论文部分内容阅读
随着科学技术的发展,人们对非线性系统的控制提出了更高的要求。为了进一步发展和完善非线性控制理论,本文以非匹配非线性系统为研究对象,提出了一套鲁棒自适应控制方法。其贡献主要体现在以下几个方面: （1） 针对一类具有未知控制方向,未知参数以及未建模动态的非线性系统,提出了一种带有死区修正算法的鲁棒自适应后推控制策略。该策略不需要控制方向符号的先验知识,根据参数上下界先验信息,分别将光滑投影和非连续投影算法与参数自适应律结合起来,既抑制了参数的漂移,又使估计参数达到了最小。算法保证了闭环系统所有信号的有界性,同时使得跟踪误差收敛于零的任意小邻域内。 （2） 对存在外界干扰的严反馈非线性系统H∞控制问题,给出了一种带有死区的鲁棒自适应设计方法。该算法不但能够保证闭环系统的稳定性,还使得系统满足给定的L2干扰抑制性能指标,同时也不需要求解HJI不等式。 （3） 针对一类具有未知时变控制方向,不确定时变参数以及未知时变有界干扰的非线性系统,给出了一种带有死区修正算法的鲁棒控制方法。该策略不需要未知时变控制系数的上下界先验知识以及不确定参数和外界干扰的上界信息。算法保证了闭环系统所有信号的有界性,同时也使得跟踪误差收敛于零的任意小邻域内。 （4） 对一类具有未知参数,包括未知高频增益的非线性最小相位系统,首先在考虑存在外界干扰的情况下,提出一种鲁棒自适应输出反馈控制策略。系统所受的干扰有界但其界值是未知的。控制算法并不需要高频增益符号以及外界干扰的先验知识。同时,系统的非线性项并不需要满足增长性条件和匹配条件。算法使得估计参数量达到了最小,保证了闭环系统所有信号的有界性,同时使得跟踪误差渐进收敛于零。在考虑存在未建模动态的情况下,提出另一种输出反馈控制策略。根据未知参数的上下界先验信息,通过将光滑投影和非连续投影算法与参数自适律结合起来实现参数漂移的抑制。控制算法保证了闭环系统所有信号的有界性,同时使得系统输出渐进收敛于零。 （5） 基于神经网络的万能逼近特性,针对不确定非线性系统提出一种鲁棒自适应神经网络控制策略。运用神经网络来逼近系统中的不确定函数,采用在线自适应律对神经网络的权值进行在线调整。在控制方向未知的情况下,所给出的神经控制算法能够保证系统输出渐进收敛于零。在非线性系统的未建模动态满足输入—输出稳定时,基于小增益定理给出了控制器的设计以及整个闭环系统的稳定性分析,同时也证明系统输出能够调节到任意地小。在系统的所有状态变量均可测的条件下,提出一种多滑模神经网络控制策略。在每一步的设计中均引入一个带有饱和层的动态滑模面。算法保证系统跟踪