基于模糊与神经网络技术的复杂非线性跟踪控制

针对一类具有不确定性、多重时延和状态未知的复杂非线性系统,把模糊T-S模型和RBF神经网络结合起来,提出了一种基于观测器的跟踪控制方案.首先,应用模糊T-S模型对非线性系统建模,设计观测器用来观测系统状态,并由线性矩阵不等式得到模糊模型的控制律;其次,构建了自适应RBF神经网络,应用自适应RBF神经网络作为补偿器来补偿建模误差和不确定非线性部分.证明了闭环系统满足期望的跟踪性能.示例仿真结果表明了该方案的有效性.     

基于均方指数稳定的随机时延网络系统的输出反馈控制

研究了随机时延网络系统的输出反馈控制问题.通过把网络诱导时延和数据丢包看做满足区间Bernoulli分布的等价时延,建立了随机时延网络系统模型.基于随机系统稳定性理论,以线性矩阵不等式形式给出了系统均方指数稳定条件和输出反馈控制器设计方法.仿真结果说明了该方法的有效性.     

具有随机时延和丢包的网络控制系统的镇定新标准

研究了具有网络诱导时延和丢包的网络控制系统的镇定问题.在把随机时延和丢包看做对导数没有任何限制且满足Bernoulli分布的随机等价时延的基础上,根据等价时延在不同区间上的概率取值,给出了一个建立网络控制系统的新方法.基于Lyapunov稳定性理论,结合线性矩阵不等式方法,得到一个新的镇定标准.     

一类模糊T-S模型互联系统的自适应容错跟踪控制

针对一类带有执行器故障的T-S模糊互联的容错跟踪控制问题,提出了一种模糊自适应容错控制器。该控制器由一个模糊控制器和一个自适应控制器组成,模糊控制器能够保证系统没有故障时闭环系统渐近稳定,而自适应控制器能够补偿系统的执行器故障。所提出的容错控制方法不但使得闭环系统渐近稳定、系统的输出渐近跟踪给定的参考信号,并获得H∞控制性能。最后应用Lyapunov函数和线性矩阵不等式的方法,给出和证明了带有执行器故障的T-S模糊互联系统的稳定的充分条件。仿真结果进一步验证了所提出方法的有效性。     

一类不确定非线性系统的执行器故障模糊容错控制

针对一类状态不完全可测的不确定非线性系统,研究了带有执行器故障的容错控制问题.采用 T-S模型对非线性系统进行模糊建模,利用并行分布补偿(PDC)算法设计了状态现潮器和基于状态现 潮器的客错控制,给出了保证该模糊容错控制系统稳定的充分条件.根据李雅普诺夫稳定性理论和线性 矩阵不等式(LMI),证明了所提出的模糊容错控制方法不但使得模糊控制系统渐近稳定,而且能够取得 H∞性能指标.计算机仿真结果进一步验证了所提出方法的正确性.     

RBF神经网络电流保护

传统继电器电流保护方案在实施的时候,受到的影响要素主要是来源于电力系统采用何种方式运行,以及各种常见的故障类型,而自适应电流保护解决方案可以很好的避免传统保护出现的弊端和缺陷.在此基础之上构建出一种基于RBF神经网络电流保护解决方案,这种系统主要运用的网络包含了3层RBF神经网络模型,主要的部分构成拥有三种不同的类型:故障方向判别、故障类型与相别判断.为了能够确保该系统能够可靠的实现保护,对其进行了深度的测试和各类型的仿真实验,通过最终获取的实验数据,分析之后得到RBF网络训练效率高效同时证明该电流保护方案在实践当中具备可行性.     

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.     

基于GA-BP的模糊神经网络控制器与Elman辨识器的系统设计

提出了一种基于神经网络的模糊控制系统 ,该系统由模糊神经网络控制器和模型辨识网络组成 .文中介绍了模糊神经网络控制器采用遗传算法离线优化与 BP算法在线调整 ,给出了具体控制算法 ,推导了变形 Elmam网络的系统辨识算法 .仿真结果表明了此法的可行性和有效性 .     

基于FHM模型的非线性网络化控制系统H_∞优化控制

研究了一类具有随机网络诱导时延,数据包丢失和扰动的网络化控制系统H_∞优化控制问题.针对一类非线性被控对象,基于状态反馈控制器,建立了网络化模糊双曲正切混杂系统模型.根据Lyqpunov稳定性理论,给出了系统可实现γ-次优H_∞镇定的充分条件和控制器优化参数的获取方法.仿真算例利用神经网络算法和线性矩阵不等式工具箱,完成了模型参数的辨识与最优扰动衰减度的求取,证明了分析方法和结果的有效性.     

PMSM伺服系统的神经网络动态面控制

针对永磁同步电动机(PMSM)伺服系统中存在负载扰动和参数不确定问题,提出一种新型的基于预估器的自适应神经网络动态面控制算法.采用神经网络在线辨识系统的不确定项.在控制设计中引入神经网络预估器,并利用预估偏差学习神经网络的权值向量.通过引入动态面控制技术克服传统反步递推控制设计中存在的"复杂性爆炸"问题.所提控制算法可以在实现快速自适应的同时,避免了控制输入中可能存在的高频信号和控制输入漂移问题,进而提高PMSM伺服系统的位置跟踪控制性能.仿真结果验证了所提控制算法的有效性,并且与现有自适应神经网络控制方案相比,基于文章提出的自适应神经网络动态面控制方案的PMSM伺服系统具有更好的位置跟踪性能.     

Robust adaptive neural network synchronization controller design for a class of time delay uncertain chaotic systems

In this paper, a robust adaptive neural network synchronization controller is proposed for two chaotic systems with input time delay and uncertainty. The studied chaotic system may possess a wide class of nonlinear time-delayed input uncertainty. The radial basis function (RBF) neural network is used to approximate the unknown continuous bounded function item of the time delay uncertainty via appropriate weight value updated law. With the output of RBF neural network, a robust adaptive synchronization control scheme is presented for the time delay uncertain chaotic system. Finally, a simulation example is used to illustrate the effectiveness of the proposed synchronization control scheme.     

基于观测器的非严格反馈时滞非线性系统的神经网络自适应控制

针对一类非严格反馈的时滞非线性系统,研究了一类基于观测器的自适应神经网络控制问题.针对系统中存在未知状态变量的问题,设计了一个状态观测器.利用反步法和径向基神经网络的逼近特性,提出了一种自适应神经网络输出反馈控制方法.所设计的控制器保证了闭环系统中所有信号的半全局一致有界性.最后,通过仿真验证了所提控制方法的有效性.     

Adaptive cooperative control of networked uncalibrated robotic systems with time‐varying communicating delays

This paper investigates the trajectory tracking control of the networked multimanipulator with the existence of time‐varying delays and uncertainties in both kinematics and dynamics. To address time‐varying delays in the communication links, a novel control scheme is established by the design of delay–rate‐dependent networking mutual coupling strengths. Besides, to handle the kinematic and dynamic uncertainties, an adaptive controller is designed. The proposed control scheme guarantees that the networked robotic system can track a commonly desired trajectory cooperatively with the strongly connected communication graph, uncertainties, and time‐varying communicating delays. A Lyapunov–Krasovskii functional is employed to rigorously prove the asymptotic convergence of both tracking errors and synchronization errors. The simulation results are provided to verify the effectiveness of the control method proposed by this paper.     

双臂空间机器人姿态、关节协调运动基于RBF神经网络的自适应控制算法

讨论了载体位置无控、姿态受控情况下,双臂空间机器人姿态、关节协调运动的控制问题．由Lagrange第二类方法及系统动量守恒关系,建立了漂浮基双臂空间机器人的系统动力学方程．以此为基础,借助于RBF神经网络技术、GL矩阵及其乘积算子定义,对双臂空间机器人系统进行了神经网络系统建模;之后针对双臂空间机器人所有惯性参数均未知的情况,设计了双臂空间机器人载体姿态与机械臂各关节协调运动基于RBF神经网络的自适应控制算法．提出的控制算法不要求系统动力学方程具有惯常的关于惯性参数的线性性质,且无需预知系统惯性参数的任何信息,也无需对神经网络进行离线训练、学习,因此更适于实时应用．一个平面漂浮基双臂空间机器人系统的数值仿真,证实了该控制算法的有效性．     

一类不确定长时延网络控制系统的H∞状态反馈控制

本文针对一类不确定的长时延网络控制系统，在系统方程右端加上扰动项，利用李亚普诺夫函数，借助线性矩阵不等式，设计出了使系统具有H∞性格指标的闭环系统渐近稳定充分条件，并设计出了状态反馈控制器，仿真实例表明结论具有可行性与有效性。     

Fuzzy speed control and stability analysis of a networked induction motor system with time delays and packet dropouts

Connecting a spatially distributed system with sensors, actuators, and controllers as a networked control system by a shared data network can reduce the wiring and cost remarkably. Networked control strategy has been utilized in remote operation of linear systems. Nonlinearity is the major barrier in implementing a networked control scheme on an induction motor, which is the most widely used motor in industrial applications. In this case, we designed a sliding mode flux observer to linearize the induction motor model, such that the application of the networked control scheme is feasible. Due to the variable QoS, a fuzzy logic speed controller is proposed to adapt various network conditions. As part of the networked controller, a state predictor is designed to compensate the time delay in the feedback channel. In stability analysis, the upper bounds of time delays and packet dropouts are both given in terms of the Lyapunov theorem. Finally, simulations are conducted employing TrueTime toolbox to demonstrate the effectiveness of the control strategy.     

带有摄动的随机非线性系统的自适应神经网络控制

针对一类带有摄动的随机严格反馈非线性系统,引入积分型Lyapunov函数,利用神经网络的逼近能力,后推设计方法以及Young's不等式,构造出一类简单有效的自适应神经网络状态反馈控制器,在一定条件下,通过Lyapunov方法,证明了闭环系统的所有信号在二阶或四阶矩意义下半全局一致终结有界.仿真结果验证了所提控制方案的有效性.     

Impulsive controller for wireless networked control system: Switched system approach

The problem of stabilization for wireless networked control system (NCS) with packet dropout and time delay is studied in this article. The impulsive control law for the NCS is defined with time delay and impulse. Using a switching model, the network‐induced imperfections can be treated as three switching subsystems. Therein, in the case of packet dropout, the control law use the previous state via the first‐order hold. The impulsive control law is designed using the switched system approach and the average dwell time method. The obtained sufficient conditions which can guarantee the exponential stability of switched system are in the form of linear matrix inequalities. Finally, a numerical example is used to demonstrate the merits and applicabilities of the proposed method. © 2015 Wiley Periodicals, Inc. Complexity 21: 291–299, 2016     

Research on mean square exponential stability of networked control systems with multi-step delay

A new control mode is proposed for networked control systems whose network-induced delay is longer than a sampling period. The proposed control mode can make full use of control information and improve the performance of the system. Under the control mode, the mathematical model of networked control systems is obtained. Markov characteristic of the transfer delay is discussed. Based on Markov chain theory, the infinite horizon controller is designed, which is shown to render corresponding networked control systems mean square exponentially stable. Simulation results show the validity of the proposed theory.