基于神经网络的不确定非线性时滞系统保成本控制

保成本控制问题受到了人们的关注,并取得了很多的研究成果,但这些研究均未考虑提高系统动态特性的问题,且很少涉及非线性系统。为此,将神经网络和控制理论相结合,针对一类不确定非线性时滞系统,结合系统动态特性以及非线性扰动抑制问题,提出了新的控制算法。通过将稳定度引入保成本控制中,可以在保成本控制的基础上提高系统的动态特性;利用神经网络良好的非线性逼近能力,很好地解决了系统存在任意非线性扰动时的控制问题。     

反推技术及其在不确定系统中的应用

从控制学科的角度,综述了反推技术的产生、发展、主要方案及其特点。着重叙述了该技术在状态反馈非线性不确定系统、输出反馈非线性不确定系统、离散时间非线性不确定系统、线性不确定系统和随机非线性不确定系统等五个方面的应用形势与进展情况。同时,清楚地指出了反推技术在不确定系统应用中存在的问题,并且就这些问题提出了相应的解决途径和方法。     

一类非线性系统的局部镇定及吸引域估计

研究了一类非线性系统的局部稳定问题,应用中心流形定理,给出了这类非线性系统渐近镇定的充分条件和系统的吸引域估计.设计出镇定系统的反馈控制律,特别研究了一类平面非线性系统,给出了系统镇定的若干条件.通过实例说明选取控制律应注意的一些问题,给出了多个实例,表明结果的有效性.     

一类非线性系统观测器设计的新方法

研究一类非线性系统的观测器设计问题。应用微分中值定理转化误差动态系统为等价系统。使用凸理论并结合构造Lyapunov函数,给出非线性误差动态渐近趋于零的三个充分条件,并提出观测器增益矩阵的构造方法。提出的方法既能用于连续非线性系统,也可用于离散非线性系统。最后,通过一个数值例子验证了所得结果的有效性。     

基于线性近似和神经网络逼近的模型预测控制

针对非线性系统的模型预测控制问题,提出了一种基于线性近似和神经网络逼近的控制算法。用Taylor级数展开法对非线性系统进行线性近似时,要求对象系统中的非线性函数必须连续可微。为了突破这一限制,引入了Stirling插值公式线性近似法,拓展了可处理的非线性系统范围。通过对线性化过程中产生的非线性高阶项进行径向基函数(radial basis function, RBF)神经网络逼近,显著提高了对象系统模型精确度。为了降低数值计算复杂度,将控制性能指标函数重构为易于处理的二次型最优化问题,通过对该二次型最优化问题的求解得到了最优控制序列。控制过程考虑了约束条件的影响以模拟真实的工业生产过程。仿真结果证明了所提出预测控制方案的有效性。     

一类非线性系统盲辨识算法及仿真研究

针对离散非线性系统盲辨识问题,提出了一种基于循环平稳输入的非线性系统盲辨识方法。利用循环平稳输入信号的一阶统计特性和Hammerstein-Wiener模型非线性部分的逆映射,将有输入信号的辨识过程转变为无输入信号的辨识过程。介绍了Hammerstein-Wiener模型的结构及循环平稳输入的统计特性,对盲辨识算法机理进行了阐述。仿真结果表明该方法在解决一类离散非线性系统盲辨识问题上的切实可行性。     

网络控制系统结构下的非线性系统建模与仿真

针对非线性系统往往具有不确定性,结构复杂、建模困难和不适于网络条件下仿真研究的问题,提出了一种网络控制系统结构下非线性系统建模与仿真的方法.在对弹簧连接的双倒立摆耦合非线性系统模型及其通信网络进行Matlab/Simulink模块化建模的基础上,利用鲁棒控制器将对象模型的不确定性和网络时延的不确定性进行了综合处理.仿真结果表明,该方法不仅降低了非线性系统建模的复杂性,而且为研究网络控制系统结构下非线性系统的动态特性提供了条件.     

非线性系统的两种H∞控制方案

研究非线性系统的H∞控制问题。用T S模糊动态模型描述非线性系统,首先将全局模糊系统表示成不确定系统形式。采用鲁棒H∞控制策略,设计出使全局模糊系统渐近稳定的控制器。然后采用并行分配补偿法设计出使模糊系统全局渐近稳定的H∞控制器。两种方案都是将模糊控制与现代鲁棒控制相结合来解决非线性问题,避免了偏微分方程的求解和一些假定条件。一级倒立摆的仿真实验,验证了两种方案的控制效果。     

模糊-GPC串级控制在网络时延控制中的应用

为了解决网络闭环非线性控制系统中的时延问题,本文提出了一种在模糊神经网络控制的基础上结合广义预测控制(GPC)处理非线性系统网络时延的方法,建立了网络控制系统的结构模型,并分析了此模型对处理非线性网络控制系统中时延问题的有效性。在MATLAB环境下对网络控制倒立摆系统进行了仿真,通过对比模糊神经网络控制与模糊-GPC串级控制的控制效果,进一步证实了此方法对非线性网络控制系统能够实现稳定控制。     

UKF方法在惯性导航系统初始对准中的应用研究

针对初始对准的精度直接影响系统工作性能问题,在初始对准中引入Unscented卡尔曼滤波算法(UKF)。Unscented卡尔曼滤波算法没有把非线性系统近似为线性系统,而是使用确定性样本的方法处理非线性问题,使采样点的均值和方差完全符合实际的非线性系统的均值和方差,解决了惯性导航系统正常工作的基本条件。仿真结果显示,使用Unscented卡尔曼滤波时惯性导航系统初始对准的精度和稳定性都好于普遍使用的广义卡尔曼滤波方法。     

具滞后的区间Lurie型系统的鲁棒绝对稳定性

讨论了具滞后的区间非线性Lurie型控制系统的鲁棒绝对稳定性。用区间向量不等式、Lyapunov函数法和Riccati方程法研究了具滞后的区间Lurie型直接控制系统和具滞后的区间Lurie型间接控制系统的鲁棒绝对稳定性，得到了具滞后的区间非线性Lurie型控制系统鲁棒绝对稳定的一些充分条件，并给出了数值例子说明本文结论的有效性。     

不确定非线性系统变结构模糊自适应鲁棒控制

考虑一类不确定非线性系统的鲁棒控制器设计问题,在假设系统不确定性函数结构未知的情况下,利用模糊系统对不确定性函数进行逼近,将获得的模糊系统函数作为系统不确定性界函数。在此基础上,提出了一种变结构模糊自适应鲁棒控制算法,该算法在确保系统的滑动模态超平面为渐近可达的前提下,在线对系统模型的控制增益参数和不确定性函数的界参数进行估计。最后以船舶减摇鳍非线性控制系统为例,进行了变结构鲁棒自适应模糊控制器的设计。仿真研究表明,所提出的算法是有效的。     

二级倒立摆的摆起控制

以往对非线性系统主要是采用线性化的方法进行控制，提出了一种基于专家系统及变步长预测控制的实时非线性系统控制方法。用变步长一步预测避开复杂的非线性推导，结合专家系统对控制参数进行修正，从而实现对复杂非线性系统的实时控制。利用这种方法，实现了二级倒立摆的摆起及稳定控制。     

不确定Lurie型控制系统的绝对稳定性

讨论了区间非线性Lurie型控制系统的鲁棒绝对稳定性.用Lyapunov函数法研究了区间非线性Lurie型直接控制系统和间接控制系统的鲁棒绝对稳定性;给出了区间非线性Lurie型直接控制系统和间接控制系统鲁棒绝对稳定的充分条件;建立了区间非线性Lurie型控制系统鲁棒绝对稳定与区间矩阵稳定的关系.     

基于燃气轮机转速直接型自适应模糊控制器的设计

针对发电用单轴微型燃气轮机这样大型复杂且具有极强非线性的热能动力系统，提出了适用的燃机转子转速自适应模糊控制方法，将加速度限制包含在规则中。从而构建了新的控制结构。理论证明，利用在线调整算法改变模糊规则基使控制系统达到了全局稳定。数据仿真表明，控制方案对燃气轮机的转速控制取得了很好的效果，具有实际应用价值。方法适用于提出一类具有单输入单输出的非线性系统。     

控制力矩陀螺高速转子稳定性控制仿真研究

针对航天器姿态控制执行机构磁悬浮控制力矩陀螺的高速大惯量飞轮转子系统的强非线性和由强陀螺效应产生的进动和章动导致系统的失稳问题,提出了模糊控制和传统的PID和交叉解耦控制相结合的方案,对高速转子系统中非线性所导致的问题进行了研究。研究表明,该控制器解决了陀螺效应导致的主动磁轴承-高速大惯量飞轮转子的不稳定性问题,且抑制了噪声对磁轴承稳定性的影响。最后,数值算例证明了该方法的可行性和有效性。     

基于观测器的不确定非线性系统L1自适应控制

针对一类严格块反馈型不确定非线性系统,采用反步设计方法提出了一种新的基于滑模状态观测器的L1自适应控制方案。由于系统状态不完全可测,首先设计滑模观测器对系统状态进行估计,并分析观测器的收敛性,在此基础上,通过反步法得到系统的理想控制律。为了消除反步控制中的“项数膨胀”,引入非线性跟踪微分器来提取理想控制律的微分信号。为提高系统响应的瞬态性能,消除控制输入的高频振荡,引入L1自适应控制对控制律进行改进,通过理论推导证明了闭环系统的稳定性。最后通过数值仿真算例验证了所设计控制方案具有快速的收敛性、良好的跟踪性等期望性能。     

基于非线性模型的飞机自动着陆模糊控制系统设计

将非线性控制方法与模糊控制方法相结合对飞机自动着陆系统进行了设计，首先，对飞机纵向运动的非线性模型进行输入输出反馈线性化，将其等效为一个三阶线性系统，并同时实现了解耦，在此基础上，结合带优化修正函数的模糊控制规则自调整方法对变换后的三阶线性系统进行设计，最后，考虑参数摄动，对所设计的飞机自动着陆控制系统进行了数字仿真，仿真结果表明，该控制系统能有效抑制系统内部参数摄动对系统输出产生的不良影响。     

基于神经网络的机械臂分散自适应跟踪控制

提出了一种适用于机械臂的基于神经网络的分散自适应轨迹跟踪控制方法。将机械臂的轨迹跟踪控制系统考虑为由多个非线性关联组成的不确定性复杂系统,采用分散控制方法进行控制器设计。在对每一子系统设计控制器时,采用直接反馈线性化,利用控制器构建伪线性系统,并引入神经网络自适应环节消除干扰、关联及逼近误差,从而使所提出的控制方法能够保证系统状态有较高的跟踪精度,且算法简单,易于实现。仿真表明,该算法能保证较高的跟踪效果。     

基于T-S模型的自适应多变量模糊预测控制

针对多变量非线性系统的控制问题,提出了一种具有良好控制效果的模糊预测控制方法。首先采用快速聚类法和递推最小二乘法辨识得到非线性系统的T-S模型,然后对系统进行线性化,并基于线性化的模型设计模糊广义预测控制器并对非线性对象进行在线自适应控制。对一个带时延的强耦合二变量非线性对象进行仿真,结果表明对于具有时变性的非线性系统,该方法具有很好的控制效果。