具有复合非线性特征不确定系统的自适应反推控制（英文）

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够有效削弱控制信号的抖振,同时增强控制器的鲁棒性。基于Lyapunov稳定性理论,证明了整个控制系统的稳定性。该控制方案的主要创新点在于考虑并解决了不确定系统具有复合非线性特征的控制问题。最后,仿真结果证明了控制方案的有效性。     

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。     

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。     

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。     

基于动态结构自适应神经网络的非线性鲁棒跟踪控制

针对非线性系统,提出一种将H∞鲁棒跟踪控制器与动态结构自适应神经网络相结合的组合控制方法.文中首先将系统线性化,设计H∞鲁棒跟踪控制器;然后针对系统中仍然存在的高阶非线性和未知不确定性,引入一种动态结构自适应神经网络,以对消非线性和不确定性的影响.这种自适应神经网络的隐层神经元随着跟踪误差的增大而在线增加,使得神经网络能以较少的神经元获得最佳的逼近效果,加快神经网络的运算速度,提高整个系统的动态性能.最后用飞行跟踪控制系统的示例证明本文方法是有效的.     

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。     

一种在线神经网络在补偿飞机模型不确定性误差中的应用

讨论了一种基于神经网络动态逆的直接自适应控制方法，并应用于超机动飞机的飞行控制中。基本控制律采用非线性动态逆方法进行设计，对由于模型不准确导致的逆误差采用单隐层神经网络进行在线补偿。仿真结果表明，神经网络通过补偿由于模型不准确引起的逆误差，弥补了非线性动态逆要求精确数学模型的缺点，提高了整个控制系统的鲁棒性，而且可以大大简化动态逆控制律的设计。     

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。     

基于非线性补偿的涡扇发动机MRAC控制(英文)

以工程应用为目的,采用输入输出模型参考自适应控制方法设计了航空发动机转速模型参考自适应控制器(Model reference adaptive control,MRAC)。针对发动机的非线性特性,设计了函数连接型神经网络补偿器。开展了控制器实物在回路仿真试验,结果表明基于非线性补偿的MRAC在包线内具有良好的动静态性能,对于发动机及其工作环境的非线性具有良好的补偿能力和适应性,验证了自适应控制方法在航空发动机工程应用中的有效性。     

基于加权式多模型结构的歼击机自适应重构控制

针对复杂的歼击机飞控系统,提出一种基于多模型结构的鲁棒自适应控制方法,使得系统可以在不同的运行环境下跟踪给定的信号,并且对飞机操纵面故障具有重构作用.首先,由多个线性模型和一个模糊模型构成多模型控制结构,采用模糊方法设计多模型自适应控制器中的权值系数,再引入动态结构自适应神经网络以保证系统的稳定性,故避免了模型切换引起的噪声.最后,对歼击机进行正常和故障状态下的控制仿真,结果验证了所提控制方法的有效性.     

小波神经网络在板形板厚控制系统中的应用

带材轧制是一个复杂的非线性过程,针对板形和板厚控制相互耦合等特点,本文提出了一种基于小波神经网络的自适应控制新算法。文中系统由两个小波神经网络组成,分别实现综合系统的模型辨识和控制。由于小波变换的紧支性及神经网络的非线性映射能力,模型辨识能准确地辨识板形板厚系统的动态特性,控制器能产生较为复杂的控制规律。仿真结果证明,该板形和板厚控制系统具有良好的自适应跟随和抗扰性能,其控制效果优于传统的解耦PID控制。     

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.     

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。     

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     

倾转三旋翼无人机倾转定高控制研究

针对倾转旋翼无人机在倾转过程中的高度控制问题,提出一种基于灰狼优化的神经网络自适应控制方法,用于一种倾转三旋翼无人机倾转过程的飞行控制.首先,建立了无人机的非线性数字仿真模型;其次,基于神经网络自适应控制方法分别设计了无人机的高度控制器和姿态控制器,并用灰狼优化算法对神经网络的参数和控制器的参数寻优;再次,设计了倾转过...     

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。