一类不确定非线性系统的重复学习控制

针对一类在有限时间区间上重复作业的不确定非线性系统,本文提出一种重复学习控制方法,用于解决非参数不确定性问题.该方法采用死区修正学习律对期望控制输入与界函数进行估计,以避免参数的正向累加导致系统发散,并使该控制算法较少地依赖于系统信息,更方便于控制器的实现.基于Lyapunov方法所设计的控制器,保证了闭环系统所有信号的有界性,并使得跟踪误差收敛于死区界定的邻域.通过仿真算例及电机实验结果验证所提学习控制算法的有效性.     

非线性系统的PD型迭代学习控制

非线性系统的ＰＤ型迭代学习控制孙明轩黄宝健张学智（西安工业学院电子系西安７１００３２）关键词初始条件问题,迭代学习控制,非线性系统．１）国家自然科学基金资助项目．收稿日期１９９６－０７－２５１引言运用迭代学习控制技术设计控制器时,只需要通过重复操作获...     

一类非线性相似组合大系统的迭代学习控制

利用状态反馈部分线性化技术研究了一类非线性相似组合大系统的迭代学习控制问题。与现有结果不同的是，它不直接研究系统本身，而是构造一个适当的 反馈，然后对闭环系统给出其迭代学习收敛的充分条件，     

一类具有控制时滞非线性系统在任意初值下的开环PD型迭代学习控制

在迭代学习控制理论的收敛性分析中,常见的初始条件是迭代初值与期望初值一致,或者迭代初值固定,给出了一类含控制时滞非线性时变系统在任意初值条件下采用开环PD型迭代学习控制算法时的收敛条件.迭代学习采用控制输入与初值同时学习的算法,其中控制输入利用了给定超前法,该算法解决了控制时滞和初值问题.运用算子理论证明了收敛条件,给出了间歇非线性控制时滞过程仿真实例,研究结果说明了该算法的有效性.     

Observer-based Iterative and Repetitive Learning Control for a Class of Nonlinear Systems

In this paper, both output-feedback iterative learning control (ILC) and repetitive learning control (RLC) schemes are proposed for trajectory tracking of nonlinear systems with state-dependent time-varying uncertainties. An iterative learning controller, together with a state observer and a fully-saturated learning mechanism, through Lyapunov-like synthesis, is designed to deal with time-varying parametric uncertainties. The estimations for outputs, instead of system outputs themselves, are applied to form the error equation, which helps to establish convergence of the system outputs to the desired ones. This method is then extended to repetitive learning controller design. The boundedness of all the signals in the closed-loop is guaranteed and asymptotic convergence of both the state estimation error and the tracking error is established in both cases of ILC and RLC. Numerical results are presented to verify the effectiveness of the proposed methods.      

Neural-Network-Based Near-Optimal Control for a Class of Discrete-Time Affine Nonlinear Systems With Control Constraints

In this paper, the near-optimal control problem for a class of nonlinear discrete-time systems with control constraints is solved by iterative adaptive dynamic programming algorithm. First, a novel nonquadratic performance functional is introduced to overcome the control constraints, and then an iterative adaptive dynamic programming algorithm is developed to solve the optimal feedback control problem of the original constrained system with convergence analysis. In the present control scheme, there are three neural networks used as parametric structures for facilitating the implementation of the iterative algorithm. Two examples are given to demonstrate the convergence and feasibility of the proposed optimal control scheme.     

非线性时滞系统的周期自适应学习跟踪控制

针对一类参数未知的周期非线性时滞系统的输出跟踪控制问题,设计了一种周期自适应迭代学习跟踪控制算法,该方法利用信号置换的思想重组系统,并在假设未知时变参数和参考输出的周期具有已知最小公倍数的情况下,将时滞以及其他不确定的时变项合并为一个周期性的辅助时变参数新变量,进而用周期自适应算法来估计该辅助量.通过构造一个Lyapunov-Krasovskii型复合能量函数,分析了系统的收敛性,证明了经过多次重复迭代学习,所有闭环信号有界且输出跟踪误差收敛,最后通过构造数值实例进行了仿真验证.理论分析和仿真结果表明,该算法简单有效,对于非线性时滞系统的跟踪问题具有很好的控制效果.     

一类具有未知幂次的高阶不确定非线性系统的自适应控制

研究了一类具有未知幂次的高阶不确定非线性系统的自适应跟踪控制问题. 在无需系统函数先验知识的条件下, 采用积分反推技术和障碍李雅普诺夫函数, 提出了一种新颖的自适应跟踪控制算法. 该控制算法的显著特点是所设计的自适应控制器均与系统幂次无关, 并且能够保证闭环系统的所有信号皆有界. 仿真算例验证了该控制算法的有效性.     

具有间歇性执行器故障的非线性系统自适应CFB控制

控制系统的执行器经常发生各种未知的间歇性故障. 如何有效地处理这些故障对系统的影响是一个难题. 针对一类不确定严格反馈非线性系统, 提出一种自适应CFB (Command filtered backstepping) 控制方案解决了间歇性执行器故障的补偿问题. 利用神经网络逼近控制器中的未知函数, 并采用投影算子实时在线更新控制器中的估计参数使得参数估计值随着故障次数的累积而不断增加的问题被消除. 提出改进的Lyapunov函数证明了所提出的方案能够保证所有闭环信号的有界性, 同时建立了跟踪误差与Lyapunov函数跳变幅度, 最小故障时间间隔, 设计参数之间的关系. 如果Lyapunov函数的跳变幅度越小以及两个连续故障之间的时间间隔越长, 系统的稳态跟踪指标越好. 通过迭代计算建立了暂态跟踪误差指标的均方根型界. 该界表明了通过选择恰当的设计参数, 可改善系统的暂态指标. 仿真结果表明了所提方案的有效性.     

一类非线性系统的自适应控制

针对一类未知的MIMO非线性系统的控制问题,提出了一种基于混合遗传算法的自适应RBF神经网络控制器(HGA-RBFNNC),使系统能跟踪期望输出.采用混合遗传算法,在线确定RBF神经网络的结构和参数,当误差满足一定要求时,该控制器转入按照基于Lyapunov稳定性理论的自适应律进行网络权值的进一步调整,这样既在线建立神经网络又保证了整个系统的全局稳定性和收敛性.仿真实验结果表明,该控制器能够快速跟踪期望输出,而且具有很好的稳定性和收敛性.     

齿隙非线性输入系统的迭代学习控制

针对一类具有输入齿隙特性的非线性系统, 提出一种实现有限作业区间轨迹跟踪的迭代学习控制方法. 在系统不确定项可参数化的情形下, 基于类Lyapunov方法设计迭代学习控制器, 回避了常规迭代学习控制中受控系统非线性特性需满足全局Lipschitz连续条件的要求. 对未知时变参数进行泰勒级数展开, 参数估计采用微分学习律, 并在控制器设计中, 采用双曲函数处理级数展开后的余项以及齿隙特性里的有界误差项, 以保证控制器可导, 且可抑制颤振. 引入一级数收敛序列确保系统输出完全跟踪期望轨迹, 且闭环系统所有信号有界.     

非线性系统在任意初值下的PID型迭代学习控制

针对一类在有限时间区间上重复运行的非线性系统,给出了一种可以解决迭代学习控制中任意初值问题的PID型迭代学习算法及其收敛条件。采用算子理论证明了该算法的收敛性,结果表明该算法不仅有效解决了迭代学习控制的初值问题,而且放宽了收敛条件。仿真分析及与PD型迭代学习控制算法的仿真结果的对比证明,非线性系统在任意初值条件下经过PID型迭代学习后跟踪精度显著提高,输出误差曲线更快速趋于零,表明了该算法的有效性。     

Robust Optimization-Based Iterative Learning Control for Nonlinear Systems With Nonrepetitive Uncertainties

This paper aims to solve the robust iterative learning control(ILC)problems for nonlinear time-varying systems in the presence of nonrepetitive uncertainties.A new optimization-based method is proposed to design and analyze adaptive ILC,for which robust convergence analysis via a contraction mapping approach is realized by leveraging properties of substochastic matrices.It is shown that robust tracking tasks can be realized for optimization-based adaptive ILC,where the boundedness of system trajectories and estimated parameters can be ensured,regardless of unknown time-varying nonlinearities and nonrepetitive uncertainties.Two simulation tests,especially implemented for an injection molding process,demonstrate the effectiveness of our robust optimization-based ILC results.     

一类非线性系统的鲁棒无源化控制

研究一类带有结构不确定性和外部干扰的非线性系统的鲁棒无源化控制问题,分别在HJI不等式和一定的匹配条件下构造出状态反馈控制器,使得闭环系统内部渐近稳定且外部无源。     

一类非线性时滞系统的解耦控制

利用微分几何方法研究了一类非线性多输入多输出时滞系统的解耦问题．讨论了此类系统可解耦的充分条件，并给出了此类系统实现输入/输出间精确线性化的条件以及其标准形．文中给出了非线性时滞系统得以解耦的非线性状态反馈控制律；此状态控制律不但可以实现输出与时滞状态变量的解耦，还可以实现输出与输入间的精确线性化．而其闭环标准形的给出为此类系统实现各种控制目标带来了方便．     

一类非线性随机系统的自适应控制

本文在文献「１，２」的基础上，对一类仿射非线性随机系统的最小二乘（ＬＳ）自适应控制问题进行了分析，给出了稳定性及收敛速度结果，在这里，我们仅要求非线性函数具有线性增长速度，而无需任何其它结构假设。     

一类欠驱动机械系统的非线性控制

针对一类欠驱动机械系统．分析了其数学模型,提出了一种基于部分反馈线性化的非线性控制方案．该方案利用精确线性化的方法将欠驱动系统直接激励部分线性化,将被动部分作为系统的内部动态考虑;并选择直接激励的自由度作为系统输出．进行系统的轨迹跟踪控制;通过分析系统的内部动态,证明了零动态的稳定性能保证控制系统的稳定性．最后通过对吊车的负载防摆控制的研究．验证了该方案的可行性．     

一类非线性系统的自适应模型控制

对一类非线性不确定连续系统，提出了一种新的自适应控制方法。此方法用Ｔ－Ｓ模糊系统对未知函数进行逼近，引入Ｈ＾∞控制减弱外部干扰及逼近误差对输出跟踪误差的影响，证明了该方法可保证闭环系统稳定。仿真结果验证了此算法的有效性。     

一类非线性系统的模糊滑模控制

针对一类非线性不确定系统,提出了一种模糊滑模控制器的设计方法。采用模糊神经网络设计系统控制器,基于梯度符号变化的局部学习率自适应BP算法,对模糊神经网络的隶属函数中心、宽度和网络权值进行调节,使滑模等效控制的模糊系统后件参数是自适应的;在系统存在外部干扰并有界时,利用李亚普诺夫方法证明了系统控制的稳定性。通过Matlab仿真分析,表明了所设计的模糊滑模控制器不但具有鲁棒性,而且具有良好的跟踪性能。     

一类非线性系统的自适应模糊控制

针对一类非线性系统,利用模糊推理系统对非线性函数的逼近能力,导出基于Ｌｙａｐｕｎｏｖ稳定性理论的自适应控制器,不但能解决这类非线性系统的跟踪问题,而且可保证闭环系统的稳定性。仿真结果表明这一算法的有效性。