摘要：研究一类含有未知时变参数的非线性参数化系统的学习控制问题。利用参数分离技术和信号置换思想,通过置换系统方程,合并所有时变参数为一个未知时变参数,用迭代自适应方法估计该未知参数,设计了一种自适应迭代学习控制方法,使得跟踪误差的平方在一个有限区间上的积分渐近收敛于零。通过构造一个类Lyapunov函数,给出了跟踪误差收敛和所有闭环系统信号有界的一个充分条件。仿真结果验证了该方法的有效性。

摘要：针对含有未知时变参数和时变时滞的非线性参数化系统,提出了一种新的自适应迭代学习控制方法.该方法将参数分离技术与信号置换思想相结合,可以处理含有时变参数和时滞相关不确定性的非线性系统.设计了一种自适应控制策略,使跟踪误差的平方在一个有限区间上的积分渐近收敛于零.通过构造Lyapunov-Krasovskii型复合能量函数,给出了闭环系统收敛的一个充分条件.给出两个仿真例子验证了控制方法的有效性.

摘要：针对一类高阶非线性参数化系统,利用分段积分机制,提出了一种新的自适应重复学习控制方法.该方法结合反馈线性化,可以处理参数在一个未知紧集内周期性快时变的非线性系统,通过引进微分-差分混合型参数自适应律,设计了一种自适应控制策略,使广义跟踪误差在误差平方范数意义下渐近收敛于零,通过构造Lyapunov泛函,给出闭环系统收敛的一个充分条件.实例仿真结果说明了该方法的可行性.

摘要：针对一类高阶非线性参数化系统,利用参数重组技巧,提出了一种自适应重复学习控制方法.该方法结合反馈线性化,可以处理参数在一个未知紧集内周期性、快时变的非线性系统.通过引进微分-差分参数自适应律,设计了一种自适应控制策略,使广义跟踪误差在误差平方范数意义下渐近收敛于零.通过构造Lyapunov泛函,给出了闭环系统收敛的一个充分条件.实例仿真结果说明了该方法的可行性和有效性.

摘要：针对一阶未知非线性参数化周期时变时滞系统,设计了一种自适应学习控制方案。假设未知时变参数,时变时滞和参考信号的共同周期是已知的,通过重构系统方程,将包含时变时滞在内的所有未知时变项合并成为一个周期时变向量,采用周期自适应律估计该向量.通过构造一个Lyapunov—Krasovskii型复合能量函数证明了所有信号有界并且跟踪误差收敛.结果被推广到一类含有混合参数的高阶非线性系统.通过两个仿真例子说明本文所提出的控制算法的有效性.

摘要：针对一类带有未知虚拟控制系数的非线性参数化系统,利用参数分离技术和Backstepp ing设计方法构造自适应H?控制器,使闭环系统的干扰输入在L2增益下对系统输出的影响任意小,且无外扰时,系统内稳.仿真例子验证了主要结论.

摘要：本文研究一类具有未知扰动非线性参数化系统的模糊自适应跟踪控制问题,且其中所有的参数都是未知的。本文的主要特点是将非线性参数化函数作为一个整体并入其它的未知连续函数中,采用模糊逻辑系统对其进行逼近,而没有使用现有文献采用的分离变量技术,之后再结合递推技术设计出模糊自适应跟踪控制器,使得闭环系统的所有信号都是有界的且跟踪误差在均方意义下收敛到原点的某个小的剩余集内。最后给出仿真例子验证控制方法的有效性。

摘要：针对含有未知时变参数和时变时滞的非线性参数化系统,提出了一种新的自适应迭代学习控制方法.该方法将参数分离技术与信号置换思想相结合,可以处理含有时变参数和时滞不确定性的非线性系统.设计了一种自适应控制策略,使跟踪误差的平方在一个有限区间上的积分渐近收敛于零.通过构造Lyapunov-Krasovskii型复合能量函数,给出了闭环系统收敛的一个充分条件.给出仿真例子验证了控制方法的有效性.

摘要：研究了一类虚拟控制系数未知的非线性参数化时滞系统的自适应衰减问题.利用参数分离技术和backstepping设计方法构造自适应H_∞控制器,使闭环系统在L_2增益下从干扰输入到系统输出的影响任意小,并且无外部干扰时,系统内稳.

摘要：本文对于一类含有未知控制方向及时滞的非线性参数化系统,设计了自适应迭代学习控制算法.在设计控制算法过程中采用了参数分离技术和信号置换思想来处理系统中出现的时滞项,Nussbaum增益技术解决未知控制方向等问题.为了对系统中出现的未知时变参数和时不变参数进行估计,分别设计了差分及微分参数学习律.然后通过构造的Lyapunov-Krasovskii复合能量函数给出了系统跟踪误差渐近收敛及闭环系统中所有信号有界的条件.最后通过一个仿真例子说明了控制器设计的有效性.