一类非线性系统自适应神经网络块控制器设计

对一类多输入多输出非线性系统,提出了一种基于块控原理自适应控制器设计方法.利用反演设计技术和RBF神经网络设计了控制器,并通过引入改进的Lyapunov函数,成功地避免了在控制函数矩阵未知情况下的自适应控制奇异问题.利用Lyapunov稳定性定理证明了系统的所有信号均有界.最后的仿真研究表明了该设计方法的有效性.     

有输入未建模动态和不确定性导弹控制器设计

在考虑导弹控制系统同时存在输入未建模动态和参数不确定性的情况下,提出了一种基于RBF神经网络和反演技术的鲁棒自适应控制器的设计方法。首先用两个RBF神经网络对未建模动态进行了补偿,然后利用反演技术设计了鲁棒自适应控制器,对不确定性进行了处理,并用Lyapunov稳定性理论推导出RBF神经网络的权重矩阵调节率以及相关的自适应律,证明了系统的全局稳定性,最后通过仿真计算验证了设计的正确性。     

空空导弹鲁棒反演控制器设计

在空空导弹的非线性时变模型上实现了反演控制器设计,并在控制量中引入鲁棒控制项,使系统在具有良好的动态性能的同时,鲁棒性得到增强.最后应用Lyapunov稳定性理论证明了系统是渐近稳定的.     

导弹控制系统设计方法综述

介绍了当前非线性自适应反演控制理论的研究现状和多种导弹控制系统设计方法.最后给出了结论.     

基于自适应反演的导弹滑模控制

阐述了在导弹系统存在不确定性情况下,基于自适应反演控制技术和模糊神经网络理论,提出了一种导弹滑模控制系统设计方法。设计过程中将不确定性对系统的影响合成为一项,然后应用模糊神经逼近器来逼近系统的不确定项;考虑了已知信息,利用自适应模糊神经控制理论和滑模控制设计了控制器,应用Lypunov稳定性理论保证了闭环系统的稳定性,并推导出模糊神经逼近器各参数的自适应调节律。     

BTT导弹块模型的鲁棒自适应设计

针对BTT导弹的非线性模型,给出了其适合用backstepping设计方法的块控模型。充分利用系统的结构特点,结合块控原理、backstepping设计方法、鲁棒控制和自适应控制方法,提出了一种鲁棒自适应控制器的设计方法。允许系统中的每一个子块都存在不确定性,采用非线性跟踪微分器减小了backstepping设计中的“计算膨胀”问题,并且避免了系统控制矩阵未知时控制器可能的奇异问题,证明了系统的状态跟踪误差和参数误差指数收敛于原点的一个邻域。最后给出的仿真结果显示了本文方法的有效性。     

利用神经网络快速极值搜索算法研究微喷十字梁系统

针对极值搜索算法在一般实际系统中的应用问题,以微喷十字梁实验系统为例,采用极值搜索算法,设计出控制器,同时考虑加入动态补偿器和RBF神经网络改善系统性能。仿真结果表明,该设计系统具有较好的稳定性及动态性能,对于噪音具有较强的鲁棒性,从而提出了一种在一般实际系统中应用极值搜索算法的方法。     

一类单控制方向已知的随机不确定二阶系统反演控制研究

针对于一类单控制方向已知的给定区间随机不确定二阶线性系统进行了反演控制研究,从反演控制原理说明反演控制的有效性,并且通过与PID控制方法进行仿真对比,说明了针对标称模型难以确定的随机分布被控系统,反演控制方法对模型参数在给定区间完全随机不确定的情况下有更强的鲁棒性。     

导弹非线性自适应鲁棒控制系统设计

提出了一种基于全调节RBF神经网络的导弹非线性自适应鲁棒控制系统的设计方法，应用全调节RBF神经网络在线辨识系统中存在的不确定性，利用反演和鲁棒控制技术设计了导弹控制系统，成功地处理了非匹配不确定性，并在虚拟控制中引入了微分阻尼项，有效地改善了系统动态性能。最后，应用Lyapunov稳定性理论推导出RBF神经网络各参数的调节律，并证明了系统状态全局渐近收敛于原点的一个邻域，仿真结果验证了该设计方法的有效性和可行性。     

一类非线性系统的神经网络自适应控制

针对一类单输入单输出不确定非仿射型非线性系统,基于多层神经网络提出了一种直接自适应控制方法。该设计方法首先应用多层神经网络自适应模拟逼近逆解中的未知部分,然后应用逆设计和自适应反演设计出虚拟控制量,最后应用反馈线性化设计方法和神经网络设计了直接自适应控制律。并利用Lyapunov稳定性定理推导了神经网络的参数调节律,保证了闭环系统的所有信号均最终一致有界。