非最小相位非线性系统的简单递归神经网络控制(英文)

从简单递归神经网络的统一结构出发设计了简单递归神经网络控制器 ,在引入了控制加权的目标函数下优化神经网络权值学习 ,因此是通常意义的神经网络控制器的推广 .证明了整个系统的稳定性 ,并通过仿真验证了控制器的有效性 .

一类非线性非最小相位系统的直接自适应控制

针对一类不确定的离散时间非线性非最小相位动态系统,提出了一种基于神经网络和多模型的直接自适应控制方法．该控制方法由线性直接自适应控制器,神经网络非线性直接自适应控制器以及切换机构组成．线性控制器用来保证闭环系统输入输出信号有界,非线性控制器用来改善系统性能．切换策略通过对上述两种控制器的切换,保证闭环系统输入输出有界的同时,改善了系统性能．理论分析以及仿真结果表明了所提出的直接自适应控制方法的有效性．

一类非线性非最小相位系统的神经网络逆控制

基于对象的逆动力学模型,提出一种RBF神经网络逆控制的在线自学习控制方案。辨识器采用RBF神经网络和最近邻聚类学习算法,实现对象逆模型的动态辨识。并引入优化策略对聚类半径进行自动调整,以保证聚类的合理性。为克服逆控制对非最小相位系统的不足,利用构造伪系统的方法,构成一种对非最小相位系统仍然有效的神经网络逆控制器。仿真实验证明该控制策略不仅能使非线性非最小相位系统具有良好的动态跟踪性能,而且具有较好的抗干扰能力。

离散时间非线性最小相位系统的动态输出反馈镇定

研究了离散时间非线性最小相位系统的动态输出反馈镇定 .首先对离散时间非线性系统引入了逼近渐近稳定性的概念 .基于此概念 ,提出了一种动态补偿器设计的新方法 .主要结果是 ,如果一非线性系统的零动态是逼近渐近稳定的 ,则能用动态输出反馈镇定 .

一类非最小相位非线性系统的自适应控制

针对一类非最小相位的非线性系统，通过引入一个近似系统，提出了一种简单的间接自适应控制方法，并分析了采用该方法后系统输出的跟踪性能，给出了输出跟踪误差的上限。该方法可克服现有的非线性自适应控制方法只能控制最小相位的非线性系统并且容易产生过度控制的缺点。

非线性非最小相位系统伪线性复合控制

将多变量非线性控制理论中的伪线性化方法,应用于具有非线性、非最小相位特性控制系统的控制规律的设计,实现了被控对象的状态反馈线性化。针对具体的控制要求,将伪线性化方法与其他控制技术相结合,可以形成复合控制策略。基于流体动力机械控制系统的仿真结果表明,复合控制策略能有效改善被控对象的动态性能,增强其适应参数变化的能力,具有较好的速动性和鲁棒性。

基于神经网络的MIMO非线性最小相位系统鲁棒自适应控制

针对一类模型未知的具有不确定性和外部干扰的多输入多输出(MIMO)非线性最小相位系统提出了鲁棒自适应输出反馈跟踪控制方案。用高斯径向基函数(RBF)神经网络逼近对象未知非线性,用高增益观测器估计系统不可测量状态。所设计的鲁棒自适应控制器不仅能使闭环系统稳定,所有状态有界,而且跟踪误差一致最终有界,并保证最终边界足够小。仿真结果表明了所提出方法的有效性。

基于非线性PID的非最小相位系统控制

提出一种新型非线性PID控制器简单结构,利用非线性PID控制器的非线性特性,抑制非最小相位系统的右半平面零点所造成的负调问题,克服非最小相位系统的超调、负调和调整时间之间的矛盾。数值仿真结果表明,由非线性PID控制器构成的非最小相位系统具有良好的动静态性能、高的控制精度和较强的鲁棒性。数值结果说明方法有效,算法简单,易于实时实现。

MIMO非线性非最小相位系统的鲁棒跟踪控制

针对仿射多输入多输出非线性非最小相位系统,提出了一种新的鲁棒跟踪控制方案。用反馈线性化解耦系统输入输出关系,通过高增益状态反馈镇定系统外部动态,通过模型预测控制镇定系统内部动态,所设计的控制器能保证跟踪控制闭环系统的指数稳定性,且对系统参数扰动具有鲁棒性。仿真结果表明了所提出方法的有效性和优越性。

非线性弱最小相位系统的全局镇定

研究了非线性弱最小相位系统的状态反馈全局镇定问题 .在无通常要求被驱动系统全局渐近稳定的情况下 ,提出了若干全局可镇定的充分条件 .

非线性非最小相位系统的半全局自适应输出反馈控制

本文讨论了含有不确定性或未知扰动的非最小相位的非线性不确定系统的半全局自适应输出跟踪和输出反馈镇定问题。

一种变频系统的相位非线性测量方法

变频系统是现在雷达和通信系统中的重要组成部分,其非线性量对于系统性能有重要的影响。本文针对变频系统的非线性量测量问题,提出一种基于多通道相参的非线性量测量方法,该方法采用常用的点频源和示波器构建测量系统采集波形数据,并结合高效的相位测量算法,可准确地获得变频系统的非线性量。

多输入多输出最小相位系统的执行器故障自适应容错控制

针对一类具有执行器卡死或/和变执行器故障的多输入多输出(MIMO)非线性最小相位系统提出了自适应容错跟踪控制方案.结合系统特征对系统执行器进行分类,用神经网络逼近执行器未知故障函数,采用模型参考自适应容错控制方法设计控制律.所设计的控制律不仅保证闭环系统稳定,而且跟踪误差一致最终有界.仿真结果表明了所提出方法的有效性.

一类非线性系统的执行器组合故障自适应容错控制

针对一类具有执行器组合故障的多输入单输出非线性最小相位系统提出了自适应容错跟踪控制方案。考虑系统执行器卡死和部分失效组合故障,基于微分几何反馈线性化,设计了模型参考自适应容错控制算法。设计的控制律能够保证系统在执行器故障时闭环系统稳定,而且渐近跟踪给定的参考信号。仿真结果表明了所提方法的有效性。

具有扰动输入的不确定性非线性系统的输出调节极限性能

本文研究了一类具有扰动输入的不确定性非线性系统的输出调节问题,给出了该类系统在最差的不确定性参数和扰动输入情况下系统输出调节的极限性能.所讨论的非线性系统是可镇定非最小相位系统,并且该系统的零动态由"鲁棒输入对状态稳定(robust input-to-state stable)部分"和"不稳定但可镇定部分"组成.假设系统的不确定性参数和扰动输入分别以非线性函数和仿射形式同时出现在系统零动态的鲁棒输入对状态稳定部分和系统的可线性化部分,而且其可线性化部分的不确定性具有下三角形结构形式.该系统输出调节问题的性能以其输出信号能量作为度量.对于上述非线性系统,在最差的不确定性参数和扰动输入情况下,输出调节问题的极限性能只取决于镇定其零动态"不稳定部分"所需的最小能量.

不确定非线性系统自适应镇定的充要条件

研究了一类相当广泛的包含未知参数的非线性控制系统的自适应鲁棒控制问题,这类系统的标称系统包含一些非最小相位非线性系统和一些不存在相对阶的非线性系统．其未知定常参数是线性的．在一定假设条件下,对该类系统给出了存在自适应控制器的充要条件,并采用backstepping方法给出了控制器的设计步骤．所得主要结论没有用到增长性假设、最小相位假设和相对阶的假设．同时,还给出了不存在相对阶及非最小相位的非线性系统的例子,对于后者给出了控制器的设计过程．

通用神经网络非线性系统模型参考自适应控制

针对任意复杂的具有最小相位,滞后环节和非最小相位特性的离散非线性系统,提出一种通用的直接神经网络模型参考自适应控制。采用具有在线学习功能的最近邻聚类算法训练RBF神经网络控制器,同时引入优化策略对聚类半径进行自动调整,并利用构造伪系统的方法构成一种对非最小相位同样有效的神经网络模型参考自适应控制器。仿真研究证明,该控制策略不仅能使多种非线性对象跟踪多种参考信号,而且抗干扰能力和鲁棒性也很好。

一类非线性广义系统的状态反馈控制

针对状态空间为非最小相位的非线性广义系统的控制问题,首先利用算法求得非线性广义系统的状态空间实现,构建一个等价于原输出函数的综合输出函数,由此可任意配置非线性广义系统的状态空间实现的传输零点,使该状态空间实现为最小相位的;再对所得到的最小相位系统实施状态反馈控制,实现对非线性广义系统的状态反馈控制.并将此法应用到Logistic增长的SIR传染病模型上,以达到最终消除该传染病的目的.仿真结果表明所提方法可行有效.

零点配置与一类非线性广义系统的状态反馈控制

针对状态空间实现为非最小相位的非线性广义系统的控制问题,提出一种非线性广义系统的状态空间实现算法,构建了一个等价于原输出函数的综合输出函数,能任意配置状态空间实现的传输零点,使该状态空间实现为最小相位的.所构建的最小相位输出函数能直接用于构造状态反馈控制器,实现对非线性广义系统状态反馈控制.将所得结论应用于Logistic增长的SIR传染病模型,仿真结果表明了所提方法的有效性和可行性.

基于模糊规则的非线性系统快速建模方法

描述了一个通过学习从输入输出采样数据中提取MISO模糊规则的具有插值性能的新型模糊系统。提出的模糊模型继承了Sugeno模型及其变化形式的许多优点。对于新的模糊模型采用递推最小二乘估计方法代替启发式误差反馈学习方法辨识结论参数 ,整个辨识过程所需的计算时间相对于其他方法最短 ,适用于在线辨识。