几类不确定非线性系统的智能控制问题研究

几类不确定非线性系统的智能控制问题研究在实际中,大多数系统都是非线性系统,而且通常受到不确定性,时滞以及随机扰动等因素的影响。自适应控制因其具有辨识对象和在线修改参数的能力,能够有效抑制不确定性的影响,另一方面模糊逻辑系统以及神经网络能以任意精度逼近未知连续函数,因此是处理不确定性特别有效的方法。

近年来,通过将反步递推设计方法与模糊逻辑系统理论或神经网络相结合的反步递推自适应智能控制得到了充分发展,而且取得了很多重要的研究成果,然而仍然存在着很多问题需要进一步研究。本文将深入研究几类不确定非线性系统的智能控制问题,如具有严格反馈形式的不确定非线性系统,随机非线性系统,以及非线性互联大系统等,并且研究在系统存在时滞情况下的处理方法。

主要研究内容如下：1.针对一类具有严格反馈形式的单输入单输出不确定非线性系统,研究基于滤波器的自适应模糊跟踪控制问题。首先设计滤波器估计不可测状态,在此基础上结合反步递推设计方法和模糊逻辑系统理论,逐步设计出虚拟控制信号和实际的控制律。

基于Lyapunov函数理论,证明了闭环系统所有信号半全局最终一致有界而且跟踪误差收敛到零的一个小邻域内。最后通过仿真算例,验证了该方法的有效性。

2.针对一类带有未知时滞且具有严格反馈形式的单输入单输出不确定非线性系统,给出了自适应模糊输出反馈控制方法。首先设计滤波器估计不可测状态,通过结合反步递推设计方法和动态面控制技术,避免了对虚拟控制器中自变量重复求导,从而降低了计算量,简化了所要设计的控制器。

基于Lyapunov-Krasovskii泛函,证明了闭环系统的所有信号半全局最终一

致有界,而且跟踪误差收敛到零的一个小邻域内。最后通过仿真算例验证了所提方法的有效性。

3.针对一类带有未知时滞且具有严格反馈形式的单输入单输出随机非线性系统,研究了基于观测器的自适应神经网络控制方法。首先设计状态观测器估计不可测状态,结合反步递推设计方法和动态面控制技术,给出基于观测器的输出反馈控制方法。

通过引入四次Lyapunov-Krasovskii泛函,有效补偿了非线性时滞项的影响,保证闭环系统的所有信号均方半全局最终一致有界。最后通过仿真研究验证了所设计控制方法的可行性。

4.针对一类具有严格反馈形式的随机非线性互联大系统,给出了基于状态观测器的自适应神经网络分散控制方法。首先,由于非线性互联大系统结构复杂,维数高,因此采用分散控制方法,减少需要处理的信息量,从而使所设计的控制器更易于应用到实际工程中。

另外,通过结合反步递推方法和神经网络,并在递推设计过程中运用动态面控制技术,设计出了有效的直接自适应神经网络控制器。所设计的控制器结构简单,需要调整的自适应参数少,而且避免了计算复杂问题。

最后通过仿真算例验证了所提方法的有效性。5.针对机器手指动态系统,研究了机器手指各个关节位置轨迹跟踪控制问题。

通过采用分散控制方法,并且利用前面对模糊逻辑系统以及自适应控制的研究结果,给出了机器手指动态系统自适应模糊分散控制器设计方法。所设计的控制器具有结构简单,自适应参数少,易于实现等特点,而且通过Puma560机器人验证所提方法的可行性。