基于状态观测器的混沌系统鲁棒同步设计

研究了在有界干扰情况下一类非线性反馈混沌系统的鲁棒同步状态观测器设计问题。基于Sylvester矩阵方程的参数化解,将非线性反馈混沌系统的鲁棒同步状态观测器设计问题转化为带有约束条件的优化问题,通过解决该优化问题得到鲁棒同步状态观测器的增益矩阵,从而达到了干扰信号解耦目的。数值算例及其仿真结果表明:该非线性反馈混沌系统的鲁棒同步状态观测器的设计方法是简单有效的。     

基于约束跟随的无人战车编队控制

针对无人战车编队系统控制过程中需要克服非线性和不确定性的问题,提出一种基于约束跟随的自适应鲁棒控制方法。以伺服约束的形式描述被控系统需要遵循的约束,并建立约束跟随误差,将编队控制问题转化为一类近似约束跟随问题。考虑编队执行任务时需要到达指定的作战区域,在行驶约束的基础上添加到达约束;设计自适应鲁棒控制器,利用Lyapunov稳定性分析方法,证明系统误差一致有界和一致最终有界。进而保证编队系统在复杂的不确定因素干扰下,仍具有较好的被控精度和系统稳定性。仿真实验结果表明：该自适应鲁棒控制器较好地解决系统中的不确定性,在满足编队系统队形要求的同时,驱使战车编队到达目标区域。     

具有混合执行器故障和多未知控制方向的多智能体编队系统自适应协同容错控制

针对非线性多智能体具有混合执行器故障和多未知控制方向的问题,基于鲁棒自适应模糊技术,提出新颖的协同容错控制方法.采用分段Nussbaum函数解决了多未知控制方向;基于鲁棒自适应模糊技术解决了系统中的非线性不确定问题;引入一阶滑模微分器与自适应反步技术结合,用于获得虚拟控制律的一阶导数,并结合鲁棒有界方法,用于提高所设计...     

一类非光滑非线性系统的鲁棒输出跟踪控制

研究一类具有不可控不稳定线性化的非光滑和本质非线性系统的鲁棒输出跟踪问题.应用Lyapunov稳定性和"加幂积分器"方法构造出一个鲁棒非线性状态控制器,解决了系统的全局鲁棒输出跟踪问题,且所求控制律能确保跟踪误差充分小,闭环系统所有信号全局有界.仿真结果证明了所提出方法的有效性.     

基于自适应控制策略下的Rossler和Chen混沌系统的同步

讨论了2个著名的混沌系统的混沌同步控制问题.在响应系统与驱动系统具有相同的结构,但未知驱动系统参数的情况下,设计出了有效的自适应控制器,实现了系统间的全局状态同步.仿真结果验证了该控制器的有效性.     

共轴旋翼无人飞行器姿态控制

针对共轴旋翼无人飞行器的姿态控制问题,基于反步法设计了鲁棒跟踪控制器。考虑旋翼挥舞、气动参数时变、模型简化误差和外界干扰等因素,建立了不确定非线性姿态控制模型。对于模型不确定性,采用径向基函数神经网络对其进行估计;针对外界干扰,采用干扰观测器估计干扰的幅值。设计了反步控制器,根据Lyapunov稳定性定理证明了该控制器能够使得飞行器姿态有界稳定。仿真结果表明:设计的姿态控制器具有良好的姿态跟踪性能和干扰抑制性能。     

基于RBF网络的滑模变结构控制在无刷直流电机伺服系统中的应用

无刷直流电动机的参数强耦合、高度非线性特性增加了对其速度控制的难度，针对这一特点，设计了一种神经网络滑模变结构速度控制器。将无刷直流电机速度伺服系统分成名义模型和不确定模型，采用状态反馈方法对名义模型进行控制，以RBF神经网络为滑模动态补偿器对不确定系统进行控制。该方法不仪具有变结构控制的抗参数摄动、抗干扰以及速度快等优点，神经网络控制的加入还有效地减弱了单纯滑模变结构控制所带来的“抖振”现象。Matlab仿真结果表明，该控制器具有良好的控制性能和鲁棒性能。     

自适应反步滑模控制在火箭炮伺服系统中应用

针对实际系统运行过程中所存在的转动惯量和负载力矩变化大等各种不确定因素,提出了一种新型的自适应反步滑模位置控制器(ABSMC)。首先对于模型中的不确定参数,采用自适应鲁棒算法进行有效估计,通过对模型的等价变换和选择适当的Lyapunov函数,最终给出系统的自适应控制器和不确定参数自适应律的设计方法。仿真和实验结果表明,该控制器能够有效抑制抖振,系统跟踪误差小,跟踪性能好,对参数摄动及外界负载扰动具有较强的鲁棒性。     

带有结构不确定性的线性切换系统的鲁棒状态反馈镇定

针对带有结构不确定性的线性切换系统,讨论系统的鲁棒状态反馈镇定问题。对自由系统,得到了一个在给定的切换律下Lyapunov稳定的充分条件。针对受控制系统,设计出一个有效的鲁棒状态反馈控制器,该控制器可以使闭环系统全局渐近稳定,基于Lyapunov方法证明了该受控制器的有效性。     

一类不确定非线性时滞系统的鲁棒容错控制

针对一类非线性时滞系统,基于Lyapunov稳定性理论,讨论了不确定参数系统的鲁棒容错控制问题。当故障在失效的传感器以及失效的执行器发生时,且非线性不确定性满足一定的增益条件,通过基于线性矩阵不等式(LMI)方法各自给出了故障在传感器和执行器失效发生时,闭环系统渐近稳定的存在条件及相应控制器的设计方法。一个设计算例的仿真结果表明了该方法是有效的。     

起重机吊重摆角的自适应神经网络补偿控制

为了控制起重机吊重摆动幅度在最短时间内衰减到规定范围或平衡点附近,同时考虑到由于外界不确定性因素导致的系统模型的不确定性,设计了自适应径向基函数Radial Basis Function（RBF）神经网络补偿控制器。RBF神经网络对系统模型的未知函数进行辨识,并将辨识信息提供给控制器。实验结果表明：吊重摆角约在5s时跟踪给定幅度的正弦信号,并在参考信号发生突变时,摆角仍在给定的范围内;RBF神经网络约在5s后几乎以零误差辨识未知函数。所设计的控制器对不确定性因素具有较强的鲁棒性,这也验证了控制系统稳定性证明结论。     

混沌信号处理

描述了混沌特征参量 ,包括Lyapunov指数和分形维 ;讨论了信号相空间重构和Takens嵌入定理 ,以及嵌入维数、时间延迟等参数。还阐述应用神经网络进行混沌信号非线性处理     

三关节机器人的神经网络补偿自适应控制器设计

三关节机器人广泛用于工业生产、轮式或履带式排爆机器人,为了补偿由于机器人结构参数、作业环境干扰等不确定性因素造成的机器人动力学模型的不确定性,将机器人动力学模型分解为名义模型和误差模型两部分,其误差模型采用RBF神经网络进行补偿,得到其估计信息,神经网络的输出权值根据Lyapunov稳定性理论采用自适应算法进行调整。所设计的神经网络补偿自适应控制器解决了不确定性机器人动力学系统控制器设计的不确定性问题,同时,通过定义Lyapunov函数,证明了控制器能渐近、稳定地跟踪期望轨迹。机器人的3个关节在控制器的作用下,约在5 s时达到期望轨迹,神经网络约在5 s时逼近机器人动力学模型的误差模型,实验结果表明了机器人关节对期望轨迹具有良好的轨迹跟踪性能。     

一类新型混沌动力学系统的自适应控制及同步研究

讨论了一类新型混沌动力学系统的自适应控制及同步问题。利用Lyapunov稳定性理论,得出了该类混沌系统的自适应控制方法;将该类系统作为驱动系统和响应系统,实现了在不同初值且参数未知情况下的自适应同步;进行了数值模拟,验证了相关结论。     

基于改进半监督FCM聚类的复合材料超声检测脱粘缺陷识别

针对径向基（RBF）神经网络在进行超声检测脱粘缺陷识别时存在参数选择不确定、网络结构鲁棒性差等问题,提出一种改进的自适应半监督模糊C均值聚类（FCM）的RBF神经网络的方法,将kw近邻估计法和半监督模糊C均值聚类方法相结合,改进了隶属度函数,自适应确定聚类数目。将改进的RBF神经网络应用于超声检测脱粘缺陷识别,实验结果表明：与传统RBF神经网络相比,本方法减弱了孤立样本对网络结构的影响,增强了网络结构的鲁棒性,提高了脱粘缺陷识别的准确率,是一种较好的超声检测脱粘缺陷识别分类方法．     

一个新混沌系统的混沌控制与同步

针对一个新的三维自治混沌系统,研究了该系统的控制与同步现象。根据李雅普诺夫稳定性理论,运用自适应控制方法对该系统进行了混沌控制,设计了实现其同步的一个非线性控制器,运用Matlab数值仿真验证了设计的有效性。     

基于RBF神经网络和定性趋势分析的传感器故障诊断

针对传感器偏置故障及漂移故障,提出了一种基于RBF神经网络和定性趋势分析的传感器故障诊断方法.该方法充分利用控制系统闭环回路测控信息,建立RBF神经网络预测器,通过将RBF神经网络的预测输出值与传感器实际输出相比较获取残差序列,根据残差首先判断传感器是否发生故障,然后用定性趋势分析方法获得传感器偏置故障和漂移故障的辨识...     

基于多级RBF神经网络集成的传感器故障诊断研究

针对诊断传感器偏置故障及漂移故障的难点问题，提出了一种基于多级RBF神经网络集成的传感器故障诊断方法。该方法充分利用控制系统闭环回路测控信息，建立多级神经网络集成观测器模型。将输出与传感器实际输出相比较获取残差序列，获得基于残差序列的传感器偏置故障和漂移故障的辨识策略，实现控制系统传感器故障在线诊断。将三容水箱液位控制系统作为仿真对象，仿真结果表明该方法不仅可以提高单一神经网络的运算精度，而且采用RBF神经网络集成方式还要优于其他集成方式，可以快速准确地检测和分离传感器故障，辨识传感器故障类型、故障大小以及故障发生的时间。     

基于RBF神经网络的导弹自动驾驶仪故障诊断

系统地分析了某型导弹自动驾驶仪的结构功能,在此基础上提出了采用RBF(径向基函数)神经网络对自动驾驶仪进行故障诊断的方法;提出了用Gauss(高斯)函数对获取的数据进行归一化处理的方法,再用处理后的数据训练RBF神经网络。实验结果表明,训练后的神经网络能快速、准确地诊断自动驾驶仪的故障,为自动驾驶仪的故障诊断提出了一种新的方法。