严格反馈非线性系统的自适应逆最优控制

介绍了逆最优控制的基本思想 ,针对一类具有未知定常参数和未知时变有界扰动的严格反馈非线性系统 ,给出了逆最优增益配置定理 .使用Backstepping算法 ,设计了逆最优控制器 .该控制器是非线性的、连续的 ,且比较容易实现 ,仿真结果表明该控制算法的有效性 .同时指出逆最优控制系统具有稳定裕度 ,因而具有局域鲁棒性 。

基于S类函数的严格反馈非线性周期系统的自适应控制

针对一类严格反馈非线性周期系统,在周期非线性可时变参数化的条件下设计自适应控制器.通过将周期时变参数展开成傅里叶级数,并采用微分自适应律估计未知系数,进行控制器反推设计.引入S类函数,并在控制器设计中应用S类函数处理截断误差项对系统跟踪性能的影响,同时,S类函数能确保虚拟控制的可微.给出几种不同的S类函数设计,分析比较将其应用于控制器设计时产生的不同效果.理论分析与仿真结果表明,提出的控制方法能够实现系统输出跟踪期望轨迹,且闭环系统所有信号有界.

参数非严格反馈形式的随机非线性系统的自适应控制

论文研究了一类带参数非严格反馈形式的随机非线性系统的自适应控制问题 .利用Backstepping设计方法 ,通过构造 4次型的随机控制Lyapunov函数 ,给出了有效的自适应控制方案 。

基于Backstepping的严格反馈极值搜索系统控制器设计

针对一类含不确定参数的严格反馈型极值搜索系统的控制问题,将极值搜索方法和反演(Backstepping)控制方法相结合,设计出系统状态的极值参考轨迹,利用Backstepping控制方法逐步递推选取适当的Lyapunov函数设计控制器和不确定参数自适应估计律,实现目标函数的极值搜索。仿真表明所提出控制器设计方法的有效性。

非线性交叉严格反馈系统的一种构造性设计方法

讨论非线性交叉严格反馈 (cross strict feeback)系统的镇定问题 ,针对这类系统首次提出交叉回退 (cross backsteping)设计方法 ,证明了整个控制系统的全局稳定性 ,并用仿真算例验证了方法的正确性 .其结果大大拓宽了 backstepping方法的适用范围 .

一般严格反馈型非线性系统的自适应控制

研究一般严格反馈型非线性系统的控制问题．假设系统的对象模型、状态均未知,只有输出是可测的．应用自适应模糊神经推断系统辨识对象模型,状态观测器设计为Luenberger型,控制器由反步控制、变结构控制和3层神经网络直接控制综合而成．理论分析和仿真研究都说明此方案能够有效地控制只有输出可测的一般严格反馈型非线性系统．

随机非线性严格反馈系统的自适应神经网络输出反馈镇定

针对具有严格反馈形式的随机非线性系统,首次引入神经网络控制技术,设计了适当形式的随机控制Lyapunov函数,并运用反推(Backstepping)技术和非线性观测器设计技术,构造出一类自适应神经网络输出反馈控制器.在一定条件下,证明了闭环系统平衡点依概率稳定.仿真算例验证了所给控制方案的有效性.

无反步设计的严格反馈型非线性系统神经网络自适应跟踪控制

针对一类具有外部干扰、仅输出可测的SISO严格反馈型非线性系统,提出一种神经网络输出反馈跟踪控制方法。该方法将严格反馈型系统转换成标准仿射型系统,从而避免反步设计过程,且无需设计状态观测器。最终控制律和神经网络权值更新律中仅用到输出误差。基于Lyapunov方法证明了闭环系统所有信号有界,跟踪误差收敛到有界紧集内。最后,应用高机动导弹的位置跟踪控制验证了该方法的有效性。

严格反馈混沌系统的Backstepping控制同步设计

对严格反馈混沌系统,提出了一种基于Backsteping的混沌同步一般方法,在每一步逆推设计算法中构造虚拟控制器,使得相应的Lyapunov函数导数负定,在最后一步中给出一个控制器使得驱动系统与响应系统的同步。以Windmi混沌系统为例,进行系统分析,给出了控制器,使控制后的响应系统与驱动系统的状态误差趋于0。对参数未知的情形也进行了讨论,并给出了参数自适应率与相应的控制器。数值模拟与仿真结果说明该控制策略的有效性。

严格反馈混沌系统标量混沌信号同步的Backstepping方法

将反向递推设计思想应用于标量混沌信号同步控制,以严格反馈系统为对象,根据混沌同步控制的特点,采用Backstepping设计方法,设计出严格反馈系统的控制器。严格反馈系统在所设计控制器的控制下,其第一个状态变量输出可以大范围渐近同步于给定的混沌系统的标量输出。理论分析与计算机模拟均证实了设计方法与控制器的有效性。

严格反馈随机非线性系统风险灵敏度输出反馈控制器设计

研究了一类严格反馈随机非线性系统的输出反馈设计问题 .在无限时区风险灵敏度指标下 ,应用积分反推 (integrator backstepping)技术 ,设计了控制器 .所设计的控制器能够保障对任意风险灵敏度系数具有任意小的指标 ,并且闭环系统为概率意义下有界的 .特别地 ,所设计的控制器还能保证控制器的平衡条件 .

严格反馈型随机非线性系统输出反馈滑模控制

研究了一类带有不确定性参数的严格反馈型随机非线性系统的输出反馈镇定问题,主要是采用变结构滑模控制方法(SMC)来设计镇定控制器。首先根据系统的结构和输出状态构造了随机非线性状态观测器,并针对结构参数的不确定性,采用梯度自适应调节律,然后基于系统的观测状态选择滑动模切换流形,给出了不含噪声激励的变结构控制律,并证明滑动模的可达性和闭环系统滑模运动的稳定性,最后讨论了滑模控制的抖振抑制问题。通过系统仿真,与其它鲁棒控制方法进行比较,证明了本方法不仅能够有效地镇定该类随机非线性系统,并且具有一些更好的控制性能。

死区输入下未知严格反馈非线性系统自适应约束控制

研究了具有死区输入的预设约束未知高阶严格反馈非线性系统的控制问题,提出了一种基于免疫函数的自抗扰预设漏斗约束自适应控制策略.首先,针对系统内部的未知问题,采用免疫函数与扩张状态观测器结合对系统内部未知项进行观测;其次,通过Lyapunov方法与漏斗控制相结合设计控制器,使得跟踪误差能够维持在预先设定的漏斗约束范围内;同时,利用双曲正切函数速率变化快这一特性设计自适应控制律,引入指令滤波器避免反步法中重复求导问题,分析证明了闭环系统所有信号的有界性.仿真实例表明了控制方法的有效性.

严格反馈型不确定性随机系统智能滑模控制(英文)

研究了采用滑模控制方法来设计由带有不确定参数的It型随机微分方程表示的严格反馈型随机系统的镇定控制器.考虑到该类系统扰动信号的随机特征和特殊结构以及理想滑模控制所具有的缺陷,作者将智能控制和滑模控制相结合,以避免控制器快速切换和理想滑模控制律产生的抖动效应,由此基于已有的一些研究成果深入探讨了采用智能滑模控制来镇定此类随机系统的特点和优点,最后对一个实例系统设计了其智能滑模控制律,仿真结果表明了所采用控制方法的有效性和正确性.

一类严格反馈非线性系统的自适应神经网络控制

对一类具有摄动的严格反馈非线性系统,基于动态面控制技术,提出一种自适应神经网络的控制器的设计方案。该方法消除了严格反馈非线性系统后推设计中,由于反复求导而导致的复杂性问题。通过对下界的讨论,避免间接控制中的奇异性问题。利用李亚普诺夫方法,证明闭环系统是半全局一致终结有界,且通过适当选择参数,跟踪误差收敛可以达到任意小。仿真结果表明所提控制方法的有效性。

一类非严格反馈切换系统的自适应神经网络控制

针对具有非严格反馈的非线性系统的控制问题,本文主要研究非严格反馈形式的单输入单输出非线性切换系统的控制问题。运用自适应神经网络控制方法,逼近系统的组合非线性函数;同时,结合Backstepping方法设计神经网络控制方案,利用神经网络的结构性质简化设计过程,成功的将神经网络自适应Backstepping设计方法拓展到该类非严格反馈系统上,最后通过仿真例子验证本文所提控制方法的有效性。仿真结果表明,在任意切换信号及所给控制器的作用下,保证了良好的跟踪性能,并保证闭环系统所有状态是半全局一致最终有界的,跟踪误差收敛到原点的一个残差集内。该研究具有一定的实用价值。

严格反馈非线性未知系统的自耦PID控制方法

针对严格反馈非线性未知系统的控制难题,提出了一种自耦PID(ACPID)控制方法。该方法将未知动态与外部有界扰动定义为一个总和扰动,从而将严格反馈非线性系统映射为一个积分串联型的线性不确定系统,进而构建了一个在总和扰动反相激励下的受控误差系统,据此设计了以速度因子为核心耦合因子的自耦PID控制律模型,理论分析了闭环控制系统的全局稳定性和抗总和扰动鲁棒性。仿真结果表明自耦PID控制方法不仅响应速度快,控制精度高,且仅有一个与被控对象模型无关的参数——速度因子待整定,在严格反馈非线性控制领域具有广泛的应用前景。

基于观测器的非严格反馈时滞非线性系统的神经网络自适应控制

针对一类非严格反馈的时滞非线性系统,研究了一类基于观测器的自适应神经网络控制问题.针对系统中存在未知状态变量的问题,设计了一个状态观测器.利用反步法和径向基神经网络的逼近特性,提出了一种自适应神经网络输出反馈控制方法.所设计的控制器保证了闭环系统中所有信号的半全局一致有界性.最后,通过仿真验证了所提控制方法的有效性.

基于事件触发机制的一类非严格反馈非线性系统的自适应神经网络追踪控制

基于事件触发机制,研究了一类非严格反馈非线性系统的自适应神经网络追踪控制问题.结合反步技术、神经网络和事件触发机制,提出了一种自适应神经网络控制方案,减少了数据传输量并减轻了控制器和执行器之间的传递负担,保证了输出信号尽可能地追踪到参考信号,同时使得闭环系统的所有信号有界.此外,通过避免芝诺现象保证了所提事件触发机制的可行性.最后,给出一个例子验证了所提出策略的有效性.

严格反馈互联系统分散式backstepping自适应迭代学习控制

基于Lyapunov分析方法,针对具有严格反馈形式的非线性互联系统,本文设计了一种分散式backstepping自适应迭代学习控制器.子系统之间的互联项为所有子系统输出项线性有界,为每个子系统设计的控制器仅采用该子系统的信息,不需要子系统之间相互传递信息.在控制器中,引入在时间轴和迭代轴上同时更新的自适应参数,以补偿子系统之间的互联项影响.通过采用本文给出的控制器,可使得每个子系统的输出跟踪相应的参考模型输出,仿真结果验证了本文算法的有效性.