MIMO非线性非最小相位系统的鲁棒跟踪控制

针对仿射多输入多输出非线性非最小相位系统,提出了一种新的鲁棒跟踪控制方案.用反馈线性化解耦系统输入输出关系,通过高增益状态反馈镇定系统外部动态,通过模型预测控制镇定系统内部动态,所设计的控制器能保证跟踪控制闭环系统的指数稳定性,且对系统参数扰动具有鲁棒性.仿真结果表明了所提出方法的有效性和优越性.     

非线性系统非脆弱多模型切换控制

提出一种基于局部T-S模型的非线性系统非脆弱多模型切换控制,针对一类非线性系统,首先将其输入空间划分为若干个区域,在区域内设计局部T-S模型和控制器,这样在模糊规则数相同的情况下由于模糊论域的变小从而提高了逼近精度.然后根据所选定的变量,通过多模型切换控制,将相应的区域控制器切换为全局控制器,而其他控制器不起作用,实现对整体非线性系统的逼近与控制.同时研究了在控制器增益存在加性摄动的情况下,非脆弱状态反馈控制器的设计方案.仿真结果证明了该方法的有效性.     

一类具有时变参数不确定非线性系统的鲁棒控制

利用李亚普诺夫函数递推设计方法对一类含有未知时变参数不确定和干扰的非线性系统进行了控制器设计，所设计的控制器对于所有允许的不确定可保证闭环系统状态一致有界并收敛到一个紧集。文中给出了鲁棒控制器的设计算法及系统稳定的充分条件，并讨论了当不确定被看作系统的输入时，闭环系统具有ISS特性。因而，本文提出了一种克服不确定造成系统不稳定的方法，最后给出了一个仿真算例。仿真结果表明了所设计的控制器的有效性和较强的鲁棒性。     

基于神经网络的一类非线性关联大系统鲁棒滑模分散控制

针对一类具有未知界扰动和子系统部分已知的非线性大系统,结合神经网络逼近方法、滑模控制研究了一种新的分散鲁棒自适应控制方法。所设计的分散控制器分为两部分,一是等效控制器,二是滑模控制器。滑模控制器用来减小系统的跟踪误差,起鲁棒控制作用。文中用神经网络逼近非线性未知函数,将网络权值误差引入到网络权值的自适应律中用以改善系统的动态性能。仿真算例证明了所设计的鲁棒分散控制器是有效的。     

变质心共轴双旋翼无人机建模与反步滑模控制

针对共轴双旋翼无人机旋翼组件过于复杂，导致旋翼控制系统可靠性较低的问题，提出了一种依靠三轨变质心机构进行姿态控制的方案。推导了三轨变质心共轴双旋翼的运动模型和空气动力学模型，并分析了不同滑块所处位置和质量占比情况下变质心无人机动力学特性。建立变质心无人机姿态控制系统的状态方程，针对系统中的非线性和不确定性，设计了基于反步滑模控制的姿态控制器。仿真实验表明，所设计的控制器能够在含有外部扰动的工况下有效完成姿态跟踪任务，具备较好的抗干扰能力。     

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。     

基于神经网络的非线性自适应输出反馈控制

针对能够采用仿射非线性表示的含有未建模动态的SISO非线性系统，讨论了一种基于神经网络的自适应控制方法，该方法对受控对象的已知部分，有用反馈线性化方法设计控制器，用神经网络在线补偿未建模动态及外部干扰等引起的误差，从而实现自适应控制。对具有未建模动态的双车倒立摆设计了输出反馈自适应控制系统，仿真表明该方法是有效的。     

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。     

变批次长度的非线性分布参数系统迭代学习控制

针对一类离散的非线性分布参数系统,提出了一种批次长度随机变化的迭代学习控制问题.该类系统由抛物型偏微分方程构成.该方法采用伯努利型随机变量来描述迭代长度随机变化的情况,并根据分布参数系统的性质以及P型分布更新控制算法设计了迭代学习控制器.基于压缩映射原理,给出了系统输出误差收敛的充分必要条件并加以证明.结果表明,所提出...     

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。     

遥操作机器人神经网络Smith预估控制(英文)

针对遥操作机器人通讯通道中存在的时延 ,提出了一种神经网络 Smith预估控制方法。控制系统适合于时延不变但未知的情况。控制系统包括主控制器和从系统两部分。从系统采用动态神经网络辨识机器人的动态模型 ,神经网络权重在线学习 ,用神经网络的输出对非线性系统进行局部非线性补偿 ,将非线性系统线性化。主系统针对线性化的从系统 ,采用 Smith预估控制解决时延问题并保证系统的性能品质。通过李雅普诺夫稳定理论保证了时延控制系统的稳定性。对两关节机器人的仿真结果说明了该方法的有效性。     

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。     

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LPV模型参考自适应飞行边界保护控制

进行有效的飞行边界保护控制有利于预防飞行失控。研究了一种基于线性参数变化(Linear parameter varing,LPV)模型参考自适应飞行边界保护控制方法。基于函数替换方法构建了仿射参数依赖LPV飞行动力学模型,通过调度变量的动态变化来减小与全量非线性动力学模型的失配。将实时飞行边界保护转为有约束广义预测控制问题,设计了数值算法以实现对舵偏角控制量及其增量、飞行状态参数的边界保护。通过仿真分析表明,LPV模型能够较好地逼近全量模型,反映出瞬时飞行动态;通过有约束广义预测控制数值算法能够有效地实现飞行边界的保护控制。     

基于非线性模型预测控制算法的亚轨道再入轨迹优化

针对升力式飞行器再入终端需要满足窗口约束条件的情况,提出了一种基于模型预测算法的再入轨迹优化方法。该方法利用预测模型和滚动优化策略将非线性多约束优化问题转化为线性优化目标函数,并采用二次规划法求解该轨迹优化问题,得到了满足相应约束的亚轨道再入轨道。以某升力式再入飞行器为对象进行了纵向轨迹优化计算,仿真结果验证了该轨迹优化方法具有较高的精度和计算效率。     

Aeroengine Nonlinear Sliding Mode Control Based on Artificial Bee Colony Algorithm

For a class of aeroengine nonlinear systems,a novel nonlinear sliding mode controller(SMC)design method based on artificial bee colony(ABC)algorithm is proposed.In view of the strong nonlinearity and uncertainty of aeroengines,sliding mode control strategy is adopted to design controller for the aeroengine.On basis of exact linearization approach,the nonlinear sliding mode controller is obtained conveniently.By using ABC algorithm,the parameters in the designed controller can be tuned to achieve optimal performance,resulting in a closedloop system with satisfactory dynamic performance and high steady accuracy.Simulation on an aeroengine verifies the effectiveness of the presented method.     

控制输入约束下非线性系统输出反馈容错控制

针对一类非线性系统的执行器增益故障,在考虑控制输入幅值约束下,研究了故障系统的主动容错控制策略。利用静态输出反馈控制策略,基于Lyapunov理论和线性矩阵不等式技术给出了重构容错控制器的递推设计方法,确保故障闭环系统在满足给定控制输入幅值约束下的鲁棒稳定性,并具有与无故障正常系统接近的其他优化控制性能。仿真算例表明了本文容错设计策略的有效性。     

近空间飞行器泛函连接网络自适应预测控制

针对存在强烈不确定和干扰的近空间高超声速飞行器（NHV）,提出了一种新的非线性自适应控制方法。控制律由最优广义预测控制（OGPC）算法和泛函连接网络（FLN）直接自适应律组成。OGPC是一种连续时间的非线性预测控制算法。FLN则通过在线学习来抵消飞行中的未知不确定和干扰的影响。学习过程不需要任何离线训练过程。文中提供了NHV的闭环系统稳定性分析,经过证明系统误差和权值学习误差一致最终有界。对于姿态跟踪系统,仿真结果显示了控制器的良好性能。     

Fuzzy Optimal Control Design for Ship Steering

This paper presents a method to design a control scheme for nonlinear systems using fuzzy optimal control.In the design process,the nonlinear system is first converted into local subsystems using sector non-linearity approach of Takagi-Sugeno(T-S) fuzzy modeling. For each local subsystem,an optimal control is designed. Then,the parameters of local controllers are defuzzified to construct a global optimal controller. To prove the effectiveness of this control scheme,simulations are performed using the mathematical model of Esso Osaka tanker ship for set-point regulation with and without disturbance and reference tracking. In addition,the simulation results are compared with that of a PID controller for further verification and validation. It has been shown that the proposed optimal controller can be used for the nonlinear ship steering with good rise time,zero steady state error and fast settling time.