摘要：本文考虑具有量化输入和输出约束的一类非线性互联系统的自适应分散跟踪控制设计.分别针对量化参数已知和未知两种情况,基于反推(Backstepping)设计法,利用神经网络逼近特性,设计自适应分散跟踪控制策略.通过定义新的未知常量和非线性光滑函数,设计自适应参数估计项来消除未知互联项对系统的影响.进一步考虑量化参数未知的情形,引入一个新的不等式来转化输入信号,并构建新的自适应补偿项来处理量化影响.同时,障碍李雅普诺夫函数的引入,确保了系统输出不违反约束条件.与现有量化输入设计相比,本文所提方法不要求未知非线性项满足李普希兹条件,并且允许量化参数未知.该设计方法保证了闭环系统所有信号最终一致有界,而且跟踪误差能够收敛到原点的小邻域内,同时保证输出不违反约束条件.最后,仿真算例验证了所提方法具备良好的跟踪控制性能.

摘要：针对并网逆变器模型非线性和电网扰动的问题,提出一种基于布谷鸟搜索算法优化反推控制技术光伏并网逆变器控制策略。首先,建立考虑参数变化和电网扰动的并网逆变器数学模型,设计并网逆变器反推控制。然后,利用布谷鸟搜索算法对不确定性部分进行在线辨识和补偿,消除模型非线性和外部扰动产生的不确定性部分的影响。利用Lyapunov稳定性理论设计控制器自适应律,证明了布谷鸟搜索算法优化反推控制器的稳定性。实验结果表明该方法能实现逆变器精确并网控制,具有较好的动静态性能和较强的鲁棒性。

摘要：研究超混沌Bao系统的控制问题.首先,给出超混沌Bao系统的Lyapunov指数图,用以验证系统存在超混沌现象;然后,将线性反馈控制方法和自适应反推控制方法应用于超混沌Bao系统,并设计了将系统混沌状态稳定到平衡点的混沌控制器;最后,通过数值仿真验证了所设计的控制器的有效性.

摘要：简要回顾了无人机飞行控制系统经典设计方法,然后着重论述了无人机飞行控制技术的最新研究成果,包括非线性动态逆控制、自适应反推控制等现代控制技术及包含神经网络PID控制、神经网络自适应控制在内的智能控制技术,最后对其作了总结。

摘要：位置跟踪控制是永磁同步电动机的一个重要应用领域。利用速度指定方法可以在永磁同步电动机位置跟踪过程中增加一个速度控制的自由度。速度指定方法可以增强永磁同步电动机位置控制的灵活性和精度。采用自适应反推控制设计速度指定位置跟踪控制器可以实现跟踪速度的指定和负载转矩的估计。为了简化自适应反推控制器的设计,将一个可以独立于系统控制器设计的干扰观测器应用于负载转矩的估计。系统设计方法不但可以实现永磁同步电动机的位置跟踪,同时也可以获得更高的控制精度和鲁棒性能。仿真结果验证了该设计方案的正确性和有效性。

摘要：为了研究机车牵引传动系统带载运行时的转速控制精度,考虑电机转子轴和负载轴所受的扰动,建立了牵引传动系统的数学模型;针对系统中存在的时变扰动,依据非线性观测器设计理论构造非线性扰动观测器对其实际值进行估计,并对估计误差进行自适应模糊逼近;结合控制量存在输入饱和的实际工况,引入饱和辅助控制系统;依据Lyapunov稳定性理论,基于微分跟踪器能够任意精度跟踪的优点,构造了基于微分跟踪器的自适应反推控制器。理论分析及仿真结果表明,系统闭环跟踪误差一致有界,扰动观测误差收敛于0。

摘要：通过分析起重机升降运动系统各组成部分的关联关系,建立了起重机升降运动系统数学模型,从而将电动机的运动状态和负载的运动状态有效地统一起来;以该模型为基础,将负载运动位置作为控制变量,采用自适应Backstepping控制策略设计了一种起重机升降运动系统负载位置控制器。仿真结果表明,该控制器具有较快的响应速度和较小的跟踪误差,能够有效抑制负载突变和参数摄动的影响,具有良好的鲁棒性。