含有未建模动态的多输入非线性串级系统的自适应控制

本文对一大类含有未知参数和未建模动态的多输入非线性串级系统,基于backstepping递推设计方法,进行了自适应控制设计,得到的参数自适应律的阶次等于未知参数的个数,故该设计是非过参数化的.当自适应控制律作用于该系统时,闭环系统的所有信号是有界的.并且给出了第一子系统的状态界的一个估计.     

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.     

不确定非线性系统的周期信号自适应跟踪

考虑不确定非线性系统的周期信号的自适应跟踪问题. 系统的不确定性不能参数化,周期信号由一非线性系统产生.提出了跟踪周期信号的自适应控制律. 此控制律保证了闭环系统所有的信号有界和跟踪误差趋于零. 已有的有关的周期信号跟踪控制律只能保证跟踪误差的平方在一周期上的积分趋于零.     

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.     

基于动态面技术的随机非线性关联系统的输出反馈控制

针对一类参数不确定且含有未知关联项的随机非线性关联系统,提出了一种自适应输出反馈控制方案.该方案利用K滤波器估计不可量测的系统状态,将动态面技术与输出反馈控制相结合,避免了传统后推设计过程中对虚拟控制律反复求导出现的"复杂性膨胀"问题,设计的自适应动态面控制器可以确保闭环系统中的所有信号在概率意义下半全局一致终结有界,且跟踪误差收敛到一个小的残差集内.     

具有未建模动态耦合大系统的分散自适应动态面控制

对一类具有未建模动态的非线性耦合大系统,利用神经网络逼近未知非线性连续函数,提出一种分散自适应神经动态面控制方案,该方案通过引入一个动态信号克服了未建模动态,利用分离技术放宽了对系统扰动及耦合项的限制条件,将动态面控制与后推设计相结合,有效地解决了后推设计中需要对虚拟控制反复求导所导致的设计复杂性问题,最终实现了耦合大系统的分散自适应控制。通过理论分析,证明了闭环系统所有信号是半全局一致终结有界的,通过适当选取设计参数,跟踪误差能够收敛到零的一个小邻域内,仿真结果表明了所提控制方案的有效性。     

一类高阶非完整系统的鲁棒适应模糊控制

针对一类带有强漂移项的高阶非完整系统,基于后推设计方法,input-state-scaling变换技巧和模糊系统的逼近能力提出了一种新的自适应控制方案.该方案保证闭环系统的所有信号最终一致有界,且系统的状态收敛到零的一个小邻域内.     

一类非仿射非线性系统的神经网络自适应跟踪控制

考虑了一类具有零动态的非仿射非线性不确定系统的神经网络直接自适应跟踪控制问题.控制信号由神经网络系统直接产生,无需另外设计系统估计器及鲁棒控制项.采用梯度下降方法以最小化神经网络控制器与未知理想控制器的误差代价函数产生神经网络白适应参数更新律.应用Lyapunov方法证明了闭环系统的稳定性及跟踪误差和相应闭环系统的所有状态最终一致有界性.最后针对带有外部扰动的非仿射非线性系统的仿真结果验证了该文方法的有效性.     

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.     

非最小相位高超声速飞行器自适应动态面控制

研究存在参数不确定和非最小相位特性的吸气式高超声速飞行器的控制律设计问题.通过深入分析被控对象的动力学特点,提出了一种新型设计思想.将系统分为速度子系统和俯仰动力学子系统分别进行设计.针对速度子系统,设计自适应动态逆控制;针对非最小相位俯仰动力学子系统,设计高增益自适应动态面控制.稳定性分析表明,系统的跟踪误差是一致最终有界的,其它状态是有界的.最后的数值仿真验证了该方法的有效性.