摘要：针对一类严格反馈非线性周期系统,在周期非线性可时变参数化的条件下设计自适应控制器.通过将周期时变参数展开成傅里叶级数,并采用微分自适应律估计未知系数,进行控制器反推设计.引入S类函数,并在控制器设计中应用S类函数处理截断误差项对系统跟踪性能的影响,同时,S类函数能确保虚拟控制的可微.给出几种不同的S类函数设计,分析比较将其应用于控制器设计时产生的不同效果.理论分析与仿真结果表明,提出的控制方法能够实现系统输出跟踪期望轨迹,且闭环系统所有信号有界.

摘要：讨论非线性非最小相位系统实现完全跟踪的迭代学习控制方法,适于在有限作业区间上重复运行的受控系统.在控制器设计时,通过输出重定义以使非最小相位系统的零动态变成渐近稳定特性.分别采用部分限幅和完全限幅两种学习算法设计控制器,理论分析表明两种算法能够保证学习系统中所有变量的有界性和跟踪误差在整个作业区间上渐近收敛于零.数值仿真验证了两种迭代学习控制系统的跟踪性能.

摘要：针对一类含未知时变参数的严格反馈非线性系统,提出一种实现有限作业区间轨迹跟踪控制的迭代学习算法.基于Lyapunov-like方法设计控制器,回避了常规迭代学习控制中受控系统非线性特性需满足全局Lipschitz连续条件的要求.以反推设计(Backstepping)方法设计控制器,为使得虚拟控制项可导,引入一级数收敛序列;将时变参数展开为有限项多项式形式,在控制器设计中采取双曲正切函数处理余项对于系统跟踪性能的影响.理论分析表明,闭环系统所有信号有界,并能够实现系统输出完全收敛于理想轨迹.

摘要：针对一类输入含齿隙非线性动态特性的周期时变系统,在周期不确定性可时变参数化的条件下设计自适应控制器.对周期时变参数进行傅里叶级数展开,并采用微分自适应律估计未知傅里叶系数和齿隙动态特性参数,通过鲁棒方法消除截断误差和齿隙模型的有界误差项对系统性能的影响.采用双曲函数替代符号函数确保控制器可微,同时能有效抑制颤振.引入△函数,避免参数估计发散,并保证系统输出渐近跟踪理想轨迹.理论分析与仿真结果表明,闭环系统所有信号有界.

摘要：在任意初始定位条件下,讨论具有限时间死区修正的迭代学习控制器设计方法.针对一类高阶不确定非线性时变系统,通过将其不确定性项线性参数化表达,进行迭代学习控制器设计;并考虑不确定项界函数参数化情形下的鲁棒迭代学习控制方法.通过引入有限时间死区,设计的控制器可使得所定义的误差函数在有限时间内收敛至零;进而依据能控格莱姆矩阵构造的初始修正项可使得系统在预先指定的时间区间上实现完全跟踪.理论分析及数值仿真结果表明,在保证误差函数始终囿于所设计的有限时间死区内的同时,闭环系统中所有信号均有界.

摘要：针对具有不确定性、大纯滞后的催化裂化反应再生装置原料预热温度控制,提出了一种模糊PID-神经元控制方法。从介绍催化裂化反应再生装置原料预热被控对象的建模、神经元非模型控制和公式化的模糊控制方法入手,建立了模糊PID-神经元控制系统,设计了模糊神经元混合控制器,并使用神经元来在线调整模糊PID控制器的模糊规则。仿真实验结果表明所提出的模糊PID-神经元控制方法具有强鲁棒性,能有效控制具有大纯滞后和不确定性的对象。

摘要：针对一类具有死区输入非线性系统,提出一种实现有限作业区间轨迹跟踪控制的神经网络迭代学习算法.基于Lyapunov-like方法设计学习控制器,回避了常规迭代学习控制中受控系统非线性特性需满足全局Lipschitz连续条件的要求.为处理输入死区,利用神经网络逼近这种强非线性特性;同时,通过对神经网络逼近误差界的估计并在控制器中设置补偿作用以消除其影响,从而提高系统的跟踪性能.

摘要：针对在有限时间区间上运行的一类非线性不确定系统,基于类Lyapunov方法给出了一种迭代学习控制器设计方法.在提出的控制方案中,学习策略用来处理界函数已知的不确定项,但并未采用鲁棒方法处理不确定项.由于控制器中未采用断续函数,避免了系统中产生颤振现象.理论分析结果表明,该方案可保证闭环系统中所有变量的有界性,并且跟踪误差能够在整个作业区间上收敛到零,实现完全跟踪.数值仿真验证了算法的有效性.

摘要：为了解决无线传感器网络节点的供电瓶颈问题,提出了一种通过新型风力发电机将风能转化为电能对无线传感器网络节点提供能源的方法。在该新型风力发电机中风扇作为发电机的一部分,将风扇和发电机一体化,减小了整个发电装置的体积。同时设计了电源管理电路,将新型风力发电机发出的交流电转换为直流电,对锂电池充电和通过电阻对锂电池的输出进行分压并提供给无线传感器网络节点。最终的分析和计算结果显示新型风力发电机和电源管理电路能够实现对无线传感器网络节点提供能源的目标。