船舶航迹控制鲁棒自适应模糊设计

研究了船舶直线航迹控制问题.基于Lyapunov稳定性理论,将Nussbaum增益技术融入Backstepping设计方法之中,利用模糊系统逼近系统中的未知非线性,提出一种鲁棒自适应模糊控制算法.该算法保证了闭环系统的信号是一致最终有界的,使得系统输出收敛到零的一个较小邻域,从而能够实现船舶的直线航迹控制;而且,该算法不需要高频增益符号的任何信息,还解决了可能存在的控制器奇异值问题.计算机仿真结果验证了控制器的有效性.     

船舶动力定位非线性自适应反步控制器设计

针对扰动不确定非线性船舶动力定位问题,提出了一种带观测器的不确定扰动非线性船舶动力定位自适应输出反馈控制.设计了一个非线性观测器,从附有噪声的输出中估计出船舶位置以及运动速度.用滤波后的位置信号,针对扰动不确定非线性船舶设计带观测器的自适应反步控制器,该控制在Backstepping设计方法的基础上引入积分环节,对存在未知参数和动态不确定扰动的船舶能有效的改善系统性能.根据Lyapunov稳定性理论证明所设计的控制器是全局渐近稳定的,仿真结果验证了该方法的有效性.     

带有海浪滤波器的船舶航向反步自适应输出反馈控制

针对复杂海况下船舶航向控制中的模型非线性、参数不确定和海浪扰动问题,提出了一种基于反步法的非线性自适应输出反馈控制算法.首先基于无源理论设计了一种状态观测器以实现海浪滤波和状态估计,这种观测器无需海浪扰动的方差信息从而减少了观测器参数数量.然后假定系统模型参数未知,基于反步法给出了非线性控制律和参数自适应律.利用Lyapunov理论证明了这种自适应输出反馈控制系统的稳定性.仿真结果表明本文所提控制器具有较好的控制性能,对不确定性模型参数具有良好的自适应性.     

基于神经网络的水下机器人三维航迹跟踪控制

本文研究了水下机器人三维航迹跟踪控制问题.在充分考虑了模型中不确定水动力系数和外界海流干扰的基础上,提出了基于神经网络的自适应输出反馈控制方法.控制器由3部分组成:基于动态补偿器的输出反馈控制项、神经网络自适应控制项和鲁棒控制项.神经网络所需的自适应学习信号由线性观测器提供.基于Lyapunov稳定性理论证明了控制系统的稳定性.最后针对某AUV进行了空间三维航迹跟踪控制仿真实验,结果表明设计的控制器可以较好地克服时变非线性水动力阻尼对系统的影响,并对外界海流干扰有较好的抑制作用,可以实现三维航迹的精确跟踪.     

纯反馈非线性离散系统的自适应神经网络控制

针对一类未知的纯反馈非线性离散系统,提出了基于反步法设计的自适应神经网络控制方法.为避免反步法设计中可能出现的因果矛盾问题,首先将系统进行等价变换,然后利用隐函数定理证实了理想虚拟控制输入和实际控制输入的存在性.利用高阶神经网络估计这些控制量,并基于反步法设计自适应神经网络控制系统,证明了闭环系统半全局一致最终有界.仿真结果验证了所提出方法的有效性.     

一类不确定非线性系统反步自适应神经网络控制研究

针对合有高阶不确定扰动项且不可参数线性化的一类非线性系统，采用反步递推方法设计基于多层神经网络的自适应控制器，多层神经网络可较好地逼近非线性系统，其权值能在系统先验知识不多的情况下在线调整，给出了神经网络Lyapunov意义下稳定的在线自适应律，在设计控制器的过程中，采用类加权形式Lyapunov函数，使得控制器能有效处理自适应控制奇异性问题，仿真结果表明，该控制器对系统参数的不确定性和有界干扰具有一定的鲁棒性，并能保证闭环系统全局稳定。     

小型无人直升机的姿态与高度自适应反步控制

针对小型无人直升机的姿态与高度控制问题, 本文提出了一种基于反步法的自适应控制策略. 具体而言, 首先对小型无人直升机的运动学模型进行了等效变换, 使系统中未知参数满足线性参数化条件, 然后应用反步法设计了包含主旋翼挥舞模型的姿态与高度自适应控制器, 并借助Lyapunov方法和芭芭拉定理对闭环系统的稳定性进行了严格的数学分析. 最后, 对该控制器的性能进行了仿真验证, 结果表明在直升机质量和惯性矩阵存在不确定性(未知)的情况下, 该控制算法依然能够取得良好的控制效果.     

倒立摆的自适应积分反步控制策略

针对直线单级倒立摆在模型参数不确定和外部扰动情况下的稳定控制问题,提出一种自适应积分反步控制策略。采用拉格朗日方程建立倒立摆系统的运动学模型,为减少稳态误差,将误差积分项引入反步法,设计了倒立摆的控制器;对含有未知参数的系统非线性状态微分方程,设计适当的Lyapunov函数推导出系统未知参数的自适应更新律,削弱了参数不确定性的影响。将自适应积分反步控制与一般的反步法控制、模糊控制及神经网络控制的仿真结果进行了对比,并在LabVIEW开发环境下进行了实物实验。结果表明,自适应积分反步法可以较为迅速且精确地完成稳定控制,较好地克服系统参数不确定及外部扰动的影响,具有较强的鲁棒性。     

基于反馈增益的AUV稳定神经网络反步变深控制

为解决自主水下航行器的变深控制问题,提出一种基于反馈增益的反步控制方法.首先,通过设计控制器参数消除部分非线性项,在保证系统稳定性的同时设计神经网络控制器来补偿纵倾运动中的模型不确定性;然后,通过自适应鲁棒控制器对神经网络的逼近误差予以消除,以加快神经网络的收敛学习速度,神经网络权值和逼近误差估计的学习律可由李雅普诺夫稳定性理论推导得出,保证了闭环系统的一致最终有界性;最后,通过仿真实验验证了所提出方法的有效性.     

小型无人直升机反步自适应控制

针对具有强非线性、高度耦合以及参数不确定性特点的小型无人直升机系统,提出一种基于小脑模型关节控制器（Cerebellar Model Articulation Control,CMAC）神经网络的自适应反步控制方法,该方法采用小脑模型关节控制器神经网络在线学习系统不确定性以及反步控制中各阶虚拟控制量的导数信息,设计鲁棒控制项克服CMAC神经网络在线学习系统不确定性的误差,控制律由反步法回归递推得到。仿真结果表明,在模型参数不确定和存在较大误差的情况下,所设计的控制律具有理想的姿态跟踪性能以及良好的鲁棒性。     

双电机驱动伺服系统径向基函数神经网络反推自适应控制

双电机驱动伺服系统中存在齿隙非线性环节,为了削弱齿隙非线性对系统的动态和稳态性能产生的不利影响,本文提出了一种新的自适应控制方法.首先给出了系统的状态空间模型并分析了双电机同步联动控制的原理,然后应用改进的反推方法,在考虑系统所有的状态变量都能收敛的基础上,引入虚拟控制量,通过逐步递推选择Lyapunov函数,利用径向基函数(radial basis function, RBF)神经网络在线逼近系统中的不确定函数,设计了基于状态反馈的RBF神经网络反推自适应控制器,并进行了稳定性分析.将单纯的反推控制和RBF神经网络反推自适应控制的仿真结果对比,发现后者的优越性高于前者.最后在实际系统中进行试验,验证了所提控制策略的可行性.     

Multiple Lyapunov functions‐based adaptive neural network tracking control of uncertain switched nonlinear systems

In this paper, the problem of adaptive neural network (NN) tracking control of a class of switched strict‐feedback uncertain nonlinear systems is investigated by state‐feedback, in which the solvability of the problem of adaptive NN tracking control for individual subsystems is unnecessary. A multiple Lyapunov functions (MLFs)–based adaptive NN tracking control scheme is established by exploiting backstepping and the generalized MLFs approach. Moreover, based on the proposed scheme, adaptive NN controllers of all subsystems and a state‐dependent switching law simultaneously are constructed, which guarantee that all signals of the resulting closed‐loop system are semiglobally uniformly ultimately bounded, and the tracking error converges to a small neighborhood of the origin. The scheme provided permits removal of a technical condition in which the adaptive NN tracking control problem for individual subsystems is solvable. Finally, the effectiveness of the design scheme proposed is shown by using two examples.     

基于收缩反步的不确定机械臂轨迹跟踪控制

针对不确定机械臂系统的轨迹跟踪控制问题,基于干扰观测器原理,提出了一种收缩反步控制算法.首先,采用非线性观测器对系统的模型不确定项和未知外部干扰部分进行观测.然后,使用收缩反步控制求解出控制输入力矩,从而实现对参考轨迹的精确跟踪,并分析二阶闭环系统的增量稳定性和Lyapunov方程解的原点指数稳定性.最后,将上述所提控制律应用于2-DOF机械臂,通过收缩反步与滑模控制的对比仿真,证明其有效性.     

机械臂轨迹跟踪控制--基于EC-RBF神经网络的机械臂模型参考自适应控制

针对机械臂运动轨迹控制中存在的跟踪精度不高的问题,采用了一种基于EC-RBF神经网络的模型参考自适应控制方案对机械臂进行模型辨识与轨迹跟踪控制。该方案采用了两个RBF神经网络,运用EC-RBF学习算法,采用离线与在线相结合的方法来训练神经网络,一个用来实现对机械臂进行模型辨识,一个用来实现对机械臂轨迹跟踪控制。对二自由度机械臂进行仿真,结果表明,使用该控制方案对机械臂进行轨迹跟踪控制具有较高的控制精度,且因采用EC-RBF学习算法使网络具有更快的训练速度,从而使得控制过程较迅速。     

一类非线性系统基于Backstepping的自适应鲁棒神经网络控制

针对一类未知非线性系统提出了一种基于Backstepping的自适应神经网络控制方法, 放松了满足匹配条件, 要求神经网络逼近误差的边界已知等一些限制性的假设. 扩展了自适应backstepping和自适应神经控制的适用范围, 整个闭环系统表明是最终一致有界的, 跟踪误差收敛于原点的一个大小可调的邻域.     

基于滤波反步法的无人直升机轨迹跟踪控制

针对无人直升机模型阶数比较高,设计常规反步法控制器时面临着对虚拟控制输入信号求导过程较为繁琐的缺陷,提出一种基于滤波器反步法的控制方法.首先,通过滤波器而非直接解析地对虚拟控制量求导,从而显著简化了反步控制器的设计过程,而且由于导数是通过积分过程而非微分得到,大大降低了测量噪声的影响;然后,基于李雅普诺夫稳定性理论证明了补偿跟踪误差是全局指数稳定的;最后,通过仿真结果进一步验证了所提出方法的稳定性和有效性.     

Robust adaptive neural network control for environmental boundary tracking by mobile robots

The paper addresses the problem of environmental boundary tracking for the nonholonomic mobile robot with uncertain dynamics and external disturbances. To do environmental boundary tracking, a reference velocity is designed for the nonholonomic mobile robot. In this paper, a radial basis function neural network (NN) is used to approximate a nonlinear function containing the uncertain model terms and the elements of the Hessian matrix of the environmental concentration function. Then, the NN approximator is combined with a robust control to construct a robust adaptive NN control for the mobile robot to track the desired environment boundary. It is proved that the tracking error can be guaranteed to converge to zero in the ultimate. Simulation results are presented to illustrate the stability of the robust adaptive control. Copyright © 2011 John Wiley & Sons, Ltd.     

自适应神经网络四旋翼无人机有限时间轨迹跟踪控制

针对带有模型不确定性和未知外部干扰的四旋翼无人机轨迹跟踪控制问题,提出一种基于径向基(radial basis function, RBF)神经网络的自适应全局快速终端滑模控制方法,确保系统对期望轨迹的有限时间跟踪。该方法考虑到全局快速终端滑模控制在实际应用中的适应性和抖振问题,利用RBF神经网络替代等效控制量,以神经网络的在线学习能力补偿系统内部的不确定性和未知的外部干扰,有效地降低了系统的抖振;根据Lyapunov方法导出的自适应律在线调整神经网络权值,以保证闭环系统的稳定性。通过一系列仿真算例和飞行实验验证了该方法的有效性与可行性,结果表明:该控制方法相对于滑模控制的抖振更小,具有更好的收敛性和抗干扰能力,同时对模型的参数摄动具有更强的鲁棒性。     

基于动态结构自适应神经网络的不确定时滞系统跟踪控制

针对一类不确定时滞非线性系统,提出一种自适应跟踪控制器.首先采用Lyapunov-Krasovskii函数设计时滞补偿器,并构造其中的参数调节规律.再针对建模误筹及小确定非线性,引入动态结构自适应神经网络,其隐层神经元个数可以随着跟踪误差的增大而在线增加,以提高逼近精度.最后,用仿真示例表明本文所提方法是有效的.     

基于IBC-PID控制的四旋翼轨迹跟踪控制

针对四旋翼飞行器在阵风扰动下的轨迹跟踪控制问题,提出一种结合积分反步法控制与PID控制的混合控制算法.首先,分析了四旋翼飞行器的受力情况,并采用牛顿 欧拉法建立其动力学方程;其次,根据时间尺度原理,将四旋翼飞行器的控制结构分成位置控制回路与姿态控制回路,前者采用积分反步法进行抗干扰控制,后者采用PID控制进行镇定;同时,引入粒子群算法,利用其寻优优势对所设计的控制器参数进行调整;最后,通过一个螺旋线跟踪仿真对本文所提控制算法的有效性进行了验证.仿真结果表明,本文所提算法具有一定的鲁棒性、稳定性与适用性,能够满足四旋翼轨迹跟踪控制的需求.