DoS攻击下多智能体系统的事件触发编队控制

文章研究了拒绝服务(DoS)攻击情况下多智能体系统基于事件触发的编队控制问题.首先,基于系统状态构造了一种滑模编队控制算法,有效地克服外部干扰并实现时变编队.为了避免控制资源浪费,将事件触发策略应用于多智能体系统的编队控制中,并对奇诺(Zeno)现象的避免进行了详细的分析.假设DoS攻击是周期性发生的,针对具有DoS攻击的多智能体系统,提出了一种改进的触发机制,使其仍然能完成编队控制任务,并通过Lyapunov函数法和归纳法证明了控制系统的稳定性.最后,仿真结果验证了该方案的有效性.     

机械臂系统的自适应跟踪控制

考虑一类非线性机械臂系统的跟踪控制.该系统包含未知的定常参数和多个未知的周期时变参数.提出了一种新的自适应跟踪控制方法,该方法能保证闭环系统的所有信号有界,且跟踪误差趋于零.     

模糊仿生间接自适应控制用于逼近误差的估计

针对一类不确定非线性系统,提出将生物个体对外界环境的适应对策引入到间接模糊自适应控制方法.方法的特点是将生物个体的主动自适应性与模糊控制相结合,将反应生物特性能力的结构单位生态位作为模糊规则后件.在仿生模糊系统的基础上,利用Lyapunov综合方法形成状态反馈仿生自适应控制算法,关键问题是重构误差有界,得到的系统具有良好逼近性.仿生控制律有两部分构成,一部分是等效控制,另一部分是边界控制,边界参数自适应律被用于这个边界控制,根据稳定性理论,证明闭环系统的全局稳定性.最后对倒立摆系统进行了仿真,结果证明了该方法的有效性和可行性.     

具有外部干扰的非线性多智能体系统的编队控制

多智能体系统编队控制因广泛应用于军事,航天,生物学等领域,成为国内外学者的关注热点.在实际应用中,当系统受到环境噪声等外部干扰时,利用领航者-跟随者的相对状态信息构造控制器无法形成预期队形.为解决这个问题,文章针对一类带有外部干扰的非线性多智能体系统,研究了领航-跟随编队控制问题.首先设计干扰观测器补偿外部干扰.其次利用自适应方法,给出了完全分布式的控制协议.再次选取适当的参数,证明了该分布式控制协议能实现系统的编队控制.最后通过仿真算例,验证了协议的有效性.     

非线性时变系统自适应backstepping学习控制

针对含有混合未知参数的高阶非线性系统,利用backstepping方法,提出了一种自适应重复学习控制方法,该方法与分段积分机制相结合,可以处理时变参数在一个未知紧集内周期性快时变的非线性系统,通过构造微分-差分参数自适应律,设计了一种自适应控制策略,使跟踪误差在误差平方范数意义下渐近收敛于零,利用Lyapunov泛函,给出了闭环系统收敛的一个充分条件.实例仿真结果说明了该方法的有效性.     

电液位置伺服系统的鲁棒自适应控制

针对由于参数不确定性、非线性等因素导致的电液位置伺服系统跟踪控制问题,基于Lyapunov(李雅普诺夫)稳定性理论,提出了一种具有参数自适应能力的鲁棒自适应反步方法.通过设计的自适应律来抑制由于参数不确定性对系统跟踪控制性能的影响,设计的鲁棒控制律使得系统具有全局一致渐近稳定性能.此外,还对伺服阀换向引起的不连续性进行了近似处理.以伺服阀控对称缸系统为控制对象,仿真结果表明,和传统的PD控制方法相比,在参数不确定性的情况下,该控制方法使得电液伺服系统的位置跟踪误差波动较小,且能以较快速度渐近收敛到0,同时所需要的伺服阀输入电压信号值也更小,相关不确定参数在经过较短时间后均可以收敛到其稳定值,从而验证了所提出算法的有效性.     

非线性多时滞系统的直接自适应模糊控制

针对一类单输入单输出非线性多时滞系统,提出了一种自适应模糊跟踪控制方案.该方案结合了自适应控制和H∞控制.构建了自适应时滞模糊逻辑系统用来逼近未知时滞函数;设计了H∞补偿器来抵消模糊逼近误差和外部扰动.根据跟踪误差给出了参数调节规律.证明了误差闭环系统满足期望的H∞跟踪性能.仿真结果表明了该方案的有效性.     

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.     

一类分数阶超混沌系统修正函数投影同步的滑模控制

对一类具有未知参数的分数阶超混沌系统的修正函数投影同步进行研究.通过设计响应系统的补偿器,进而得到修正函数投影同步的误差系统.基于自适应滑模控制理论和分数阶微分系统的稳定性理论,设计了一种自适应同步的控制方案.通过选取自适应滑模控制器以及参数自适应控制率,最终实现了驱动系统和响应系统修正函数投影同步,并可以对不确定参数进行估计.最后针对结论,以分数阶超混沌L(u|¨)系统为例,利用Adams-Bashfortlh-Moultom算法进行数值仿真,其结果说明了该方法的有效性和可行性.     

具有饱和输入和非严格反馈结构的切换非线性系统的自适应模糊控制

针对一类具有非光滑饱和输入和非严格反馈结构的任意切换规则下的非线性切换系统,给出了一种模糊减少计算量控制算法.通过构造公共Lyapunov函数,利用模糊系统对非严格反馈结构和未知不确定函数进行建模,采用辅助函数补偿饱和输入问题,基于逼近最优估计参数的界以减少在线自适应调节参数数目.该控制算法在任意切换规则下不仅可以调节输入饱和不确定性,还可以减少自适应调节参数.基于Lyapunov稳定性理论证明闭环系统的所有信号是有界的.数值仿真结果可以有效地验证控制器和自适应律设计算法的可行性.     

卫星姿态跟踪的间接自适应模糊预测控制

对含模型不确定性和未知干扰的卫星姿态系统提出了具有间接自适应模糊补偿的广义预测跟踪控制方法. 首先基于卫星姿态动力学模型设计了非线性广义预测控制律, 再利用自适应模糊系统逼近预测控制律中的模型不确定项, 使得所得到的预测控制算法可实施.证明了当卫星姿态模型中不确定项满足一定条件时, 所设计的控制律可使卫星姿态跟踪误差收敛到原点的小邻域内,并仿真结果验证了所提出方法的有效性.     

不确定电液位置伺服系统的自适应终端滑模控制

为了解决非线性、不确定电液伺服系统的位置跟踪控制问题,提出了一种基于反步法的自适应终端滑模控制方法.该方法将自适应控制和终端滑模方法结合在一起,一方面,提出的自适应控制律可以对电液伺服系统中的不确定性参数进行有效在线估计和补偿;另一方面,通过引入误差吸引子到滑模趋近律中得到变系数趋近律,设计的终端滑模控制律不仅能够消除普通终端滑模控制律中的非奇异项,还大大降低了滑模面的抖震.最终,根据Lyapunov稳定性理论,位置跟踪误差的有限时间稳定性得以严格证明.将该方法与积分反步滑模控制和线性滑模控制方法进行了对比研究,仿真结果验证了该方法在电液伺服系统位置跟踪控制方面良好的鲁棒性和跟踪精度.     

非参数不确定系统的自适应迭代学习控制

针对一类含非参数不确定的受限非线性系统,提出一种新的自适应迭代学习控制算法.该算法利用神经网络(neural network)逼近系统中的非参数不确定性,神经网络的权值通过迭代轴上的自适应算法进行更新.控制器设计补偿项对神经网络逼近误差上界进行估计以此消除其影响.采用一种新的障碍李雅普诺夫函数(barrier Lyapunov functions)并与组合能量函数(composite energy function)方法相结合,当系统中同时存在非参数不确定性,随机初始误差,及非严格重复外部扰动时,能够保证系统同时满足输入和状态受限要求.将所提出的算法应用于高速列车运行控制系统,仿真结果验证了算法的有效性.     

无需精确初始误差的纯反馈系统实用预设时间保性能控制设计

暂态行为、稳态精度、调节时间和收敛速率是评价控制系统闭环性能的四个关键指标.文章针对非匹配的不确定纯反馈非线性系统,提出了一种同时满足以上四个指标的跟踪控制设计方案.该方案通过设定性能函数来保证系统输出信号始终保持在由该函数边界形成的包络范围内.同时,在一种新颖的误差转换机制控制下,闭环系统的稳态精度和调节时间可以被预先设定.文章使用神经网络来逼近完全未知的非线性函数,其中神经网络的权值可以通过自适应律在线更新.另外,文章在自适应律中加入σ-修正项以避免估计参数发生漂移现象.最后,仿真结果验证了所提控制方法的有效性和在控制性能上的优越性.     

基于动态BP网络误差修正的广义预测控制

针对建模误差对非线性系统预测控制鲁棒性的影响 ,提出了一种基于动态 BP网络的广义预测控制算法 .该算法运用动态 BP网络对模型预测误差进行在线补偿 ,以提高预测精度 .仿真结果证明了本文提出的广义预测控制算法对于非线性系统是有效的     

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。     

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.     

一类广义迭代学习控制系统的状态跟踪算法

利用迭代学习控制方法,研究了一类广义系统的状态跟踪问题.针对广义系统的分解形式,提出了一种新的迭代学习控制算法,该算法由部分D型算法和部分P型算法混合而成.给出了新算法的收敛条件,并从理论上对新算法进行了完整的收敛性分析.数值仿真结果说明了所提出的广义系统状态跟踪的迭代学习控制算法的有效性.