不确定非线性系统快速终端滑模控制

针对界未知的非匹配不确定非线性系统轨迹快速跟踪控制,设计非线性干扰观测器(NDO)的反演自适应终端滑模控算法。首先设计子系统干扰观测器来确定界未知非匹配项补偿量,并结合子系统的Lyapunov函数求出反演控制中虚拟控制律,并运用指令滤波器解决虚拟项求导所带来的微分膨胀缺陷;再设计系统的非奇异快速终端滑模面并给出建模误差不确定性的自适应律,继而求出系统总控制律以确保总闭环系统有限时间全局渐近稳定;最后机器人动力学仿真案例表明,所设计的控制器能实现对指定轨迹的快速稳定跟踪,控制量光滑弱抖振,并对非匹配干扰具有较强的鲁棒性。

基于RBF神经网络的一类不确定非线性系统自适应H_∞控制

基于RBF神经网络提出了一种H∞ 自适应控制方法 .控制器由等效控制器和H∞ 控制器两部分组成 .用RBF神经网络逼近非线性函数 ,并把逼近误差引入到网络权值的自适应律中用以改善系统的动态性能 .H∞ 控制器用于减弱外部干扰及神经网络的逼近误差对跟踪的影响 .所设计的控制器不仅保证了闭环系统的稳定性 ,而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标 .

一类不确定非线性系统的鲁棒自适应跟踪控制

针对一类带有符号未知不确定虚拟控制增益函数的不确定非线性受扰动系统,提出一种鲁棒自适应控制算法.该算法将Nussbaum增益技术融入backstepping设计方法之中,不仅能够保证闭环系统的信号是全局一致最终有界的,使得跟踪误差收敛到零的一个较小邻域;而且,闭环系统的控制性能可以通过适当的选择设计参数而得到保证.另外,该算法还能克服在现存文献中普遍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和良好性能.文章突出的贡献是拓宽了backstepping设计方法的应用范围,同时提供了一种系统化高、实用性强的设计方法.

基于径向基神经网络的不确定非线性系统的鲁棒自适应控制

针对能够采用仿射非线性表示的含有不确定动态的非线性系统 ,提出了一种鲁棒自适应控制方法 ,该方法根据离线辨识出的受控对象的已知部分 ,采用神经网络在线辨识其未知部分 ,并针对辨识得到神经网络模型采用反馈线性化方法设计出自适应控制器 ,同时引入滑模控制方法以增强控制系统的鲁棒性 ,从而实现鲁棒自适应控制。通过对具有未建模动态的非线性直升机空气动力学模型 ,设计了总距通道系统。

一类不确定非线性系统变结构自适应鲁棒控制

考虑一类不确定多变量非线性系统的鲁棒控制器设计问题 ,在结构摄动和外界扰动输入不确定因素的界未知情况下 ,提出了一类自适应鲁棒变结构控制律 ,这种控制律在保证系统闭环稳定的前提下在线对结构摄动和外界扰动输入不确定因素的界进行估计 ,方法简单、易于理解 ,便于工程应用。将该控制律应用于导弹末端拦截制导律设计上 ,得出了一种基于零化视线法向速度的具有强鲁棒性的末端导引规律。仿真验证说明所提出的方法是有效的。

一类不确定非线性系统的鲁棒自适应控制

针对一类MIMO不确定非线性系统的输出跟踪问题,基于自适应反步法和滑模控制为其设计了鲁棒自适应控制器.模型包含3种不确定性:1)参数不确定性;2)输入增益的不确定性;3)代表系统未建模动态和干扰的不确定函数,该函数有界.以非完整移动机械臂的输出跟踪控制为目标,对其进行仿真实验,实验结果表明所提出的控制算法是正确有效的.

一类不确定非线性系统的鲁棒自适应L_2-增益控制

基于 Backstepping递推设计方法对一类复杂不确定非线性系统提出了鲁棒自适应 L2 -增益控制方法。该方法结合了自适应控制和 L2 -增益控制≤ γ的优点 ,它不仅使系统具有鲁棒性还使其对干扰具有 L2 -增益控制。同时 ,把常规设计方案需要过多参数进行辨识问题简化为只需与未知干扰个数相同参数进行辨识 ,简化了控制器结构。本文由于所研究对象为一般非线性系统 ,因此其结果具有一般性。最后 。

基于模糊模型的不确定非线性系统鲁棒D镇定

针对 T- S模糊模型描述的不确定非线性系统 ,应用二次 D-稳定概念 ,对给定复平面上的某一D域提出模糊系统全局鲁棒 D-稳定的充分条件 ,基于并行分布补偿 (PDC)技术 ,各局部状态反馈镇定控制器设计归结于解一组耦合线性矩阵不等式 (L MI) ,全局控制器通过隶属度函数由各局部控制器混合而成 ,并以此保证整个系统的鲁棒 D-稳定性。最后用质量弹簧阻尼系统给出了仿真示例。

一类不确定非线性系统的状态参考自适应滑模控制

针对一类非匹配不确定非线性系统,基于状态参考自适应控制算法和滑模控制策略,提出了状态参考自适应反演滑模控制方案,实现了不确定非线性系统的鲁棒输出跟踪。与现有的控制器设计相比,大大降低了控制系统阶次,允许系统存在非参数化的不确定性和未知扰动,增强了控制系统鲁棒性。仿真算例证明了理论研究成果的正确性和鲁棒性。

一类不确定非线性系统的适应输出反馈控制

针对一类存在有界干扰的线性参数化非线性系统，给出了一种新的适应输出反馈控制器．该控制器能保证闭环控制系统所有信号的全局有界性．该文将现有的非线性适应输出反馈控制方面的结果，从无扰动情形推广到了存在有界干扰的情形．仿真结果用来说明所设计控制器的有效性．

一类不确定非线性系统的鲁棒输出反馈跟踪(英文)

讨论了一类严格反馈型不确定非线性系统的输出反馈跟踪问题 .所讨论的不确定性不满足线性增长条件 .先设计高增益观察器估计输出偏差的微分 ,并将由此获得的信号的符号用于变结构观察器 ,随后用backstepping过程设计输出反馈控制器 .得到的控制器可以保证闭环系统的所有信号都是有界的 ,且跟踪误差可以任意地小 .

不确定非线性系统的鲁棒H_∞控制分析与综合

讨论一类仿射非线性系统的鲁棒H∞ 控制问题 .针对自由系统 ,外部干扰输入矩阵和控制输入矩阵都具有加法不确定性的系统 ,将鲁棒性能的分析和综合归结为求解一组Hamilton_Jacobi不等式 ,给出了确保非线性控制系统满足鲁棒干扰抑制性能的充分条件 ,获得了非线性鲁棒控制器的一种形式 .

基于模糊模型的一类不确定非线性系统协调优化控制

以典型的不确定非线性系统——发电单元机组为例,提出了基于模糊模型的协调优化控制新方案。首先建立该系统的模糊状态空间模型,然后依据此模糊模型和极点配置技术设计了具有渐进跟踪性能的状态反馈控制器。针对此系统的非线性、参数时变、多变量耦合等特征所导致的极点配置最佳参数难以确定的问题,提出了基于改进粒子群算法(PSO)的多目标优化极点配置参数新策略,进而实现了系统的协调优化控制。仿真研究表明:依据该方法设计的协调控制系统在大范围工况下具有良好的调节品质、抗干扰能力和对参数变化的鲁棒性。

一类不确定非线性系统的鲁棒H_∞控制

在一种工程应用背景之下 ,考虑了一类非线性系统的鲁棒H∞ 控制问题 ,不确定性范数有界 ,基于HJI不等式研究了状态反馈控制器设计问题 ,使得闭环系统满足H∞ 干扰抑制性能要求 .

不确定非线性系统变结构控制的研究

变结构控制的突出优点是对系统的摄动和干扰具有完全的鲁棒性,然而它要求系统的不确定性满足匹配条件这一限制,同时存在抖振和需知不确定参数的上下界等问题,因此在实际中通常与其他控制方法相结合以克服变结构控制中存在的缺陷。针对不确定非线性系统,就变结构控制的研究现状进行了综述,并对需要进一步研究的问题进行了展望。

基于自适应神经网络的不确定非线性系统的模糊跟踪控制

提出了一种基于模糊模型和自适应神经网络的跟踪控制方法.在系统具有未知不确定非线性特性的情况下,首先利用T＿S模糊模型对系统的已知特性进行近似建模,对基于模糊模型的模糊H∞跟踪控制律进行输出跟踪控制.并在此基础上,进一步采用RBF神经网络完全自适应控制,通过在线自适应调整RBF神经网络的权重、函数中心和宽度,从而有效地消除系统的未知不确定性和模糊建模误差的影响,保证了非线性闭环系统的稳定性和系统的H∞跟踪性能,而不要求系统的不确定项和模糊建模误差满足任何匹配条件或约束.最后,将所提出的方法应用到一非线性混沌系统,仿真结果表明了所提出的方案不仅能够有效地稳定该混沌系统,而且能使系统输出跟踪期望输出.

非匹配不确定非线性系统的变结构控制器设计

考虑一类非匹配不确定非线性系统的变结构控制器设计问题。通过引入适当的坐标变换 ,将非匹配不确定非线性系统描述成两个串联子系统。第一个子系统与控制变量没有直接联系 ,将第二个子系统的状态变量当作虚拟控制量。在考虑所有不确定性的前提下 ,通过求解代数Riccati方程 ,构造非匹配不确定子系统的切换函数 ,由滑模运动可达条件 ,设计整个系统的变结构控制器 ,并根据系统的运行情况在线估计不确定项的参数 ,设计一种自适应变结构控制器。仿真结果表明 ,该方法是有效的。

不确定非线性系统自适应滑模跟踪控制及应用

针对一类非匹配不确定非线性系统,设计了一种高阶鲁棒自适应反推滑模变结构控制方法。在控制器设计中,考虑存在系统建模误差和外界未知干扰,借鉴动态面思想降低控制器复杂性,引入双曲正切函数和抖振衰减因子降低控制输入抖振,设计系统建模误差自适应律增强控制器鲁棒性,并将系统的稳定性证明简化为判断一个n阶对称矩阵的正定性问题。将设计的反推滑模控制器用于F-8飞机纵向机动控制并进行仿真,实现了飞机对指定轨迹的稳定跟踪。

基于T-S模糊模型一类不确定非线性系统的H_∞模糊鲁棒跟踪控制

研究一类不确定非线性系统模糊鲁棒跟踪控制的设计.基于存在外界干扰的不确定非线性系统的T-S模糊模型,考察被控系统跟踪参考信号的误差,得出跟踪误差指数稳定的约束条件,在跟踪控制与镇定控制一致的前提下研究了H∞模糊鲁棒跟踪控制器的设计问题,基于Matlab的LMI和FLC工具可实现对此问题求解.仿真实例验证了算法的有效性.

基于模糊模型和神经网络的多时滞不确定非线性系统的鲁棒H_∞控制(英文)

针对一类具有多时滞的不确定非线性系统 ,提出了一种基于模糊模型和神经网络的组合控制方法 .利用具有多时滞的模糊T S模型对系统进行近似建模并给出基于线性矩阵不等式(LMI)的模糊H∞ 控制律 .提出完全自适应RBF神经网络控制方法 ,通过在线自适应调整RBF神经网络的权重、函数中心和宽度 ,来对消系统的未知不确定性和模糊建模误差的影响 ,不要求系统的不确定项和模糊建模误差满足任何匹配条件或约束 ,并证明了闭环系统的稳定性 .最后 ,将所提出的方法应用到一具有多时滞的非线性混沌系统 ,仿真结果表明了该方法的有效性 .