一类非线性不确定系统的鲁棒自适应模糊跟踪控制

针对一类单输入单输出非线性不确定系统，提出一种稳定的间接自适应模糊控制方法。该方法考虑了跟踪误差和逼近误差对参数自适应律的共同影响，并对模糊逼近误差和外扰采用H∞补偿控制。仿真结果表明本文所提出的方法具有良好的跟踪性能。     

非线性时滞系统的直接自适应模糊控制

针对一类具有摄动的严格反馈非线性时滞系统,基于后推设计方法,利用第一类模糊系统的逼近能力,提出了一种新的直接自适应控制方案。该方案避免了虚拟控制增益符号已知的假设。设计中引入连续鲁棒项对系统的摄动部分进行抑制。通过理论分析,证明了闭环系统是半全局一致终结有界的,跟踪误差收敛到一个小的残差集内。     

多输入多输出非线性最小相位系统的自适应模糊控制

针对多输入多输出非线性最小相位系统,把自适应模糊控制和自适应模糊辨识结合起来,提出了一种自适应模糊控制方案.设计辨识器用来辨识系统的未知部分;然后由跟踪误差和辨识误差给出了参数调节规律,两种误差同时调节参数改善了系统性能.模糊逻辑系统用来估计未知函数.控制方案保证了系统的稳定性,实现了有界跟踪.仿真结果表明了该方案的可行性.     

基于逼近误差调节的髋关节康复机器人自适应模糊容错控制算法的研究

针对基于人体生物动力学设计的一种髋关节康复机器人,在模型参数不确定的情况下,研究执行器故障容错控制问题.根据人体髋关节活动特点,给出了康复训练中期望跟踪轨线的数学表达式;对康复机器人的旋转驱动器提出了基于分层模糊系统的间接型自适应容错控制算法,对4个线性驱动器给出了直接型自适应模糊容错控制算法.该方法对逼近误差估计值在线调节,用此估计值设计补偿控制项以减小逼近误差对跟踪精度的影响.基于Lyapunov理论,对所设计的控制方案作了稳定性分析.此外,还给出了矩阵Lyapunov方程解的特征值的性质,为减小跟踪误差提供了理论依据.仿真结果表明所提出的控制方案可使髋关节康复机器人圆满完成训练任务.     

非仿射高阶关联大系统的分散模糊输出反馈控制

针对一类仅子系统输出变量可测的非仿射不确定非线性关联大系统,考虑其关联项是关于系统状态的普通高阶多项式,在无须严格正实(SPR)的条件下采用Leunberger观测器观测未知状态向量,结合模糊系统的万能逼近原理,监督控制技术和自适应控制技术,借助反证法提出一种新的分散自适应模糊输出反馈控制方案,该方案不仅取消了逼近误差平方可积的假设条件,而且控制增益隐含数一阶导数的上界是更具一般性的未知非线性函数,基于Lyapunov稳定理论分析证明了闭环系统的全局稳定性,跟踪误差收敛到零,仿真结果表明所提控制方案的有效性.     

Willis环状脑动脉瘤系统的自适应模糊控制

针对不确定非线性生物系统—W illis环状脑动脉瘤系统,利用高斯型模糊逻辑系统的逼近能力及新构造的Lyapunov函数,基于模糊建模提出了一种自适应模糊控制器设计的新方案.该方案把逼近误差引入到控制器设计条件中用以改善系统的动态性能.不但设计简单还保证了控制方法的鲁棒性与稳定性.通过反向传播算法调整模糊基函数参数及递归最小二乘法调整参数向量,θ更新控制律,实现了理想跟踪.从理论上研究了脑动脉瘤内血流速度的非线性行为及控制,具有实际意义.仿真结果表明该控制方法的有效性.     

基于观测器的直接自适应模糊控制

针对一类不确定非线性系统,利用H∞控制技术和T-S模糊系统,提出了一种基于观测器的直接自适应模糊控制方法。该方法不需要系统的状态变量完全可测。通过引入最优逼近误差补偿项,取消了最优逼近误差平方可积的假设条件。基于Lyapunov稳定理论,证明了闭环自适应模糊系统是半全局一致终结有界的,且跟踪误差渐近收敛到零。仿真结果表明所提设计方法的有效性。     

一类非线性动态系统的混合H2/H∞模糊输出反馈跟踪控制

讨论一类非线性动态系统的混合H2/H∞模糊输出反馈跟踪控制问题。首先利用T-S模糊模型对系统进行建模,然后设计基于观测器的控制器,使跟踪误差尽可能的小,并且对于任何有界参考输入,满足给定的H∞跟踪性能,以及在满足给定的H∞跟踪性能下,达到H2次优控制性能,最后将观测器与控制器的设计问题转化为EVP(特征值问题)。     

基于RBF神经网络的一类非线性时滞系统自适应控制器设计

针对一类带有未知非线性函数的严格反馈非线性时滞系统,设计了一种自适应神经网络控制器.选择径向基函数神经网络逼近未知的非线性函数.所提出的控制方案能保证闭环系统的所有信号是全局一致最终有界的.证明了跟踪误差信号将收敛于一个小紧集内.仿真实例验证了所提出方法的有效性.     

一类MIMO非线性系统的稳定自适应模糊控制

针对一类 MIMO不确定非线性系统 ,基于一种修改的李亚普诺夫函数并利用 I型模糊系统的逼近能力 ,提出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 ,证明闭环控制系统是全局稳定的 ,跟踪误差收敛到零。仿真结果表明了该方法的有效性。