摘要：针对一类未知时变时滞非线性系统,提出一种基于观测器的重复控制方案.采用线性矩阵不等式设计非线性观测器,所设计的控制律含有PID反馈项,常值参数自适应律是微分-差分型的,时变参数学习律是差分型的.在假设未知时变时滞、时变参数和参考输出的周期有已知的最小公倍数下,通过构造一个Lyapunov-Krasovskii型复合能量函数,证明了所有闭环信号有界且输出跟踪误差收敛.仿真实例表明了算法的有效性.

摘要：研究了一类带有时变时滞的不确定非线性关联大系统的自适应模糊容错控制问题.用有界的参考信号代换模糊逼近器输入中的未知时滞信号,使得控制器的设计与应用不再依赖于时滞假设条件,使得控制器的设计和控制方法的应用更为方便.容错反推控制技术和自适应技术相结合来处理代换误差和逼近误差.所提出的方案能有效补偿所有4种类型的执行器故障,同时还可保证闭环系统的全局稳定性.仿真结果进一步验证了本文方法的有效性.

摘要：针对一类未知非线性时滞关联大系统,提出一种自适应神经网络分散跟踪控制方案.采用神经网络逼近各子系统内部的非线性函数和关联项中的时滞非线性函数;利用占有方法处理时滞项,采用B ackstepp ing技术设计分散控制律和参数自适应律.基于Lyapunov-K rasov isk ii泛函证明了闭环大系统所有信号半全局一致最终有界.通过调节设计参数和增加神经元个数,可以实现任意输出跟踪精度.实例仿真说明了该方案的可行性.

摘要：针对一类输出反馈非线性时滞系统,提出一种简化的自适应神经网络镇定算法.所设计的状态观测器和控制器不依赖于时滞.不同于现有的结果,系统的时滞项假定完全未知,仅采用一个神经网络补偿所有未知非线性函数,因此控制器设计更加简单,而且最终的闭环系统被证明是半全局渐近稳定的.仿真结果进一步验证了该控制方案的有效性.

摘要：针对一类不确定大规模系统,研究其全局稳定的分散自适应神经网络反推跟踪控制问题.在假设不匹配的未知关联项满足部分已知的非线性Lipschitz条件下,采用神经网络作为前馈补偿器,逼近参考信号作为输入的未知关联函数;设计者可根据参考信号的界预先确定神经网络逼近域,同时保证了闭环系统的全局稳定性.仿真实例验证了控制算法的有效性.

摘要：针对一类参数化非线性时滞输出反馈系统,提出了一种无记忆自适应跟踪控制器的设计方案.采用时滞滤波器估计系统状态,用Domination处理非线性时滞项,应用Backstepping技术设计控制器和参数自适应律.放宽了对时滞项的要求.通过构建一个Lyapunov＿Krasoviskii泛函,证明了闭环系统的稳定性,实现了对目标轨线的渐近跟踪,保证了所有信号一致有界.实例仿真说明了该方案的可行性.

摘要：针对多输入多输出非线性多时滞系统,提出了一种直接自适应模糊跟踪控制方案.该方案有机综合了自适应控制和H∞控制,构建了一种自适应时滞模糊逻辑系统用来逼近有多重时滞的未知函数;设计了H∞补偿器来抵消模糊逼近误差和外部扰动.根据跟踪误差给出了参数调节规律,构造了包含时滞的李亚普诺夫函数,从而证明了误差闭环系统满足期望的H∞跟踪性能.仿真结果表明了该方案的可行性.

摘要：针对具有严格反馈形式的随机非线性系统,首次引入神经网络控制技术,设计了适当形式的随机控制Lyapunov函数,并运用反推(Backstepping)技术和非线性观测器设计技术,构造出一类自适应神经网络输出反馈控制器.在一定条件下,证明了闭环系统平衡点依概率稳定.仿真算例验证了所给控制方案的有效性.

摘要：针对一类参数化非线性时滞系统,采用时滞滤波器,结合backstepp ing的设计方法,提出了一种自适应输出反馈控制器的设计方案.放松了对非线性时滞项的要求,实现了对给定目标轨线的全局渐近跟踪,并保证闭环系统所有信号一致有界.基于Lyapunov-Krasovisk ii泛函方法证明了整个闭环系统的稳定性.实例仿真说明了该方案的可行性.

摘要：针对一类参数化非线性时滞输出反馈系统,提出了一种自适应输出跟踪控制器的设计方案。引入时滞滤波器估计未知系统状态,采用backstepping技术设计控制律和参数自适应律,运用占优方法处理非线性时滞项,从而放宽了对非线性时滞函数的要求,实现了对给定目标轨线的全局渐近跟踪,同时保证闭环系统所有信号一致有界。基于Lyapunov-Krasoviskii泛函方法证明了整个闭环系统的稳定性。实例仿真说明了该方案的可行性。