摘要：针对未知非线性非仿射重复离散时间系统,将迭代域的动态线性化技术应用于非线性被控系统和未知非线性理想学习控制器,提出一种新的数据驱动迭代学习控制方案。通过设计一种改进的无模型自适应迭代学习控制算法对理想学习控制器的增益进行估计,该方案仅利用非线性系统的输入输出数据,便可自动调整迭代学习控制律。数值仿真和对高速列车模型的仿真验证了该方法的有效性和适用性。

摘要：传统PD控制对非线性系统和参数时变摄动的控制效果不理想,本文提出一种采用动态线性化方法的自适应PD控制器的设计方法。该方法通过输入输出数据对控制器中的比例增益实时调整,从而获得更强的鲁棒性,使得新控制器的动、静态性能得到改善。仿真结果表明,本文提出的方法对系统的参数摄动具有较好的鲁棒性和实时性,并且具有在线校正功能。

摘要：传统PD控制对非线性系统和参数时变摄动的控制效果不理想,该文提出一种基于动态线性化方法的自适应PD控制器的设计方法。该方法通过输入输出数据对控制器中的比例增益实时调整,从而获得更强的鲁棒性,改善了动、静态性能。仿真结果表明,所提出的方法对系统的参数摄动具有较好的控制效果。

摘要：针对一类带扰动有限时间内重复运行的离散时间非线性非仿射不确定系统,本文提出了一种基于迭代扩张状态观测器的数据驱动最优迭代学习控制方法.首先,提出了改进的迭代动态线性化方法,将被控系统线性化为与控制输入有关的仿射形式,并将不确定性合并到一个非线性项中;然后,设计了迭代扩张状态观测器对非线性不确定项进行估计,作为对扰动的补偿;最后,设计了性能指标函数,通过最优技术,提出了参数迭代更新律和最优学习控制律.本文通过数学分析,证明了跟踪误差的有界收敛性.仿真结果验证了方法的有效性.所提出的新型迭代动态线性化方法可很大程度上降低线性化后的控制增益的动态复杂性,使其易于估计.所提出的迭代扩张状态观测器可以在重复中学习,对非重复扰动可进行有效的估计.此外,本文控制器的设计与分析是数据驱动的控制方法,除了被控系统的输入输出数据以外,不需要任何其他模型信息.

摘要：针对有输入饱和约束的轮式移动机器人(WMR)的轨迹跟踪问题,提出一种抗饱和无模型自适应积分终端滑模控制方案.该方案基于紧格式动态线性化技术,构建WMR系统的在线数据驱动模型.在积分终端滑模控制器设计过程中,引入动态抗饱和补偿器,以解决WMR系统轨迹跟踪过程中执行器饱和问题.控制器设计仅利用控制系统的输入输出数据,与WMR系统模型信息无关.因此,针对不同类型的WMR系统,该方案均可实现.最后,通过仿真实验将所提出的方法与PID方法的控制效果进行对比,仿真结果表明,所提出的控制算法的跟踪误差更小且响应速度更快.

摘要：为解决气动肌肉驱动的脚踝康复机器人实际控制中,无模型自适应迭代学习控制在系统噪声干扰下或初始拟伪偏导选择不当会导致算法收敛速度过慢、控制效果差的问题,提出一种基于高阶拟伪偏导整定的无模型迭代学习控制方法,并设计基于零化神经网络误差递归的迭代学习控制律.通过引入系统观测数据对初始拟伪偏导进行修正,减少拟伪偏导初始值的选取对于算法收敛速度的影响;通过设计抗噪声零化神经网络控制律,减小系统噪声对控制性能的影响,进而实现噪声环境下柔性康复机器人的高性能轨迹跟踪.仿真实验结果表明在噪声环境下能够利用较少的迭代轮次降低最大跟踪误差.机器人实际控制实验结果表明:该方法能够在7次迭代后使气动肌肉平均跟踪误差控制在2%以内,并且在不同初始拟伪偏导条件下均能获得较好的收敛性和轨迹跟踪性能.

摘要：针对一类包含扰动的非线性离散时间系统,提出一种新的无模型自适应离散积分终端滑模控制算法.该算法基于紧格式动态线性化数据模型,利用离散积分终端滑模控制算法设计无模型自适应控制器,并采用扰动估计技术估计系统的扰动项,其中动态线性化方法中"伪偏导数"的估计算法仅依赖于被控系统的I/O测量数据.理论分析证明了系统输入输出有界,并通过仿真实验验证了所提算法的有效性.

摘要：针对集成式电液制动系统(integrated electro-hydraulic brake system,IEHB)存在的复杂液压非线性特性和时变摩擦干扰,提出一种自适应压力控制策略。外环压力控制器引入液压特性的动态线性化模型并基于滑模观测器对模型参数实时辨识实现对非线性液压特性的自适应。内环伺服控制器采用基于压力的连续摩擦补偿和反步动态面控制应对传动机构摩擦阻碍。硬件在环实验结果表明,与现有的先进级联压力控制相比,设计的压力控制策略在多种工况下均表现出更高的控制精度和鲁棒性,并显著提升了IEHB在不同液压回路结构下的压力控制效果。

摘要：针对一类非线性大滞后系统,基于伪偏导数概念的动态线性化非线性系统模型,利用离散时间预测器技术,实现了系统原始表达式中滞后环节的隐性表达,并结合离散积分滑模控制(discrete integral sliding mode control, DISMC)方法,提出了一种新的无模型自适应离散积分滑模控制(model-free adaptive discrete integral sliding mode control, MFA-DISMC)方案.该方法的主要特点是控制器设计仅取决于被控对象的输入和输出测量数据.通过理论分析证明了算法的稳定性,仿真研究表明,相比于无模型自适应控制(model-free adaptive control, MFAC)、Smith预估控制、改进的MFAC控制以及比例–积分–微分(proportional-integral-derivative, PID)控制方法,本文方法具有更快的响应速度和更强的鲁棒性.最后,通过双容水箱液位控制系统的实验研究,验证了所提出方法的有效性.

摘要：针对一般非线性离散时间系统的不确定性和扰动抑制问题,提出一种新的自适应准滑模控制算法.算法包括两部分,其一是基于紧格式动态线性化模型的自适应准滑模控制器设计,其中动态线性化方法中"伪偏导数"的估计算法仅依赖于系统I/O实时量测值.其二是采用径向基神经网络估计器来估计系统的综合不确定性.理论分析证明了系统的BIBO稳定性.仿真结果验证了所提算法的有效性.