一类非线性离散系统自适应准滑模控制

针对一般非线性离散时间系统的不确定性和扰动抑制问题,提出一种新的自适应准滑模控制算法.算法包括两部分,其一是基于紧格式动态线性化模型的自适应准滑模控制器设计,其中动态线性化方法中"伪偏导数"的估计算法仅依赖于系统I/O实时量测值.其二是采用径向基神经网络估计器来估计系统的综合不确定性.理论分析证明了系统的BIBO稳定性.仿真结果验证了所提算法的有效性.

一类未知非线性离散系统的直接自适应模糊预测控制

将自适应模糊逻辑系统引入预测控制,对一类未知非线性离散系统提出了直接自适应模糊预测控制方法.首先对被控对象提出了线性时变子模型加非线性子模型的预测模型,然后直接利用模糊逻辑系统设计预测控制器,并基于广义误差估计值对控制器参数和广义误差估计值中的未知向量进行自适应调整.文中证明了此方法可使广义误差估计值收敛到原点的小邻域内。

一种具有执行器故障的非线性离散系统的迭代学习控制

针对执行器发生随机故障的一类仿射非线性离散系统,研究了一种迭代学习容错控制策略。首先,将执行器故障分解为乘性模型和加性模型。其次,从统计学角度分析了由执行器传输给被控系统的具有故障的控制信号和由控制器传输给执行器的未发生故障的控制信号的性态;同时,导出了控制策略收敛的充分条件。最后,通过数值仿真验证所提结果的有效性和可靠性。理论分析和仿真结果均表明,该策略能够在执行器随机发生故障的情况下,能使被控系统保持良好的跟踪精度。

基于Picard迭代原理的非线性离散系统多频输入稳态响应的计算与分析

本文应用picard迭代原理和矩阵论中范数的理论提出了一种计算非线性离散系统多频输入稳态响应的方法,并给出了非线性离散系统多频输入稳态响应的通解.这种方法将一个非线性离散系统多频输入稳态响应计算问题化成计算同一个线性离散系统在不同输入下稳态响应的问题.文章用数学推导证明给出了多频输入的非线性离散系统存在唯一稳态响应的李普希次条件,并给出了判断一个非线性离散系统是否满足规定的李普希次条件的判定方法.基于所构建的求解方法,运用MATLAB语言编制了算法程序,对典型实例进行了仿真计算.大量仿真结果表明,本文提出的方法是正确的,且收敛速度较快.

广义非线性离散系统的稳定性

利用广义李雅普诺夫方法 ,研究了广义非线性离散系统 ,给出了广义非线性离散系统稳定性定理和不稳定性定理。就一类广义非线性离散系统 ,给出了其按线性近似的稳定和不稳定的条件。

不需持续激励条件的非线性离散时间系统的自适应模糊逻辑控制

针对一类非线性离散时间系统 ,根据模糊逻辑系统的逼近性质 ,给出了一种自适应模糊逻辑控制器的设计方法。利用李亚普诺夫稳定性理论 ,证明了控制算法是全局稳定的 ,跟踪误差收敛于零的某一邻域中。该设计方法克服了要求模糊基函数向量满足持续激励 (PE)

基于径向基函数网络的非线性离散时间系统的自适应控制

对于一类离散时间的非线性系统 x( k+ 1 ) =f ( x( k) ) + u( k) + d( k) ,当系统中的非线性函数 f( x( k) )满足线性增长条件时 ,首先证明了 {x( k) }落入一紧集中 ,然后根据高斯径向基函数网络的逼近性质 ,给出了自适应控制器的设计方法 .利用李亚普诺夫稳定性理论 ,证明了控制算法是全局稳定的 ,跟踪误差收敛于零的某一领域中 .

基于最小二乘算法及神经网络的非线性离散系统的自适应控制

针对有关文献所设计的控制律 ,在一较弱的条件下 ,去掉了符号运算部分 ,证明该控制律可避免“零除”问题 ,提高了运算速度。对于这种基于神经网络和 L S算法的自适应控制问题 ,证明了系统状态落入一紧集中 ,闭环系统的所有信号都是有界的 ,且系统输出和参考输出之间的跟踪误差收敛于以零为原点的某一有界球中。

改进的非线性离散系统自适应数据驱动控制

基于同步扰动随机近似的算法,控制器选取为一个函数逼近器,并在这里被确定为神经网络.控制算法中使用了自适应的参数估计,明显改善了控制性能,同时也给出了相应的收敛性分析.最后,新型的控制算法被应用到了解决非线性离散系统的跟踪控制问题中,并通过仿真比较结果,充分验证了这种自适应数据驱动控制策略的可行性和有效性.

非线性离散动态大系统的DISOPE关联平衡协调算法

提出一种非线性离散动态大系统系统优化与参数估计集成的关联平衡协调算法。在各子系统模型与实际存在差异的情况下 ,将动态系统系统优化与参数估计集成方法(DISOPE)与关联平衡法相结合 ,得到一个上级协调 ,下级进行各子系统优化与参数估计集成的双环迭代算法 ,从模型出发通过迭代运算能得到实际系统在存在模型 -实际差异时的真实最优解。仿真结果表明了算法的有效性和实用性。

非线性离散系统的学习控制方法

对非线性离散系统的学习控制方法进行了研究，引进了离散的λ（ξ）－范数，给出了新的学习控制算法，实现了不依赖于学习控制初始数据的目标跟踪问题．为离散系统的学习控制方法的顺利发展和相应基本理论的建立进行了尝试性的探索工作．

非线性离散系统基于观测器的反馈控制

针对一类非线性离散系统 ,首先提出了一种新的容易实现的状态观测器设计方案 ,并证明了观测器的收敛性 .其次设计了系统基于观测器的输出反馈稳定化控制器 .最后给出了数值算例 ,仿真结果表明了本文设计方法的有效性 .

非线性离散系统的自适应反馈一步向前预测控制方法

针对时变、滞后、反馈时间慢且参数未知的非线性离散时间模型系统的特点 ,提出了一种自适应反馈控制方法 .在方法中 ,考虑到调整时间内反馈信息少与工程易实现的要求 ,采用多层预报的方法 ,对模型跟踪误差进行一步向前预测 ,进而利用预测结果对模型和输入做进一步修正 .此外 ,对算法的收敛性和稳定性从数学上给出了说明 .并通过数值仿真验证了方法的可行性和有效性 .

基于信息融合最优估计的非线性离散系统预测控制

针对非线性离散系统的二次型最优预测控制问题,提出了一种基于信息融合最优估计的迭代预测控制算法.通过融合二次型性能指标函数中包含的未来参考轨迹和控制能量的软约束信息,以及系统状态方程和输出方程的硬约束信息,获得协状态序列和控制序列的最优估计.通过二自由度机器人操作手的转移控制仿真,表明了该控制算法具有良好的稳定性和鲁棒性.

非线性离散广义系统的H_∞控制

针对非线性离散广义系统研究了状态反馈H∞控制器的设计问题,利用广义Lyapunov函数和线性矩阵不等式(LMI),首先对系统的零解渐近稳定问题进行了研究,并在此基础上给出了系统的零解渐近稳定且具有H∞范数约束的充分条件,之后设计了状态反馈H∞控制器,使闭环系统具有同样的性能,最后给出了数值算例说明本文结论的有效性和可行性.

受扰非线性离散系统的前馈反馈最优控制

利用逐次逼近法研究含外部扰动的非线性离散系统的线性二次型前馈反馈最优控制问题.首先将系统的最优控制问题转化为非线性两点边值问题族.其次,构造了该问题族的由精确线性项和非线性补偿项组成的解序列,并证明了解序列一致收敛到系统的最优解.最后,通过截取最优控制序列解中非线性补偿项的有限项,得到系统的前馈反馈次优控制(FFSOC)律及设计算法.仿真算例表明,该算法容易实现,且对抑制外部扰动的鲁棒性优于经典的反馈次优控制(FSOC).

用反馈神经网络对非线性离散系统进行实时建模

利用时变反馈神经网络的概念及二维线性系统理论给出了非线性离散系统的一种实时建模方法 .理论及仿真实验结果均表明 ,这种实时模型能够任意逼近非线性离散系统 .

非线性离散随机时变系统比例微分滤波

扩展卡尔曼滤波 (EKF)是从极小化状态估计误差的方差得到的 ,没有考虑状态误差的变化率 ,因而对非线性时变系统EKF估计方法惯性作用较大 ,从而产生估计滞后。提出了非线性离散随机系统比例微分滤波 (PDF) ,PDF联合考虑极小化状态估计误差方差和状态误差变化率的方差 ,克服了EKF对非线性时变系统估计滞后的缺点 ,估计具有适时性 ,提高了估计的精度。仿真例子证明了所提出的估计方法的有效性。。

一类非线性离散系统的直接自适应模糊控制

针对一类含延迟非线性离散系统,提出了一种直接自适应模糊控制器设计的新方案．将系统用T-S模糊模型来表示,并基于并行分布补偿(PDC)基本思想设计了一种具有未知参数的模糊控制器,同时采用梯度下降算法对该控制器的参数进行在线辨识．通过输入到状态稳定(ISS)方法,证明了系统输出和参考输出的误差有界且满足一定的平均性能．仿真表明本方法的有效性．

一般非线性离散系统的闭环迭代学习控制研究

通过对开环迭代学习控制的不足进行分析，提出了基于当前输出误差的闭环P型迭代学习控制律，针对一般非线性离散系统，给出了学习控制的收敛条件。仿真结果表明，简单的闭环P型迭代学习控制即能使非线性系统实现对期望轨线的无差跟踪。