基于神经网络的BTT导弹鲁棒动态逆设计

针对存在不确定性的BTT导弹系统,基于神经网络提出了一种鲁棒动态逆控制系统设计方法。首先应用双时标假设将BTT导弹动力学分离为快变状态动力学和慢变状态动力学。然后,在巧妙地利用导弹气动参数特性设计Lyapunov函数的基础上,对快变状态动力学和慢变状态动力学分别进行动态逆控制设计。设计中应用RBF神经网络来逼近系统中存在的不确定性,证明了闭环系统的所有信号均有界且指数收敛至系统原点的一个邻域。最后给出的BTT导弹非线性六自由度数字仿真结果验证了该算法的有效性。

一类非仿射型系统的神经网络自适应控制

针对一类未知控制方向的非仿射型系统的神经网络自适应控制问题进行了研究，提出了一种基于隐函数定理、反演设计技术、Nussbaum-型函数和神经网络理论相结合的新颖的自适应控制策略，成功地解决了该类系统控制器设计问题，为该类控制问题提出了一种解决思路。最后给山的数字仿真算例证明了该设计方法的有效性。

一类非线性系统的神经网络自适应控制

针对一类单输入单输山不确定非仿射型非线性系统,基于多层神经网络提出了一种直接自适应控制方法.该设计方法首先应用多层神经网络自适应模拟逼近逆解中的未知部分,然后应用逆设计和自适应反演设计出虚拟控制量,最后应用反馈线性化设计方法和神经网络设计了直接自适应控制律.并利用Lyapunov稳定性定理推导了神经网络的参数调节律,保证了闭环系统的所有信号均最终一致有界.

有输入未建模动态的非线性系统自适应逆设计

对于一类存在输入未建模动态的非线性系统,提出了一种基于RBF神经网络的自适应逆补偿器设计方法.首先用两个神经网络设计了补偿器,一个用来估计输入未建模动态,另一个用来作为未建模动态的自适应逆补偿器.该设计放宽了对未建模动态的一些苛刻的要求,如相对度为零,满足小增益条件等.文中仅要求D(u)逆稳和连续光滑.然后应用反演设计技术设计了控制器,并应用Lyapunov稳定性理论推导出神经网络权重向量的调节律,同时证明了闭环系统的渐近稳定性.最后给出的仿真研究证明了该设计方法的有效性.

不确定超声速导弹简化模型的滑模控制研究

针对于超声速导弹的参数时变、不确定的特点,在超声速导弹简化模型的基础上研究了滑模变结构控制方法,通过理论分析和仿真实践证明了滑模控制系统对于不确定系统具有较好的控制效果。并且与PID控制方法进行了对比,发现了滑模控制方法较PID控制方法具有更强的鲁棒性。证明了滑模法对于不确定超声速导弹的有效性。

一类非线性系统自适应神经网络块控制器设计

对一类多输入多输出非线性系统,提出了一种基于块控原理自适应控制器设计方法.利用反演设计技术和RBF神经网络设计了控制器,并通过引入改进的Lyapunov函数,成功地避免了在控制函数矩阵未知情况下的自适应控制奇异问题.利用Lyapunov稳定性定理证明了系统的所有信号均有界.最后的仿真研究表明了该设计方法的有效性.

非线性系统鲁棒自适应设计与计算机仿真

首先,针对BTT导弹的非线性模型,给出了其适合用backstepping没计方法的控制模型.充分利用系统的结构特点,结合backstepping没计方法、鲁棒控制和自适应控制方法,提出了一种鲁棒自适应控制器的设计方法.设计过程中将不确定性对系统的影响合成为一项,有效地解决了控制系数矩阵未知时控制器设计问题,同时放松了现有文献中对控制系数矩阵不确定性的要求.最后给出的仿真结果显示该法的有效性.

非线性系统自适应逆设计及应用

对于一类存在输入未建模动态的非线性系统,提出了一种基于RBF神经网络的自适应逆补偿器设计方法。首先应用两个神经网络设计了补偿器,一个用来估计输入未建模动态,另一个用来作为未建模动态的自适应逆补偿器。该设计放宽了对未建模动态的一些苛刻的要求,如相对度为零,满足小增益条件等。仅要求D(u)逆稳和连续光滑。然后应用反演设计技术设计了控制器,并应用Lyapunov稳定性理论推导出神经网络权重向量的调节律,同时证明了闭环系统的渐进稳定性。最后给出的BTT导弹纵向控制系统设计仿真实例证明了该设计方法的有效性。

一类单控制方向已知的随机不确定二阶系统反演控制研究

针对于一类单控制方向已知的给定区间随机不确定二阶线性系统进行了反演控制研究,从反演控制原理说明反演控制的有效性,并且通过与PID控制方法进行仿真对比,说明了针对标称模型难以确定的随机分布被控系统,反演控制方法对模型参数在给定区间完全随机不确定的情况下有更强的鲁棒性。

BTT导弹块模型的鲁棒自适应设计

针对BTT导弹的非线性模型,给出了其适合用backstepping设计方法的块控模型。充分利用系统的结构特点,结合块控原理、backstepping设计方法、鲁棒控制和自适应控制方法,提出了一种鲁棒自适应控制器的设计方法。允许系统中的每一个子块都存在不确定性,采用非线性跟踪微分器减小了backstepping设计中的"计算膨胀"问题,并且避免了系统控制矩阵未知时控制器可能的奇异问题,证明了系统的状态跟踪误差和参数误差指数收敛于原点的一个邻域。最后给出的仿真结果显示了本文方法的有效性。

基于神经网络的严反馈块非线性系统的鲁棒控制

针对非匹配不确定性的严反馈块非线性系统,基于神经网络提出一种鲁棒控制方法.利用Lyapunov稳定性定理推导出RBF神经网络的全调节律,用于处理系统中的非线性参数不确定性,提高了神经网络的在线逼近能力;采用神经网络和鲁棒控制方法,利用已知信息的同时,对控制系数矩阵未知时的设计问题进行处理,避免了控制器可能的奇异问题;引入非线性跟踪微分器,解决了Backstepping设计中的"计算膨胀"问题.运用Lyapunov稳定性定理证明了闭环系统的所有信号均最终一致有界.

导弹自适应反演控制器设计

提出了一种应用反演控制技术的非线性自适应导弹控制系统的设计方法。首先采用自适应辨识算法来估计系统中存在的不确定性 ,然后利用反演控制技术处理系统中的非匹配不确定性 ,在虚拟控制中引入了微分阻尼项 ,有效地改善了系统动态性能 ,并应用Lyapunov稳定性理论证明了系统是全局指数稳定的。

有输入未建模动态的导弹鲁棒控制器设计

在导弹系统俯仰通道中存在输入未建模动态情况下,提出了一种基于RBF神经网络和反演控制技术的非线性鲁棒控制器的设计方法。首先应用两个RBF神经网络对输入未建模动态设计了神经网络逆补偿器,然后利用反演控制技术设计了导弹非线性控制器,最后应用Lyapunov稳定性理论推导出RBF神经网络权重矢量调节律,证明了系统的所有信号均有界且全局指数收敛至原点。最后给出的BTT导弹非线性六自由度数字仿真结果显示了该设计方法的有效性。

带有广义不确定性的导弹非线性控制系统设计

在导弹系统存在广义不确定性情况下,提出了一种基于反演设计技术和RBF神经网络的导弹非线性自适应控制系统设计方法。设计过程中将不确定性对系统的影响合成为一项,然后应用RBF神经网络消除了其对系统的影响,有效地解决了控制系数矩阵未知时控制器设计问题,同时放松了现有文献中对控制系数矩阵不确定性的要求。应用Lypunov稳定性定理推导出神经网络权重矩阵的自适应调节律,并证明了闭环系统的所有信号均有界且指数收敛至系统原点的一个邻域。最后给出的BTT导弹非线性六自由度数字仿真结果验证了该算法的有效性。

BTT导弹神经网络自适应控制器设计

在导弹系统存在非匹配不确定性的情况下 ,提出了一种基于RBF神经网络和反演控制技术的神经网络自适应导弹控制系统的设计方法。首先应用RBF神经网络在线辨识系统中存在的不确定性 ,然后利用反演控制技术设计了导弹非线性自适应控制器 ,成功的处理了非匹配不确定性 ,并应用Lyapunov稳定性理论推导出RBF神经网络权重矩阵及中心点值的调节律 ,保证了系统的稳定性。证明了系统的所有信号均有界且全局指数收敛至原点的一个邻域。最后给出的BTT导弹非线性六自由度数字仿真结果显示了该设计方法的有效性。

导弹非线性自适应鲁棒控制系统设计

提出了一种基于全调节 RBF神经网络的导弹非线性自适应鲁棒控制系统的设计方法。应用全调节 RBF神经网络在线辨识系统中存在的不确定性 ,利用反演和鲁棒控制技术设计了导弹控制系统 ,成功地处理了非匹配不确定性 ,并在虚拟控制中引入了微分阻尼项 ,有效地改善了系统动态性能。最后 ,应用 Lyapunov稳定性理论推导出 RBF神经网络各参数的调节律 ,并证明了系统状态全局渐近收敛于原点的一个邻域。仿真结果验证了该设计方法的有效性和可行性。

利用神经网络快速极值搜索算法研究微喷十字梁系统

针对极值搜索算法在一般实际系统中的应用问题,以微喷十字梁实验系统为例,采用极值搜索算法,设计出控制器,同时考虑加入动态补偿器和RBF神经网络改善系统性能.仿真结果表明,该设计系统具有较好的稳定性及动态性能,对于噪音具有较强的鲁棒性,从而提出了一种在一般实际系统中应用极值搜索算法的方法.

一种改进PID控制算法的Boost变换器

为了克服采用SVPWM控制的三相Boost变换器中传统PID控制参数选取困难和控制过程中不能更改的问题,采用神经网络对PID控制算法进行了改进,设计了一种基于改进PID控制算法的三相Boost变换器,实现了PID控制参数的在线整定,提高了设计效率。仿真结果表明,与传统的PID控制相比,利用改进PID控制算法的三相Boost变换器能够有效地降低谐波,达到了设计要求。

BTT导弹的大系统变结构控制方法

将BTT导弹控制系统表示成具有非匹配不确定性大系统的形式,利用反演设计方法处理系统中的非匹配不确定性,用变结构控制方法来改善系统的性能,然后,利用Lyapunov稳定性定理证明了闭环系统的信号最终一致有界且系统的状态指数收敛于滑模超平面。最后,仿真验证了所提出方法的正确性和有效性。

基于自适应反演的导弹滑模控制

阐述了在导弹系统存在不确定性情况下,基于自适应反演控制技术和模糊神经网络理论,提出了一种导弹滑模控制系统设计方法.设计过程中将不确定性对系统的影响合成为一项,然后应用模糊神经逼近器来逼近系统的不确定项;考虑了已知信息,利用自适应模糊神经控制理论和滑模控制设计了控制器,应用Lypunov稳定性理论保证了闭环系统的稳定性,并推导出模糊神经逼近器各参数的自适应调节律.