自治飞艇直接自适应模糊路径跟踪控制

针对具有模型不确定和未知外部干扰的自治飞艇, 提出了直接自适应模糊路径跟踪控制方法. 该方法由路径跟踪控制和自适应模糊控制两部分组成. 首先基于飞艇的平面运动模型设计路径跟踪控制律, 包括制导律计算、偏航角跟踪和速度控制3 部分; 然后构造直接自适应模糊控制器逼近路径跟踪控制律中的不确定项. 稳定性分析证明所设计的控制律能使飞艇跟踪给定的期望路径, 跟踪误差收敛到原点的小邻域内. 仿真结果验证了所提出方法的有效性.

     

一类扩展结构大系统的分散有限时间鲁棒关联镇定

研究一类扩展结构大系统分散有限时间鲁棒关联镇定问题. 扩展结构大系统是在原结构系统上增加新子系统而构成的, 在原系统分散控制律确定不变的情况下, 设计新加入子系统的鲁棒分散控制律, 使扩展后的系统仍能保持有限时间关联稳定. 利用LMI 方法推导此类系统基于状态反馈和输出反馈的分散有限时间关联镇定的充分条件, 并给出扩展子系统的相应控制器的设计方法. 最后通过仿真实验表明了所提出方法的可行性和有效性.

     

基于一种新型趋近律的自适应滑模控制

首先, 利用特殊幂次函数和反双曲正弦函数构造一种新型滑模变结构控制趋近律; 然后, 采用该趋近律设计一种自适应滑模控制律, 并证明滑模控制系统误差渐近收敛. 仿真实验表明: 在存在时变转动惯量和摩擦力矩扰动的情况下, 该自适应滑模控制系统具有较高的位置和速度跟踪精度, 并有效减弱了控制输入信号的高频震颤现象; 同时, 采用反双曲正弦函数的自适应律能较好地平滑系统转动惯量估计值, 减小控制输入信号的幅值.

     

考虑参数和负载不确定性的内置式永磁同步电机自适应反步控制

提出一种??_?? = 0 的内置式永磁同步电机的自适应反步控制方法. 通过定义虚拟控制变量和选择适当的Lyapunov 函数, 导出系统控制律及参数自适应律. 该方法能够根据自适应参数估计器实时估计出的负载转矩和定子电阻对控制输出进行动态校正, 从而提高转速控制精度和系统的抗扰能力. 仿真结果表明, 系统能够快速跟踪参考转速, 并对负载扰动和参数变化具有较强的鲁棒性.

     

不确定性R¨ossler 系统的自适应鲁棒跟踪控制

研究具有外部不确定性R¨ossler 混沌系统的鲁棒跟踪控制问题. 基于动态面控制原理设计自适应鲁棒控制器, 给出了系统参数的自适应更新律, 使得被控闭环系统的各误差变量一致有界. 系统输出曲线渐近跟踪任意期望轨道, 且跟踪误差能被控制在任意小的范围内, 而无须知道系统的参数及外部不确定性的界限. 基于稳定理论给出了具体的稳定性分析, 并通过数值仿真验证了该方法的有效性及鲁棒性.

     

无需相对速度信息的多Euler-Lagrange 系统自适应神经网络包含控制

对含有模型非线性不确定性和外部扰动的多Euler-Lagrange 系统的分布式协调包含控制问题进行研究. 考虑通讯拓扑为有向图, 所有领航者均为动态, 且各智能体间相对速度信息不可测情况. 首先, 选取相对速度作为辅助变量, 引入低通滤波器进行估计; 然后, 采用神经网络方法逼近并补偿非线性不确定性, 提出一种分布式自适应包含控制律, 并应用Lyapunov 稳定性理论证明闭环系统的包含误差一致最终有界; 最后, 通过仿真算例验证了所提出的控制律的有效性.

     

自适应非奇异终端滑模控制及其在BPMSM中的应用

为提高终端滑模控制中状态变量的全局快速收敛性, 提出一种自适应变速指数趋近律. 该趋近律引入状态变量的一阶范数, 根据状态变量距离平衡点的远近自适应调整指数趋近速度和等速趋近速度, 从而实现缩短趋近时间的同时削弱系统抖振. 应用该趋近律设计无轴承永磁同步电机(BPMSM) 转子速度及径向位移非奇异终端滑模控制器, 仿真结果表明, 该方法能快速地跟踪转速及径向位移给定值, 系统超调及稳态静差小, 具有较强的鲁棒性.

     

基于自适应重复学习的不确定多涡卷混沌系统同步控制

基于滞环函数提出一种参数可调的多涡卷混沌系统构造方法. 针对复杂不确定性系统, 综合利用自适应神经网络和重复学习控制方法设计一种自适应重复学习同步控制器; 利用自适应重复学习控制方法对周期时变参数化不确定性进行处理; 对函数型不确定性利用神经网络逼近技术进行补偿; 设计鲁棒学习项对神经网络逼近误差和扰动上界进行估计; 通过构造类Lyapunov 复合能量函数证明了同步误差学习的收敛性. 仿真结果验证了所提出方法的有效性.

     

基于神经网络干扰观测器的一类不确定非线性MIMO系统H∞跟踪控制

针对一类具有未知外部干扰及内部不确定性的非线性MIMO系统,提出了基于神经网络干扰观测器的鲁棒跟踪控制方法,用于降低控制器对干扰的要求.设计了基于神经网络的干扰观测器,以逼近由外部干扰,内部不确定性和子系统的交叉耦合组成的复合干扰.根据Lyapunov稳定性理论的参数更新律及所设计的控制器,保证了系统中所有信号的最终一致有界性,并获得了给定的跟踪性能指标.仿真结果证明了该方法的有效性.

     

多导弹分布式协同制导与反步滑模控制方法

针对多弹三维协同攻击机动目标的要求, 提出一种基于网络同步原理的协同制导方法. 该算法给出了导弹3 个方向的速度, 并基于运动学关系转化为总速度、弹道倾角和弹道偏角指令. 基于反步法将控制器设计过程转化为3 步, 分别为速度及弹道角子系统、气动角子系统和角速率子系统设计, 各子系统采用滑模控制. 控制器设计中采用扩展状态观测器对气动参数摄动和外部扰动进行估计, 并在控制器中进行补偿. 仿真结果验证了控制器的跟踪特性及导弹的协同攻击效果.

     

互联大系统动态输出反馈多重叠鲁棒分散关联镇定

针对一类具有网型拓扑结构的互联大系统,提出一种动态输出反馈多重叠鲁棒分散关联镇定方法.该方法将系统状态空间加以扩展,在扩展空间中将其分解为按循环逆序排列的一系列两两子系统对,并为每个子系统对分别设计使其关联稳定的鲁棒分散动态输出反馈控制器,将这些多重叠设计的控制器再收缩回原空间,实现控制律的协调.将该方法应用到一个四区域网型电力系统控制设计中,仿真结果验证了所提出方法的可行性和优越性.     

非线性时滞大系统自适应神经网络分散控制

针对一类未知非线性时滞关联大系统,提出一种自适应神经网络分散跟踪控制方案．采用神经网络逼近各子系统内部的非线性函数和关联项中的时滞非线性函数;利用占有方法处理时滞项,采用Backstepping技术设计分散控制律和参数自适应律．基于Lyapunov-Krasoviskii泛函证明了闭环大系统所有信号半全局一致最终有界．通过调节设计参数和增加神经元个数,可以实现任意输出跟踪精度．实例仿真说明了该方案的可行性。     

基于扩张状态观测器的分散模型预测控制

针对复杂关联系统中分散控制方法无法有效解决子系统间的耦合和干扰问题, 提出一种基于扩张状态观测器的分散模型预测控制算法. 首先将复杂关联系统分解为多个状态维数较低、控制变量较少的子系统, 并为每个子系统设计本地预测控制器; 然后, 采用扩张状态观测器对子系统的耦合项以及干扰项进行估计, 进而利用估计值对子系统进行前馈补偿, 从而降低复杂关联系统的计算复杂度, 提高系统的稳定性和抗干扰能力; 最后, 利用液位控制系统验证了所提出算法的有效性.

     

不确定奇异大系统分散鲁棒预测控制

针对一类不确定奇异关联大系统,讨论了当系统状态不可测时,基于输出反馈的分散鲁棒预测控制问题.通过构造Lyapunov函数以及应用线性矩阵不等式方法,将"min-max"优化问题转化为凸优化问题求解,从而得到了输出反馈分散控制器存在的充分条件和显示表达式.证明了优化问题在初始时刻的可行解能保证奇异闭环大系统渐近稳定且正则无脉冲.仿真结果验证了算法的有效性.     

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.     

一类切换模糊时滞组合系统的分散镇定

提出了切换模糊时滞组合系统模型,并研究了状态和互联项具有时滞情况下的分散镇定问题.当每个互联子系统中的每个切换子系统具有有限个备选的状态反馈控制器,且单一控制器均不能保证系统稳定的情况下,利用多Lyapunov函数方法给出了时滞相关的矩阵不等式条件和分散切换律设计方法,使系统在所提出的分散切换律和分散控制器下渐近稳定.仿真结果表明了所提出方法的有效性.     

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.     

基于收缩理论的一类非线性系统自适应动态面控制

针对一类不确定非线性参数严反馈系统,提出基于收缩理论的自适应动态面控制方法.动态面控制器设计保证了各子系统关于状态误差部分收缩;对不确定参数构造收缩自适应律,并利用收缩下的奇异摄动分析降阶处理子系统,确保降阶前后状态误差间的偏差及滤波误差有界;通过分层子系统的收缩鲁棒性分析,证明了原闭环系统状态半全局收敛到以期望轨迹为中心的球域内,保证了跟踪误差及自适应估计有界.刚性机械臂系统仿真验证了所提出方法的有效性.     

含有参数化和非参数化不确定性系统重复学习控制

针对含有参数化和非参数化的高阶非线性系统,设计了一种重复学习控制方案.假设未知时变参数和参考信号的共同周期是已知的,通过参数重组技巧,将所有未知时变项合并为一个周期时变向量.将改进Backstepping方法与分段积分机制相结合,构造了微分-差分参数自适应律和重复学习控制律,使跟踪误差在误差平方范数意义下渐近收敛于零.利用Lyapunov泛函,给出了闭环系统收敛的充分条件.仿真结果验证了该方法的有效性.