具有输入饱和的航向离散非线性系统鲁棒后推设计

本文研究了具有输入饱和的船舶航向离散非线性控制系统的鲁棒神经网络后推控制。首先,原系统通过变化得到一种新颖的能够预测变量船舶航向的离散非线性系统。然后利用后推技术进行该离散非线性系统的神经网络控制器设计。在控制器设计过程中,高阶神经网络用于逼近未知非线性方程。并且将输入饱和辅助系统引入存在输入饱和约束的船舶航向控制系统。和过去的控制方法相比,本文所提出的算法提高了航向离散非线性系统的鲁棒性。基于李雅普诺夫理论,闭环系统的所有的信号被证明半全局一致最终有界并且航向跟踪误差趋近于零。最后,运用“育鲲”轮仿真实例说明本文所提算法的有效性。

1种航空发动机增广模型的建立方法

精确完整的发动机线性模型对于现代航空发动机控制系统的设计与故障诊断至关重要。提出了1种用差分进化算法提取包含发动机主要特征量及其执行机构状态变量的增广发动机状态变量模型的方法,其状态变量包括发动机转速、执行机构位移、速度、控制压力等特征,并包含了执行机构的输入饱和限制,与实际系统相一致。仿真结果表明:利用该方法建立的增广发动机状态变量模型与非线性模型动态响应过程吻合良好且稳定终值一致,可用于具有工程应用价值的控制器设计及包含执行机构的发动机故障诊断。

基于强化学习的指定性能轨迹跟踪最优控制

为保证无人船对期望轨迹的高动态精确跟踪,针对带有输入饱和限制的无人船轨迹跟踪系统,提出一种基于强化学习的指定性能轨迹跟踪最优控制策略.采用双曲正切函数逼近饱和函数,并利用指定性能控制技术将无人船跟踪误差进行误差转换,使跟踪动态误差约束在期望的指定范围内以保证轨迹跟踪系统的高动态性能.在此基础上,采用最优控制理论与强化学习中基于神经网络的Actor-Critic控制框架设计无人船轨迹跟踪最优控制方法,同时解决了控制输入饱和限制的问题.基于李雅普诺夫稳定性理论,证明了本文控制策略下无人船轨迹跟踪系统的稳定性,保证了跟踪误差均在指定的范围内.仿真实验也验证了本文策略的有效性与优越性.