带有未知死区非线性系统的自适应控制方案

针对一类带有未知死区的随机严格反馈非线性系统,提出了一种自适应模糊控制方案：利用命令滤波来处理退步方法的复杂性问题,并引入误差补偿机制克服动力学表面方法的缺点;此外,通过利用死区斜坡的边界信息,对未知的非线性系统不需要建立逆死区。与已有的结果相比,该方案的优点是：通过建立补偿信号消除滤波误差,且只有一个必需的自适应参数,这使该控制方案在实际应用中更有效;该控制方案,保证了闭路系统的所有控制信号最终一致概率有界,跟踪误差收敛到相应的紧集。     

一类组合非线性系统的自适应跟踪控制(英文)

讨论一类带有线性未知参数的非线性互联系统的自适应跟踪控制问题．基于线性系统的输入－输出线性化理论,设计了直接自适应控制方案来实现有界的跟踪．提出的方案对关联结构和子系统中的不确定均具有鲁棒性．一个数值例子说明了所得结果的可用性．     

具有饱和非线性输入的一类混沌系统自适应神经网络控制

针对一类具有饱和非线性输入的混沌系统,基于RBF神经网络的逼近能力提出一种控制方案。该方法利用自适应控制和鲁棒控制,使系统可在模型函数和外扰未知下,设计出结构简单有效的控制器,有效消除了现实中由于饱和非线性输入的存在而引起的控制器抖动的不良控制效果。仿真结果表明了所提控制方法的可行性。     

带死区非线性输入的未知混沌系统控制

针对具有死区非线性输入的未知混沌系统的控制问题,基于Lyapunov稳定性理论建立变结构模糊自适应控制器及系统参数的自适应规则。控制器的设计过程中无需知道未知非线性未知函数的上界及非线性控制输入的增益衰减度,该方法能有效消除死区非线性输入对系统的影响,并能保证闭环系统所有信号一致有界,跟踪误差渐近收敛到原点的一个可调邻域内。数值仿真的结果也验证了该方法的有效性。     

一类非线性系统的自适应模糊滑模控制

针对一类不确定非线性系统提出了一种自适应模糊控制方法。该方法用模糊逻辑系统(FLS)逼近理想控制器；用滑模补偿控制器(SMCC)全局补偿逼近误差和系统的不确定性并消除外部干扰的影响，能够保证闭环系统全局渐近稳定，跟踪误差收敛到原点的邻域内。在闭环系统的稳定性分析中取消了文[1-4]中要求的逼近误差平方可积的条件。     

一类非线性时滞系统的自适应动态面控制

针对一类严格反馈非线性时滞系统,提出了一种自适应神经网络动态面控制方案。通过引入一阶滤波器,避免了传统反演设计中的＂计算膨胀＂问题。通过构造恰当的Lyapunov-Krasovskii函数,对未知时滞项进行了补偿。此外,基于Lyapunov稳定性理论,证明了闭环系统所有信号半全局一致最终有界。最后,仿真实例表明了所提控制方案的有效性。     

带有死区模型的严格反馈非线性系统的自适应神经网络控制

基于后推设计方法,Nussbaum函数的性质及积分型李亚普诺夫函数,提出了一种自适应神经网络控制器的设计方案。通过引入示性函数,提出一种简化死区模型,取消了死区模型的倾斜度相等的条件。此外,该方法取消了函数控制增益符号已知和死区模型参数上界、下界已知的条件。理论分析证明了闭环系统是半全局一致终结有界。     

一类非线性系统的自适应模糊控制

对一类非线性系统提出一种新的模糊自适应控制方法．此方法用模糊逻辑系统逼 近未知函数,用自适应调节的方法来修正模糊逻辑系统的输入,以此对逼近误差进行补偿,文 中证明了该方法不但能保证闭环系统稳定,而且可使跟踪误差收敛于原点,仿真结果验证了此 方法的有效性。     

非线性系统的直接自适应模糊控制

对非线性系统的直接自适应控制进行了研究,通过对直接模糊控制方案的自适应律进行修改,来减小逼近误差对跟踪精度的影响。所给方法不但能保证闭环系统的稳定性,而且可使跟踪误差收敛到原点的小邻域肉。此外,还克服了外界干扰对系统的影响。     

一类非线性时滞系统的鲁棒自适应控制

针对一类含有非线性参数的非线性时滞系统．利用参数分离技术和后推方法,提出了一种自适应状态反馈控制方案,保证闭环系统的所有信号全局一致有界。通过构造Lyapunov—Krasoviskii泛函证明了系统的状态能收敛到零的一个小邻域内。     

一类严格反馈非线性系统的自适应神经网络控制

对一类具有摄动的严格反馈非线性系统,基于动态面控制技术,提出一种自适应神经网络的控制器的设计方案.该方法消除了严格反馈非线性系统后推设计中,由于反复求导而导致的复杂性问题.通过对下界的讨论,避免间接控制中的奇异性问题.利用李亚普诺夫方法,证明闭环系统是半全局一致终结有界,且通过适当选择参数,跟踪误差收敛可以达到任意小.仿真结果表明所提控制方法的有效性.     

一类相似组合大系统的自适应神经网络控制

针对一类具有未知死区模型和未知增益符号的不确定非线性相似组合大系统,利用简化死区模型,并引入Nussbaum函数,提出一种自适应神经网络滑模控制方法,取消了死区模型参数的上下界必须已知的条件以及控制增益符号已知的假设。通过利用积分型李亚普诺夫函数,证明了闭环系统半全局一致终结有界。     

一类非线性相似组合大系统的分散自适应滑模控制

基于滑模控制原理,针对一类具有未知增益和强关联项的非线性相似组合大系统的控制进行了研究,提出了一种分散自适应控制策略。通过理论分析和数值仿真,证明了分散自适应控制系统是全局稳定的,跟踪误差可收敛到零的一个邻域内。     

一类连续混沌系统的自适应同步控制

本文讨论了一类连续混沌系统的自适应同步控制问题，当被控系统含有未知参数时，采用Lya-punov函数方法，设计了一类控制器，对未知参数采用自适应调节，在该控制器的作用下，被控系统的输出自适应同步于具有混沌特征的驱动系统的输出。     

MIMO离散非线性系统的自适应Backstepping控制

研究MIMO离散非线性系统的自适应Backstepping控制,对包含两个三阶子系统的MIMO系统推出稳定的自适应控制器设计,并利用关键性引理和投影算法的性质证明了闭环系统的所有信号有界和保证跟踪性能.     

一类非匹配干扰的非线性系统的渐近跟踪控制

考虑一类具有非匹配周期时变干扰的不确定非线性系统的渐近跟踪控制。提出了能保证闭环系统的所有信号都有界并且跟踪误差趋于零的抑制干扰的新方法。