带有输出约束的水面船舶实际有限时间控制

考虑带有输出约束的水面船舶系统,提出一种自适应神经网络航迹跟踪实际有限时间控制算法.基于反步法设计有限时间控制律,构造障碍李雅普诺夫函数处理输出约束问题,采用神经网络逼近船舶模型中的不确定信息.在控制算法递推过程中,通过设计一个关于跟踪误差的可微幂函数来避免控制器中的奇异问题.借助李雅普诺夫稳定性分析理论,证明了航迹跟踪误差在有限时间内收敛到有界的邻域内.最后,以一艘1:70的比例模型船作为仿真对象,来验证所提出的航迹跟踪实际有限时间控制算法的有效性.     

基于输出反馈和滑模控制的一类二阶非线性系统有限时间镇定方法

本文研究了一类具有不确定非线性动力学和未知外部扰动的二阶非线性系统的全局有限时间输出镇定问 题. 首先, 提出了一种全局状态反馈有限时间控制器, 实现了二阶非线性系统的有限时间镇定. 为了解决只有系统输 出可用这种更有挑战性的情况, 采用了一种新颖的设计思想, 即非分离原理. 构造了一个有限时间收敛的状态观测 器来估计未知状态. 在此观测器的基础上, 提出了一种基于输出的有限时间复合控制器. 基于李雅普诺夫方法, 证明 了整个闭环系统的全局有限时间稳定性. 仿真结果表明了理论的有效性.     

基于神经网络的非线性系统稳定自适应控制

本文针对一类具有未知非线性函数和未知虚拟系数非线性函数的二阶非线性系统 ,提出了一种基于神经网络的稳定自适应输出跟踪控制方法 .用李雅普诺夫稳定性分析方法证明了本文的神经网络自适应控制器能够使受控系统稳定 ,并使输出跟踪误差随时间趋于无穷而收敛到零 .仿真算例证明了该算法的有效性     

带有输出约束的柔性关节机械臂预设性能自适应控制

针对带有输出约束和模型不确定的柔性关节机械臂系统,提出一种基于时变障碍李雅普诺夫函数的预设性能自适应控制方法.通过构造指数衰减的时变约束边界,提出时变正切型障碍李雅普诺夫函数,能够同时适用于约束与非约束情况,进而拓宽传统对数型障碍李雅普诺夫函数的适用范围.此外,通过预先设置时变边界函数的相关参数,使得系统输出在初始阶段...     

抗干扰的多智能体系统固定时间分布式优化算法

针对一阶多智能体系统提出一种抗干扰的分布式控制算法,在固定时间内解决具有状态约束和外部扰动存在情况下的多智能体系统凸优化问题.该算法分为两部分:第1部分使得每个智能体在任意初始条件下都能在固定时间内收敛到一致;第2部分在满足状态约束条件的同时,使所有局部目标函数的总和在固定时间内取得最小值.该算法能够在外部有界扰动存在的情况下抑制干扰信号,获得最优解,且收敛时间不受初始状态和外部扰动的影响,可以根据任务需求离线地预分配任务建立时间.利用凸优化和固定时间李雅普诺夫稳定性理论证明算法在有界扰动存在时的固定时间收敛性,最后通过智能电网中经济调度问题的实例验证算法的有效性和优越性.     

带有时变输出约束的机械臂自适应轨迹跟踪控制

针对带有输出约束和动力学模型参数未知的机械臂系统，提出一种基于时变tan型障碍李雅普诺夫函数的自适应控制方法.首先，通过设置时变约束边界，给出了一个时变tan型障碍李雅普诺夫函数，保证系统在初始误差较大情况下的瞬态性能和稳态性能，拓展了传统对数型障碍李雅普诺夫函数的适用范围.其次，为了处理机械臂动力学模型的不确定性，采用径向基神经网络(RBFNN)拟合未知的动力学模型，设计了基于RBFNN的自适应控制器，在满足约束的情况下提高了系统的鲁棒性.最后，通过二自由度机械臂轨迹跟踪的仿真，验证了所提方法的控制性能优于传统的PD控制器.     

基于螺旋算法的桥吊时变滑模控制器设计

针对桥吊防摇定位控制中普遍存在的参数变化和摩擦等不确定性扰动以及滑模变结构控制的抖振问题,基于LuGre摩擦力模型和桥吊的动力学模型,采用基于螺旋算法的二阶滑模控制技术,提出了一种基于螺旋算法的时变滑模控制方法;该方法首先利用时变滑模技术实现了控制器在滑模趋近阶段无鲁棒性的问题,然后采用螺旋算法抑制了桥吊运行过程中存在的不确定性扰动,并且使得控制律为连续信号,从而有效抑制了抖振;利用李雅普诺夫方法证明了该控制器全局稳定性,并保证其有限时间内收敛特性;仿真结果表明了控制方法的有效性。     

一种固定时间收敛模型参考终端滑模控制方法

针对一类具有模型不确定性和外部扰动的时变非线性系统, 基于模型参考控制方法, 设计了具有固定时间收敛特性的终端滑模控制器. 首先, 提出一种带有输入饱和限幅和补偿信号滤波的模型参考控制结构; 然后针对广义误差信号, 采用新型终端滑模面设计了补偿控制器, 较好地平衡靠近和远离平衡点的收敛速度. 基于李雅普诺夫方法证明了闭环系统的稳定性和固定时间收敛特性, 并给出了收敛时间上界. 最后将该方法应用到含有极限环的非线性系统跟踪控制中, 仿真结果验证了该方法的有效性.     

带有输出约束条件的随机多智能体系统容错控制

在有向通讯拓扑图下,针对一类具有输出约束和执行器偏差增益故障的非严格反馈随机多智能体系统,提出一种自适应神经网络容错控制设计方案.采用神经网络逼近未知非线性函数,构造障碍李雅普诺夫函数处理系统的输出约束问题,以反步法和动态面技术为框架,结合Nussbaum函数设计自适应神经网络容错控制方法.基于李雅普诺夫稳定性理论,证明所有跟随者输出与领导者输出达到一致,闭环系统的所有信号依概率半全局一致最终有界且系统输出限制在给定紧集内.论文最后通过仿真实验验证所给出控制方案的有效性.     

基于状态反馈控制器的多无人水面船集群控制

研究在时变环境干扰和输入饱和约束条件下,基于状态反馈控制器的多无人水面船集群控制.首先,为了准确地估计时变的海洋环境干扰,提出一种有限时间干扰观测器;然后,为了处理执行机构的物理约束,采用一种辅助动态系统;最后,为了实现多无人水面船集群控制,设计一种状态反馈控制器.采用李雅普诺夫方法证明了系统的稳定性,仿真结果验证了所设计的状态反馈控制器的有效性.     

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.     

Fixed time event-triggered control for high-order nonlinear uncertain systems with time-varying full state constraints

The fixed time event-triggered control for high-order nonlinear uncertain systems with time-varying full state constraints is investigated in this paper. First, the event-triggered control (ETC) mechanism is introduced to reduce the data transmission in the communication channel. In consideration of the physical constraints and engineering requirements, time-varying barrier Lyapunov function (BLF) is deployed to make all the system states confined in the given time-varying constraints. Then, the radial basis function neural networks (RBF NNs) are used to approximate the unknown nonlinear terms. Further, the fixed time stability strategy is deployed to make the system achieve semiglobal practical fixed time stability (SPFTS) and the convergence time is independent of the initial conditions. Finally, the proposed control scheme is verified by two simulation examples.     

Time-Varying Asymmetrical BLFs Based Adaptive Finite-Time Neural Control of Nonlinear Systems With Full State Constraints

This paper concentrates on asymmetric barrier Lyapunov functions (ABLFs) based on finite-time adaptive neural network (NN) control methods for a class of nonlinear strict feedback systems with time-varying full state constraints. During the process of backstepping recursion, the approximation properties of NNs are exploited to address the problem of unknown internal dynamics. The ABLFs are constructed to make sure that the time-varying asymmetrical full state constraints are always satisfied. According to the Lyapunov stability and finite-time stability theory, it is proven that all the signals in the closed-loop systems are uniformly ultimately bounded (UUB) and the system output is driven to track the desired signal as quickly as possible near the origin. In the meantime, in the scope of finite-time, all states are guaranteed to stay in the pre-given range. Finally, a simulation example is proposed to verify the feasibility of the developed finite time control algorithm.      

一种时变输入输出过程神经元网络及学习算法研究

针对输入／输出均为时变函数的非线性系统建模问题，提出一种时变输入输出过程神经元网络模型，并给出了具体的学习算法．过程神经元网络的输入、输出均可为时变函数，其空间、时间聚合算子分别取为空间加权求和及含时间变参积分，聚合运算和激励能同时反映时变输入信号的空间聚合作用和输入过程中的阶段时间累积效应．仿真实验结果验证了所提出模型和算法的有效性．     

Adaptive Neural Network-Based Control for a Class of Nonlinear Pure-Feedback Systems With Time-Varying Full State Constraints

In this paper, an adaptive neural network (NN) control approach is proposed for nonlinear pure-feedback systems with time-varying full state constraints. The pure-feedback systems of this paper are assumed to possess nonlinear function uncertainties. By using the mean value theorem, pure-feedback systems can be transformed into strict feedback forms. For the newly generated systems, NNs are employed to approximate unknown items. Based on the adaptive control scheme and backstepping algorithm, an intelligent controller is designed. At the same time, time-varying Barrier Lyapunov functions (BLFs) with error variables are adopted to avoid violating full state constraints in every step of the backstepping design. All closedloop signals are uniformly ultimately bounded and the output tracking error converges to the neighborhood of zero, which can be verified by using the Lyapunov stability theorem. Two simulation examples reveal the performance of the adaptive NN control approach.      

考虑输出约束的机械臂自适应神经网络鲁棒控制

在工业机械臂系统的跟踪控制过程中,由于其结构和工作环境复杂,导致难以建立精确的系统模型,针对此问题提出了基于多层前馈神经网络的自适应鲁棒控制器.通过神经网络在线估计机械臂系统动力学模型,并在控制器中进行补偿,同时设计了一个在线更新的鲁棒项克服神经网络的重构误差;考虑机械臂实际系统的输出约束,采用障碍李雅普诺夫函数设计控制律并证明系统的稳定性从而使系统满足约束条件.仿真实验结果表明:在约束条件下所提出的控制器能够实现系统的一致最终有界稳定,且跟踪性能良好,并具有很好的抗干扰和自适应能力.     

基于广义扩张状态观测器的遥操作系统同步控制

针对机械臂遥操作系统中存在的时变时延问题,提出了基于广义扩张状态观测器的控制方法,实现了遥操作系统稳定并且主从机械臂关节角位置同步的控制目标。首先通过反馈线性化,将遥操作系统的主从机械臂动力学模型转化为一个关于位置跟踪误差和时延的状态空间模型。针对该多输入多输出的干扰不匹配模型,设计了广义扩张状态观测器和相应的控制律,从而消除了时变时延以及其它扰动引起的不确定性对系统的影响,并对系统进行稳定性和抗扰性分析。最后,通过仿真验证了所设计的控制方法的有效性。     

Adaptive Control Based on Neural Networks for an Uncertain 2-DOF Helicopter System With Input Deadzone and Output Constraints

In this paper, a study of control for an uncertain 2-degree of freedom (DOF) helicopter system is given. The 2-DOF helicopter is subject to input deadzone and output constraints. In order to cope with system uncertainties and input deadzone, the neural network technique is introduced because of its capability in approximation. In order to update the weights of the neural network, an adaptive control method is utilized to improve the system adaptability. Furthermore, the integral barrier Lyapunov function (IBLF) is adopt in control design to guarantee the condition of output constraints and boundedness of the corresponding tracking errors. The Lyapunov direct method is applied in the control design to analyze system stability and convergence. Finally, numerical simulations are conducted to prove the feasibility and effectiveness of the proposed control based on the model of Quanser's 2-DOF helicopter.      

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.     

带有输入饱和及输出受限非仿射系统固定时间跟踪控制

针对具有量化输入饱和及输出受限的非线性非仿射系统,提出固定时间自适应神经网络跟踪控制方法.引入中值定理解决系统具有非仿射结构的问题;基于反步法,使用Barrier Lyapunov函数约束系统输出,并利用RBF神经网络逼近未知函数;根据固定时间控制理论设计输入信号,该输入信号由滞后量化器量化,以降低控制信号的通信速率,并保证该系统在满足量化输入饱和及输出受限的条件下,系统可以在固定时间内跟踪上期望信号,且该系统收敛时间与初始状态无关.最后通过Matlab仿真软件验证所设计控制器的有效性.