MIMO非线性系统辨识:Volterra级数法

本文讨论了一般MIMO非线性系统的Volterra级数表示， 给出并证明了Volterra 核矩阵存在的条件。 提出了两种辨识Volterra 核矩阵的方法, 即随机响应法与脉冲响应法. 给出了利用系统的输入输出信号计算Volterra 核矩阵的公式。最后，利用仿真实例验证上述方法的有效性。

带有鲁棒控制项的MIMO非线性系统的模糊控制

针对一类不确定多输入多输出(MIMO)非线性系统,提出了一种新的鲁棒间接自适应模糊控制设计方案,解决了提高模糊控制精度问题.模糊逻辑系统用作逼近系统的未知函数,根据跟踪误差给出了参数调节律,用鲁棒控制项对未知的逼近误差进行补偿,以此来减小逼近误差对跟踪精度的影响.基于李亚普诺夫函数方法证明了所设计的控制方案不但能保证跟踪误差收敛到原点的小邻域内,而且通过适当增大设计参数的值,可使跟踪误差减小,提高了控制精度.仿真结果表明了该方法的有效性.

基于神经网络MIMO非线性系统自适应输出反馈控制

针对一类具有对象不确定和外部干扰的MIMO(多输入多输出)非线性系统提出了自适应鲁棒输出跟踪控制方案.使用了高斯径向基神经网络自适应补偿对象非线性,高增益观测器被用来估计不能直接测量的输出导数.此方法所设计的控制器不仅保证闭环系统稳定,而且所有状态有界以及跟踪误差一致终值有界.仿真结果充分表明了该方案的有效性和可行性.

基于模糊逻辑的MIMO非线性系统的自适应控制

针对一类具有未知函数控制增益的 MIMO不确定非线性系统 ,基于一种修改的李亚普诺夫函数 ,利用第二类模糊系统的逼近能力 ,提出了一种分散自适应模糊控制器设计的新方案 .该方案不但能够避免现有的一些自适应模糊 /神经网络控制器设计中对控制增益一阶导数上界的要求 ,而且能够避免控制器的奇异问题 .通过理论分析 ,证明了闭环控制系统是全局稳定的 ,跟踪误差收敛到零 .

一类MIMO非线性系统的H∞回路成形控制

针对一类多输入多输出非线性系统,基于H∞回路成形控制器设计方法,提出了一种新的鲁棒控制方案。分析了实际工业控制中生产过程的复杂性,运用H∞回路成形理论设计了控制器,总结了H∞回路成形控制器的特点。最后,在MATLAB环境下对某MIMO系统进行了仿真实验,比较了各种控制方案的性能,仿真结果表明该控制方案的优越性。

一类MIMO非线性系统的H∞回路成形控制

针对一类多输入多输出非线性系统,基于H∞回路成形控制器设计方法,提出了一种新的鲁棒控制方案.分析了实际工业控制中生产过程的复杂性,运用H∞回路成形理论设计了控制器,总结了H∞回路成形控制器的特点,并在MAT-LAB环境下对某MIMO系统进行了仿真实验,比较了各种控制方案的性能,仿真结果表明该控制方案的优越性.

基于小波网络MIMO非线性系统自适应鲁棒控制

针对一类具有未知对象和外部干扰输入的多输入多输出非线性系统提出了一种自适应鲁棒控制方案。该方案采用小波网络辨识未知非线性对象并使用高增益观测器估计不能直接测量的系统状态。理论分析证明了一定的假设条件下闭环系统半全局稳定,所设计控制器不仅可保证闭环系统的所有信号半全局一致有界,而且使得系统的输出渐近跟踪有界的期望轨迹到一小邻域。仿真结果也充分表明该方法的可行性和有效性。

CMAC神经网络用于一类不确定MIMO非线性系统的鲁棒自适应反馈线性化

在已知标称系统的基础上 ,将CMAC神经网络用于一类状态反馈可线性化的多输入多输出 (MI MO)不确定连续时间非线性系统的鲁棒自适应反馈线性化 ,使系统获得要求的跟踪性能 .在很弱的假设条件下 ,应用李雅普诺夫稳定性理论证明了闭环系统内的所有信号为UUB(一致最终有界 ) .仿真算例进一步验证了算法的正确与有效 .

一类非线性MIMO系统的模糊自适应输出反馈控制

针对一类MIMO非线性状态不可测系统,提出一种基于观测器的模糊自适应输出反馈控制方法,通过应用“主导输入”的概念,并将自适应控制、H∞控制与模糊逻辑系统相结合,导出了输出反馈控制律以及参数的自适应律.基于李亚普诺夫函数证明了该控制方法可保证闭环系统的全局稳定,并获得了H∞跟踪性能指标.

一类MIMO非线性不确定系统的自适应无源控制

研究了一类含有未知参数的多输入多输出非线性不确定系统的自适应无源控制问题.首先,讨论了当控制输入未知常参数系数矩阵分别为对称正定矩阵和可逆矩阵时这类系统的自适应无源控制器设计方法,继而设计出这2种情况下的自适应无源控制器以及相应的参数自适应律.然后,利用李亚普诺夫方法证明了由原系统和所设计的控制器组成的闭环系统是稳定的,且在一定假设条件下,所设计的控制控制器能够使系统自适应无源.最后,给出了一个仿真算例,仿真结果证明所设计的控制器是有效可行的.

一类非线性MIMO系统的直接自适应模糊鲁棒控制

针对一类未知的非线性MIMO系统 ,本文提出了一种直接自适应模糊鲁棒控制设计方法 .理论分析和仿真实验都已证明 ,该方法确保闭环系统全局稳定 ,获得H∞ 跟踪性能指标 ,外部干扰、模糊逻辑逼近误差和输入对输出的交叉耦合可衰减到给定的水平 ,系统鲁棒性好 .

一类非线性MIMO系统的间接自适应模糊鲁棒控制

针对一类模型未知的非线性 MIMO系统 ,将自适应控制、H∞控制与模糊逻辑逼近方法结合到一起 ,应用“主导输入”的概念 ,提出了一种间接自适应模糊鲁棒控制设计方法。该方法确保了闭环系统全局稳定 ,并获得了 H∞跟踪性能指标 ,使外部干扰。

一种非线性MIMO系统实验装置建模与LQR控制

为解决一种复杂非线性多输入多输出系统的控制器设计问题,对两自由度直升机模型的实时控制方法进行了研究。在详细分析力学和运动学的基础上,利用拉格朗日方法,比较准确地求得了系统的非线性动力学方程。经局部线性化后,设计了线性二次型最优控制器和前馈控制器。仿真和实际测试结果表明,数学模型和控制器设计正确,整个控制系统运行良好。

一类非线性MIMO系统的神经网络直接自适应鲁棒解耦控制

针对一类未知非线性MIMO系统(多输入/多输出系统),应用“主导输入”的概念,基于神经网络理论提出一种直接自适应鲁棒解耦控制方法.该方法不仅保证了闭环系统的稳定,而且使外部干扰、神经网络逼近误差及输入对输出的交叉耦合对跟踪误差的影响衰减到给定的水平.

基于偏格式线性化的MIMO系统无模型自适应控制

针对常规PID控制器不能很好兼顾抗干扰性与鲁棒性以及基于模型的控制算法过于依赖受控系统数学模型的缺点,提出一种适用于离散时间多输入多输出(MIMO)非线性系统的无模型自适应控制算法.该算法首先通过偏格式线性化方法将非线性系统线性化,再利用一种新型的投影算法在线辨识受控系统参数,根据辨识得到的受控系统参数直接递推计算无模型自适应控制律.控制器的设计仅利用受控系统的I/O数据,不需要受控系统的结构信息和外部实验信号,避免了由建模过程引起的未建模动态问题对控制性能的影响.仿真结果表明该算法具有良好的跟踪性能和较强的鲁棒性.

一类具有参数不确定n阶多输入多输出非线性系统的Terminal滑模控制

针对一类具有参数不确定的n阶MIMO非线性系统,提出了一种Terminal滑模控制方案.该方案通过对滑模超平面的选取和Terminal滑模控制律的设计,不但确保了闭环系统滑模阶段的存在性,而且还保证了系统状态误差在有限时间内的收敛性.由于无论何种情况下系统的初始状态均在Terminal滑模面上,从而消除了其他滑模控制方法常有的到达阶段,使得闭环系统具有全局鲁棒性和稳定性.除此之外,重点克服了控制输入的系数函数矩阵与不确定参数的关联问题.仿真结果表明,该控制方案可消除外部扰动及参数不确定的影响,控制系统各状态变量有效地跟踪期望状态.

MIMO非线性自适应模糊滑模控制

为了解决传统的自适应模糊滑模控制方法需经无穷长时间才能达到平衡点 ,不能对系统进行精确地跟踪控制的问题 .提出一种具有快速收敛性的自适应模糊滑模控制方法 .控制器用具有快速收敛性和稳定性的最终吸引子做自适应模糊调节率代替传统自适应模糊调节率 ,不仅具有稳定性且具有快速收敛性 ,从而使控制系统的输出能在有限时间内精确地跟踪参考信号 .证明了所设计控制器是全局稳定的 .并用该方法控制了二自由度机器手系统 ,仿真结果表明该方法能使机器手在有限时间内达到精确的位置和速度 。

拒绝服务攻击下的多输入多输出非线性系统无模型自适应控制

针对多输入多输出(MIMO)非线性离散时间系统,研究系统遭受拒绝服务(DoS)攻击和随机发生数据包丢失下的控制问题.首先采用两个独立的伯努利分布对周期性DoS攻击和随机发生的数据包丢失进行建模.其次结合DoS攻击设计无模型自适应控制(MFAC)算法,进而通过理论分析和数学推导证明所提算法的收敛性.并且通过结合先前时刻数据设计一种补偿算法对系统输出进行补偿,从而抵消DoS攻击和随机丢包的影响,减小系统超调量,加快收敛速度使系统可以更快的达到期望输出.最后,通过两个仿真实例验证了算法的有效性.

一类MIMO系统的自适应模糊观测器设计

针对一类MIMO非线性状态不可测系统,提出一种基于观测器的自适应模糊控制方法。该方法应用"主导输入"的概念,同时考虑了函数逼近误差和系统外扰的存在,假设了该系统逼近误差和系统外扰有界但界未知的情况;并探讨了自适应模糊控制器的参数自适应律由跟踪误差和逼近误差共同进行调节。基于李亚普诺夫函数证明了闭环系统的所有信号是有界的,并且跟踪误差收敛到零。仿真结果表明了该方法的有效性。

基于神经网络MIMO非仿射系统自适应控制

针对一类多输入多输出非仿射非线性系统,基于神经网络设计了一种自适应控制方案。该系统隐含控制输入,利用隐函数定理和伪控制概念提出了控制运算法则,采用Lyapunov方法证明了系统的稳定性。该方案采用神经网络补偿系统中的非线性部分,设计了鲁棒项来增加系统的抗干扰能力。仿真结果充分证明了该方案的有效性和可行性。