摘要：针对多无人机协同执行任务过程中遭遇执行器增益故障下的安全飞行控制问题,设计了1种预设性能反步容错姿态跟踪控制方案,以实现故障下的多无人机姿态同步跟踪控制。首先,定义飞行器的姿态同步跟踪误差和姿态角速率跟踪误差,分别利用预设性能函数对2种误差进行约束,将不等式约束转化为等式约束。其次,基于转换误差设计反步容错姿态同步跟踪控制器,应用nussbaum函数解决由增益故障引起的未知控制增益问题。Lyapunov稳定性分析表明,姿态同步跟踪误差与姿态角速率跟踪误差稳定且收敛。仿真结果验证了控制方案的可行性以及有效性。

摘要：针对带有输入受限和作动器故障的无人机精确编队合围控制问题,提出了一种基于合围控制架构的通信拓扑设计算法和一种基于nussbaum函数的分布式自适应有限时间容错控制算法。2种算法的结合克服了现有合围控制无法精确控制跟随者队形的缺陷。首先,利用凸图形和合围控制通信拓扑的性质,针对预设的精确跟随者队形,提出了一种合理的机间通信拓扑设计方法;其次,利用一种新颖的光滑函数对非对称输入受限信号进行平滑处理,将存在输入受限和作动器故障的无人机合围控制问题转化为变增益控制问题;然后,采用基于nussbaum函数的控制器的设计方法对变增益控制问题进行处理;最终,通过李雅普诺夫稳定性理论和有限时间理论对所提出的控制策略进行了有限时间稳定性分析,并且通过数字仿真对所提出的算法的有效性进行了验证。

摘要：研究了在有向通信图拓扑条件下,由多个高阶非线性个体组成的多智能体系统分散控制问题,其中个体模型包含不确定参数和未知控制方向。提出了一种分散控制器的反推设计方法,可在保证系统整体有界的同时,实现输出同步。有别于已有文献中常用的基于李雅普诺夫函数的证明方法,采用反证法进行论证,同时在证明过程中,nussbaum函数直接参与了分析函数的构造,而非出现在其导数中,不仅简化了证明过程,而且拓展了该方法的适用范围。仿真结果验证了该方案的有效性。

摘要：对一类控制方向未知的时变非线性系统的控制问题进行了研究.首先,设计了一种迭代神经网络估计器,并通过推导得到了逼近引理,实现了对时变不确定性的逼近;然后,提出了用迭代神经网络逼近时变不确定性,用nussbaum函数估计未知控制方向的总体设计思想.利用李雅普诺夫稳定性理论和自适应迭代学习控制技术设计了控制系统,并进行稳定性分析,得到了稳定性定理,解决了这类系统的控制问题.仿真结果验证了控制系统设计方法的正确性.

摘要：针对具有非线性、参数不确定性及输入饱和问题的电液伺服位置系统,提出了一种自适应动态面控制器的设计方法.该方法充分考虑饱和特性,利用双曲正切函数和辅助控制信号对系统非线性模型进行等价变换,进而采用动态面方法设计抗饱和控制器.设计过程中引入nussbaum函数,以补偿输入饱和引起的非线性项.通过构造合适的Lyapunov函数,证明闭环系统的所有信号一致最终有界.仿真结果表明,所设计的控制器具有良好的跟踪效果,并有效地削弱了输入饱和对系统造成的不良影响.

摘要：针对一类单输入单输出的非仿射纯反馈非线性切换系统,研究了一种在任意切换下的自适应控制策略.首先,引入中值定理处理系统的非仿射特性问题,并利用径向基函数神经网络逼近系统的未知非线性动态.然后,采用nussbaum函数处理系统控制增益未知的问题,且在反演设计的每一步引入低通滤波器以解决"微分爆炸"问题.最后,基于共同Lyapunov函数设计状态反馈控制器,并分析闭环系统的稳定性.所设计的控制器避免了切换发生时控制参数跳变和调节参数过多的问题,减少了计算负荷,可以保证闭环系统所有信号半全局一致有界,且跟踪误差可收敛到原点的一个较小邻域.仿真结果验证了控制策略的有效性.

摘要：针对四自由度无人帆船存在模型不确定、控制方向和外部环境扰动均未知的情况,本文提出一种神经网络自适应动态面航向控制方法。该方法采用RBF神经网络逼近无人帆船模型不确定部分,利用nussbaum函数处理系统的未知控制增益函数,并设计σ-修正泄露项的参数自适应律对神经网络逼近误差与外界环境扰动总和的界进行估计,同时引入动态面方法,消除反演法中的"计算膨胀"问题,降低控制器的复杂性。Lyapunov函数稳定性分析证明所设计控制器能够保证航向保持闭环系统内所有信号的一致最终有界性,并通过一艘12 m型无人帆船模型进行仿真验证。结果表明:无人帆船航向保持响应速度快,所设计的控制器能有效地处理模型不确定项和风浪等外界扰动,具有较强的鲁棒性。

摘要：对一类控制方向未知的不确定严格反馈非线性系统的预设性能自适应神经网络反演控制问题进行了研究.系统中含有时变非匹配不确定项且控制方向未知.首先,提出了一种新的误差转化方法,放宽了对初始误差已知的限制;随后,利用径向基函数(radial basis function,RBF)神经网络及跟踪微分器分别实现了对未知函数和虚拟控制量导数的逼近,并综合运用nussbaum函数和反演控制技术设计了控制器.所设计的控制器能保证系统内所有信号有界且输出误差满足预设的瞬态和稳态性能要求.最后的仿真研究验证了控制器设计方法的有效性.

摘要：针对一类具有未知控制方向的非仿射非线性系统,提出一种新型的基于模糊小波神经网络的鲁棒自适应评价设计.利用中值定理和nussbaum函数处理非线性函数隐含控制输入及控制方向未知问题.采用2个具有相同模糊基函数的模糊小波神经网络(fuzzy wavelet networks,FWNs)分别实现控制单元和评价单元,FWNs的权值、扩张参数及平移参数均在线调节.为了抑制FWNs近似误差,利用自适应界化技术设计一个鲁棒项.该设计不需要控制方向及不确定项上界的先验知识.通过Lyapunov理论严格证明闭环系统的半全局一致最终有界稳定性.仿真结果验证所提出设计的有效性.

摘要：本文针对一类具有未建模动态和预设性能的输出反馈非线性切换系统,提出基于公共Lyapunov函数法的自适应输出反馈动态面控制方案.通过设计K滤波器和观测器估计不可测量的状态.引入动态信号处理动态不确定性.利用nussbaum函数解决增益符号未知的问题.神经网络用于逼近由设计过程和理论分析所产生的未知连续函数.引入性能函数和误差转换器将预设性能控制问题转换为稳定性问题.通过适当选取切换子系统的初值,并利用动态面控制系统证明的特点,证明了闭环切换系统所有信号半全局一致终结有界.仿真例子验证了所提方案的有效性.