Approximation-error-ADP-based optimal tracking control for chaotic systems with convergence proof

In this paper, an optimal tracking control scheme is proposed for a class of discrete-time chaotic systems using the approximation-error-based adaptive dynamic programming （ADP） algorithm. Via the system transformation, the optimal tracking problem is transformed into an optimal regulation problem, and then the novel optimal tracking control method is proposed. It is shown that for the iterative ADP algorithm with finite approximation error, the iterative performance index functions can converge to a finite neighborhood of the greatest lower bound of all performance index functions under some convergence conditions. Two examples are given to demonstrate the validity of the proposed optimal tracking control scheme for chaotic systems.

Off-policy integral reinforcement learning optimal tracking control for continuous-time chaotic systems

This paper estimates an off-policy integral reinforcement learning（IRL） algorithm to obtain the optimal tracking control of unknown chaotic systems. Off-policy IRL can learn the solution of the HJB equation from the system data generated by an arbitrary control. Moreover, off-policy IRL can be regarded as a direct learning method, which avoids the identification of system dynamics. In this paper, the performance index function is first given based on the system tracking error and control error. For solving the Hamilton–Jacobi–Bellman（HJB） equation, an off-policy IRL algorithm is proposed.It is proven that the iterative control makes the tracking error system asymptotically stable, and the iterative performance index function is convergent. Simulation study demonstrates the effectiveness of the developed tracking control method.

Fully distributed time-varying formation tracking control for multiple quadrotor vehicles via finite-time convergent extended state observer

This paper investigates a time-varying anti-disturbance formation problem for a group of quadrotor aircrafts with time-varying uncertainties and a directed interaction topology.A novel Finite-Time Convergent Extended State Observer(FTCESO)based fully-distributed formation control scheme is proposed to enhance the disturbance rejection and the formation tracking performances for networked quadrotors.By adopting the hierarchical control strategy,the multiquadrotor system is separated into two subsystems:the outer-loop cooperative subsystem and the inner-loop attitude subsystem.In the outer-loop subsystem,with the estimation of disturbing forces and uncertain dynamics from FTCESOs,an adaptive consensus theory based cooperative controller is exploited to ensure the multiple quadrotors form and maintain a time-varying pattern relying only on the positions of the neighboring aircrafts.In the inner-loop subsystem,the desired attitude generated by the cooperative control law is stably tracked under a FTCESO-based attitude controller in a finite time.Based on a detailed algorithm to specify the cooperative control protocol,the feasibility condition to achieve the time-varying anti-disturbance formation tracking is derived and the rigorous analysis of the whole closed-loop multi-quadrotor system is given.Some numerical examples are conducted to intuitively demonstrate the effectiveness and the improvements of the proposed control framework.

An observer based asymptotic trajectory control using a scalar state for chaotic systems

A state-observer based full-state asymptotic trajectory control （OFSTC） method requiring a scalar state is presented to asymptotically drive all the states of chaotic systems to arbitrary desired trajectories. It is no surprise that OFSTC can obtain good tracking performance as desired due to using a state-observer. Significantly OFSTC requires only a scalar state of chaotic systems. A sinusoidal wave and two chaotic variables were taken as illustrative tracking trajectories to validate that using OFSTC can make all the states of a unified chaotic system track the desired trajectories with high tracking accuracy and in a finite time. It is noted that this is the first time that the state-observer of chaotic systems is designed on the basis of Kharitonov＇s Theorem.

PC synchronization of a class of chaotic systems via event-triggered control

The PC synchronization of a class of chaotic systems is investigated in this paper. The drive system is assumed to have only one state variable available. By constructing proper observers, some novel criteria for PC synchronization are proposed via event-triggered control scheme. The Lii system and Chen system are taken as examples to demonstrate the efficiency of the proposed approach.

Arbitrary full-state hybrid projective synchronization for chaotic discrete-time systems via a scalar signal

In this paper we present a new projective synchronization scheme, where two chaotic （hyperchaotic） discrete-time systems synchronize for any arbitrary scaling matrix. Specifically, each drive system state synchronizes with a linear combination of response system states. The proposed observer-based approach presents some useful features： i） it enables exact synchronization to be achieved in finite time （i.e., dead-beat synchronization）; ii） it exploits a scalar synchronizing signal; iii） it can be applied to a wide class of discrete-time chaotic （hyperchaotic） systems; iv） it includes, as a particular case, most of the synchronization types defined so far. An example is reported, which shows in detail that exact synchronization is effectively achieved in finite time, using a scalar synchronizing signal only, for any arbitrary scaling matrix.

旋转导向系统稳定平台自适应动态面控制

井下的多种干扰因素为旋转导向系统稳定平台的控制器设计增加了复杂性。为了应对未知摩擦力矩和建模误差对稳定平台的不良影响,提出一种自适应神经网络动态面控制方法,该方法使用RBF神经网络逼近摩擦及干扰力矩,设置状态观测器获取由于相关参数不确定导致的建模误差,并引入动态面方法避免传统反步控制带来的“微分爆炸”,最后使用李雅普诺夫法证明系统的稳定性。结果表明,该控制方法在稳定平台模型存在摩擦力矩、未知干扰和建模误差的情况下,仍能使工具面角准确、快速地跟踪输入指令信号,具有较好的自适应性和鲁棒性。

基于有限时间扩张状态观测器的水下机器人精准跟踪控制系统设计

水下机器人在运动过程中极易受到水环境因素的干扰发生运动偏移,为了保证水下机器人的精准、稳定航行,利用有限时间扩张状态观测器优化设计水下机器人精准跟踪控制系统;设计有限时间扩张状态观测器、水下机器人传感器、跟踪控制器和推进器,强化硬件系统的密封防水设计强度,完成系统硬件设计;根据水下航行任务,规划机器人的航行轨迹,作为系统控制目标;求解机器人位置、姿态角、速度等运动参数,得出水下机器人的跟踪结果;利用有限时间扩张状态观测器检测航行环境参数,结合当前机器人状态的跟踪结果,计算机器人运动控制量,在硬件系统的支持下,完成系统的精准跟踪控制功能;通过系统测试实验得出结论,静力水环境场景下水下机器人的平均位置跟踪误差为14 m、平均角度控制误差为0.10°,航行速度控制误差为0.5 m/s;动力水环境场景下水下机器人的位置跟踪误差最大值为9 m、平均角度控制误差为0.10°、航行速度控制误差为0.5 m/s。

光电测量设备线性自抗扰跟踪控制研究

为了实现光电测量设备的精确跟踪控制,考虑模型参数不确定性、外界扰动等因素,从实际靶场应用角度出发,提出了双闭环PD与线性自抗扰(LADRC)相结合的跟踪控制方法。首先建立光电跟踪控制系统数学模型,设计外环PD位置控制器与内环LADRC速度控制器,搭建线性扩张状态观测器实现对系统总扰动的实时估计。通过仿真对比实验验证了PD-LADRC控制策略的有效性。结果表明:在正弦引导跟踪下基于PD-LADRC算法设备稳态误差≤0.469′,随机误差均方根值≤18.9″,具有准确的跟踪控制精度和良好的抗扰动能力。

振镜电机系统高性能数模混合驱动控制方法

为满足振镜电机系统高精度和高动态性能的控制需求,提出数模混合架构和扩张状态观测器(ESO)-滑模控制(SMC)复合的高性能驱动控制方法。采用基于数字式控制器和模拟式驱动器的数模混合架构设计,一方面便于实现高性能的非线性控制算法,另一方面能够消除数字式驱动器中脉冲宽度调制(PWM)技术导致的高频电流纹波。基于ESO和SMC复合的振镜电机位置环控制方法,通过ESO估计系统的各种扰动,利用SMC实时消除扰动影响,显著地提升了振镜电机系统的动态性能和鲁棒性。仿真和实验结果表明:相较于比例-积分-微分(PID)控制器,所提方法能够有效地提升系统的鲁棒性和动态响应性能,其中动态响应性能提升了29.4%。

基于新型趋近率的PMSM混沌同步控制

针对具有模型不确定性与外部扰动的永磁同步电机混沌系统,提出一种基于新型变速趋近律的自适应滑模抗扰同步控制方案,首先构造了双曲正切函数,并设计了新的变速趋近律,设置减速点,到达减速点前加快了滑模变量的收敛速度,到达减速点后减小增益,有效降低控制器的抖振幅值。同时,为进一步提高系统的抗扰动性能,引入了扩张状态观测器来估计系统扰动和内部不确定性用于前馈补偿。研究结果表明,所提出的基于扩张状态观测器的自适应滑模控制策略,可使具有不确定项与外部干扰的电机混沌系统在有限时间内同步,同时抑制了抖振现象,相较于传统的指数趋近律方法,抖振幅值减小了64%。

基于线性扩张状态观测器的挖掘机电液系统滑模控制

无人驾驶挖掘机器人实际工作环境恶劣,为提高铲斗在负载扰动下的轨迹跟踪精度,建立了挖掘机电液系统非线性数学模型,设计了基于线性扩张状态观测器的滑模控制器(Sliding mode controller based on linear extended state observer,SMC-LESO)。根据铲斗油缸活塞杆位移信号,利用设计的线性扩张状态观测器对系统的速度、加速度及负载扰动和不确定因素进行估计,解决了系统参数难以测量的问题。在此基础上,设计了滑模控制器,并证明了该控制器的Lyapunov稳定性。为进一步验证该控制器的有效性,建立了挖掘机电液比例控制系统的联合仿真模型,并与PID控制器、滑模控制器的轨迹跟踪精度进行对比。仿真结果表明,该控制器可以有效抑制扰动,位移跟踪精度高、鲁棒性强。

一类非线性大系统的动态递阶输出反馈镇定

本文应用递阶控制方法研究一类非线性大系统的输出反馈镇定问题.与分散控制不同,递阶控制包含一个系统,它根据所有子系统信息协调各子系统的本地控制.本文设计由各子系统输出驱动的动态中心协调系统,产生的协调信号被用于设计各子系统的状态观测器;然后,基于协调信号和观测器设计各子系统的反馈控制器.各子系统控制器经协调信号互相关联、协作,实现非线性大系统的镇定控制;最后,以仿真实例验证本文结论.

广义控制系统的动态补偿器镇定分析

阐述为实现状态观测器和状态反馈的结合而设计的动态补偿器,在广义系统的动态补偿器基础上进一步得到动态补偿器。利用广义系统的能稳性和脉冲能控、能检测、能观性,推出存在广义动态补偿器使闭环广义系统为容许的充要条件。

基于ESO的水下机器人机械臂系统鲁棒模型预测控制

考虑到海洋环境的复杂性、不确定性及水下机器人机械臂系统(UVMS)的强非线性、强耦合性等特点,提出一种基于扩张状态观测器(ESO)的鲁棒模型预测控制(RMPC)方法。首先基于UVMS的动力学特性,建立其动力学模型,并忽略不确定项和干扰给出其名义模型系统。然后,基于名义系统设计了RMPC算法。将原系统的不确定项、干扰以及建模误差等影响因素集总为扩张状态,设计了ESO对其进行估计,并在名义模型的RMPC基础上进行了补偿,以得到应用于UVMS系统的RMPC方法。最后通过仿真实验证明,基于ESO的RMPC具有很好的轨迹跟踪性能和抗扰动能力。

具有状态约束的机械臂切换自适应控制

为了解决具有状态约束的机械臂的控制问题,本文针对一类具有全状态约束和状态不完全可测的切换严格反馈非线性系统进行研究,通过引入状态观测器、自适应神经网络和动态表面控制技术,设计了一种基于径向基函数(RBF)神经网络的自适应输出反馈控制方法。利用Lyapunov方法和平均驻留时间理论(ADT)保证了闭环系统所有信号是半全局一致最终有界的(SGUUB),通过数值例子仿真验证了所提方法的有效性。最后将该方法应用于带电机驱动的机械臂并进行仿真实验,仿真结果表明,机械臂轨迹跟踪误差很小,有着良好的控制精度,同时也表明所提出的控制算法能够应用于实际工程模型。

机载光电跟踪系统的自抗扰与快速非奇异终端滑模组合控制方法

机载目标跟踪系统由于受到外部干扰、内部参数摄动和未建模动态等扰动的影响,使跟踪控制分系统设计面临巨大的挑战。以两轴四框架的光电稳定平台为对象研究抗扰动控制方法,针对自抗扰控制的扰动补偿一般留有扰动残差和滑模控制会引入较大抖振的问题,设计一种自抗扰与快速非奇异终端滑模组合控制的方法。利用线性扩张状态观测器来估计总扰动量并在控制端进行补偿,从而允许设计滑模控制的控制率时采用较小的滑模切换增益,并通过设计快速非奇异终端滑模面得到控制率,加快系统收敛的同时避免非奇异现象。数值仿真结果表明,该组合控制方法在外部扰动和模型不确定性的影响下,可以实现快速收敛与高跟踪精度的同时引入较小的抖振,并且实现了机载目标跟踪系统需求的快速响应性能,验证了这个组合控制方法的有效性。

基于高阶ESO的永磁直驱风电系统快速终端滑模控制

针对永磁直驱风力发电系统非线性强和风速多变问题,提出一种基于高阶扩张状态观测器HOESO(highorder extended state observer)的最大功率跟踪控制方法。首先利用高阶扩张状态观测器精确估计出由风速突变引起的系统转矩和转速变化,然后将其前馈补偿到快速终端滑模控制器中抵消干扰,增强系统的抗扰能力和鲁棒性。仿真结果表明,该方法能够实时估计风速引起的转矩扰动,转速控制精度高,实现最大程度利用风能。

全状态约束切换系统的自适应神经网络控制

为了解决非线性约束切换系统的控制问题,针对一类具有非对称时变全状态约束、状态不完全可测以及未知外部干扰的切换严格反馈非线性系统进行研究,引入状态观测器、自适应神经网络和动态表面控制技术,设计了一种基于径向基函数(RBF)神经网络的自适应输出反馈控制方法.通过采用非对称时变障碍李亚普洛夫函数(barrier lyapunov function,BLF)使系统的全部状态满足非对称时变约束条件,而Lyapunov方法和平均驻留时间理论则保证了闭环系统所有信号是半全局一致最终有界.最后,在所提控制律的作用下,输出跟踪误差可以减小到任意小,2个仿真实验结果也验证了所提控制算法的有效性.

基于状态观测器的电力系统混沌控制

针对带有周期性干扰的电力系统的混沌现象以及其控制问题,结合非线性扩张状态观测器理论和非奇异快速终端滑模控制,提出了一种基于扩张状态观测器的混沌控制方法。在系统部分状态不可测和存在未知项以及外部干扰的情况下,基于非线性扩张状态观测器估计系统的未知状态及不确定项,其中包括混沌电力系统的周期性干扰项。改进了双功率趋近律,可使系统在有限时间内实现信号跟踪,同时减小了控制器的抖震幅度。采用Lyapunov稳定性理论证明了系统的稳定性和有限时间收敛。通过仿真验证了所设计的控制方法的有效性。