具有复合非线性特征不确定系统的自适应反推控制

针对一类具有复合非线性特征的不确定系统,提出了一种自适应反推多滑模近似变结构控制方案.基于模型分解的方法建立了具有复合非线性特征的执行器模型.论文设计径向基函数神经网络近似系统的未建模项,借鉴Nussbaum增益设计技术解决控制增益未知的问题,使用自适应律估计不确定干扰和神经网络近似误差的上边界.自适应近似变结构控制能...     

一类不确定非线性系统的鲁棒自适应L2-增益控制

基于Backstepping递推设计方法对一类复杂不确定非线性系统提出了鲁棒自适应L2-增益控制方法。该方法结合了自适应控制和L2-增益控制≤γ的优点。它不仅使系统具有鲁棒性还使其对干扰具有L2-增益控制。同时，把常规设计方案需要过多参数进行辨识问题简化为只需与未知干扰个数相同参数进行辨识，简化了控制器结构。本文由于所研究对象为一般非线性系统，因此其结果具有一般性。最后。通过仿真算例验证了本文所设计控制方法的有效性。     

基于神经网络动态逆的歼击机自适应跟踪控制

基于神经网络动态逆方法，给出了一种非线性模型参考自适应跟踪控制方案。应用神经网络直接对非线性系统求逆方法解决了逆系统方法的两个“瓶颈”问题，并且克服了传统的控制设计中将过程模型线性化，从而将不可忽视的非线性关系用线性关系代替或者忽略的弊端。对由于建模误差、不确定因素等引起的非线性系统逆误差，通过自组织模糊小脑模型关节控制器(Self—organizing fuzzy cerebellar model articulation controller，SOFCMAC)神经网络在线进行修正。SOFCMAC神经网络扩大了寻优空间，使其能更好地重构系统逆误差，最终实现准确的鲁棒自适应跟踪控制。通过将这种方法用于某型歼击机姿态系统控制的仿真研究，表明了本文方法的有效性和可行性。     

超机动飞行的神经网络动态逆控制

根据反馈线性化理论，讨论了神经网络自适应非线性动态逆控制设计。首先根据时标分离的原则，采用动态逆方法设计了快回路和慢回路控制器；其次提出了模型的神经网络非线性直接自适应控制方案，其中设计一种在线神经网络用于补偿模型逆误差。仿真表明，该控制方案具有较好的自适应能力的鲁棒性。     

基于模糊小波神经网络的四旋翼飞行器鲁棒自适应控制

针对四旋翼飞行器的飞行控制问题,提出了一种基于模糊小波神经网络的鲁棒自适应滑模控制方法。首先利用牛顿-欧拉方程得到四旋翼飞行器的动力学模型,然后用模糊小波神经网络在线逼近系统中的外部扰动和未建模不确定动力学特性,最后提出鲁棒自适应滑模控制算法,通过Lyapunov稳定性理论证明了整个飞行控制系统的稳定性。仿真和实验结果验证了所提出控制方法对外界干扰和模型的不确定性具有较好的鲁棒性和自适应性。     

一类非线性系统的自适应模糊控制

针对一类具有未知常数控制增益的非线性系统，基于滑模型控制原理并利用Ⅰ型模糊系统的逼近能力，提出了一种自适应模糊控制器设计的新方案，该方案通过引入最优逼近误差自误应补偿项来消除建模误差的影响，从而在稳定性分析中取消了要求逼近误差平方可积或逼近误差的上确界已知的条件，通过理论分析，证明了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。     

基于观测器／滤波器结构的高精度转台自适应摩擦补偿

针对具有非线性动态摩擦的高精度转台系统,为了处理两种不同类型的摩擦参数不确定性,提出了两种自适应摩擦补偿方案。所提的两种方案均利用一种非线性观测器／滤波器结构来补偿转台系统中相应摩擦参数的不确定性。此外,第二种方案在双非线性滤波器中引入了可调增益,并通过调节滤波器增益来提高系统的位置跟踪性能。两种情况下,均采用基于Lyapunov的方法证明了整个闭环系统的全局渐近稳定性。仿真结果表明了所提方案的有效性。     

基于Lyapunov方法的非线性系统自适应观测器设计

针对一类满足L ipsch itz条件的具有未知参数的非线性系统,利用Lyapunov方法对L ipsch itz非线性系统自适应观测器的设计问题进行了研究。基于分析求解代数R iccati方程给出求解问题的不完善性、特征结构配置理论给出设计方法的重特征值限制性、对不同形式的观测器增益矩阵求解方法进行比较,最终选用线性矩阵不等式来改进观测器增益矩阵的选取方法。在观测误差稳定的条件下,得出了基于线性矩阵不等式方程设计状态观测器的增益矩阵,保证系统的状态估计误差收敛到零,并对其进行了仿真研究。结果证明,本文所构造的非线性观测器增益矩阵方法明显优越于其他方法,增强了系统的鲁棒性。     

不确定非线性系统的鲁棒输出跟踪

研究了一类具有参数不确定性和外界干扰的仿射非线性系统鲁棒输出跟踪控制问题。首先利用微分几何理论中的输入输出反馈线性化技术钭不确定线性系统通过一非线性状态变换化为线性化规范形，然后利用变结构控制的思想提出了一种基于标称系统和不确定性范数界的鲁棒输出跟踪控制器设计方案，并用李雅普诺夫稳定性理论证明了利用本文设计的跟踪控制器可保证闭环系统是有界稳定的，且稳态输出跟踪误差为零。由于所设计的跟踪控制律连续，克服了常规变结构控制方案可能引起的高频抖振现象。将本文结论应用于一空间飞行器的姿态跟踪控制问题，仿结果表明了该设计方法的有效性。     

无人机非线性非仿射飞控系统的自适应模糊H∞ 输出反馈控制及其应用

研究了非仿射非线性系统的模糊自适应H∞输出反馈跟踪。在非仿射非线性模型不确定或未知的情况下,首先将非仿射系统展开为仿射系统的形式,使用模糊自适应控制器对系统进行控制,然后基于Lyapunov稳定性定理得出自适应律,并通过解一个代数Riccati方程实现了H∞跟踪性能。在状态不可测情况下,引入高增益观测器估计系统状态并设计了输出反馈控制器,实现了系统的输出反馈控制性能。最后,通过对无人机飞行控制的仿真验证了算法的有效性。     

基于神经网络的一类非线性系统自适应回馈递推控制

文章针对一类非线性系统,研究了一种基于回馈递推法的自适应神经网络控制方法.首先基于隐函数定理和中值定理推导出模型跟踪误差的动态特性,再利用多层感知器神经网络并设计适当的权值调整规则使其能够自适应的逼近和补偿误差提高系统的鲁棒性.基于Lyapunov方法证明了闭环系统所有信号有界且跟踪误差收敛到一个很小的邻域,所得到的闭环系统是一致稳定的.仿真结果验证了所研究算法的有效性.     

一类基于神经网络的非线性时延系统的稳定性分析和控制

针对一类有参数摄动和时延的非线性不确定性系统．提出了一种稳定性分析方法。控制方案将鲁棒控制和神经网络控制结合起来．首先由线性矩阵不等式(LMI)设计了参考模型即系统线性部分的鲁棒控制器,然后用神经网络来消除系统建模不确定非线性部分。稳定性分析中综合了参数摄动、时延和神经网络权值．合理地选择Lyapunov函数证明了误差闭环系统的稳定性．     

不确定串联非线性系统具有L2增益的鲁棒自适应控制

研究了一类含有未知参数和干扰的串联非线性系统H∞鲁棒自适应控制问题。结合H∞控制和自适应控制，基于李亚普诺夫函数递推设计方法设计了H∞状态反馈自适应控制器，并且得出了控制器的精确解，避免了求解HJI不等式设计控制器的困难。该控制器不仅保证闭环系统ISS稳定，而且使得系统对于所有允许的参数不确定从干扰输入以可控输出的L2增益不大于给定的值。仿真结果表明了所设计的控制器的可行性和有效性。     

直升机神经网络反馈线化飞行控制

以SH－2G为控制对象，采用基于神经网络的非线性系统反馈性化控制方法，进行直升机机动飞行仿真，仿真结果表明，所设计的神经网络具有逢适应能力，能够在线补偿反馈线性化所产生的逆变换误差，这种方法无须获得动态逆模型，而只需某一个状态下的动力学模型，就能在全包线提供有效的控制，既避免了传统方法的增益调参，又解决了难以获得动态逆模型及计算量大的问题，是一种很有发展潜力的智能控制方法。     

基于模型参考自适应的高超声速飞行器容错控制

针对执行机构部分失效情况下高超声速飞行器控制器的设计问题,提出了一种模型参考自适应容错控制设计方案。依据线性化的高超声速飞行器名义模型,设计名义反馈控制增益,并确定一个可保证自适应控制安全的参考模型,然后设计自适应补偿控制器消除执行机构控制效益及系统参数不确定性的影响。提出的自适应参数估计律由滤波的误差信号和特别设计的预测误差信号驱动,可实现更好的参数估计。该方案能保证闭环系统的稳定性,并能保证执行机构部分失效及系统参数不确定情况下的控制性能。仿真结果验证了该控制方法的有效性,在执行机构部分失效情况下,控制系统实现了良好的跟踪性能。     

无人直升机自适应神经网络姿态控制

回顾了自适应飞行控制技术、反馈线性化和模型逆理论，分析了误差动力特性．设计了自适应神经网络姿态控制系统。其中，模型逆基于悬停状态，基于神经网络的自适应控制律能够确保跟踪误差和控制信号的有界。仿真结果表明：模型逆增强的非线性神经网络能够对无人直升机的不确定性和建模误差进行自适应。而且对PD控制器和鲁棒项系数变化的仿真结果进行了比较。     

一类非线性系统的模糊自适应跟踪控制

针对一类非线性系统，把模糊T—S模型和自适应模糊逻辑系统两种模糊逻辑方式结合起来，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；由线性矩阵不等式得到模糊模型的控制律。其次，构建了自适应模糊逻辑系统；应用基于权值、中心和宽度三个参数可调节的自适应模糊逻辑系统作为补偿器来补偿建模误差。文中证明了闭环系统满足期望的跟踪性能，实现了跟踪目的。两连杆机械臂的仿真结果表明该方案消除了建模误差对跟踪的影响。     

具有输入约束的飞机姿态L1自适应控制

针对具有模型不确定性、控制舵面故障以及非线性干扰的飞机俯仰姿态控制问题,基于L1自适应方法设计增广控制器。设计合适带宽的低通滤波器,以满足控制器快速自适应要求,保证系统输入输出信号的一致性能有界。考虑伺服控制实际存在的幅值约束,推导出所设计的自适应控制系统的稳定性条件及其性能界,即忽略幅值约束时,选择足够大的自适应增益,闭环系统性能能够任意接近参考系统;考虑幅值约束时,闭环系统的性能可以通过增大自适应增益得以改善,但是不能任意接近参考系统。仿真验证了所设计的飞机姿态控制系统的有效性,结果表明控制器对有界不确定性和干扰具有鲁棒性,同时满足输入约束要求。     

基于保护映射的尾坐式飞行器过渡过程控制（英文）

针对尾座式飞行器过渡阶段动力学模型的大范围非线性变化问题,结合保护映射理论和H_∞控制理论设计自适应控制增益调度技术。将提出的自适应控制增益调度技术对尾座式飞行器过渡过程的纵向模型进行航迹角跟踪,并与传统的基于增益调度技术的LQR方法进行对比。仿真结果表明:基于保护映射理论设计的控制器能够自主切换合适的控制律,完成过渡过程的稳定转换,并且本文方法比基于传统增益调度技术的LQR方法显示出了更好的跟踪性能。     

一种直升机的组合智能飞行控制系统的设计

讨论了模糊逻辑控制与神经网络相结合的一种控制方法,给出了一种增益自适应调整的模糊控制方法和ＢＰ网络自适应变步长学习算法,前者提高了系统对参数变化的适应能力,同时也提高了系统的控制精度,改善了系统品质,后者缩短了网络的学习时间,有利于实时控制的实现。这两种方法成功地用于直升机飞控系统的设计。同时,针对某型直升机用数字仿真证明了该方法的优点和良好效果