一、一类不确定非线性系统的自适应模糊跟踪控制(论文文献综述)
孟青[1](2020)在《一类非线性系统改进自适应动态面控制》文中研究表明本课题以一类非线性系统为研究对象,基于动态面控制技术和自适应控制方法等理论,考虑系统动态性能与控制品质的关系、系统在拒绝服务攻击下的安全问题和系统协同控制等问题,研究一类非线性系统的改进自适应动态面控制问题。主要研究工作包括以下三个方面:1.针对一类不确定非线性系统,提出了基于非线性增益递归滑模神经网络自适应动态面状态反馈控制策略。将一种非线性增益函数引入到传统的动态面控制框架中,使得系统能够兼顾控制精度和动态性能。综合考虑了所有子系统之间的误差关系,构造了递归滑模误差面,扩大了自适应参数和滤波器参数的取值范围。在控制器设计中,利用神经网络技术逼近系统的未知函数,并建立了新的自适应律用来估计与神经网络逼近误差相关的参数;为了减少执行器的动作次数,进一步提出了一种基于事件触发的扩展控制策略,使得实际控制信号只有在满足一定条件时才进行更新。考虑系统存在未知状态变量的情况,提出基于神经网络观测器的非线性增益递归滑模自适应动态面输出反馈控制策略,拓宽了非线性系统控制策略在实际工程中的应用。通过李雅普诺夫稳定性理论,证明了上述控制策略都能保证闭环系统中所有信号有界,并且使跟踪误差任意小。最后,MATLAB仿真实验表明了上述控制策略的有效性。2.在上述研究基础上,针对在间歇性拒绝服务攻击下的一类不确定非线性系统,提出了一种基于切换增益状态观测器的自适应安全控制策略。考虑系统在遭受拒绝服务攻击导致状态信息无法在特定时间内被测量的情况,设计了一种具有切换增益的神经网络状态观测器来实时估计系统内部状态。考虑到系统动态性能及参数敏感性问题,在安全控制策略中引入了非线性增益函数和构造了递归滑模误差面。通过所提出的附加不等式条件建立了拒绝服务攻击的频率(持续时间)与系统承受攻击能力的关系。结合平均驻留时间方法,通过李雅普诺夫稳定性理论证明了系统在拒绝服务攻击下的稳定性。最后,以单臂机械手和数值模型作为仿真对象,验证了所提出的安全控制策略的有效性。3.针对在有向网络下的一类不确定非线性多智能体系统,提出了一种基于事件触发通信的非线性增益递归滑模自适应动态面协同控制策略。对于无法直接访问领导者信息的跟随者,设计一种基于邻居触发输出信息的分布式估计器来获得领导者信息的估计值。在单个智能体控制器设计过程中,考虑其子系统之间的误差关系,构造递归滑模误差面,并引入非线性增益函数代替线性增益函数改善了系统性能。同时,通过引入一个新的自适应参数,减少了在大规模多智能体系统中利用神经网络逼近系统的未知函数时自适应参数的个数。而且,所提出的事件触发条件能够避免Zeno现象。结果表明,闭环系统的所有信号有界,并且各个智能体的跟踪误差收敛于原点附近的邻域。最后,以化学反应过程和数值模型作为仿真对象,验证了所提出的协同控制策略的有效性。
缪松涛[2](2020)在《一类随机非线性多智能体系统自适应协同控制》文中进行了进一步梳理实际工程中存在大量含有随机因素的复杂系统,如化工过程、多机器人系统等。以随机非线性多智能体系统作为研究对象具有典型的意义,该系统中各智能体的动态特性均含随机特性,此类问题是多智能体系统控制理论体系的重要组成部分。本文采用伊藤(It?)引理、反步法的设计方法、动态面控制技术、图论知识和径向基函数(Radial Basis Function,RBF)神经网络逼近理论研究随机多智能体系统协同控制问题,主要从以下三方面开展工作:1、研究了一类在有向通信拓扑下随机非线性严格反馈多智能体系统的输出一致控制问题。每个跟随者均具有随机特性,通过It?引理解决了古典微分方法针对虚拟控制律求微分失效的问题。在反步法的设计框架下,利用RBF神经网络技术逼近系统中存在的未知函数并提出了自适应输出一致控制律。借助四次型Lyapunov函数证明了所提出的控制律保证闭环系统内所有的信号均是依概率有界的;进一步,研究了一类含输入饱和特性的随机非线性多智能体系统,引入光滑的双曲正切函数用来逼近饱和分段函数,并通过利用中值定理对光滑的饱和函数进行变换简化其形式解决了在反步法下饱和分段函数不利于设计输入信号的问题。接着构造线性状态观测器来估计系统状态,通过引进一阶滤波器的方法简化控制律结构,接着设计补偿器消除一阶滤波器所带来的影响。在设计控制律的过程中,通过添加附加项以避免发生奇异性问题。最终,利用Lyapunov函数证明了在所设计的控制律的作用下,该闭环系统内所有的信号均是依概率有界的。2、研究了一类含多个领导者以及多个具有随机特性的跟随者所组成的随机非线性多智能体系统状态反馈包含控制问题。通过图论知识将含多个领导者的包含控制问题转化为只有一个领导者的跟踪控制问题。引入It?引理解决对虚拟控制律求微分问题。采用反步法设计方法以及神经网络逼近器相融合的策略提出自适应状态反馈包含控制律,以保证所有跟随者的输出都收敛到领导者的轨迹所形成的的凸包内。利用Lyapunov函数证明了闭环系统内所有的信号都是依概率有界的;在状态反馈包含控制问题的基础上进一步研究了状态不可测的随机非线性多智能体的包含控制问题,为每个跟随者均构造状态观测器,用以估计系统中的未知状态。利用反步法的设计思路,将RBF神经网络逼近技术、状态观测器和图论工具相结合,提出了自适应输出反馈包含控制律。借助四次型Lyapunov函数证明了所提出的控制律保证闭环系统内所有的信号都是依概率有界的。3、研究了一类随机非线性多智能体系统输出反馈包含控制问题。针对系统的存在未知状态,设计状态观测器获得状态估计值。接着利用动态面控制技术改进反步法设计方法,即为每个智能体的子系统均引入一阶滤波器,其作用是对虚拟控制律进行滤波处理,简化控制律的结构,避免传统反步法易产生“计算膨胀”的问题。在设计过程中,采用RBF神经网络处理系统中的未知非线性函数。此外,为了减轻网络通道资源占用的问题,通过设计固定阈值的事件触发控制律可减少网络通道中数据传输位数。设计了基于输入事件触发机制的自适应控制律,并且构造补偿器消除了滤波器带来的影响。借助Lyapunov函数证明了该闭环系统内所有的信号均是依概率有界的。
李冰欢[3](2020)在《具有死区输入的高阶非线性系统自适应跟踪控制研究》文中研究指明在控制领域中,高阶非线性系统的控制是许多科研工作者们关注的一个热门领域,该方向的研究已经走向多元化和交叉学科方向发展。本文主要研究了两类带有不确定性的高阶非线性系统的自适应跟踪控制问题,综合运用了增加幂次积分器方法、反推方法、模糊控制方法等,通过构造李雅普诺夫函数,设计了相应的自适应跟踪控制器。本文的主要内容分下面两个部分:一、一类带有外部扰动和死区输入的高阶不确定时滞非线性系统的自适应跟踪控制本部分主要研究了一类高阶非线性系统的自适应跟踪控制问题,该类系统含有未知参数,多重时变时滞,外部扰动,死区输入非线性等因素。通过引入基于动态增益的增加幂次积分器法,并利用构造的新的李雅普诺夫-克拉索夫斯基(L-K)泛函,设计得到了自适应控制器,该控制器最终保证了闭环系统的所有状态有界且跟踪误差可以足够小。最后,将控制方法应用到单连杆机械臂系统上,仿真例子验证了所提控制方案的有效性。二、一类带有死区输入的高阶非三角非线性系统的自适应跟踪控制本部分针对一类带有非三角结构的高阶不确定非线性系统,研究了其控制设计问题,提出了一种自适应跟踪控制设计方法。通过构造一种新的李雅普诺夫函数,并运用增加幂次积分器方法和模糊控制方法,设计得到了一种新型的自适应跟踪控制器。该控制器只引入了一个参数自适应律,避免了反推设计中的过参数化问题,同时保证了输出跟踪误差可以任意小,且使得闭环系统的所有信号有界。最后通过对一个数值例子进行仿真研究,验证了所设计控制方案的有效性。
陈爱青[4](2020)在《具有约束的非线性系统自适应控制及其应用》文中认为日常生活中,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。
章智凯[5](2020)在《输出受约束系统的改进自适应动态面控制》文中认为任何实际控制系统出于物理器件局限性、性能和安全需要等因素考虑都不可避免地会受到各种约束条件的限制。如果系统运行过程中这些约束条件得不到满足,将可能导致系统性能下降甚至造成不稳定。另一方面,随着科学技术的飞速发展,控制领域研究对象日趋复杂,人们对控制品质要求也日益提高。在实际需求和理论挑战的驱动下,输出受约束系统的控制近年来受到广泛关注。动态面控制是在经典Backstepping方法的基础上发展起来的一种主流非线性控制设计方法。它具有Backstepping方法的优点而克服了其固有的“复杂性爆炸”缺陷,因此在理论和应用研究中都备受青睐。然而,基于现有动态面控制方法所设计控制器稳定性条件与系统的初始条件、参考输入都密切相关,控制器参数取值范围无法明确给出。另外,最终控制精度也依赖于设计参数取值因而无法事先指定。这些缺点使得控制器实现时设计参数选择尤为棘手,给设计者带来不便。基于现有动态面控制方法对输出受约束系统设计会使控制参数选择和系统调试难度进一步增大,且参数取值还会对初始输出可行区域大小产生影响。考虑上述背景,本论文提出一种改进的自适应动态面控制方法,并以此为基础,系统地对输出受约束的不确定下三角非线性系统控制进行研究,并将所提出的理论方法应用于考虑攻角约束的高超声速飞行器纵向控制设计。全文主要研究内容包括:1.提出了一种改进的自适应动态面控制方法克服现有动态面控制方法的局限性。这种改进方法在传统Backstepping方法的基础上,引入非线性自适应滤波器避免对虚拟控制律进行复杂的求导运算,同时结合带有平坦区域的Lyapunov函数进行稳定性分析。基于该方法所设计的控制器不但可以保证闭环系统所有信号一致最终有界和跟踪误差收敛到事先指定精度,而且稳定性条件也与系统的初始条件、参考输入无关,控制参数取值范围可以明确给出。因此,控制器实现时设计者只需从参数可行范围内自由取值以提高闭环系统动态性能。数值仿真结果进一步验证了所提方法的有效性。2.针对输出受时变非对称约束的不确定严格反馈系统跟踪控制问题,提出了基于时变非对称障碍Lyapunov函数的和基于非线性映射(Nonlinear Mapping,NM)的改进自适应动态面控制方案。所得控制器能在保证输出约束满足前提下使得系统输出以指定精度跟踪参考信号,且闭环系统所有信号一致最终有界。与已有结果相比,所提的两种控制方案都能将初始输出可行区域扩大为整个约束区间,放宽对初始条件要求,并且控制参数的取值范围可以明确给定。其中,基于NM的设计所得控制器结构简单,便于设计者使用。仿真研究进一步验证了所提约束控制方案的有效性。3.利用基于NM的改进自适应动态面控制方法研究了输出受约束的不确定纯反馈系统的跟踪控制。从解决非仿射特性带来困难的角度出发提出两种控制方案。一种是利用系统变换将非仿射系统转化为严格反馈系统,继而按照严格反馈系统的设计方法设计约束控制器。另一种是直接利用纯反馈系统本身结构,结合新型坐标变换进行设计。借鉴“最少学习参数”的思想,通过估计每一步设计中不确定参数的最大值而不是参数本身,既可以减少在线调节参数个数,又能一定程度避免过参数化问题。所得的控制器结构简单,计算量小,还克服了现有结果中常见的控制器循环结构问题以及基于逼近器方法的缺点。仿真研究进一步验证了所得理论结果正确性与有效性。4.将基于NM的改进自适应动态面控制方法拓展应用于解决状态不可测系统的输出约束控制问题。针对输出受约束的参数输出反馈系统,构造降阶K-滤波器估计不可测状态,在高频增益符号已知和未知两种情况下分别设计控制器,并给出了闭环系统严格的稳定性分析。所提输出反馈控制策略的整个设计过程只含ρ步(ρ为系统相对阶),且只有第一步需要对不确定参数进行估计,因此显着地降低了控制设计的复杂程度,所得控制器的结构也十分简单。特别地,针对高频增益符号未知情形,结合Nussbaum增益技术设计,本文方法还可以避免Nussbaum函数自变量漂移问题。仿真结果验证了所提方法的有效性。5.研究了考虑攻角约束的高超声速飞行器纵向控制系统设计问题。将飞行器纵向运动模型拆分为速度子系统和高度子系统,并将攻角约束问题归结为高度子系统中姿态回路输出约束问题,采用攻角反馈实现对其直接控制。根据飞行任务给出速度指令和攻角指令,综合考虑不确定性等因素影响,对速度回路和姿态回路分别建立面向控制设计模型并设计相应的控制律,使得实际飞行速度和攻角分别跟踪各自指令从而完成既定飞行任务。其中,在姿态回路设计时采用基于NM的改进自适应动态面控制方法从理论上严格保证攻角约束满足。闭环仿真结果表明所设计控制器能达到满意的控制效果。
代明星[6](2019)在《基于状态观测的输出反馈控制算法研究及改进设计》文中研究指明在诸如工业过程控制、机器人控制、无人机控制等实际工程控制系统中大都是复杂的非线性控制系统,他们通常具有高维数、结构复杂、强非线性和强耦合的特点,对于这类复杂非线性控制系统的控制设计更是控制领域的一个难点问题,如果控制方法不当,将很难达到被控系统的控制要求,不会有很好的控制效果,甚至会导致被控系统无法达到稳定。因而,对于这类数学模型不精确、存在时滞现象、含有不可测的状态和未知的非线性扰动等现象的复杂非线性系统的自适应输出反馈控制问题的研究具有十分重要的理论意义和实际应用价值。针对非线性系统自适应输出反馈控制问题的研究,本文在自抗扰控制、滑模控制以及反步法等已有的非线性系统控制算法的基础上,基于这些不同控制方法的特点和优势,并结合模糊逻辑系统或神经网络以及高阶滑模微分器等方法,对已有控制方法的弊端进行改进,设计了几种控制方案,同时利用Lyapunov稳定性理论验证了整个闭环系统的稳定性,保证了所有信号的有界性。论文具体研究内容和所做工作如下:(1)针对一类不确定非线性系统,研究了一种结合反步法和自抗扰控制的新的自适应输出反馈控制方法。通过引入扩张状态观测器(ESO)对被控系统的未知状态进行实时估计,同时利用扩张状态观测器实现对系统中的不确定项在线逼近及补偿。通过非线性指令滤波器对反步法设计过程中的虚拟控制信号进行求导,避免了传统反步法设计控制中复杂性爆炸的问题,并由此设计了自适应输出反馈控制器。通过Lyapunov函数证明了这种控制方法的稳定性,验证了闭环系统中所有信号均是有界的。数值仿真算例进一步验证了该方法的有效性。(2)针对一类切换非线性系统,且系统状态不可测,存在未知非线性项以及扰动的情况,设计一类新的自适应反步滑模控制器。研究利用模糊逻辑系统(FLS),构造模糊状态观测器,并利用模糊逻辑系统实现变增益控制。此外,引入高阶滑模微分器构造精确扰动观测器,同时将高阶滑模非线性微分器的二阶形式作为滤波器。最终基于模糊状态观测器和对扰动的估计补偿,结合自适应反步设计方法和滑模控制方法,针对这类切换系统设计了一种新的自适应反步滑模控制器。新提出的方法实现了对系统未知非线性函数的实时在线逼近以及对系统未知状态的获取,对于系统的未知扰动实现精确估计补偿,传统反步法设计过程中因对虚拟控制信号重复求导而引起的控制参数复杂性急剧增长的问题得到有效避免,而且传统滑模控制中的抖振现象也有很好的抑制效果。通过Lyapunov函数对系统的稳定性进行了推导证明。控制方法的有效性通过仿真算例验证,仿真结果也进一步验证了系统稳定性和信号有界性。(3)对于工业中常用的连续搅拌釜式反应器(Continuous Stirred Tank Reactor,CSTR)建立了一个数学动态模型,并针对CSTR数学模型设计了一类自适应积分滑模控制器。针对这个复杂的非线性系统首先基于滑模控制原理设计一种有限时间状态观测器,并同时设计了一种非线性扰动观测器,从而实现了对这个非线性系统中的不可测状态量以及未知扰动的观测估计。基于估计结果,设计一种积分滑模面并引入一种自适应变比例增益的趋近律,最终构造了一种自适应积分滑模控制器,实现了对被控系统的快速跟踪同时具有非常好的鲁棒性。通过Lyapunov稳定性理论对闭环系统中的所有信号的有界性和闭环系统的稳定性进行了推导证明,并通过数值仿真以及实验分别对所设计控制方案的有效性进行了验证。
曹亮[7](2019)在《基于事件触发机制的不确定非线性系统智能控制研究》文中认为随着计算机技术和通讯技术的日趋成熟及广泛应用,越来越多的系统使用通讯网络传输和共享数据。通信网络通常由系统不同的节点共享,并且各个节点之间传输通道带宽是有限的,这可能会造成通信资源的浪费,因此,如何处理包括通信信道带宽和计算能力受限下的控制问题,并保证系统性能在理论和实际应用中都具有重要意义。另外,工业生产、汽车自动驾驶、航天器飞行、智能电网等领域的复杂系统不断呈现大型、高速、复杂以及智能化等特点,受控系统的非线性变得越来越强,难以通过准确的数学模型来表示。传统的控制方法无法直接解决不确定非线性系统的控制问题,即便存在一些解决方法也不能很完善地补偿非线性系统中的不确定性、强耦合、动态突变性等因素带来的影响。智能控制是控制理论发展的高级阶段,主要用来解决传统控制方法难以解决的非线性的、具有复杂控制任务的控制问题。因此,在通讯网络受限以及各种复杂约束条件下,如何针对复杂非线性系统设计事件触发机制,提高通讯网络利用率,解决具有不同约束的非线性系统的自适应智能控制问题,提出基于事件触发机制的自适应神经网络/模糊控制方案是一个值得研究的课题。在自适应神经网络和模糊控制的框架下,基于事件触发策略,本论文分别考虑了输入约束、输出约束、全状态约束等各种具有复杂约束的非线性单输入单输出系统、互联大系统和多智能体系统的自适应神经网络/模糊控制器和事件触发机制的协同设计问题。主要内容如下:1.针对状态可测的严格反馈非线性系统,考虑多种执行器故障的情况,研究了基于事件触发机制的不确定严格反馈系统的自适应模糊控制问题。考虑了输出偏差、部分失效和全部失效三种执行器故障模型。利用模糊逻辑系统对未知的复杂非线性项进行建模,基于自适应反步法设计事件触发机制,构造了具有虚拟控制系数的故障容错控制器及自适应律,并通过数值仿真和实例仿真对控制方案的可行性进行验证。2.针对状态不可测的非严格反馈互联大系统,在第一章基础上,考虑多种执行器故障的情况,讨论了基于事件触发机制的自适应模糊分散控制问题。利用模糊逻辑系统设立观测器来估计不可测状态,这里的非线性函数可以不满足利普希茨条件。在反步法的框架下,设计基于相对阈值的事件触发机制,该机制能有效减少控制器更新次数,并设计出具有虚拟控制系数的自适应控制器和自适应律。基于所设计的控制策略,保证所有的闭环信号都是半全局一致最终有界的,并且避免了 Zeno行为。最后,给出数值仿真和实例仿真结果验证设计控制方案的有效性。3.针对状态不可测的非严格反馈非线性系统,考虑了输出约束和执行器故障,提出了一种基于神经网络的自适应动态面输出反馈控制策略。在第一章和第二章自适应模糊控制和反步法的框架下,结合动态面控制方法解决了“复杂度爆炸”问题,采用了自适应控制方法补偿故障产生的影响。利用一类障碍Lyapunov函数解决输出约束问题,为了避免通信资源的浪费构建相对阈值事件触发机制。最后通过Lyapunov稳定性理论证明了系统中所有闭环信号是半全局一致最终有界的。4.针对状态不可测的非严格反馈非线性互联大系统,考虑了全状态约束和未知滞回非线性,解决了基于事件触发机制的自适应神经网络控制问题。利用径向基函数神经网络的特征构造状态观测器,解决非严格反馈产生的代数环问题。为了降低通信负担和信号传输频率,利用动态面技术和反步法,提出一种自适应事件触发控制策略。然后,通过估计滞回微分方程中的未知常数,补偿滞回对大型非线性系统带来的影响,应用障碍Lyapunov函数处理了全状态约束。最后,通过Lyapunov稳定性理论证明系统中所有信号是半全局一致最终有界的。5.针对一类非严格反馈多智能体系统,解决了系统受到外部扰动、传感器故障和输入饱和情况下的自适应协同控制问题。采用中值定理和Nussbaum型函数对饱和项进行处理。通过结合多种传感器故障模型,设计自适应神经网络控制器,补偿传感器故障带来的影响,设计基于神经网络的扰动观测器观测复合扰动信号并抑制扰动的影响。在控制器设计中考虑事件触发机制,减少了通信负担,通过设计阈值减少控制器更新的频率。最后,给出相应的仿真结果验证所设计控制方案的有效性。6.本论文第八章在前五章的基础上,将所提出的自适应神经网络控制方法应用到具有时变输出约束和外部扰动的六旋翼无人机非线性动力学模型上,并将该模型分为位置系统和姿态系统进行研究。由于无人机搭载硬件受限,在应用事件触发机制调节控制器更新频率的同时,研究多架无人机的一致性跟踪问题,通过仿真验证多架无人机在时变输出约束下的稳定性,实现对多架无人机的协同控制,进而证明所构建的控制策略能够确保无人机在外界干扰和有限区域内能够稳定运行。
何苗[8](2019)在《随机非线性不确定系统的T-S模糊控制和事件驱动控制》文中提出在实际应用中,系统可能会经历参数和结构的突然变化,并可能经历随机干扰,对控制系统性能产生不利影响,甚至导致系统不稳定,因此,对具有马尔科夫跳变参数的随机非线性系统的稳定性分析和各种控制方法的研究越来越受到重视。本文主要借助于Takagi-Sugeno模糊控制策略和事件驱动策略,研究了几类具有马尔科夫跳变参数的随机非线性不确定系统的分析与综合问题。本文主要工作如下。1.对于一类具有马尔科夫跳变参数和时变时滞的不确定离散T–S模糊系统,研究了系统的鲁棒非脆弱最优保性能控制问题。设计了一个依赖于模糊和依赖于模态的非脆弱控制器,得到了一个充分条件保证闭环系统在均方意义下鲁棒渐近稳定并且性能指标不超过规定的上界。通过求解优化问题得到性能指标的最优上界。与现有的文献相比,提出的方法极大地降低了所得结果的保守性和性能指标的上界。数值例子和实际例子验证该方法的有效性。2.对于一类具有马尔科夫跳变参数和时变时滞的不确定连续T–S模糊系统,研究了系统的非脆弱保性能控制问题。设计了一个依赖于模态的非脆弱模糊控制器,给出了一个弱的充分条件保证了闭环系统是鲁棒几乎处处渐近稳定并且性能指标不超过规定的上界。通过求解一组线性矩阵不等式得到控制器的增益矩阵和性能指标的上界。与文献[91]相比,提出的方法有效降低了获得结果的保守性和性能指标的上界,与此同时也降低了控制器的振幅。数值例子和单连杆机械臂实例验证该方法的性能。3.对一类具有输入约束和Markov跳的不确定T-S模糊时变时滞系统,设计了一种鲁棒非脆弱保性能控制策略,得到了一个充分条件保证闭环系统是鲁棒几乎处处渐近稳定并且性能指标不超过规定的上界。性能指标的上界和获得结果的保守性可以同时降低,与此同时控制振幅可以保持在一个合适的界内。通过求解线性矩阵不等式组得到控制器的增益矩阵和性能指标的上界。数值例子和实际例子验证提出方法的有效性。4.对于一类具有马尔科夫跳变参数的随机非线性系统,研究了系统的事件驱动自适应跟踪控制问题。因为该随机系统包含未知参数,随机输入到状态稳定的条件难于满足。因此,本文设计一种依赖于模态的自适应控制器和事件驱动策略。在控制器中增加修正项用来补偿策略误差,避免了随机输入到状态稳定的假设。提出的方法保证了闭环系统的所有信号在概率意义下是有界的,跟踪误差信号在四阶矩的意义下最终收敛到一个包含零的小邻域内并且成功地避免了Zeno现象。仿真实验验证该方法的有效性。5.利用事件驱动的方法研究了随机马尔科夫跳变系统的自适应动态面预设性能控制问题。利用Backstepping技术的方法,同时提出了两种具有平均驻留时间的自适应动态面控制器和事件驱动策略。在控制器中增加修正项用来补偿策略误差,避免随机系统中随机输入到状态稳定的假设。提出的方法保证闭环随机马尔科夫跳变不确定非线性系统的所有信号在概率意义下是有界的,跟踪误差信号在四阶矩的意义下收敛到预先设定的界内并且成功地避免了Zeno现象。此外,依赖于控制信号设计的相对阈值策略可以降低事件发生的频率。仿真结果验证该方法的有效性。
苏航[9](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》文中指出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。
李彦欣[10](2019)在《非线性不确定切换系统的自适应控制问题研究》文中进行了进一步梳理随着现代工业化的发展,大多数系统存在未知参数、部件故障和环境扰动等干扰因素,导致系统建模存在非线性和不确定性等特性.因此,不确定非线性系统控制受到了国内外学者的广泛关注,模糊控制为解决这个问题提供了有效的方法.此外,自适应Backstepping控制技术在具有参数不确定性的非线性系统的控制中发挥了重要作用,尤其是对于具有未知函数的复杂非线性系统.本文针对两类不确定的非线性切换系统,以自适应Backstepping方法为基础并结合模糊逻辑系统(FLS)和神经网络(NN)的万能逼近特性,设计了相应的自适应控制方案,保证了系统的稳定性.具体内容如下:第三章针对一类具有随机扰动的不确定非线性切换系统,基于Lyapunov稳定性定理,构造了两种自适应Backstepping控制器.第一个控制器是在多个自适应律下提出的.然后,在构造最大公共自适应参数的基础上设计了第二种自适应参数,第二个控制器克服了第一个控制器过参数化的问题,从而降低系统的计算成本,提高系统运行效率.上述两种控制器均能确保闭环系统中所有信号有界并使跟踪误差收敛于零点附近较小邻域.最后,通过仿真实验检验,所提控制方案明显有效.第四章针对一类带有扰动的不确定非线性切换系统,考虑了执行器中的磁滞非线性现象,基于有限时间稳定性判据,提出的自适应NN控制方案,消除了系统中的未知磁滞,通过Lyapunov稳定性定理,确保了系统的跟踪性能和有限时间稳定性.最后,经仿真实例检验,得到系统有效性验证.
二、一类不确定非线性系统的自适应模糊跟踪控制(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、一类不确定非线性系统的自适应模糊跟踪控制(论文提纲范文)
(1)一类非线性系统改进自适应动态面控制(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 反步法和滑模控制 |
1.2.2 自适应动态面控制 |
1.2.3 拒绝服务攻击与安全控制 |
1.2.4 输出一致协同控制 |
1.2.5 事件触发控制 |
1.3 本文主要工作与内容安排 |
第二章 预备知识 |
2.1 Young不等式 |
2.2 神经网络逼近技术 |
2.3 非线性增益函数 |
2.4 图论知识 |
2.5 本章小结 |
第三章 一类不确定非线性系统的非线性增益递归滑模自适应动态面控制 |
3.1 引言 |
3.2 系统描述 |
3.3 状态反馈控制及其事件触发控制 |
3.3.1 控制器设计 |
3.3.2 稳定性分析 |
3.3.3 仿真验证 |
3.4 输出反馈控制 |
3.4.1 输出反馈控制策略 |
3.4.2 稳定性分析 |
3.4.3 仿真验证 |
3.5 本章小结 |
第四章 一类不确定非线性系统的非线性增益递归滑模自适应安全控制 |
4.1 引言 |
4.2 问题描述 |
4.2.1 系统描述 |
4.2.2 间歇性DoS攻击模型 |
4.2.3 控制目标 |
4.3 自适应安全控制策略 |
4.3.1 切换型神经网络观测器设计 |
4.3.2 控制器设计 |
4.4 稳定性分析 |
4.5 仿真验证 |
4.5.1 柔性关节机械手 |
4.5.2 数值算例 |
4.6 本章小结 |
第五章 一类不确定非线性多智能体系统的非线性增益递归滑模动态面事件触发控制 |
5.1 引言 |
5.2 问题描述 |
5.2.1 图论 |
5.2.2 问题描述 |
5.3 分布式事件触发一致控制策略 |
5.3.1 基于通信触发的领导者信息估计器设计 |
5.3.2 控制器设计 |
5.4 稳定性分析 |
5.5 仿真验证 |
5.5.1 Brusselator化学反应模型 |
5.5.2 数值模型 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
附录1 攻读硕士学位期间撰写的论文 |
附录2 攻读硕士学位期间申请的专利和所获奖项 |
附录3 攻读硕士学位期间参加的科研项目 |
致谢 |
(2)一类随机非线性多智能体系统自适应协同控制(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 国内外研究现状 |
1.2.1 反步法及随机系统的自适应控制 |
1.2.2 多智能体系统 |
1.2.3 随机多智能体系统状态反馈控制 |
1.2.4 随机多智能体系统输出反馈控制 |
1.2.5 事件触发 |
1.3 存在的问题 |
1.4 本文研究内容安排 |
第二章 预备知识 |
2.1 符号定义 |
2.2 伊藤引理 |
2.3 RBF神经网网络逼近 |
2.4 图论 |
2.4.1 输出一致问题 |
2.4.2 包含问题 |
2.5 常用结论 |
2.6 本章小结 |
第三章 一类随机非线性多智能体系统的输出一致控制 |
3.1 引言 |
3.2 一类随机非线性严格反馈多智能体系统的自适应神经输出一致控制 |
3.2.1 问题描述 |
3.2.2 控制律设计 |
3.2.3 稳定性分析 |
3.2.4 仿真验证 |
3.3 一类具有输入饱和特性的随机非线性多智能体系统的输出一致控制 |
3.3.1 问题描述 |
3.3.2 观测器设计 |
3.3.3 控制律设计 |
3.3.4 稳定性分析 |
3.3.5 仿真验证 |
3.4 本章小结 |
第四章 一类随机非线性多智能体系统的包含控制 |
4.1 引言 |
4.2 随机非线性严格反馈多智能体系统的自适应神经网络包含控制 |
4.2.1 问题描述 |
4.2.2 控制律设计 |
4.2.3 稳定性分析 |
4.2.4 仿真验证 |
4.3 基于观测器的随机非线性多智能体系统包含控制 |
4.3.1 问题描述 |
4.3.2 观测器设计 |
4.3.3 控制律设计 |
4.3.4 稳定性分析 |
4.3.5 仿真验证 |
4.4 本章小结 |
第五章 一类随机非线性多智能体系统事件触发自适应控制 |
5.1 引言 |
5.2 问题描述 |
5.3 基于事件触发的随机多智能体输出反馈包含控制律 |
5.3.1 观测器设计 |
5.3.2 控制律设计 |
5.3.3 稳定性分析 |
5.4 仿真验证 |
5.4.1 多机器人仿真 |
5.4.2 数值仿真 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
附录1 攻读硕士学位期间撰写的论文 |
附录2 攻读硕士学位期间申请的专利 |
附录3 攻读硕士学位期间参加的科研项目 |
致谢 |
(3)具有死区输入的高阶非线性系统自适应跟踪控制研究(论文提纲范文)
中文摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.2 非线性系统的发展历程 |
1.3 高阶非线性系统的自适应跟踪控制研究现状 |
1.4 本文的主要内容 |
第二章 预备知识 |
2.1 基本概念和相关理论 |
2.2 重要的不等式 |
第三章 带有外部扰动和死区输入非线性的高阶不确定时滞非线性系统的自适应跟踪控制 |
3.1 系统模型与问题描述 |
3.2 预备命题 |
3.3 控制器设计 |
3.4 主要结论 |
3.5 仿真实例 |
3.6 小结 |
第四章 带有死区输入非线性的高阶非三角非线性系统的自适应跟踪控制 |
4.1 系统模型与问题描述 |
4.2 预备命题 |
4.3 控制器设计 |
4.4 主要结论 |
4.5 仿真算例 |
4.6 小结 |
第五章 全文工作总结与展望 |
参考文献 |
攻读学位期间取得的研究成果 |
致谢 |
个人简况及联系方式 |
(4)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 |
(5)输出受约束系统的改进自适应动态面控制(论文提纲范文)
摘要 |
Abstract |
主要符号表 |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 相关问题的研究现状 |
1.2.1 动态面控制方法研究概述 |
1.2.2 输出约束问题主要研究方法 |
1.2.3 考虑攻角约束的高超声速飞行器控制研究现状 |
1.3 现有结果局限性分析 |
1.4 本文的主要研究内容及结构安排 |
第2章 不确定非线性系统的改进自适应动态面控制 |
2.1 引言 |
2.2 问题描述 |
2.3 改进的自适应动态面控制 |
2.3.1 控制器设计 |
2.3.2 稳定性分析 |
2.4 仿真分析 |
2.4.1 数值算例 |
2.4.2 直流电机驱动单连杆机械臂系统 |
2.5 本章小结 |
第3章 输出受约束的严格反馈系统改进自适应动态面控制 |
3.1 引言 |
3.2 问题描述 |
3.3 基于BLF的改进自适应动态面控制 |
3.3.1 BLF基础 |
3.3.2 控制器设计 |
3.3.3 稳定性分析 |
3.4 基于NM的改进自适应动态面控制 |
3.4.1 约束变换 |
3.4.2 改进的自适应动态面控制设计 |
3.5 仿真分析 |
3.5.1 直流电机驱动单连杆机械臂系统 |
3.5.2 蔡氏电路系统 |
3.6 本章小结 |
第4章 输出受约束的纯反馈系统的改进自适应动态面控制 |
4.1 引言 |
4.2 问题描述 |
4.3 基于系统变换的改进自适应动态面控制 |
4.3.1 系统变换 |
4.3.2 控制器设计 |
4.3.3 稳定性分析 |
4.4 基于新型坐标变换的改进自适应动态面控制 |
4.5 仿真分析 |
4.5.1 一类受控Brusselator化学反应模型 |
4.5.2 输入非仿射纯反馈系统数值算例 |
4.5.3 一个欠驱动弱耦合力学系统 |
4.6 本章小结 |
第5章 输出受约束的输出反馈系统的改进自适应动态面控制 |
5.1 引言 |
5.2 问题描述 |
5.3 状态观测器设计 |
5.4 输出反馈控制器设计 |
5.4.1 高频控制增益符号已知情形 |
5.4.2 高频控制增益符号未知情形 |
5.5 仿真分析 |
5.5.1 数值算例 |
5.5.2 直流电机驱动单连杆机械臂系统 |
5.5.3 蔡氏电路系统 |
5.6 本章小结 |
第6章 考虑攻角约束的高超声速飞行器纵向控制系统设计 |
6.1 引言 |
6.2 高超声速飞行器模型与问题描述 |
6.2.1 高超声速飞行器纵向运动模型 |
6.2.2 设计目标与控制方案 |
6.3 指令信号设计 |
6.4 控制律设计 |
6.4.1 控制设计模型 |
6.4.2 速度与姿态跟踪控制器设计 |
6.4.3 稳定性分析 |
6.5 仿真分析 |
6.5.1 仿真条件 |
6.5.2 仿真结果 |
6.6 本章小结 |
结论 |
参考文献 |
附录A 第6章附录 |
攻读博士学位期间发表的学术论文 |
致谢 |
个人简历 |
(6)基于状态观测的输出反馈控制算法研究及改进设计(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 非线性系统控制研究现状 |
1.2.1 自抗扰控制国内外研究现状 |
1.2.2 滑模控制国内外研究现状 |
1.2.3 自适应反步法控制国内外研究现状 |
1.3 预备知识 |
1.3.1 自抗扰控制基本原理和结构 |
1.3.2 滑模控制基本原理 |
1.3.3 反步法简介 |
1.4 本文主要工作和组织结构 |
第2章 基于扩张状态观测器的自适应输出反馈控制 |
2.1 问题模型及准备 |
2.2 扩张状态观测器设计 |
2.3 控制器设计及稳定性分析 |
2.3.1 非线性滤波器设计 |
2.3.2 控制器设计 |
2.4 仿真算例 |
2.5 本章小结 |
第3章 一类切换非线性系统的自适应反步滑模控制 |
3.1 被控系统模型及准备 |
3.1.1 系统模型描述和假设 |
3.1.2 模糊逻辑系统 |
3.2 模糊状态观测器 |
3.3 控制器设计 |
3.3.1 高阶滑模微分器 |
3.3.2 自适应反步法滑模控制器设计 |
3.4 稳定性分析 |
3.5 仿真算例 |
3.6 本章小结 |
第4章 基于扰动补偿的一类反应釜自适应积分滑模控制 |
4.1 数学建模及假设 |
4.2 有限时间状态观测器设计 |
4.3 滑模控制器设计 |
4.3.1 扰动观测及补偿 |
4.3.2 自适应积分滑模控制器设计 |
4.4 仿真算例 |
4.5 本章小结 |
第5章 结论与展望 |
5.1 论文成果总结 |
5.2 进一步的研究工作 |
参考文献 |
攻读硕士学位期间论文发表及科研情况 |
致谢 |
(7)基于事件触发机制的不确定非线性系统智能控制研究(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 非线性系统智能控制研究现状 |
1.2.1 约束系统的自适应模糊/神经网络控制研究现状 |
1.2.2 故障系统的自适应模糊/神经网络控制研究现状 |
1.2.3 互联系统的自适应模糊/神经网络控制研究现状 |
1.2.4 多智能体系统的自适应模糊/神经网络控制研究现状 |
1.3 不确定非线性系统事件触发控制研究现状 |
1.4 论文的主要工作 |
1.5 符号说明 |
第二章 预备知识 |
2.1 常用引理 |
2.2 模糊逻辑系统 |
2.3 径向基函数神经网络 |
2.4 代数图论 |
2.5 障碍Lyapunov函数 |
第三章 执行器故障下的严格反馈非线性系统自适应模糊控制 |
3.1 引言 |
3.2 问题描述 |
3.3 自适应控制器设计 |
3.3.1 自适应模糊控制器设计 |
3.3.2 事件触发控制器设计 |
3.3.3 系统的稳定性分析 |
3.4 仿真验证 |
3.4.1 数值仿真 |
3.4.2 单连杆机器人手臂仿真 |
3.5 本章小结 |
第四章 状态未知的非严格反馈非线性大系统自适应模糊分散控制 |
4.1 引言 |
4.2 问题描述 |
4.3 自适应模糊控制器设计 |
4.3.1 事件触发控制方案的设计 |
4.3.2 稳定性分析 |
4.4 仿真结果 |
4.4.1 数值仿真 |
4.4.2 小车上互联倒立摆系统仿真 |
4.5 本章小结 |
第五章 输出约束下非严格反馈非线性系统自适应模糊事件触发控制 |
5.1 引言 |
5.2 问题描述 |
5.3 自适应控制器设计 |
5.3.1 自适应模糊控制器设计 |
5.3.2 事件触发控制器设计 |
5.3.3 稳定性分析 |
5.4 仿真结果 |
5.4.1 数值仿真 |
5.4.2 Brusselator模型 |
5.5 本章小结 |
第六章 全状态约束下的非严格反馈大系统自适应输出反馈分散控制 |
6.1 引言 |
6.2 问题描述 |
6.3 自适应神经网络控制器设计 |
6.3.1 自适应神经网络控制器设计 |
6.3.2 事件触发控制策略 |
6.4 稳定性分析 |
6.5 仿真结果 |
6.5.1 数值仿真 |
6.5.2 倒立摆仿真 |
6.6 本章小结 |
第七章 传感器故障下多智能体系统的自适应神经网络事件触发控制 |
7.1 引言 |
7.2 系统描述 |
7.3 自适应神经网络控制器设计 |
7.3.1 自适应神经网络控制器设计 |
7.3.2 事件触发控制策略 |
7.4 稳定性分析 |
7.5 仿真算例 |
7.5.1 数值仿真 |
7.5.2 多机械臂仿真 |
7.6 本章小结 |
第八章 具有时变输出约束和干扰不确定性的六旋翼无人机自适应神经网络协同控制 |
8.1 引言 |
8.2 问题描述 |
8.2.1 六旋翼无人机姿态模型 |
8.2.2 自适应控制器设计 |
8.2.3 事件触发控制方案的设计 |
8.2.4 稳定性分析 |
8.3 自适应位置跟踪控制 |
8.3.1 自适应神经网络控制器设计 |
8.3.2 稳定性分析 |
8.4 仿真结果 |
8.5 本章小结 |
总结与展望 |
参考文献 |
攻读博士学位期间发表或提交的论文 |
致谢 |
(8)随机非线性不确定系统的T-S模糊控制和事件驱动控制(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 研究背景及研究现状 |
1.2.1 T-S模糊非线性系统 |
1.2.2 带马尔科夫跳的随机系统 |
1.2.3 事件驱动控制 |
1.3 本文的主要工作及内容安排 |
第二章 离散时间T-S模糊时变时滞马尔科夫跳变系统的最优保性能控制 |
2.1 引言 |
2.2 问题描述 |
2.3 T-S模糊控制器设计与稳定性分析 |
2.4 仿真 |
2.5 本章小结 |
第三章 连续时间T-S模糊时变时滞马尔科夫跳变系统的非脆弱保性能控制 |
3.1 引言 |
3.2 问题描述 |
3.3 T-S模糊控制器设计与稳定性分析 |
3.4 仿真 |
3.5 本章小结 |
第四章T-S模糊时变时滞马尔科夫跳变系统的输入约束控制 |
4.1 引言 |
4.2 问题描述 |
4.3 具有输入约束的T-S模糊控制器设计与稳定性分析 |
4.4 仿真 |
4.5 本章小结 |
第五章 带马尔科夫跳的随机不确定非线性系统的自适应事件驱动跟踪控制 |
5.1 引言 |
5.2 问题描述 |
5.3 事件驱动控制设计与性能分析 |
5.4 仿真 |
5.5 本章小结 |
第六章 带马尔科夫跳的随机不确定非线性系统的自适应动态面事件驱动预设性能控制 |
6.1 引言 |
6.2 问题描述 |
6.3 事件驱动的自适应预设性能控制器设计与性能分析 |
6.4 仿真 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
致谢 |
作者简介 |
(9)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 |
(10)非线性不确定切换系统的自适应控制问题研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与发展 |
1.2 不确定随机切换系统的自适应控制研究 |
1.3 切换系统的有限时间自适应控制研究 |
1.4 章节安排 |
2 预备知识 |
2.1 基本定义与相关引理 |
2.2 非线性逼近特性 |
3 一类随机切换非线性不确定系统的自适应跟踪控制问题 |
3.1 系统描述 |
3.2 多自适应律下的自适应控制器设计及稳定性分析 |
3.3 单自适应律下的自适应控制器设计及稳定性分析 |
3.4 仿真实例 |
3.5 小结 |
4 一类具有磁滞的切换非线性不确定系统的有限时间自适应控制问题 |
4.1 系统描述 |
4.2 磁滞非线性模型 |
4.3 自适应NN控制设计与稳定性分析 |
4.4 仿真实例 |
4.5 小结 |
5 总结与展望 |
参考文献 |
作者简历 |
致谢 |
学位论文数据集 |
四、一类不确定非线性系统的自适应模糊跟踪控制(论文参考文献)
- [1]一类非线性系统改进自适应动态面控制[D]. 孟青. 南京邮电大学, 2020
- [2]一类随机非线性多智能体系统自适应协同控制[D]. 缪松涛. 南京邮电大学, 2020
- [3]具有死区输入的高阶非线性系统自适应跟踪控制研究[D]. 李冰欢. 山西大学, 2020(01)
- [4]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)
- [5]输出受约束系统的改进自适应动态面控制[D]. 章智凯. 哈尔滨工业大学, 2020(01)
- [6]基于状态观测的输出反馈控制算法研究及改进设计[D]. 代明星. 青岛理工大学, 2019(02)
- [7]基于事件触发机制的不确定非线性系统智能控制研究[D]. 曹亮. 广东工业大学, 2019(03)
- [8]随机非线性不确定系统的T-S模糊控制和事件驱动控制[D]. 何苗. 西安电子科技大学, 2019(07)
- [9]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)
- [10]非线性不确定切换系统的自适应控制问题研究[D]. 李彦欣. 山东科技大学, 2019(05)