一种基于障碍Lyapunov函数的反步自适应控制方法.障碍Lyapunov函数保证了系统状态在运行过程中始终保持在约束区间内;Nussbaum型函数的引入解决了系统控制方向未知的问题;光滑投影算法确保了不确定时变参数的有界性.障碍Lyapunov函数、Nussbaum型函数及光滑投影算法与反步自适应方法的有效结合首次解决了控制方向未知的全状态约束非线性系统的跟踪控制问题.所设计的自适应鲁棒控制器能在满足状态约束的前提下确保闭环系统的所有信号有界.通过恰当地选取设计参数,系统的跟踪误差将收敛于0的任意小的邻域内.仿真结果表明了控制方案的可行性.     

一类非线性系统的神经网络L2鲁棒自适应控制

对于一类具有三角结构的单输入单输出不确定非线性系统的跟踪控制问题,用反步法和动态面控制方法设计了一种神经网络L2鲁棒自适应控制器.控制器设计中没有直接解HJI(Hamilton-Jacobi-Isaac)不等式,而是合理地选择了L2增益性能指标,将被控系统各个状态变量的跟踪误差和神经网络各权值的跟踪误差看作整个控制系统的各个状态变量,并用李亚普诺夫定理和HJI不等式证明了使用提出的摔制器后,这些状态变量具有小于等于事先规定的正实数y的L2增益,并且当所考虑的干扰向量为零向量时,提出的控制器在原点大范围渐近稳定.仿真研究结果表明所提出的控制器具有很好的跟踪性能和很强的鲁棒性.     

不确定串联非线性系统H∞鲁棒自适应控制

针对一类含有未知参数和干扰的非最小相位串联非线性系统,结合H∞控制和自适应控制方法并利用李雅普诺夫函数递推设计方法设计了状态反馈H∞自适应控制器,避免了求解Hamilton-Jacobi-Isaacs不等式设计控制器的困难.该控制器不仅保证闭环系统ISS(input-to-state)稳定,而且使得系统对于所有允许的参数不确定从干扰输入到可控输出的 L 2增益不大于给定的值.最后,给出了一个仿真例子,仿真结果充分表明了所设计的控制器的可行性和有效性.     

基于非线性增益递归滑模的船舶轨迹跟踪动态面自适应控制

针对三自由度全驱动船舶存在模型不确定和未知外部环境扰动的情况,设计出一种基于非线性增益递归滑模的船舶轨迹跟踪动态面自适应神经网络控制方法.该方法综合考虑船舶位置和速度误差之间关系设计递归滑模面,引入神经网络对船舶模型不确定部分进行逼近,设计带σ-修正泄露项的自适应律对神经网络逼近误差与外界环境扰动总和的界进行估计,并应用一种非线性增益函数构造动态面控制律,选取李雅普诺夫函数证明了该控制律能够保证轨迹跟踪闭环系统内所有信号的一致最终有界性.最后,基于一艘供给船进行仿真验证,结果表明,船舶轨迹跟踪响应速度快、精度高,所设计控制器对系统模型参数摄动及外界扰动具有较强的鲁棒性.     

不确定非线性系统的模糊鲁棒跟踪控制

提出了一种基于T-S模糊型的鲁捧自适应跟踪控制方法.整个控制方案在结合所有的局部线性状态反馈控制器的基础上,引入了基于自适应神经网络的鲁棒控制器.所提出的模糊自适应鲁棒控制器设计方法不需要求取李亚普诺夫方程的公共解,不要求系统的不确定性项满足任何匹配条件或约束条件所提出的带有补偿项的完全自适应RBF神经网络,通过在线自适应调整RBF神经网络的权重、函数中心和宽度,提高了神经网络的学习能力,可以有效地对消系统的未知不确定性的影响.同时通过自适应补偿项来在线估计神经网络的近似误差边界,弥补了神经网络的不足.所提出的方案保证了闭环系统的稳定性,有效地提高了系统的鲁棒性和跟踪性能.仿真实例表明了所提出方法的有效性.     

船舶航向控制的多滑模鲁棒自适应设计

针对带有未知虚拟控制增益和常参数不确定的非匹配不确定船舶航向非线性控制问题,设计了一种新的多滑模鲁棒自适应控制算法.该算法利用神经网络来逼近系统模型的不确定性;应用逐步递推的多滑模控制算法降低了控制器的复杂性;尤其是采用Nussbaum函数处理系统中符号未知的问题,避免了可能存在的控制器奇异值问题;然后借助Lyapunov稳定性分析方法,理论分析证明了所得闭环系统全局一致最终有界,且跟踪误差收敛到零.仿真试验结果表明,该方法具有较好的控制效果.     

基于ESO的船舶航向鲁棒自适应控制

针对具有内部未建模动态和外部不确定扰动的水面船舶设计一种鲁棒自适应航向控制器,并同时解决转向过程中的漂角补偿问题.基于二阶非线性Nomoto模型和一阶漂角模型,建立非积分链结构的漂角-航向非线性状态空间模型,将航向控制系统未建模动态与外部不确定扰动合并为复合扰动,应用扩张状态观测器估计模型中的未测量状态和系统复合扰动.基于Lyapunov稳定性理论和自适应反步法设计航向状态反馈控制规律,为避免反步法控制过程中的微分爆炸问题,采用动态面控制技术获取虚拟控制信号的近似导数.所提出的扩张状态观测器和航向控制算法能够保证闭环系统内所有误差信号一致最终有界,提高航向保持和转向过程中的航向跟踪精度.仿真结果验证了所提出的航向控制规律的有效性.     

输入输出受限船舶的轨迹跟踪自适应递归滑模控制

针对输入输出受限,模型部分不确定和受到未知海洋干扰的全驱动船舶的轨迹跟踪问题,提出一种基于时变非对称障碍李雅普诺夫函数的最小参数自适应递归滑模控制策略.该策略首先设计障碍李雅普诺夫函数约束船舶轨迹在有限区域内,利用最小参数法神经网络逼近模型不确定项,降低系统的计算复杂度,然后采用指令滤波器对输入信号进行幅值约束,同时避免对因反步法导致的微分爆炸问题,综合考虑船舶位置以及速度误差间的关系设计递归滑模控制律,提高系统的鲁棒性,采用双曲正切函数和Nussbaum函数补偿由输入饱和引起的非线性项,提高系统稳定性.最后通过Lyapunov理论分析证明了全驱动船舶闭环系统中所有信号是一致最终有界的.仿真结果表明,本文所设计的船舶轨迹跟踪控制方案能有效处理船舶模型不确定部分以及未知外界干扰的问题,能够实现船舶在输入受限的情况下在有限区域内航行并准确的跟踪期望轨迹,具有较强的鲁棒性.     

Universal controllers for stabilization and tracking of underactuated ships

We examine the problem of universal control for underactuated surface ships with only surge force and yaw moment. Namely, a single controller is to be designed to achieve stabilization and tracking simultaneously. We propose, in this paper, the first universal controller of which the synthesis is based on Lyapunov's direct method and backstepping technique. Our result is extendible to the input-saturation when the surge and yaw velocities are considered as the controls. Numerical simulations are provided to validate the effectiveness of the proposed controller and to demonstrate its sensitivity with respect to model parameters.     

一类不确定系统的神经网络L2--增益鲁棒控制

对于一类具有三角结构的单输入单输出的不确定非线性系统, 用反步法(backstepping)和动态面控制方法(dynamic surface control technique)设计了一种使用神经网络补偿未知非线性的L2--增益鲁棒控制器. 控制器设计中没有直接解HJI(Hamilton-Jacobi-Isaac)不等式. 合理的选择了L2--增益性能指标, 将被控系统各个状态变量的跟踪误差和神经网络各权值的跟踪误差看作整个控制系统的各个状态变量, 并用Lyapunov定理和HJI不等式证明了使用提出的控制器后, 这些状态变量具有小于等于事先规定的正实数γ的L2--增益. 当系统的扰动信号为零向量时, 提出的控制器在原点是大范围渐近稳定的. 仿真研究结果表明所提出的控制器具有很好的跟踪性能和很强的鲁棒性.     

不确定非线性系统的多模反演滑模控制

对一般形式的仿射非匹配不确定非线性系统,研究了一种具有任意小跟踪误差的稳定控制器的新方法,结合反演（backstepping）设计和变结构控制,提出了反演变结构控制策略,对存在非匹配的不确定性和未知干扰的系统,设计的反演结构控制器实现了鲁棒输出跟踪,闭环系统在有限时间进入滑动模态,仿真算例证实了理论结果。     

Generation of stable oscillations in uncertain nonlinear systems with matched and unmatched uncertainties

ABSTRACT

In this paper, a robust limit cycle control technique is proposed for generation of stable oscillations in a class of uncertain nonlinear systems with both matched and unmatched uncertainties. For this purpose, first, the modified Lyapunov function is introduced which is appropriate for stability analysis of invariant sets (instead of equilibrium points). The structure of the proposed Lyapunov function is related to the shape of the desirable limit cycle. Next, in order to design the robust limit cycle control input, the backstepping and Lyapunov redesign methods are employed, simultaneously. The The classical Lyapunov redesign controller is discontinuous and robust with respect to matched uncertainties. To overcome unmatched uncertainties, a modified version of the Lyapunov redesign controller is suggested in each step of backstepping which results in a continuous robust control law. Furthermore, the convergence of the phase trajectories of the uncertain closed-loop system to the target limit cycle is proved using the extended Lyapunov stability theorem. Finally, computer simulations are performed to show the applicability of the given approach. In this regard, two uncertain nonlinear practical systems are considered and robust stable oscillations are generated in these systems via the proposed controller. Simulation results confirm the effectiveness of the proposed technique.     

模糊小波基神经网络的机器人轨迹跟踪控制

提出一种模糊神经网络控制器并用于机器人轨迹跟踪控制.这种模糊神经网络利用了小波基函数作为隶属函数,可在线根据误差调整隶属函数的形状,使模糊神经网络具有更强的学习和适应能力.仿真与实验结果表明这种网络能很好的用于机器人的轨迹跟踪控制,具有很好的性能.     

块控非线性系统自适应神经网络控制

针对一类含有非匹配不确定性的块控型多输入多输出非线性系统,提出一种基于反演技术和RBF神经网络的控制系统设计方案.通过引入一种改进型的Lyapunov函数,避免了控制矩阵未知情况下可能出现的奇异问题.在控制系统设计过程中,充分应用鲁棒自适应控制技术,解决了多输入多输出结构不确定性所带来的设计难题,得到了系统所有状态量将全局指数收敛至原点附近一个邻域的结论.最后的仿真结果表明了设计方案的正确性.     

具分布参数的随机Hopfield神经网络的指数稳定

基于随机Fubini定理,将随机偏微分方程描述的Hopfield神经网络系统转化为用相应的随机常微分方程来描述.利用关于空间变量平均的Lyapunov函数与Ito^公式,通过对所构造的Lyapunov函数在Ito^微分规则下对相应系统求导的方法,获得了系统指数稳定的代数判据及其Lyapunov指数估计.实现了运用Lyapunov直接法对分布参数系统稳定性的研究.     

基于QCNN的非线性跟踪问题研究

针对如何快速准确地跟踪到非线性系统的状态问题, 研究了量子细胞神经网络(QCNN)在非线性跟踪中的应用。在满足Lyapunov函数指数收敛的条件下, 设计了一种新型参数形式的控制器, 在此基础上, 对三种非线性系统即确定性非线性运动、参数和运动规律未知的非线性数据系统以及典型蔡氏电路进行了QCNN跟踪研究。仿真结果表明, 在QCNN系统中, 通过设计合理的控制器可以实现非线性问题状态的有效跟踪, 且实验结果为QCNN系统复杂度与跟踪的及时性之间关系提供了参考依据和有力的说明。设计的新型控制器及对实际问题处理方法为QCNN的理论及应用研究具有借鉴意义。     

Hopfield网的图灵等价性

本文给出了用Ｈｏｐｆｉｅｌｄ网计算部分递归函数的构造性证明．由于部分递归函数与图灵机等价,故Ｈｏｐｆｉｅｌｄ网与图灵机等价．