一、一类MIMO非线性系统的稳定自适应模糊控制(论文文献综述)
刘童[1](2021)在《基于事件触发的非线性系统自适应模糊控制》文中指出在现实的物理与工程系统中,常常存在着非线性项、随机性干扰、不确定性、动态突变性以及控制综合性等问题,这些问题的存在将不仅会极大地降低系统的各项性能指标,更甚至会引起系统的误差和振荡等问题,最终会直接影响系统的稳定性。因此,对于带有非线性输入系统的控制方案的研究与设计,也有不可估量的现实意义。在研究实际系统时,普遍存在着一定程度的约束限制,而为了能够达到系统的预设性能,使得系统的状态和输出能够限制在约束范围内,需制定相应的控制方案。第三章基于事件触发机制,针对一类具有输入饱和特性的随机非线性系统的自适应模糊控制问题进行了研究。为了克服饱和非线性带来的设计困难,首先通过引入控制输入信号的分段平滑非线性函数的方法来实现饱和函数的近似。其次,利用Backstepping技术构造了基于中值定理的自适应模糊跟踪控制器。在上述基础上,为节省系统的通讯资源,引入一种基于相对阈值策略的事件触发控制机制,以减小系统传输压力。进而,通过Lyapunov稳定性理论分析,所提出的自适应模糊控制器保证闭环系统中的所有信号依概率有界,并且系统输出最终在平均四次方意义上收敛到期望参考信号的小邻域内。最后,通过仿真实例,进一步验证了上述控制方案的准确性和有效性。第四章针对一类具有输入死区和全状态约束的时滞非线性系统,研究了基于改进的事件触发机制的自适应模糊跟踪控制方案。通过构造适当的Lyapunov函数来补偿时滞,且保证闭环系统的所有状态不违反预定义的紧集,利用模糊逻辑系统逼近非线性函数,同时采用改进的自适应事件触发控制策略的设计和分析方法,实现了一种同时具有固定阈值、事件触发控制输入和跟踪误差递减功能的控制方案,有效地减轻了通信过程的计算负担。最后,所提出的控制器保证闭环信号局部一致有界,系统状态ix(t)可以约束在合适的紧集Ωxi内,误差跟踪信号ie将收敛到合适的紧集Ωei内,同时也避免了奇诺现象。仿真结果表明,该方案是有效的。
于兴虎[2](2020)在《复杂非线性系统的自适应容错控制研究》文中研究说明随着控制系统的发展,其可靠性和安全性也越来越受到人们的重视。然而由于系统结构变得越来越复杂且系统规模越来越庞大,系统的执行器和传感器等元部件不可避免会发生故障,从而导致系统控制性能下降,甚至导致系统运行不稳定。因此,如何针对具有执行器和传感器故障的非线性系统设计有效的容错控制器,保证系统的稳定运行具有重要的理论意义与实际应用价值。本文基于自适应反步控制方法、模糊逻辑系统、容错控制方法、非线性和随机非线性系统稳定性理论等技术,针对不同类型的复杂非线性系统存在传感器或执行器故障时的容错控制问题进行了深入研究,论文的主要研究内容如下:针对一类具有严格反馈结构和外部干扰的非线性系统,考虑系统执行器同时存在未知输入死区特性和执行器故障的容错控制问题。首先利用模糊逻辑系统逼近系统中存在的未知非线性项,基于模糊逼近误差和系统外部干扰构造增广系统新的未知干扰,在控制设计过程中设计干扰观测器估计系统的未知干扰变量;其次将系统的控制输入表示为关于未知死区输入特性的非线性函数,并基于自适应反步法设计了相应的参数自适应律和自适应模糊容错控制方法。通过利用李雅普诺夫稳定性理论对闭环系统的稳定性进行分析,保证了闭环系统是稳定的,且闭环系统的所有信号均为半全局一致最终有界。针对一类随机非线性严格反馈系统,考虑系统同时存在量化输入和执行器故障的输出反馈容错控制问题。首先基于模糊逻辑系统逼近系统中的未知非线性函数,并设计模糊状态观测器估计系统的不可测状态;其次通过将量化输入信号表示为输入信号的非线性函数,基于伊藤微积分理论和自适应反步法设计了相应的参数自适应律和自适应模糊容错控制方法,并利用随机系统理论对系统进行稳定性分析,保证了闭环系统是依概率稳定的。针对一类伊藤随机非线性系统,考虑系统存在未知参数、传感器故障和未知控制方向的容错控制问题。首先假设系统所有状态均存在部分失效故障,且系统的n阶状态方程均存在未知控制方向;其次基于自适应反步法给出依赖于状态传感器测量信号的坐标变换,在此基础上设计了指数型李雅普诺夫函数,并分析了闭环系统的随机稳定性,基于Nussbaum型函数提出了新颖的自适应容错控制方法,补偿了传感器故障和未知控制方向对系统的性能影响。针对单输入单输出随机非线性严格反馈系统和随机互联非线性系统,首先考虑单个系统同时存在传感器和执行器故障的输出反馈容错控制问题,其次将该类型系统作为互联系统的一个子系统,研究了互联随机非线性系统的自适应分散容错控制问题。首先利用模糊逻辑系统逼近系统的未知非线性函数,并构造模糊状态观测器估计系统的不可测状态和失效比例常数;其次针对观测误差系统构造了新颖的二次和三次混合李雅普诺夫函数,设计了相应的参数自适应律和自适应模糊容错控制方法。在此基础上,利用分散控制思想,将上述结果推广到了一类随机互联非线性系统,两种方法均保证了闭环系统的状态变量均依概率半全局一致最终有界。针对一类具有纯反馈结构的随机非线性马尔可夫跳跃系统,考虑系统同时存在时变时滞和执行器故障的容错控制问题。首先将系统故障模型表示为具有死区特性的非线性故障模型,同时给出了依赖于马尔可夫变量的坐标变换;其次基于该坐标变换设计参数自适应律和自适应容错控制方法,并利用随机系统理论对系统进行稳定性分析,保证了闭环系统状态变量均依概率有界。同时,将所提的控制算法应用到了一类实际的主动悬架控制系统中验证其有效性。
张瑞[3](2020)在《几类受约束非线性系统控制及性能分析》文中认为非线性系统控制理论一直是近几十年来控制领域研究的热点课题之一,尤其是针对不确定非线性系统,基于神经网络和模糊逼近的自适应Backstepping方法已经取得了很大的进展,但还有大量问题需要进一步研究和探索.本文基于Backstepping方法,重点研究其在纯反馈受约束系统和非三角结构受约束系统中的推广,结合自适应控制理论,神经网络和模糊逻辑系统逼近理论,关联大系统分散控制理论,随机微分方程稳定性理论及约束控制理论,对几类受约束的非线性系统的控制问题进行了深入的研究.本文的主要成果如下:1.针对一类纯反馈系统,研究其固定时间全状态约束控制问题.本章首先采用均值定理将纯反馈系统转化成严反馈系统,其次采用BLF来处理状态约束问题,结合FLS和Backstepping技术给出控制器设计方法.设计的模糊自适应控制器保证所有闭环信号在固定时间都是有界的且全状态约束条件满足.2.针对一类不确定状态不可测非三角结构时变时延系统,研究其输出反馈全状态约束控制问题.通过设计状态观测器去估计不可测状态,用分离变量原理来克服系统的非三角结构困难,用动态面控制(DSC)方法来消除设计过程中出现的‘计算膨胀’问题,用神经网络来逼近控制设计中出现的不确定非线性函数,设计的自适应神经控制器证明了所有闭环信号都是有界的且满足全状态约束条件.3.针对一类具有死区输入且方向未知的不确定随机非三角结构系统,研究了其全状态约束控制问题.本章基于模糊基函数的性质,采用占优方法来处理非三角结构结构困难,这样就去掉了有些文献中非线性函数需要满足单调递增有界函数假设的要求,具有更小的保守性.采用Nussbaum函数来探测系统的控制方向.设计了一种基于死区输入的自适应模糊控制器,证明了所有信号在概率意义下有界且对于系统状态而言约束满足.4.针对不确定非三角结构关联时延系统研究了全状态常值约束和时变约束的自适应控制问题.采用占优方法来克服不确定系统的非三角结构困难,用静态BLF和动态BLF来处理全状态约束问题.设计障碍李雅普诺夫函数结合Backstepping技术解决来克服出现的互联时延项并设计出自适应控制器.它保证所有闭环信号都是有界的且各个子系统的全状态约束条件满足.5.针对一类不确定非三角结构系统,研究其非对称时变全状态约束控制问题.设计了非三角结构系统的时变全状态约束自适应模糊控制器.采用占优方法克服了非三角结构困难问题,采用ABLF来处理时变非对称全状态约束问题.设计的障碍李雅普诺夫函数结合Backstepping技术给出控制器设计方法,证明了闭环系统所有信号都是有界的且满足全状态约束条件.
杨文贵[4](2020)在《几类高阶和忆阻神经网络的稳定性和同步研究》文中研究指明自20世纪80年代以来,人工神经网络便一直是人工智能领域的研究热点之一.它是对人脑神经元网络从信息处理的角度进行抽象,建立一个简单的数学模型,并根据不同的连接方式形成不同的网络.随着众多学者的不断深入研究,神经网络已经取得了很大的进展.它们在许多领域都表现出了良好的性能,例如自动控制、智能机器人、预测估计、智能计算、图像处理与模式识别等等.一方面,高阶神经网络比低阶神经网络在逼近性能、存储容量、收敛速度与容错能力方面存在巨大的优势,这些优势可以应用于并行计算、自适应模式识别、优化问题.另一方面,由于记忆电阻器具有高存储性能、小体积及非易失性的特点,基于忆阻器的神经网络引起了信号处理、可重构计算、可编程逻辑、基于脑机接口的控制系统等领域的广泛注意.神经网络的动力学行为近年来得到了深入研究,特别是稳定性和同步性问题.本文主要对两类高阶双向联想记忆神经网络的平衡点、周期解、概自守解的存在性和稳定性及两类忆阻神经网络的平衡点、周期解的稳定性和它们的驱动-响应系统的同步现象进行了研究.进一步,利用神经网络或模糊逻辑系统的逼近特性,对两类不确定分数阶非线性系统的自适应控制进行了研究,获得了一些有意义的成果.本文的主要贡献体现在以下几个方面:1)研究了带有连续分布式时滞的脉冲模糊高阶双向联想记忆神经网络平衡点和周期解的全局指数稳定性.应用不等式分析技巧、M-矩阵、同胚理论和Banach压缩原理,构造了一些合适的Lyapunov-Kravsovskii泛函,建立了所考虑系统的平衡点和周期解的存在唯一性和全局指数稳定的充分条件.并通过数值模拟展示了获得的理论结果的可行性和有效性.2)考虑了时间尺度上具有时变连接时滞的中立型高阶Hopfield双向联想记忆神经网络概自守解的存在性和全局指数稳定性.这里主要采用了时间尺度上指数型二分理论、Banach压缩原理和微分不等式分析技巧.系统不仅考虑了一阶中立项对神经网络的影响,而且研究了二阶中立项对神经网络的影响.进一步,研究了具有连续分布式连接时滞的高阶Hopfield双向联想记忆神经网络.对于时间尺度T=R或T=Z,获得的结果也是新的.并通过数值仿真说明了提出的主要理论结果的可行性.3)研究了一类同时具有时变时滞和连续分布式时滞的忆阻神经网络的稳定性和同步性问题.利用同胚理论、时滞微分积分不等式技巧和适当的Lyapunov-Kravsovskii泛函,在Filippov解的框架下,得到了一些新的忆阻神经网络平衡点的全局指数稳定和驱动-响应系统同步的充分条件.另一方面,研究了一类具有时变时滞和连续分布式时滞的Cohen-Grossberg型忆阻双向联想记忆神经网络周期解的稳定性.利用Banach压缩原理和脉冲时滞微分积分不等式,给出了周期解存在和全局指数稳定的充分条件.该方法也可用于研究具有时变时滞和有限分布时滞的脉冲Cohen-Grossberg型忆阻双向联想记忆神经网络.在两类问题中可以利用求解不等式方法来估计出指数收敛率.另外,给出一些数值例子验证了所获得结果的实用性和1个获得的理论在伪随机数发生器中的应用.4)研究了具有混合时滞(异步时滞和连续分布式时滞)的脉冲模糊Cohen-Grossberg型忆阻双向联想记忆神经网络的稳定性和同步问题.应用不等式分析技巧、同胚理论和一些合适的Lyapunov-Kravsovskii泛函,建立了一些新的平衡点的存在唯一性和全局指数稳定的充分条件.在Filippov解、微分包含理论和控制理论的基础上,得到了系统全局指数滞后同步的几个充分准则.通过数值模拟,给出了3个例子说明所得结果的可行性和有效性.5)考虑了一类单输入单输出不确定非严格反馈分数阶非线性系统输出反馈控制问题.采用模糊逻辑系统逼近未知非线性函数,对不确定分数阶非线性系统进行建模.针对状态可测的情况,在返步法技术下,提出了一种自适应模糊状态反馈控制方案.针对状态不可测的情况,引入串并联估计模型,采用动态表面控制技术,提出了一种基于观测器的输出反馈控制设计方法.在参考信号的驱动下,利用Lyapunov函数理论,选择适当的设计参数,证明了所有信号的半全局一致最终有界性和对原点小邻域的跟踪误差.另外,给出2个数值模拟的例子来说明所提出的控制方法的有效性.6)研究了一类具有执行器故障和全状态约束的不确定非仿射非线性分数阶多输入单输出系统的自适应模糊容错跟踪控制问题.基于隐函数定理和中值定理,克服了非仿射非线性项的设计困难.然后,通过使用一些合适的模糊逻辑系统可以逼近未知的理想控制输入.通过构造障碍Lyapunov函数和估计复合扰动,提出了一种自适应模糊容错控制算法.此外,证明了在参考信号的驱动下,闭环系统中的所有信号都是半全局一致最终有界的,并且保证了非仿射非线性分数阶系统的所有状态都保持在预定的紧集内.并通过2个算例验证了所提出的自适应模糊容错控制方法的有效性.本文从理论上研究了几类高阶和忆阻神经网络的稳定性和同步问题及两类不确定分数阶非线性系统的自适应控制问题,所有获得的结果都经过了数值仿真的检验.最后,总结了本文的主要研究结果,并展望了未来的研究方向.
陈爱青[5](2020)在《具有约束的非线性系统自适应控制及其应用》文中研究说明日常生活中,由于物理条件和系统性能的限制以及安全要求,许多实际系统往往具有约束条件。对于控制系统而言,如果控制器在执行过程中不遵守约束规则,则可能会导致系统的性能下降,甚至可能损坏整个系统。因此,约束控制研究的发展已成为近些年来控制领域研究的热点与难点问题。针对非线性系统的自适应约束控制问题,本文主要研究了以下内容:首先,针对单输入单输出与多输入多输出的两类切换不确定非线性系统,分别研究了具有时变输出约束和输入饱和特性的自适应控制方法与具有时变全状态约束的自适应控制方法。基于任意切换规则条件,通过构造正切型障碍李雅普诺夫函数保证系统输出与状态不违反时变约束界,利用模糊逻辑系统对未知连续函数进行逼近,建立非对称饱和模型处理系统中的输入饱和问题,采用反步递推方法设计控制器以及自适应律,结合李雅普诺夫稳定性理论分析系统的稳定性。进而,通过仿真研究验证所提出方法的有效性。其次,针对一类切换不确定非线性系统的输出反馈控制问题,研究了系统在具有时变全状态约束条件下的跟踪控制问题。通过构造非线性模糊观测器估计系统的不可测状态,选择正切型障碍李雅普诺夫函数确保系统状态不会超出预设的时变约束范围,并结合反步递推技术与模糊逻辑系统设计自适应模糊输出反馈控制器与自适应律,采用障碍李雅普诺夫稳定性分析方法,证明了闭环系统的稳定以及跟踪误差和观测误差收敛到零的小邻域内,结合仿真实例证明所提出控制方案的有效性。最后,针对具有全状态约束的主动座椅悬架系统,研究了座椅悬架系统的智能自适应控制。为降低汽车在行驶过程中的振动和冲击,确保乘客舒适性和乘坐安全性,主要针对主动座椅悬架系统中人体与悬架的位移及速度约束情形进行了研究。根据反步递推算法理论和神经网络的逼近特性,设计出自适应律和控制器,结合障碍李雅普诺夫稳定性分析方法证明系统内所有信号有界。此外,通过座椅悬架系统的仿真实例验证了系统中人体位移、悬架位移、人体速度与悬架速度均在设定的时变约束范围内。
侯明冬[6](2020)在《基于动态线性化数据模型的离散滑模控制研究》文中认为论文基于动态线性化数据模型,针对一般非线性离散时间系统存在扰动、时滞、误差受限、执行器饱和以及系统耦合等问题,研究动态线性化数据模型和离散滑模控制方法相互融合的控制技术。研究中,将动态线性化技术、离散积分终端滑模控制、扰动估计技术、预测控制、预定性能控制及离散扩张观测器等技术有机结合,提出几种基于动态线性化数据模型的离散滑模控制方法。主要的创新性工作总结如下:(1)针对一般非线性离散时间SISO系统的紧格式动态线性化数据模型中存在未知扰动的问题,提出一种基于扰动估计技术的数据驱动离散积分终端滑模控制算法,并将该方法推广应用至偏格式和全格式动态线性化数据模型。为了进一步提高跟踪精度,在所提出算法的基础上,结合预测控制原理,提出了一种基于紧格式动态线性化数据模型的离散积分终端滑模预测控制策略。理论分析证明了所提出算法的稳定性,通过仿真比较研究和双容水箱液位控制实验研究表明了所提出方法的有效性。(2)针对一般非线性离散时间SISO滞后系统,基于紧格式动态线性化数据模型,结合离散积分滑模控制方法,提出了一种适用于非线性滞后系统的数据驱动离散积分滑模控制算法。该算法的主要创新点在于:1)考虑系统存在滞后的情况下,实现紧格式动态线性化数据模型中滞后项的隐性表达;2)基于无明显时间延迟的等效动态线性化数据模型,结合离散积分滑模控制方法进行控制系统设计,即在新的预测状态而不是原始状态下进行控制系统设计。(3)提出了一种抗饱和数据驱动积分终端滑模控制方案。该方案基于紧格式动态线性化数据模型,在离散积分终端滑模控制器设计过程中,引入动态抗饱和补偿器,解决了系统轨迹跟踪过程中执行器饱和问题。为更为清晰的表明所提出方法及其应用,以有输入饱和约束的轮式移动机器人的轨迹跟踪问题为例,阐述所提出方法的理论问题及实际应用。所提出控制算法,主要包括在线数据驱动模型辨识算法,积分终端滑模控制算法和动态抗饱和补偿算法。此外,给出了所提出方法的闭环系统稳定性分析。(4)基于包含扰动的紧格式动态线性化数据模型,提出了一种具有跟踪误差约束的数据驱动终端滑模控制方法。通过引入预定性能函数,将对系统输出误差存在约束的跟踪问题转化为无约束的镇定问题。并通过设计离散终端滑模控制器,进一步加快滑模运动趋于滑模面的速度,且能够确保系统跟踪误差收敛到预定义的区域。(5)针对一类包含未知外部扰动的离散非线性MIMO系统,提出一种新的数据驱动离散积分滑模解耦控制算法。所提出算法基于紧格式动态线性化数据模型,通过离散扩张观测器对数据驱动模型的未建模动态、未知扰动以及系统间各变量之间耦合作用进行在线估计,采用离散积分滑模控制策略,实现包含扰动的离散非线性MIMO系统的离散积分滑模解耦控制。为了使控制系统性能(包括过冲,瞬态响应和稳态误差)得到进一步改善。提出了一种新的数据驱动误差受限离散终端滑模解耦控制算法。该算法在紧格式动态线性化数据模型解耦的基础上,通过在滑模控制器设计过程中引入预定性能函数,使得解耦后各环路的误差能够收敛到预定的区域,提升了系统解耦后的控制性能。理论分析和仿真实验表明,在干扰和系统不确定性的影响下,基于预定性能的数据驱动滑模解耦控制器能够实现对离散非线性MIMO系统的渐近跟踪控制。
沈艺[7](2020)在《无人直升机的鲁棒弹性控制技术研究》文中研究指明无人直升机具有垂直起降、灵活机动、定点悬停、自主飞行等特有的飞行特性,这些特性使其在军事侦察、农业生产等领域得到了广泛的应用。由于无人直升机是高阶、时变的复杂非线性系统,大大增加了系统建模和飞行控制的难度。另外,飞行过程中存在很多不确定因素和外界干扰,并且控制器参数会发生变化,传统的控制方法难以满足无人直升机在复杂环境下不断提高的飞行控制要求。针对上述问题,本文关于无人直升机在T-S模糊建模与分析、非线性系统的模糊弹性控制、非线性系统的模糊自适应弹性控制以及非线性不确定系统的模糊自适应鲁棒弹性控制这四个方面开展了较为深入的研究,主要研究内容如下:首先,主要建立无人直升机6自由度运动学和动力学方程,然后针对姿态子系统研究开环稳定特性及控制器摄动对闭环控制系统性能的影响程度,并进行合理的分析,给出控制系统设计所需的姿态系统非线性模型。其次,基于T-S模糊逼近理论,分析了无人直升机姿态系统的动态特点,建立了无人直升机存在不确定的姿态子系统的T-S模糊模型;基于特征值摄动的思想,并考虑直升机的系统不确定和控制器增益的加性摄动,提出了一种基于正规化设计的模糊弹性控制方法,基于线性矩阵不等式(LMI)实现控制器问题的求解,并基于Lyapunov理论分析了闭环系统的稳定性,仿真验证了所设计的控制器对控制器存在的摄动有较好的鲁棒性。然后,为避免T-S模糊过度依赖专家经验的缺陷,引入自适应算法,针对SISO非线性系统,利用T-S模糊系统估计未建模动态,采用σ-修正参数自适应律在线调节模糊辨识参数,考虑控制器增益的加性摄动,设计模糊自适应弹性控制律,并基于Lyapunov理论分析了闭环系统的稳定性,证明了输出信号能一致跟踪期望输入信号。随后将SISO模糊自适应弹性控制推广至MIMO系统,设计了无人直升机模糊自适应弹性控制器,并在无人直升机姿态系统的跟踪控制的仿真中,验证了所提控制方法的有效性。最后,考虑一类不确定非线性SISO系统,针对系统存在的不确定,考虑系统的鲁棒性,设计了模糊自适应鲁棒弹性控制律,此控制律包括自适应控制律、弹性控制律和鲁棒控制律。为了验证该方法的可行性,针对给定的直升机SISO不确定非线性系统,验证了所设计的模糊自适应鲁棒弹性控制律的有效性。随后将SISO模糊自适应鲁棒弹性控制将其推广至MIMO系统,设计了无人直升机模糊自适应鲁棒弹性控制器,并在无人直升机姿态系统的跟踪控制的仿真中,验证了所设计的模糊自适应鲁棒弹性控制器对系统不确定和控制器摄动有一定的鲁棒性。
杜肖丰[8](2020)在《未知MIMO非线性系统的自耦PID协同控制策略研究》文中研究说明永磁同步电机、飞行器、机械臂等被控对象都属于多输入多输出(Multiple-Input Multiple-Output,MIMO)非线性系统,由于其特点包括非线性特性、参数时变特性、多变量耦合特性等复杂特性,因此,现有各类控制方法难以取得预期的控制效果。针对未知MIMO非线性系统的控制难题,本文使用研究了一种基于自适应速度因子的自耦PID(Auto-Coupling PID,简称ACPID)协同控制方法。该控制方法不仅继承了PID控制、滑模控制以及自抗扰控制等以误差来消除误差的经典控制理论精髓,而且分别消除了 PID增益鲁棒性差的问题、消除了滑模控制固有高频抖振问题以及自抗扰控制计算量大的问题;借鉴了自抗扰控制的“总和扰动”定义:将系统所有未知复杂因素定义为总和扰动(扩张状态),进而将任意非线性复杂系统映射为未知线性系统,并形成一个在总和扰动反相激励下的受控误差系统,使用一个与被控对象模型无关的速度因子将比例、积分和微分三个环节紧密耦合在一起,从而实现了一个功能各异而目标一致的协同控制系统,分别从时域和复频域分析了 ACPID协同控制系统的全局鲁棒稳定性和抗扰动鲁棒性,取得了预期研究效果,形成了明显的特色和创新:1)将未知内部动态和外部不确定性定义为总和扰动,使未知MIMO非线性系统映射为未知MIMO线性系统,淡化了线性与非线性、耦合与非耦合、仿射与非仿射、时变与时不变性等系统分类的概念;2)根据被控系统从动态过程进入稳态过程的过渡过程时间来整定最小速度因子,使得ACPID控制器模型及增益整定规则只与速度因子有关而与被控系统的模型无关,不仅有效解决了针对不同对象纠缠相应控制方法的难题,而且也有效解决了 PID增益整定的难题;3)为了避免控制系统在动态过程中因积分饱和出现超调与振荡现象,设计了随误差变化率而变化的自适应速度因子模型,有效解决快速性和超调之间的矛盾。为了验证本文研究方法的有效性,本文分别将基于自适应速度因子的ACPID、ACPD及ACPI控制方法应用于未知MIMO非线性系统、未知MIMO非线性非仿射系统和未知MIMO非线性时变系统。基于MATLAB/Simulink仿真平台的实验结果表明,本文的控制方法不依赖被控对象的数学模型,结构简单、计算量小、控制精度高、响应速度快,具有良好的抗扰动鲁棒性,在工业控制领域具有广泛的应用前景。
夏梅珍[9](2019)在《具有约束和未建模动态的非线性系统自适应控制研究》文中提出实际运行的非线性系统中,存在着各种形式的约束条件,如物理停止、饱和以及性能和安全规范等。在系统运行过程中违背了这些约束条件,系统的性能可能变差,甚至可能导致系统不稳定而无法正常运行。系统设计时若忽略这些条件,就需要大量的人为干涉且并不能保证系统成功地正常运行。除了约束条件,由于测量噪声、模型误差、模型简化、扰动等因素的影响,非线性系统中亦存在各种不确定性,这些来自于系统内部或外部的不确定性对控制系统稳定性影响很大,这些不确定性统称为未建模动态。受理论创新和实际需要的驱动,近年来对具有约束和未建模动态的系统控制问题受到越来越多的关注,成为控制理论界一直关注的热点与难点问题之一。本文对具有约束和未建模动态的非线性系统,通过引入辅助动态信号或通过Lyapunov函数法来处理系统中的未建模动态,利用积分障碍Lyapunov函数(iBLF)处理系统状态约束,提出控制器设计方案。引入非线性可逆映射处理全状态约束,将具有约束的系统转换成等价的无约束系统,系统中的未知函数由神经网络逼近,结合后推设计法和动态面方法提出几种控制器设计方案。主要工作和创新点如下:1.研究一类具有全状态约束和动态不确定性的纯反馈非线性系统控制问题。通过引入可逆非对称非线性映射,提出了处理状态约束问题的新方法,消除了目前现有文献中利用障碍Lyapunov函数设计控制器所导致的稳定性分析需要虚拟控制上界已知的不合理假设条件。基于非线性映射将具有全状态约束的纯反馈系统转化为等价的无约束纯反馈非线性系统。对变换后的系统可以采用传统的控制设计方法,同时防止违背约束条件。引入辅助动态信号处理未建模动态:高频增益符号未知问题则利用Nussbaum函数处理;基于改进的动态面方法提出了自适应控制方案。设计方案弱化了对虚拟控制信号的要求,不需要知道虚拟控制信号的上界和下界。两个数值仿真结果阐明了所提设计方案的有效性。2.研究一类具有全状态约束、时变时滞、分布时滞和动态不确定性的非线性系统控制问题。通过构造Lyapunov-Krasovskii泛函补偿系统中出现的时滞项,将处理状态约束的可逆非线性映射方法推广用于具有时滞、分布时滞及未建模动态的全状态约束非线性系统,基于后推设计,提出一种自适应控制新策略。引入辅助动态信号处理未建模动态,径向基函数神经网络用于逼近未知非线性函数。通过估计神经网络权值向量范数,减少了设计过程中的自适应参数,降低了设计的复杂性和计算量,提高了设计效率。仿真结果验证了所提出方法的有效性。3.针对一类具有输入和状态未建模动态的随机非线性纯反馈系统,利用非线性变换取代中值定理在纯反馈系统控制器设计中的应用,基于改进的动态面方法,首次提出自适应神经控制新策略,同时建立了保证随机闭环系统半全局一致终结有界的充分条件。Lyapunov函数描述法处理未建模动态,引入正则信号消除输入未建模动态对系统的不利影响。动态面设计法通过引入一阶滤波器,避免了后推设计过程中因对虚拟控制信号反复求导导致的计算量“爆炸式”增加问题,降低了设计的复杂性。理论分析证明了闭环系统所有信号依概率有界,仿真研究进一步验证了所提控制策略的有效性。4.针对一类具有全状态约束和动态不确定性的随机非线性系统,给出了随机状态变量在概率意义下约束的定义并应用于稳定性分析;通过使用动态面控制方法、可逆非线性映射、伊藤微分公式和Chebyshev不等式提出了自适应神经网络控制方案,有效地解决了具有未建模动态的全状态受限随机系统自适应控制问题,所提控制策略能够保证闭环系统中所有信号依概率有界。数值算例和倒立摆系统仿真研究阐明了控制策略的有效性。5.研究一类具有全状态约束和未建模动态的多输入多输出(Multiple-Input-Multiple-Output,MIMO)随机非线性系统的自适应跟踪控制问题。将概率意义下状态约束的定义推广至具有全状态约束的块结构MIMO随机系统,基于自适应神经网络动态面方法提出新的随机自适应控制方案,且全状态满足概率意义下的随机约束条件。此方案利用动态面设计方法稳定性分析中引入的紧集弱化了对控制增益矩阵非奇异性要求。仿真研究阐明了控制方案的有效性。6.研究一类具有量化输入和全状态约束及包含多种动态不确定性的块结构MIMO随机非线性系统控制问题。利用非线性可逆映射和动态面控制技术,构造出能够保证系统稳定且全状态满足概率意义下随机约束条件的自适应控制新策略。控制信号经过滞回量化器生成系统的量化输入信号,量化输入信号分解成连续和不连续部分;未知非线性函数及理论分析中产生的未知函数一并采用RBF神经网络来逼近,这种方法减少了在线调节参数数量;控制器设计中,为每一块设计 Lyapunov函数,简化了设计过程。仿真研究阐明了控制方案的有效性。
苏航[10](2019)在《几类带有死区或执行器故障约束的非线性系统自适应模糊控制研究》文中研究表明系统的控制性能不仅和被控对象本身有关,而且也会受到执行回路中执行器等部件物理特性的影响。执行器常常受到多种非线性特性约束,从而使得执行器的输入和输出间产生了较大的差距,如果未将这些执行器约束考虑在内,那么系统的稳定性及控制器的控制精度则会严重下滑。执行器约束通常是非线性的,同时会对控制器的设计产生一些难题。而且,执行器在运行过程中可能会发生故障,这些故障甚至会导致控制系统出现失稳现象。此外,被控对象也会受到外部工作环境和系统本身建模误差的影响,使得系统具有不确定性和非线性。因此,研究具有死区或者执行器故障的非线性系统的控制问题是具有理论和实际意义的。本文以模糊逻辑系统作为未知非线性函数的逼近器,结合backstepping技术、自适应控制和动态面技术等方法,解决了几类非线性系统的自适应模糊控制问题:(1)研究了带有模糊死区的不确定非线性系统的自适应模糊动态面控制问题。采用重心解模糊化方法,对死区模糊数值的斜率进行解模糊。首先,针对一类带有模糊死区、未建模动态和未知控制增益函数的单输入单输出严格反馈非线性系统,设计了有效的自适应模糊控制器。在控制器设计每一步中,构造模糊逻辑系统逼近辅助的中间控制信号。然后,研究了具有模糊死区的多输入多输出非线性系统的自适应模糊跟踪控制问题,并且设计了每阶子系统在死区斜率分别为确定数值和模糊数值两种情况下的控制器。对于两类系统,使用动态面控制技术,从而避免了对虚拟控制信号求导、多阶次求导及系统复杂性而引发的“计算爆炸”问题。所提控制方案不仅能够保证系统输出较好地跟踪给定的参考信号,而且能够确保闭环系统所有信号的有界性。(2)研究了带有输出死区的非线性系统的自适应模糊跟踪控制问题。首先,考虑了一类带有输出死区的纯反馈随机非线性系统的跟踪控制问题,运用均值定理,将所研究的非仿射系统转化成为仿射非线性系统。引入Nussbaum函数性质,构造辅助虚拟控制器,解决输出非线性的不确定性所带来的难题。结合backstepping技术,构建了针对此系统的有效的控制器。所提控制方案既能保证系统较好的跟踪性能,而且能够保证闭环系统的所有信号都是依概率有界的。然后,研究了一类带有输出死区的非严格反馈非线性系统的预设性能自适应控制问题,为保证系统的跟踪误差收敛到限定的区域范围内,设计性能函数,使得系统能够同时满足瞬态性能和稳态性能要求。所提控制方案既能够保证闭环系统所有信号的有界性,而且能够确保跟踪误差限制在预定范围中。(3)研究了一类带有执行器故障、未建模动态和不可测状态的严格反馈非线性系统的自适应模糊控制问题。执行器故障包含卡死故障和失效故障两种模型。引入输入-驱动滤波器,以解决系统状态不可测的问题。运用backstepping技术,综合小增益定理和输入-状态实用稳定理论,设计出有效的自适应模糊容错控制器。所提出的控制策略能够保证即使在有执行器故障发生的情况下,闭环系统也能够是输入-状态实用稳定的。(4)研究了非严格反馈非线性系统的自适应模糊容错控制问题。首先,针对带有执行器故障的非严格反馈随机非线性系统,设计自适应模糊容错控制器。在控制器设计的每一步中,构造模糊逻辑系统逼近辅助的虚拟控制信号。将理想加权向量的最大范数最为估计的参数,使得系统最终只产生一个自适应参数,从而使计算复杂性减小。通过仿真可以验证所提控制策略不仅对执行器故障和随机扰动具有鲁棒性,而且能够保证系统信号依概率有界。然后,研究了一类带有量化输入的非严格反馈非线性系统的自适应模糊容错控制问题。考虑非对称式迟滞类量化器,引入量化器输出的非线性分解策略,综合考虑执行器故障的影响,进而提出了针对更具一般性系统的有效的自适应控制策略。所提控制策略能够保证闭环系统得到较好的跟踪性能和所有信号的有界性。通过仿真对比了量化参数对于系统性能的影响,并验证了所提量化控制方法的有效性。
二、一类MIMO非线性系统的稳定自适应模糊控制(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一类MIMO非线性系统的稳定自适应模糊控制(论文提纲范文)
(1)基于事件触发的非线性系统自适应模糊控制(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 研究现状 |
1.2.1 自适应模糊逻辑控制研究现状 |
1.2.2 非线性系统事件触发控制研究现状 |
1.2.3 输入受限非线性系统自适应控制研究现状 |
1.2.4 具有状态约束和时滞系统的自适应控制研究现状 |
1.3 本文研究工作 |
第2章 理论预备知识 |
2.1 模糊逻辑控制 |
2.2 常用不等式 |
第3章 基于事件触发的一类具有饱和输入的随机非线性系统的模糊控制 |
3.1 引言 |
3.2 问题描述与预备知识 |
3.2.1 输入饱和问题 |
3.2.2 随机控制系统 |
3.3 基于事件触发机制的模糊逻辑控制设计与分析 |
3.3.1 事件触发控制器设计 |
3.3.2 模糊逻辑控制器设计 |
3.3.3 稳定性分析 |
3.4 数值仿真 |
3.5 本章小结 |
第4章 基于事件触发的具有死区和全状态约束的时滞非线性系统的模糊控制 |
4.1 引言 |
4.2 问题描述与预备知识 |
4.2.1 时滞问题 |
4.2.2 输入死区问题 |
4.3 基于事件触发机制的模糊逻辑控制及分析 |
4.3.1 事件触发控制器设计 |
4.3.2 自适应模糊控制器设计 |
4.3.3 稳定性分析 |
4.4 数值仿真 |
4.5 本章小结 |
第5章 工作总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
在校期间获奖情况 |
致谢 |
(2)复杂非线性系统的自适应容错控制研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究的背景及意义 |
1.2 研究现状 |
1.2.1 容错控制研究现状 |
1.2.2 自适应控制研究现状 |
1.2.3 反步法研究现状 |
1.2.4 模糊控制研究现状 |
1.3 预备知识 |
1.3.1 模糊逻辑系统 |
1.3.2 其它预备知识 |
1.4 现有控制方法的局限性 |
1.5 本文主要研究内容 |
第2章 具有未知输入死区和执行器故障的非线性系统自适应容错控制 |
2.1 问题描述 |
2.2 容错控制设计及稳定性分析 |
2.3 仿真算例 |
2.4 本章小结 |
第3章 具有量化输入和执行器故障的随机非线性系统自适应容错控制 |
3.1 问题描述 |
3.2 模糊状态观测器设计 |
3.3 自适应容错控制器设计及稳定性分析 |
3.4 仿真算例 |
3.5 本章小结 |
第4章 具有未知控制方向和传感器故障的随机非线性系统自适应容错控制 |
4.1 问题描述 |
4.2 自适应容错控制器设计和随机稳定性分析 |
4.3 仿真算例 |
4.4 本章小结 |
第5章 具有传感器和执行器故障的随机非线性系统自适应容错控制 |
5.1 单输入单输出随机非线性系统容错控制 |
5.1.1 问题描述 |
5.1.2 模糊状态观测器设计 |
5.1.3 控制器设计及稳定性分析 |
5.1.4 仿真算例 |
5.2 随机互联非线性系统的分散容错控制 |
5.2.1 问题描述 |
5.2.2 模糊状态观测器设计 |
5.2.3 自适应分散控制设计及稳定性分析 |
5.2.4 仿真算例 |
5.3 本章小结 |
第6章 具有随机马尔可夫跳变故障和时滞特性的随机非线性系统自适应容错控制 |
6.1 问题描述 |
6.2 控制器设计及稳定性分析 |
6.3 仿真实例 |
6.4 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文及其他成果 |
致谢 |
个人简历 |
(3)几类受约束非线性系统控制及性能分析(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究意义 |
1.2 非线性系统控制背景及发展状况 |
1.2.1 Backstepping方法简介 |
1.2.2 非线性系统的自适应Backstepping发展及研究现状 |
1.2.3 具有约束非线性系统的自适应Backstepping研究现状 |
1.3 本文的主要工作及内容安排 |
第二章 数学和控制理论预备知识 |
2.1 系统稳定性相关定义和引理 |
2.2 模糊逻辑系统 |
2.3 障碍Lyapunov函数定义及相关引理 |
2.4 常用不等式 |
第三章 纯反馈系统的全状态约束固定时间自适应模糊控制 |
3.1 引言 |
3.2 纯反馈系统的固定时间全状态约束自适应模糊控制 |
3.2.1 问题的提出 |
3.2.2 控制器设计 |
3.2.3 主要结果 |
3.2.4 仿真结果 |
3.3 本章小结 |
第四章 输入饱和非三角系统的全状态约束自适应输出反馈控制 |
4.1 引言 |
4.2 基于观测器的全状态约束系统的自适应神经控制 |
4.2.1 问题的提出 |
4.2.2 控制器设计 |
4.2.3 主要结论及证明 |
4.2.4 仿真结果 |
4.3 本章小结 |
第五章 随机非三角系统的全状态约束自适应模糊控制 |
5.1 引言 |
5.2 方向未知死区输入的随机系统的全状态约束自适应模糊控制 |
5.2.1 问题的提出 |
5.2.2 控制器设计 |
5.2.3 主要结论及证明 |
5.2.4 仿真结果 |
5.3 本章小结 |
第六章 时延非三角互联系统的全状态约束自适应模糊控制 |
6.1 引言 |
6.2 全状态约束的互联时延系统的自适应容错控制 |
6.2.1 问题的提出 |
6.2.2 控制器设计 |
6.2.3 主要结果 |
6.2.4 仿真结果 |
6.3 对称时变全状态约束互联系统的模糊控制 |
6.3.1 控制器设计 |
6.3.2 主要结果 |
6.3.3 仿真结果 |
6.4 本章小结 |
第七章 非三角系统的非对称时变全状态约束自适应控制 |
7.1 引言 |
7.2 非对称时变全状态约束控制 |
7.2.1 问题的提出 |
7.2.2 自适应模糊控制器设计 |
7.2.3 主要结果 |
7.2.4 仿真结果 |
7.3 本章小结 |
第八章 总结与展望 |
8.1 总结 |
8.2 展望 |
参考文献 |
致谢 |
作者简介 |
(4)几类高阶和忆阻神经网络的稳定性和同步研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 本文的主要工作 |
第2章 基础知识和引理 |
2.1 矩阵和算子 |
2.2 时间尺度 |
2.3 模糊逻辑系统 |
2.4 分数阶微积分 |
2.5 相关基本引理 |
第3章 脉冲模糊高阶双向联想记忆神经网络 |
3.1 引言 |
3.2 模型描述 |
3.3 平衡点的全局指数稳定性 |
3.4 周期解的全局指数稳定性 |
3.5 数值模拟 |
3.6 结论 |
3.7 注记 |
第4章 时间尺度上中立型连接时滞高阶双向联想记忆神经网络 |
4.1 引言 |
4.2 时间尺度上时变连接时滞系统(4.1)的概自守性 |
4.3 连续分布式连接时滞高阶Hopfield双向联想记忆神经网络 |
4.4 数值模拟 |
4.5 结论 |
4.6 注记 |
第5章 带有时变和连续分布式时滞的忆阻神经网络 |
5.1 引言 |
5.2 模型描述 |
5.3 平衡点的稳定性与驱动-响应系统的同步 |
5.4 脉冲Cohen-Grossberg型忆阻双向联想记忆神经网络的周期解 |
5.5 数值模拟 |
5.6 结论 |
5.7 注记 |
第6章 脉冲模糊Cohen-Grossberg型忆阻双向联想记忆神经网络 |
6.1 引言 |
6.2 模型描述 |
6.3 平衡点的全局稳定性 |
6.4 驱动-响应系统的全局指数时滞同步 |
6.5 数值模拟 |
6.6 结论 |
6.7 注记 |
第7章 不确定分数阶非线性系统的自适应模糊追踪控制 |
7.1 引言 |
7.2 具有状态可测不确定分数阶非线性系统 |
7.2.1 问题描述 |
7.2.2 自适应状态反馈控制设计 |
7.3 具有状态不可测不确定分数阶非线性系统 |
7.3.1 模糊状态观测器设计 |
7.3.2 自适应模糊控制设计和稳定性分析 |
7.4 数值模拟 |
7.5 结论 |
7.6 注记 |
第8章 不确定非仿射分数阶非线性系统的自适应模糊容错控制 |
8.1 引言 |
8.2 问题描述 |
8.3 基于障碍Lyapunov函数的自适应模糊容错控制设计 |
8.4 数值模拟 |
8.5 结论 |
8.6 注记 |
第9章 总结与展望 |
9.1 总结 |
9.2 展望 |
附录A 主要定理的证明 |
A.1 定理3.1的证明 |
A.2 定理3.3的证明 |
A.3 定理4.1的证明 |
A.4 定理4.2的证明 |
A.5 定理5.1的证明 |
A.6 定理5.6的证明 |
A.7 定理6.1的证明 |
A.8 定理6.2的证明 |
A.9 定理6.4的证明 |
参考文献 |
作者攻读博士学位期间的研究成果及相关经历 |
致谢 |
(5)具有约束的非线性系统自适应控制及其应用(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究意义 |
1.2 国内外研究现状 |
1.2.1 非线性自适应控制研究现状 |
1.2.2 约束控制研究现状 |
1.3 约束控制处理方法 |
1.3.1 对数型障碍李雅普诺夫函数处理约束问题 |
1.3.2 正切型障碍李雅普诺夫函数处理约束问题 |
1.3.3 积分型障碍李雅普诺夫函数处理约束问题 |
1.4 本文主要内容 |
1.5 预备知识 |
1.5.1 李雅普诺夫稳定性理论 |
1.5.2 径向基函数神经网络理论 |
1.5.3 模糊逻辑系统理论 |
2 具有约束的切换非线性系统自适应状态反馈控制研究 |
2.1 引言 |
2.2 具有输出约束及输入饱和的切换非线性系统的自适应控制研究 |
2.2.1 切换不确定非线性系统模型描述 |
2.2.2 自适应控制器设计及主要结论 |
2.2.3 仿真研究 |
2.3 具有全状态约束的多输入多输出切换非系统自适应控制研究 |
2.3.1 多输入多输出切换不确定非线性系统描述 |
2.3.2 自适应控制器设计及主要结论 |
2.3.3 仿真研究 |
2.4 本章小结 |
3 具有全状态约束的切换系统模糊自适应输出反馈控制 |
3.1 引言 |
3.2 切换不确定非线性系统描述 |
3.3 自适应模糊观测器与控制器设计及主要结论 |
3.4 仿真研究 |
3.5 本章小结 |
4 具有时变全状态约束的主动座椅悬架系统自适应跟踪控制 |
4.1 引言 |
4.2 带有人体模型的主动座椅悬架系统模型 |
4.3 自适应控制器设计及主要结论 |
4.4 仿真研究 |
4.5 本章结论 |
5 结论 |
5.1 全文总结 |
5.2 未来展望 |
参考文献 |
攻读硕士期间参与科研项目及发表学术论文情况 |
致谢 |
(6)基于动态线性化数据模型的离散滑模控制研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景及研究的目的和意义 |
1.2 动态线性化技术发展现状 |
1.2.1 SISO系统动态线性化技术 |
1.2.2 MIMO系统动态线性化技术 |
1.3 数据驱动离散滑模技术发展现状 |
1.3.1 离散滑模技术发展现状 |
1.3.2 基于动态线性化技术的离散滑模控制研究现状 |
1.4 论文主要研究内容 |
第2章 基于动态线性化技术的积分终端滑模控制 |
2.1 引言 |
2.2 紧格式动态线性化离散积分终端滑模控制 |
2.2.1 问题描述 |
2.2.2 积分终端滑模控制器设计 |
2.2.3 稳定性分析 |
2.2.4 设计方法推广 |
2.3 基于扰动估计的离散积分终端滑模控制 |
2.3.1 问题描述 |
2.3.2 控制器设计 |
2.3.3 稳定性分析 |
2.3.4 基于扰动估计的积分终端滑模预测控制器设计 |
2.4 数值仿真 |
2.4.1 仿真示例1 |
2.4.2 仿真示例2 |
2.4.3 仿真示例3 |
2.4.4 双容水箱实验 |
2.5 本章小结 |
第3章 时滞系统数据驱动积分滑模控制 |
3.1 引言 |
3.2 问题描述及模型转换 |
3.2.1 问题描述 |
3.2.2 离散时间预测器 |
3.3 控制系统设计 |
3.3.1 伪偏导数估计 |
3.3.2 控制器设计 |
3.4 稳定性分析 |
3.5 数值仿真 |
3.6 本章小结 |
第4章 数据驱动积分终端滑模约束控制 |
4.1 引言 |
4.2 问题描述 |
4.2.1 轮式移动机器人运动学模型 |
4.2.2 航向角补偿算法 |
4.3 数据驱动建模 |
4.4 控制器设计 |
4.5 稳定性分析 |
4.6 数值仿真 |
4.6.1 直线运动轨迹跟踪 |
4.6.2 曲线运动轨迹跟踪 |
4.7 本章小结 |
第5章 基于预定性能的数据驱动终端滑模控制 |
5.1 引言 |
5.2 问题描述 |
5.2.1 数据模型及扰动估计 |
5.2.2 预定性能函数及误差转换 |
5.3 控制器设计 |
5.4 稳定性分析 |
5.5 数值仿真 |
5.6 本章小结 |
第6章 基于动态线性化技术的积分滑模解耦控制 |
6.1 引言 |
6.2 数据驱动离散积分滑模解耦控制算法 |
6.2.1 问题描述 |
6.2.2 控制器设计 |
6.2.3 稳定性分析 |
6.2.4 数值仿真 |
6.3 基于预定性能的数据驱动离散终端滑模解耦控制 |
6.3.1 预定性能函数及误差转换 |
6.3.2 控制器设计 |
6.3.3 稳定性分析 |
6.3.4 数值仿真 |
6.4 本章小结 |
第7章 结论与展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(7)无人直升机的鲁棒弹性控制技术研究(论文提纲范文)
摘要 |
ABSTRACT |
注释表 |
缩略词 |
第一章 绪论 |
1.1 课题研究背景、目的及意义 |
1.1.1 研究背景 |
1.1.2 研究目的及意义 |
1.2 无人直升机控制技术 |
1.3 鲁棒弹性控制问题研究现状 |
1.4 本文用到的主要控制技术 |
1.5 本文主要研究内容 |
第二章 无人直升机数学模型分析研究 |
2.1 引言 |
2.2 假设条件和坐标系 |
2.2.1 假设条件 |
2.2.2 坐标系定义及转换 |
2.3 无人直升机的结构和操纵 |
2.4 无人直升机力和力矩 |
2.4.1 主旋翼的力和力矩 |
2.4.2 尾桨的力和力矩 |
2.4.3 机身的力和力矩 |
2.4.4 平尾的力和力矩 |
2.4.5 垂尾的力和力矩 |
2.4.6 主旋翼挥舞运动分析 |
2.4.7 合力和合力矩方程 |
2.5 无人直升机运动学和动力学方程 |
2.6 无人直升机特性分析 |
2.6.1 零输入响应 |
2.6.2 控制器摄动讨论 |
2.7 本章小结 |
第三章 基于正规化设计的无人直升机的模糊弹性控制 |
3.1 引言 |
3.2 问题描述 |
3.3 T-S模糊建模 |
3.3.1 直升机T-S模糊建模 |
3.3.2 直升机T-S模糊建模仿真验证 |
3.4 控制器设计 |
3.4.1 线性不确定系统的正规化分析及设计 |
3.4.2 模糊不确定系统的正规化分析及设计 |
3.4.3 稳定性分析 |
3.5 仿真验证 |
3.6 本章小结 |
第四章 无人直升机的模糊自适应弹性控制 |
4.1 引言 |
4.2 SISO模糊自适应弹性控制器设计 |
4.2.1 问题描述 |
4.2.2 模糊自适应弹性控制器设计 |
4.3 MIMO模糊自适应弹性控制 |
4.3.1 问题描述 |
4.3.2 控制器设计及稳定性证明 |
4.3.3 无人直升机仿真验证 |
4.4 小结 |
第五章 无人直升机的模糊自适应鲁棒弹性控制 |
5.1 引言 |
5.2 SISO模糊自适应鲁棒弹性控制 |
5.2.1 问题描述 |
5.2.2 控制器设计及稳定性证明 |
5.2.3 仿真验证 |
5.3 MIMO模糊自适应鲁棒弹性控制 |
5.3.1 问题描述 |
5.3.2 控制器设计及稳定性证明 |
5.3.3 无人直升机仿真验证 |
5.4 小结 |
第六章 总结与展望 |
6.1 本文的主要工作总结 |
6.2 展望 |
参考文献 |
致谢 |
在学期间的研究成果 |
附录 无人直升机 T-S 模糊模型参数 |
(8)未知MIMO非线性系统的自耦PID协同控制策略研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 MIMO系统的国内外研究现状 |
1.3 传统控制方法概述 |
1.3.1 PID控制方法 |
1.3.2 滑模变结构控制控制方法 |
1.3.3 自抗扰控制方法 |
1.4 全文内容及章节安排 |
第二章 ACPID控制方法概述 |
2.1 引言 |
2.2 ACPID控制原理 |
2.2.1 ACPID控制器模型 |
2.2.2 ACPID整定规则 |
2.2.3 速度因子 |
2.2.4 自适应速度因子 |
2.2.5 稳定性证明 |
2.3 仿真实例 |
2.3.1 系统动态分析 |
2.3.2 仿真实验分析 |
2.4 本章小结 |
第三章 未知MIMO非线性系统的ACPID控制 |
3.1 引言 |
3.2 问题描述 |
3.3 基于自适应速度因子的ACPID控制器设计 |
3.4 稳定性证明 |
3.5 仿真实例 |
3.5.1 系统动态分析 |
3.5.2 仿真实验分析 |
3.6 本章小结 |
第四章 未知MIMO非线性系统的ACPD和ACPI控制 |
4.1 引言 |
4.2 未知MIMO非线性非仿射系统的ACPD控制 |
4.2.1 问题描述 |
4.2.2 基于自适应速度因子的ACPD控制器设计 |
4.2.3 稳定性证明 |
4.2.4 仿真实例 |
4.3 未知MIMO非线性时变系统的ACPI控制 |
4.3.1 问题描述 |
4.3.2 基于自适应速度因子的ACPI控制器设计 |
4.3.3 稳定性证明 |
4.3.4 仿真实例 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 工作总结 |
5.2 本文的特色及创新 |
5.3 展望 |
参考文献 |
致谢 |
附录A (攻读硕士学位期间发表论文目录) |
附录B (攻读硕士学位期间参与项目) |
(9)具有约束和未建模动态的非线性系统自适应控制研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 非线性系统控制方法研究现状 |
1.3 具有约束的非线性系统自适应控制研究现状 |
1.3.1 具有动态不确定系统的自适应控制 |
1.3.2 随机非线性系统的自适应控制 |
1.3.3 具有约束的非线性系统的自适应控制 |
1.3.4 具有约束的随机非线性系统的自适应控制 |
1.4 本文的主要工作和章节安排 |
第二章 符号说明及预备知识 |
2.1 本文的主要符号 |
2.2 预备知识 |
2.2.1 常用不等式 |
2.2.2 中值定理 |
2.2.3 分离定理 |
2.2.4 Nussbaum函数定义 |
2.2.5 维纳过程定义 |
2.2.6 随机系统分析中有关定义和定理 |
第三章 具有状态约束的不确定非线性纯反馈系统自适应控制 |
3.1 引言 |
3.2 问题描述和基本假设 |
3.3 自适应动态面控制器设计及稳定性分析 |
3.3.1 系统变换 |
3.3.2 自适应动态面控制器设计 |
3.3.3 控制增益符号未知的自适应控制器设计 |
3.4 仿真结果 |
3.5 结论 |
第四章 具有状态约束和时滞的非线性系统自适应控制 |
4.1 引言 |
4.2 具有状态约束和时变时滞的非线性系统自适应控制 |
4.2.1 问题陈述和基本假设 |
4.2.2 自适应控制器设计及稳定性分析 |
4.2.3 仿真算例 |
4.3 具有状态约束和分布时滞的非线性系统自适应控制 |
4.3.1 问题陈述和基本假设 |
4.3.2 控制器设计及稳定性分析 |
4.3.3 仿真结果 |
4.4 结论 |
第五章 具有输入未建模动态的随机非线性系统自适应控制 |
5.1 引言 |
5.2 问题描述和基本假设 |
5.3 自适应控制器设计及稳定性分析 |
5.4 仿真结果 |
5.5 结论 |
第六章 具有全状态约束和未建模动态的随机系统自适应控制 |
6.1 引言 |
6.2 问题描述和基本假设 |
6.3 自适应动态面控制器设计及稳定性分析 |
6.4 仿真实例 |
6.5 结论 |
第七章 具有动态不确定性的随机MIMO约束系统自适应控制 |
7.1 引言 |
7.2 问题描述和基本假设 |
7.3 自适应神经网络控制器设计及稳定性分析 |
7.4 仿真结果 |
7.5 结论 |
第八章 具有量化输入和状态约束的随机MIMO系统自适应控制 |
8.1 引言 |
8.2 问题描述和基本假设 |
8.3 滞回量化器 |
8.4 自适应量化控制器设计及稳定性分析 |
8.5 仿真结果 |
8.6 结论 |
总结与展望 |
1. 本文主要研究成果 |
2. 展望 |
参考文献 |
致谢 |
攻读学位期间公开发表论文 |
本文研究工作得到以下基金项目资助 |
(10)几类带有死区或执行器故障约束的非线性系统自适应模糊控制研究(论文提纲范文)
摘要 |
Abstract |
符号说明表 |
1 绪论 |
1.1 研究背景及选题意义 |
1.2 几种非线性系统控制方法 |
1.3 带有死区约束的非线性系统的研究现状 |
1.4 带有执行器故障约束的非线性系统的研究现状 |
1.5 本文主要研究内容和章节安排 |
2 带有模糊死区的非线性系统自适应模糊动态面控制 |
2.1 引言 |
2.2 带有模糊死区的不确定非线性系统自适应模糊动态面控制 |
2.3 带有模糊死区的多输入多输出非线性系统自适应模糊动态面控制 |
2.4 仿真研究 |
2.5 小结 |
3 带有输出死区的非线性系统自适应模糊跟踪控制 |
3.1 引言 |
3.2 带有输出死区的纯反馈随机非线性系统自适应模糊跟踪控制 |
3.3 带有输出死区的非线性系统自适应模糊预设性能控制 |
3.4 仿真研究 |
3.5 小结 |
4 基于小增益定理的严格反馈非线性系统自适应模糊容错控制 |
4.1 引言 |
4.2 预备知识和问题描述 |
4.3 自适应模糊控制器设计 |
4.4 仿真研究 |
4.5 小结 |
5 带有执行器故障的非严格反馈非线性系统自适应模糊控制 |
5.1 引言 |
5.2 非严格反馈随机非线性系统的自适应模糊容错控制 |
5.3 带有量化输入的非严格反馈非线性系统自适应模糊容错控制 |
5.4 仿真研究 |
5.5 小结 |
6 总结与展望 |
6.1 论文主要工作总结 |
6.2 研究工作展望 |
参考文献 |
作者简历 |
致谢 |
学位论文数据集 |
四、一类MIMO非线性系统的稳定自适应模糊控制(论文参考文献)
- [1]基于事件触发的非线性系统自适应模糊控制[D]. 刘童. 曲阜师范大学, 2021(02)
- [2]复杂非线性系统的自适应容错控制研究[D]. 于兴虎. 哈尔滨工业大学, 2020(02)
- [3]几类受约束非线性系统控制及性能分析[D]. 张瑞. 西安电子科技大学, 2020(02)
- [4]几类高阶和忆阻神经网络的稳定性和同步研究[D]. 杨文贵. 东南大学, 2020(02)
- [5]具有约束的非线性系统自适应控制及其应用[D]. 陈爱青. 辽宁工业大学, 2020(03)
- [6]基于动态线性化数据模型的离散滑模控制研究[D]. 侯明冬. 华北电力大学(北京), 2020
- [7]无人直升机的鲁棒弹性控制技术研究[D]. 沈艺. 南京航空航天大学, 2020(07)
- [8]未知MIMO非线性系统的自耦PID协同控制策略研究[D]. 杜肖丰. 长沙理工大学, 2020(07)
- [9]具有约束和未建模动态的非线性系统自适应控制研究[D]. 夏梅珍. 扬州大学, 2019(06)
- [10]几类带有死区或执行器故障约束的非线性系统自适应模糊控制研究[D]. 苏航. 山东科技大学, 2019(03)