一、基于观测器非线性不确定系统的自适应模糊控制（论文文献综述）
赵继鹏[1]（2021）在《不确定非线性系统模糊自适应输出反馈控制》文中进行了进一步梳理众所周知,许多实际工程系统中都存在未建模动态、时滞、未知控制增益等现象,这些现象成为导致被控系统不稳定的一个重要因素。随着科技发展的脚步迈的越来越快,许多工业领域对控制系统的控制品质要求的越来越高,它们不只是要求被控系统是稳定的,还希望被控系统能够具有一定的鲁棒性,这使被控系统的理论研究更有实际意义。所以,近年来控制领域在研究系统稳定性的基础上逐渐加强对非线性系统的鲁棒控制的探索。本文以模糊自适应反步递推（Backstepping）设计为基础,以系统状态不可测的情况为前提条件,研究几类控制增益是未知非线性函数的严格反馈非线性系统的输出反馈鲁棒控制设计问题,并且给出了系统的稳定性与收敛性的分析证明。主要内容如下:（1）对于带有未知状态时滞的非线性严格反馈系统,当假设系统的状态不完全可测时,通过Lyapunov-krasovskii泛函解决未知状态时滞问题,系统中的未知的非线性动态将用模糊逻辑系统逼近,通过建立状态观测器解决系统状态无法测得的问题,在Backstepping设计思想的启发下,设计出一种模糊自适应输出反馈控制设计方案,并且给出了被控系统在Lyapunov函数意义下的稳定性证明。最后,通过数值仿真结果来验证所设计的控制方法是有效的。（2）对于一类状态不可测的严格反馈非线性系统,当假设系统中的控制增益均为未知的非线性函数时,通过建立状态观测器解决系统状态无法测得的问题,然后用模糊逻辑系统对未知非线性动态进行辨识。此外,传统Backstepping控制方法固有的“计算膨胀”问题也通过引入动态面控制技术被解决,并提出一种模糊自适应动态面控制设计方案,并给出稳定性证明。所设计的控制方法避免对虚拟控制器进行重复微分,降低了系统计算的复杂度,减少计算时间。最后,通过仿真得出的结果可以验证该方法的有效性。（3）对于一类带有未建模的动态非线性系统,在系统的状态不完全可测的情况下,采用动态信号的方法处理未建模动态的扰动,根据有界控制的设计思想构造对数Lyapunov函数,通过构造对数Lyapunov函数并结合投影算子技术,确保所设计的控制器是有界的。根据Backstepping控制设计技术,给出模糊自适应输出反馈控制设计方案和稳定性证明。最后,通过仿真得出的结果可以验证该方法的有效性。（4）研究一类带有未知控制增益函数的多输入多输出非线性严格反馈系统的模糊自适应输出反馈控制问题,当假设系统中状态不完全可测时,通过建立状态观测器解决系统状态无法测得的问题,然后用模糊逻辑系统对未知非线性动态进行辨识。基于Backstepping控制技术,设计了一种模糊自适应输出反馈控制算法并给出稳定性分析。最后,通过仿真得出的结果可以验证该方法的有效性。（5）对于一类严格反馈不确定非线性切换系统,在系统的状态不完全可测的情况下,进一步考虑输入饱和的控制问题。通过利用中值定理将输入的饱和函数转化为有界的函数,从而有效的解决了饱和输入问题。此外,为了解决传统的Backstepping控制方法固有“计算膨胀”问题,采用命令滤波器不仅克服对虚拟控制器重复微分,还考虑了滤波器的滤波误差,引入误差补偿信号抑制滤波误差。在模糊控制和Backstepping控制的框架下,给出了一种模糊自适应输出反馈控制设计方法和稳定性证明。最后,通过仿真得出的结果可以验证该方法的有效性。
缪松涛[2]（2020）在《一类随机非线性多智能体系统自适应协同控制》文中研究指明实际工程中存在大量含有随机因素的复杂系统,如化工过程、多机器人系统等。以随机非线性多智能体系统作为研究对象具有典型的意义,该系统中各智能体的动态特性均含随机特性,此类问题是多智能体系统控制理论体系的重要组成部分。本文采用伊藤（It?）引理、反步法的设计方法、动态面控制技术、图论知识和径向基函数（Radial Basis Function,RBF）神经网络逼近理论研究随机多智能体系统协同控制问题,主要从以下三方面开展工作:1、研究了一类在有向通信拓扑下随机非线性严格反馈多智能体系统的输出一致控制问题。每个跟随者均具有随机特性,通过It?引理解决了古典微分方法针对虚拟控制律求微分失效的问题。在反步法的设计框架下,利用RBF神经网络技术逼近系统中存在的未知函数并提出了自适应输出一致控制律。借助四次型Lyapunov函数证明了所提出的控制律保证闭环系统内所有的信号均是依概率有界的;进一步,研究了一类含输入饱和特性的随机非线性多智能体系统,引入光滑的双曲正切函数用来逼近饱和分段函数,并通过利用中值定理对光滑的饱和函数进行变换简化其形式解决了在反步法下饱和分段函数不利于设计输入信号的问题。接着构造线性状态观测器来估计系统状态,通过引进一阶滤波器的方法简化控制律结构,接着设计补偿器消除一阶滤波器所带来的影响。在设计控制律的过程中,通过添加附加项以避免发生奇异性问题。最终,利用Lyapunov函数证明了在所设计的控制律的作用下,该闭环系统内所有的信号均是依概率有界的。2、研究了一类含多个领导者以及多个具有随机特性的跟随者所组成的随机非线性多智能体系统状态反馈包含控制问题。通过图论知识将含多个领导者的包含控制问题转化为只有一个领导者的跟踪控制问题。引入It?引理解决对虚拟控制律求微分问题。采用反步法设计方法以及神经网络逼近器相融合的策略提出自适应状态反馈包含控制律,以保证所有跟随者的输出都收敛到领导者的轨迹所形成的的凸包内。利用Lyapunov函数证明了闭环系统内所有的信号都是依概率有界的;在状态反馈包含控制问题的基础上进一步研究了状态不可测的随机非线性多智能体的包含控制问题,为每个跟随者均构造状态观测器,用以估计系统中的未知状态。利用反步法的设计思路,将RBF神经网络逼近技术、状态观测器和图论工具相结合,提出了自适应输出反馈包含控制律。借助四次型Lyapunov函数证明了所提出的控制律保证闭环系统内所有的信号都是依概率有界的。3、研究了一类随机非线性多智能体系统输出反馈包含控制问题。针对系统的存在未知状态,设计状态观测器获得状态估计值。接着利用动态面控制技术改进反步法设计方法,即为每个智能体的子系统均引入一阶滤波器,其作用是对虚拟控制律进行滤波处理,简化控制律的结构,避免传统反步法易产生“计算膨胀”的问题。在设计过程中,采用RBF神经网络处理系统中的未知非线性函数。此外,为了减轻网络通道资源占用的问题,通过设计固定阈值的事件触发控制律可减少网络通道中数据传输位数。设计了基于输入事件触发机制的自适应控制律,并且构造补偿器消除了滤波器带来的影响。借助Lyapunov函数证明了该闭环系统内所有的信号均是依概率有界的。
于瀚博[3]（2020）在《一类含扰动的动态系统自适应输出反馈控制》文中研究指明近些年来,非线性系统问题成为控制领域一直在攻克的难题,研究人员们也将更多的注意力从线性系统转移到非线性系统上。同时,非线性系统模型相较于线性系统可以更精确地描述实际系统。考虑大部分不确定非线性系统存在状态不可测量的问题,本文结合自适应控制算法,基于观测器设计提出一类非线性系统自适应输出反馈控制。并在输出反馈完全可用的情况,进一步解决了系统中含有输入非线性以及扰动等问题。通过仿真实例对本文所提出的控制算法进行了验证。本文主要研究成果如下:（1）研究了一类状态未知的非严格反馈非线性系统,系统中含有输入饱和、不确定函数,设计自适应模糊输出反馈补偿控制策略,克服了非严格反馈系统存在输入饱和与虚拟信号中的代数环问题。采用模糊逻辑系统逼近饱和扰动项和不确定函数,并设计模糊状态观测器估计未知系统状态。设计含有fal函数的非线性跟踪微分器简化控制器设计,避免了反步法计算膨胀的问题,提高滤波误差收敛速度的同时解决快速收敛带来的稳定抖振问题。为消除跟踪微分器的滤波误差,在控制器中设计滤波误差补偿信号,提高控制精度。（2）在实际控制系统中,执行器饱和现象经常存在,这种现象会破坏系统的闭环性能,甚至导致系统的不稳定行为。针对部分状态未知和执行器饱和的非线性系统提出了一种抗饱和递归动态表面控制（RDSC）。在前馈路径中加入模糊补偿器作为主动干扰抑制项,以避免输入饱和引起的执行器失效问题。为了构造输出反馈控制,将系统转化为纯反馈的形式,设计改进的高阶滑模（HOSM）观测器进行未知状态估计。在结合RDSC的基础上,只使用一个模糊逻辑系统简化控制器设计。通过对执行器饱和的连续搅拌釜式反应器仿真进一步验证,结果表明该策略具有良好的鲁棒性,在状态不完全可测的情况下能有效地补偿非线性系统中执行器饱和所带来的影响。（3）针对一类非严格反馈非线性系统,系统中包含不确定函数和未知外部扰动,提出一种带不匹配扰动补偿的输出反馈模糊控制器。采用模糊逻辑系统构造模糊状态观测器观测系统未知状态。考虑观测器和控制器会受到外扰和模糊逼近误差构成的不匹配总扰动信号影响,采用改进的扰动观测器对不匹配扰动进行估计和补偿,使扰动观测误差能够在有限时间内平缓地收敛到任意小的范围,消除不匹配扰动信号对模糊观测器设计的影响。同时在控制器设计中进行扰动的精确补偿,提高系统的抗扰动性。在数值仿真和机电系统仿真上进一步验证了本文所提控制策略的有效性。
于兴虎[4]（2020）在《复杂非线性系统的自适应容错控制研究》文中进行了进一步梳理随着控制系统的发展,其可靠性和安全性也越来越受到人们的重视。然而由于系统结构变得越来越复杂且系统规模越来越庞大,系统的执行器和传感器等元部件不可避免会发生故障,从而导致系统控制性能下降,甚至导致系统运行不稳定。因此,如何针对具有执行器和传感器故障的非线性系统设计有效的容错控制器,保证系统的稳定运行具有重要的理论意义与实际应用价值。本文基于自适应反步控制方法、模糊逻辑系统、容错控制方法、非线性和随机非线性系统稳定性理论等技术,针对不同类型的复杂非线性系统存在传感器或执行器故障时的容错控制问题进行了深入研究,论文的主要研究内容如下:针对一类具有严格反馈结构和外部干扰的非线性系统,考虑系统执行器同时存在未知输入死区特性和执行器故障的容错控制问题。首先利用模糊逻辑系统逼近系统中存在的未知非线性项,基于模糊逼近误差和系统外部干扰构造增广系统新的未知干扰,在控制设计过程中设计干扰观测器估计系统的未知干扰变量;其次将系统的控制输入表示为关于未知死区输入特性的非线性函数,并基于自适应反步法设计了相应的参数自适应律和自适应模糊容错控制方法。通过利用李雅普诺夫稳定性理论对闭环系统的稳定性进行分析,保证了闭环系统是稳定的,且闭环系统的所有信号均为半全局一致最终有界。针对一类随机非线性严格反馈系统,考虑系统同时存在量化输入和执行器故障的输出反馈容错控制问题。首先基于模糊逻辑系统逼近系统中的未知非线性函数,并设计模糊状态观测器估计系统的不可测状态;其次通过将量化输入信号表示为输入信号的非线性函数,基于伊藤微积分理论和自适应反步法设计了相应的参数自适应律和自适应模糊容错控制方法,并利用随机系统理论对系统进行稳定性分析,保证了闭环系统是依概率稳定的。针对一类伊藤随机非线性系统,考虑系统存在未知参数、传感器故障和未知控制方向的容错控制问题。首先假设系统所有状态均存在部分失效故障,且系统的n阶状态方程均存在未知控制方向;其次基于自适应反步法给出依赖于状态传感器测量信号的坐标变换,在此基础上设计了指数型李雅普诺夫函数,并分析了闭环系统的随机稳定性,基于Nussbaum型函数提出了新颖的自适应容错控制方法,补偿了传感器故障和未知控制方向对系统的性能影响。针对单输入单输出随机非线性严格反馈系统和随机互联非线性系统,首先考虑单个系统同时存在传感器和执行器故障的输出反馈容错控制问题,其次将该类型系统作为互联系统的一个子系统,研究了互联随机非线性系统的自适应分散容错控制问题。首先利用模糊逻辑系统逼近系统的未知非线性函数,并构造模糊状态观测器估计系统的不可测状态和失效比例常数;其次针对观测误差系统构造了新颖的二次和三次混合李雅普诺夫函数,设计了相应的参数自适应律和自适应模糊容错控制方法。在此基础上,利用分散控制思想,将上述结果推广到了一类随机互联非线性系统,两种方法均保证了闭环系统的状态变量均依概率半全局一致最终有界。针对一类具有纯反馈结构的随机非线性马尔可夫跳跃系统,考虑系统同时存在时变时滞和执行器故障的容错控制问题。首先将系统故障模型表示为具有死区特性的非线性故障模型,同时给出了依赖于马尔可夫变量的坐标变换;其次基于该坐标变换设计参数自适应律和自适应容错控制方法,并利用随机系统理论对系统进行稳定性分析,保证了闭环系统状态变量均依概率有界。同时,将所提的控制算法应用到了一类实际的主动悬架控制系统中验证其有效性。
杨文贵[5]（2020）在《几类高阶和忆阻神经网络的稳定性和同步研究》文中认为自20世纪80年代以来,人工神经网络便一直是人工智能领域的研究热点之一.它是对人脑神经元网络从信息处理的角度进行抽象,建立一个简单的数学模型,并根据不同的连接方式形成不同的网络.随着众多学者的不断深入研究,神经网络已经取得了很大的进展.它们在许多领域都表现出了良好的性能,例如自动控制、智能机器人、预测估计、智能计算、图像处理与模式识别等等.一方面,高阶神经网络比低阶神经网络在逼近性能、存储容量、收敛速度与容错能力方面存在巨大的优势,这些优势可以应用于并行计算、自适应模式识别、优化问题.另一方面,由于记忆电阻器具有高存储性能、小体积及非易失性的特点,基于忆阻器的神经网络引起了信号处理、可重构计算、可编程逻辑、基于脑机接口的控制系统等领域的广泛注意.神经网络的动力学行为近年来得到了深入研究,特别是稳定性和同步性问题.本文主要对两类高阶双向联想记忆神经网络的平衡点、周期解、概自守解的存在性和稳定性及两类忆阻神经网络的平衡点、周期解的稳定性和它们的驱动-响应系统的同步现象进行了研究.进一步,利用神经网络或模糊逻辑系统的逼近特性,对两类不确定分数阶非线性系统的自适应控制进行了研究,获得了一些有意义的成果.本文的主要贡献体现在以下几个方面:1)研究了带有连续分布式时滞的脉冲模糊高阶双向联想记忆神经网络平衡点和周期解的全局指数稳定性.应用不等式分析技巧、M-矩阵、同胚理论和Banach压缩原理,构造了一些合适的Lyapunov-Kravsovskii泛函,建立了所考虑系统的平衡点和周期解的存在唯一性和全局指数稳定的充分条件.并通过数值模拟展示了获得的理论结果的可行性和有效性.2)考虑了时间尺度上具有时变连接时滞的中立型高阶Hopfield双向联想记忆神经网络概自守解的存在性和全局指数稳定性.这里主要采用了时间尺度上指数型二分理论、Banach压缩原理和微分不等式分析技巧.系统不仅考虑了一阶中立项对神经网络的影响,而且研究了二阶中立项对神经网络的影响.进一步,研究了具有连续分布式连接时滞的高阶Hopfield双向联想记忆神经网络.对于时间尺度T=R或T=Z,获得的结果也是新的.并通过数值仿真说明了提出的主要理论结果的可行性.3)研究了一类同时具有时变时滞和连续分布式时滞的忆阻神经网络的稳定性和同步性问题.利用同胚理论、时滞微分积分不等式技巧和适当的Lyapunov-Kravsovskii泛函,在Filippov解的框架下,得到了一些新的忆阻神经网络平衡点的全局指数稳定和驱动-响应系统同步的充分条件.另一方面,研究了一类具有时变时滞和连续分布式时滞的Cohen-Grossberg型忆阻双向联想记忆神经网络周期解的稳定性.利用Banach压缩原理和脉冲时滞微分积分不等式,给出了周期解存在和全局指数稳定的充分条件.该方法也可用于研究具有时变时滞和有限分布时滞的脉冲Cohen-Grossberg型忆阻双向联想记忆神经网络.在两类问题中可以利用求解不等式方法来估计出指数收敛率.另外,给出一些数值例子验证了所获得结果的实用性和1个获得的理论在伪随机数发生器中的应用.4)研究了具有混合时滞（异步时滞和连续分布式时滞）的脉冲模糊Cohen-Grossberg型忆阻双向联想记忆神经网络的稳定性和同步问题.应用不等式分析技巧、同胚理论和一些合适的Lyapunov-Kravsovskii泛函,建立了一些新的平衡点的存在唯一性和全局指数稳定的充分条件.在Filippov解、微分包含理论和控制理论的基础上,得到了系统全局指数滞后同步的几个充分准则.通过数值模拟,给出了3个例子说明所得结果的可行性和有效性.5)考虑了一类单输入单输出不确定非严格反馈分数阶非线性系统输出反馈控制问题.采用模糊逻辑系统逼近未知非线性函数,对不确定分数阶非线性系统进行建模.针对状态可测的情况,在返步法技术下,提出了一种自适应模糊状态反馈控制方案.针对状态不可测的情况,引入串并联估计模型,采用动态表面控制技术,提出了一种基于观测器的输出反馈控制设计方法.在参考信号的驱动下,利用Lyapunov函数理论,选择适当的设计参数,证明了所有信号的半全局一致最终有界性和对原点小邻域的跟踪误差.另外,给出2个数值模拟的例子来说明所提出的控制方法的有效性.6)研究了一类具有执行器故障和全状态约束的不确定非仿射非线性分数阶多输入单输出系统的自适应模糊容错跟踪控制问题.基于隐函数定理和中值定理,克服了非仿射非线性项的设计困难.然后,通过使用一些合适的模糊逻辑系统可以逼近未知的理想控制输入.通过构造障碍Lyapunov函数和估计复合扰动,提出了一种自适应模糊容错控制算法.此外,证明了在参考信号的驱动下,闭环系统中的所有信号都是半全局一致最终有界的,并且保证了非仿射非线性分数阶系统的所有状态都保持在预定的紧集内.并通过2个算例验证了所提出的自适应模糊容错控制方法的有效性.本文从理论上研究了几类高阶和忆阻神经网络的稳定性和同步问题及两类不确定分数阶非线性系统的自适应控制问题,所有获得的结果都经过了数值仿真的检验.最后,总结了本文的主要研究结果,并展望了未来的研究方向.
高亚斌[6]（2020）在《复杂不确定动态系统的状态估计与滑模控制研究》文中研究说明实际控制系统往往伴随着系统参数摄动和扰动甚至是故障,而网络化控制系统更加面临着时滞、丢包以及匿名攻击等不确定性因素。由于这些复杂不确定会影响甚至损害动态系统的稳定性和性能,因此,研究复杂不确定动态系统的估计和控制问题,一方面可以提供动态系统的估计进而实现控制,另一方面可以为实际控制系统运行的鲁棒性、容错性、可靠性以及安全性提供技术支撑。本论文针对若干类典型的动态系统,考虑其中常见的不确定性,例如物理单元中过程扰动、传感器和执行器扰动、参数摄动,以及网络单元中的时滞、丢包、攻击、量化、非周期性事件等等,主要采用滑模控制方法,以自适应技术、滑模观测器、H∞技术等方法为辅助,研究若干具有复杂不确定性的动态系统的估计与滑模控制方法,提出了解决不确定动态系统的稳定性与性能分析、状态和故障估计、容错控制、事件触发控制等一系列问题的新方法。本论文的具体研究内容和方法以及相应的理论创新点分述如下:1.第二章考虑一类含有参数摄动和输出干扰的不确定非线性系统,针对未知执行器故障偏差,利用扩展观测器技术将系统状态和故障偏差增广为新的状态向量,并构造了一种扩展观测器,该观测器是一种滑模观测器,用于估计原系统状态和故障偏差的同时来补偿复杂不确定性。通过构建估计误差系统,结合状态估计系统,分别设计了线性滑模面和积分型滑模面,提出了同时满足这两个滑模面可达性的积分型滑模控制律和切换控制律,达到了复杂不确定下原系统的控制目的,并且可实现同时估计原系统状态和执行器故障偏差。2.第三章考虑具有匹配型不确定和外部干扰的delta域离散系统,尤其针对未知执行器故障因子,将未知的故障因子描述为具有已知上、下界的常量;同时,将执行器故障偏差描述为含有某个上、下界,但是均未知常量。利用自适应技术设计了用于估计故障因子以及未知上、下界的自适应律。通过选取线性滑模面,基于等效控制法设计了导出了滑模面参数求解依据,进一步提出了一种基于线性滑模面的自适应滑模控制律,最终实现对该类不确定系统的主动容错控制。3.第四章关于一类典型的信息物理系统（cyber-physical systems,CPSs）的安全状态估计问题,考虑其中的过程干扰和测量噪声,重点分析信息物理系统中的完整性攻击（虚假数据注入）,构建了delta算子框架下的离散时间信息物理系统;分别针对传感器孤立攻击以及传感器和执行器两者的联合攻击,设计了基于矩阵枚举的delta域估计器,用于含有完整性攻击的线性信息物理系统的安全状态估计。考虑到实际信息物理系统的网络通信约束,提出了一种基于delta算子和状态观测器的自触发控制器,不仅可以实现与时间驱动控制器相当的控制效果和增强估计性能,而且可以节约一定的通信资源,提高网络资源的利用率。在稳定性分析方面,结合矩阵等式约束,利用delta域的圆域稳定性判据和耗散性理论建立了估计系统稳定性的充分条件,用于估计器和控制器的参数的求解。此外,本章还提供了针对执行器孤立攻击情形下信息物理系统的安全估计与自触发控制的简化结果。4.第五章考虑一类含有非线性耦合随机过程的网络化系统,针对一些量化过程中出现的不确定性,将系统输出的一类非完整量化过程描述为一种量化信号随机丢包的过程,由于量化的非连续性,通过构造状态观测器观测非完整量化值,提出了一种基于Luenberger观测器的滑模控制与状态估计方法。在稳定性分析上,利用Lyapunov稳定性理论,分析了估计系统和观测器系统的稳定性,并建立了系统输出满足H∞性能的判据,并据此提供了一组用于确定观测器和滑模面参数的便于求解的矩阵不等式。因而,所设计的观测器可实现对系统状态的估计,同时所设计的滑模控制器可以实现将估计状态连同系统状态轨迹驱使到原点的目的,用于解决非完整对数量化情形下随机系统的估计与控制问题。5.第六章考虑含有参数摄动、外部扰动和非线性耦合随机过程的单/多回路网络化系统,针对传感器单元至控制器单元之间的非周期性事件,首先对该类单回路网络化控制系统提出了一种基于状态观测器的事件触发模控制方法,保证了非周期信号下理想滑模的实现。在分析整个估计系统的稳定性时,采用‘‘时滞’’思想将事件驱动系统建模为一种含有状态时滞的随机系统,根据第五章的系统稳定性分析方法,利用Lyapunov-Krasovskii泛函法得到了估计系统和原系统的稳定性的充分条件。此外,本章将所提的理论方法拓展应用到多回路网络化控制系统的估计与控制,考虑传感器单元到控制器单元的共享网络通信链路,进一步利用‘‘时滞’’思想将多路访问冲突描述为一种“排队时滞’’,由此构造了一种含有状态时滞的多回路网络化随机系统,其中采用了载波侦听多路访问协议作为处理多路访问冲突。借鉴单回路网络化系统的分析方法,导出了相应的多回路网络化随机系统的稳定性判据,并设计了相应的积分型滑模控制律和状态观测器。由此提出了一种基于载波侦听多路访问协议的多回路事件触发滑模控制方法。
杨宏燕[7]（2020）在《马尔科夫跳变系统的故障估计与容错控制》文中指出随着控制技术的不断发展和控制系统的日益复杂,实际控制系统运行过程中存在的环境干扰、部件失灵、子系统连接变化等因素往往会造成系统参数和结构的随机跳变或切换。针对于此类系统问题,马尔科夫跳变系统具有精确的建模能力,该系统通过事件、时间两种机制共同驱动,并在数学描述中包含了模态变量和状态变量。由于马尔科夫跳变系统所具有的特殊结构,使得针对该系统的研究方法有别于传统基于单一事件或单一时间驱动的控制系统。近些年,针对该系统的研究受到控制领域研究人员的广泛关注。在马尔科夫跳变系统的实际应用过程中,常存在或出现执行器故障、传感器故障、时延、外部干扰、非线性等影响系统运行的非理想状况,轻则导致系统性能下降,重则引发严重的运行事故。有鉴于此,本课题将针对马尔科夫跳变系统中存在执行器故障、传感器故障、外部干扰、非线性等问题,具体结合滑模控制理论、随机控制理论、自适应控制理论、模糊逻辑系统及观测器设计等理论技术方法,系统开展基于马尔科夫跳变系统的故障估计与容错控制方法研究。论文主要研究内容如下:第二章针对现有基于滑模观测器的估计方法不能被直接用于存在执行器故障和传感器故障的马尔科夫跳变系统进行故障估计的问题,设计了一种降维线性观测器来同时实现马尔科夫跳变系统状态估计和传感器故障估计。所提出的故障估计和状态估计方法通过引入由状态向量和传感器故障向量构成的増广向量,利用解耦的技术方法实现含有执行器故障、传感器故障和外界扰动的马尔科夫跳变系统传感器故障估计和状态估计。在此设计方案中,由于不需要利用滑模观测器方法,有效地避免了考虑滑模面切换的问题。第三章研究了线性马尔科夫跳变系统的执行器故障估计、传感器故障估计和状态估计的问题,提出了一种基于自适应观测器的故障估计方法。首先,使用坐标变换方法将原系统分解为两个子系统,使执行器故障和传感器故障分别存在于不同的子系统中。而后针对各子系统分别提出了对应的观测器,并利用所提出的两个自适应观测器,实现系统状态估计、传感器故障和执行器故障的估计。该方法可以避免观测器维数过高的问题。第四章针对执行器故障和输入的系统参数矩阵不同的线性马尔科夫跳变系统,展开了状态估计、执行器故障估计和传感器故障估计的研究,提出了基于降维滑模观测器的故障估计方法。通过坐标变换,将原系统分解为两个降维的子系统,并针对其中一个子系统进行増广设计。通过所设计的降维滑模观测器,同时实现了状态估计、执行器故障和传感器故障估计。在此方法中,由于执行器故障向量被分配到新増广系统的増广状态向量中,所以执行器故障可以直接被估计,而不需要通过传统滑模观测器方法中的等价输出误差引入的方法进行执行器故障估计。因此,该方法也可以有效地解决第二章中的面对技术难题。第五章针对同时带有加性和乘性执行器故障的非线性马尔科夫跳变系统的容错控制问题,提出了一种基于模糊逻辑系统的自适应补偿容错控制方法。首先利用模糊逻辑系统对模态依赖的光滑非线性函数进行近似。而后利用自适应反步技术,设计了一种基于模糊逻辑系统的自适应容错补偿控制器,该控制器可以完全补偿由加性执行器故障、乘性执行器故障和模态依赖的非线性带来的不利影响。所提出的基于模糊逻辑系统的自适应控制器可以保证闭环系统的稳定性。第六章讨论了同时具有输出扰动、执行器故障和传感器故障的非线性马尔科夫跳变系统的稳定性问题,提出了一种基于増广系统的滑模观测器设计方法,并设计了基于滑模观测器的控制器。利用所提出的滑模观测器、基于滑模观测器的控制器以及模态依赖滑模面的可达性,可以实现増广故障向量的估计,并消除执行器故障、传感器故障和扰动对系统的影响。本章所提出的容错控制方法可以保证整个闭环系统的稳定性,即此方法可以同时实现状态估计空间与估计误差空间的镇定。
田震[8]（2019）在《不确定系统的鲁棒控制方法研究及其在电力系统中的应用》文中提出我国电力供应具有火电和水电为主、分布式可再生能源为辅的基本特征。其中,分布式可再生能源是未来清洁能源的主要发展方向。为了缓解我国日益严峻的能源和环境危机,既需要研究清洁高效燃煤发电技术,同时也要大力发展分布式可再生能源发电及并网技术。无论是传统的燃煤火电机组还是基于分布式电源的微网,其安全高效运行均与控制系统紧密相关。本文将着重研究鲁棒控制若干关键问题及其在电力系统中的应用,为加快我国未来智能电网的建设提供理论指导和应用参考。本文的主要研究成果包括:（1）针对一类含非匹配不确定性系统,研究了基于广义干扰估计器（Uncertainty and Disturbance Estimator,UDE）的鲁棒控制方法。首先,分析了基于UDE闭环控制系统的镇定条件,提出了一种参考模型的系统设计方法。在此基础上,研究了一种基于UDE的渐近跟踪鲁棒控制方法,可同时对匹配不确定性和非匹配不确定性进行补偿。针对一类非线性不确定系统,结合UDE和滑模控制二者的优点,提出了一种连续滑模控制方法,从根本上解决了非匹配不确定性问题和滑模控制固有的抖振缺陷。（2）针对一类仿射非线性系统,结合反馈线性化和滑模控制方法,提出了一种基于自适应反馈线性化的鲁棒控制方法,以提高控制系统的动态性能和鲁棒性。首先,设计了一种自适应反馈线性化策略以消除模型不确定性所带来的线性化误差。基于线性化模型,采用超螺旋算法设计了二阶滑模控制器,并证明了闭环系统的鲁棒稳定性。为了验证所提出控制方法的有效性,将其用于亚临界火电机组的鲁棒协调控制器的设计。为此,建立了火电机组的非线性控制模型,并利用某实际机组的历史运行数据进行了模型参数辨识和模型验证。（3）针对一类受约束非线性系统,融合滑模控制和预测控制的优点,提出了一种具备双模控制律的滑模预测控制方法。当系统状态位于滑模区以外时,采用预测控制滚动优化得到的控制序列,其中预测控制器的优化目标函数同时包含滑模误差和控制输入,在约束域内使得系统状态向滑模面最优逼近。当系统状态位于滑模区以内,采用离散滑模控制律来抑制干扰,获得良好的鲁棒性能和稳态性能。此外,在理论上证明了所设计控制算法的输入-状态稳定性。考虑实际机组受运行条件约束,将所设计的滑模预测控制方法应用于超超临界机组的协调控制,验证了所提出控制方法的优良性能。（4）针对分布式电源中的电力电子变换器,研究了直流变压器和逆变器的鲁棒控制。首先,以光伏电站中直流变压器为对象,针对直流侧电压受光伏板输出电压波动、负荷变化和电路参数不确定性等干扰的影响,设计了基于UDE的连续滑模控制器,并进行了仿真和实验验证。然后,以微网中并联运行的逆变器为研究对象,以提高并联逆变器的鲁棒稳定性、电压质量和功率调整的动态性能为目标,提出了一种基于虚拟阻抗的电压补偿控制策略。通过引入互质分解和控制器参数化的概念,利用零极点配置,从控制理论的角度提出了一种统一的虚拟阻抗设计方法,从理论上严格保证了并联逆变器的稳定性。（5）针对微网中分布式电源的并网问题,研究了两种快速高精度的电压参数估计方法,即基于虚拟同步机的正弦波锁定器和基于滑模观测器的电压参数估计器。通过引入虚拟定子阻抗来消除虚拟同步机的冗余平衡点,从而保证在大扰动下电压参数估计的鲁棒性。针对传统锁相环响应速度慢、易受谐波干扰影响的缺点,通过设计滑模状态观测器和频率系数观测误差重构,获得了对电网电压参数的快速鲁棒估计。针对孤岛模式下的互联微网系统,研究多个分布式电源和微网群之间的协调控制。针对互联微网系统频率和电压的二次控制,提出了一种基于多智能体的双层分布式统一控制架构。底层控制系统负责各个分布式电源之间的协调控制,完成独立微网系统的频率/电压恢复、功率分配和经济运行等任务。上层控制负责各个微网之间的协调控制,完成微网群之间的孤岛、重联、功率分配和经济运行等任务。利用所提出的双层控制方法,互联微网系统可在多种模式之间灵活运行。
付沙沙[9]（2019）在《非线性系统的模糊控制与自适应故障估计》文中指出随着科技的发展,实际控制系统变得日益复杂,往往具有高度非线性特性。虽然非线性系统理论经过几十年的长足发展,但由于非线性系统复杂多变的结构使得它在实际工程应用中仍具有很大的局限性。模糊逻辑系统作为非线性系统建模的有效工具得到学者的广泛关注,已经证明它具有在凸紧集上逼近任意光滑的非线性函数的强大的函数逼近能力。另一方面,实际系统在正常运行过程中不可避免的出现各类元器件故障,如执行器和传感器故障,故障的发生常常会带来严重的安全问题和经济损失。因此故障估计和容错控制技术的发展对提高控制系统的可靠性和安全性具有十分重要的意义。本文将利用模糊逻辑模型优越的逼近特性,针对故障情形下几类非线性系统提出一些基于模糊模型的鲁棒控制和自适应模糊观测器设计新方法。并且所提理论研究成果在连续搅拌化学反应釜,F-404航空发动机模型,和电路系统的控制与故障估计问题中得到了仿真验证。论文主要研究工作概括如下:第2章针对执行器乘性故障和随机扰动,研究了一类连续时间T-S模糊仿射随机互联大系统的鲁棒分布式控制问题。利用状态空间分区技术,将子系统的全局模糊模型划分为分段仿射模糊模型,在每个分区设计分段仿射控制器。首先,基于公共Lyapunv函数方法,借助椭球逼近原理,随机系统理论等,得到了分布式分段仿射控制器存在条件。其次,通过引入虚拟线性系统,构造满足边界条件的非奇异连续矩阵保证分段Lyapunov矩阵的可逆性,得到了基于分段Lyapunov函数方法的分布式分段仿射控制器存在条件。这一部分所提出的分段Lyapunov函数构造方法改进了目前已有研究结果,无需对控制器增益进行约束。同时所得结果也揭示了基于分段Lyapunov函数方法所得结果具有更低的保守性。第3章针对系统状态不完全可测的情况,在分段Lyapunov函数方法的框架下研究T-S模糊仿射系统的输出反馈控制问题。首先研究了传感器故障具有马尔可夫跳变形式的T-S模糊仿射系统的非同步动态输出反馈控制器设计问题。为去除模糊系统的每个局部模型具有相同的输入矩阵的严苛假设,引入积分型控制输入。基于上一章的空间分区技术设计分区上的分段模糊仿射观测器以及分段仿射控制器,得到了由原系统状态,误差变量,和控制输入组成的新的增维闭环系统。并考虑了系统状态轨迹与观测器状态轨迹的非同步问题,即两者同一时间可能不同时出现在同一个分区。得到了保证误差系统渐进稳定和鲁棒性能的动态输出反馈控制器设计条件。这一部分所研究结果适用于模糊系统前件变量不完全可测的情形,也是对目前模糊系统的基于观测器的输出反馈控制研究结果的一个改进,并且所提出的动态解耦的方法可以扩展应用到不确定模糊系统中,实现系统不确定项与控制输入的解耦。其次,考虑控制器自身扰动情况,研究了T-S模糊仿射系统的非脆弱静态输出反馈控制器设计问题。为避免求解分段Lyapunov矩阵逆矩阵的繁琐计算过程,这一部分提出了两种控制器设计的新方法,基于输入矩阵结构约束的方法和状态-输入增维方法。其中状态-输入增维方法实现了输入矩阵与控制矩阵的解耦,去除了要求输入矩阵是列满秩的假设,得到了具有更低保守性的条件。前两章所研究的系统的故障的界或者执行器参数扰动的界要求是已知的。然而实际工程中故障的界的信息很难提前获得。故障估计可以在线估计出故障的具体大小和形状,是主动容错控制设计过程的一个非常重要环节。针对切换非线性系统的故障估计问题,目前大多结果是基于滑模观测器的方法得到的,滑模面的模态依赖特点使得滑动模态在不同切换面之间切换,因此很难判断滑模面的可达性;而且非线性项要求满足具有已知或未知Lipschitz常数的Lipschitz条件。第4章研究存在传感器故障的马尔可夫跳变非线性系统的自适应模糊故障估计问题。传感器故障的界和非线性项均是未知的,其中未知非线性项由模糊逻辑系统逼近。通过系统模型增广变换,将原系统状态和传感器故障作为新的描述系统的状态向量,并经过两次线性变换,提出了针对描述系统的新型自适应模糊观测器方法,得到系统状态和传感器故障的精确估计。第5章研究同时存在传感器故障、执行器故障、和未知非线性项的切换非线性系统的故障估计问题。通过系统变换,原始切换系统转化为两个子系统,实现了传感器故障与执行器故障的分离。在此模型基础上,设计了两个新的切换自适应模糊观测器分别估计传感器故障与执行器故障,未知非线性函数由自适应模糊技术逼近。值得注意的是,该方法通过引入由输出产生的可测信号,将传感器故障转化为执行器故障的形式,很大程度上降低了设计的复杂性。
王翠[10]（2019）在《一类非仿射非线性系统鲁棒自适应反推研究》文中研究指明非仿射非线性系统广泛存在于实际系统中,控制输入以非线性隐含的形式作用于系统,这对其控制器设计提出了挑战。本文针对一类不确定严格反馈的非仿射非线性系统在输入/输出受限、执行器故障以及状态不可测的情况下展开基于鲁棒自适应反推控制研究,主要内容如下:首先,针对一类不确定严格反馈非仿射非线性系统,提出基于非线性干扰观测器的滑模动态面控制方法。为便于利用仿射非线性系统设计控制器,利用泰勒级数在线展开的方式,使不确定严格反馈非仿射非线性系统的控制量显性表达;在此基础上,针对含有不确定性的非线性系统,利用非线性干扰观测器实现不确定项和干扰项在线实时逼近;以此,结合动态面和滑模方法,设计滑模动态面控制器,其中,滑模设计增强了系统的鲁棒性,动态面设计避免了传统反推控制中的“微分膨胀”问题,并通过Lyapunov函数方法证明闭环系统的稳定性。仿真结果表明,闭环系统具有较好的跟踪性能。其次,针对一类输入饱和且输出时变受限的不确定严格反馈非仿射非线性系统,提出基于Hermite多项式递归神经网络干扰观测器的反推控制方法。采用近似方法对输入输出受限的不确定严格反馈非仿射非线性系统进行泰勒级数展开,使非仿射非线性系统中的控制量显性表达;基于此,利用Hermite多项式递归神经网络干扰观测器对系统未知复合干扰进行估计;借助非对称障碍型Lyapunov函数设计基于反推方法的控制器,并依据Lyapunov函数理论证明闭环系统稳定性。仿真结果验证所提方法的有效性。然后,针对一类执行器故障的不确定严格反馈非仿射非线性系统,提出基于自适应滑模干扰观测器的容错反推控制方法。利用全局近似方法将执行器故障的不确定严格反馈非仿射非线性系统控制量显性化;在此基础上,设计自适应滑模干扰观测器对未知扰动进行估计;提出基于有限时间Lyapunov函数理论的容错反推控制器设计过程,Lyapunov函数理论证明闭环系统有限时间稳定。仿真结果证明该方法能够保证闭环系统的良好性能。最后,针对一类状态不可测的不确定严格反馈非仿射非线性系统,提出基于有限时间干扰观测器的输出反馈积分反推控制方法。设计基于tanh函数的扩张状态观测器对非仿射非线性系统状态进行观测;在此基础上对状态不可测的不确定严格反馈非仿射非线性系统近似转换,使控制输入显性化;针对状态不可测的不确定非线性系统,利用有限干扰观测器对系统不确定性和未知扰动和不确定项进行实时估计;设计积分反推控制器,并利用Lyapunov函数理论证明闭环系统的稳定性。仿真结果表明,该控制方法能够保证闭环系统的稳定性。
二、基于观测器非线性不确定系统的自适应模糊控制（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于观测器非线性不确定系统的自适应模糊控制（论文提纲范文）
（1）不确定非线性系统模糊自适应输出反馈控制（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题的背景和意义 |
| 1.2 反步递推控制方法的概况 |
| 1.3 非线性系统的鲁棒控制研究概况 |
| 1.4 论文的主要工作 |
| 1.5 预备知识 |
| 2 带有状态时滞的非线性系统模糊自适应输出反馈控制 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 模糊状态观测器设计 |
| 2.4 模糊自适应控制器设计 |
| 2.5 仿真实例 |
| 2.6 本章小结 |
| 3 不确定非线性系统模糊自适应输出反馈动态面控制 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 模糊状态观测器设计 |
| 3.4 模糊自适应控制器设计 |
| 3.5 仿真实例 |
| 3.6 本章小结 |
| 4 带有未建模动态的非线性系统模糊自适应输出反馈控制 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 模糊状态观测器设计 |
| 4.4 模糊自适应控制器设计 |
| 4.5 仿真实例 |
| 4.6 本章小结 |
| 5 不确定非线性多变量系统模糊自适应输出反馈控制 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 模糊状态观测器设计 |
| 5.4 模糊自适应控制器设计 |
| 5.5 仿真实例 |
| 5.6 本章小结 |
| 6 不确定非线性切换系统模糊自适应输出反馈控制 |
| 6.1 引言 |
| 6.2 问题描述 |
| 6.3 模糊状态观测器设计 |
| 6.4 模糊自适应控制器设计 |
| 6.5 仿真实例 |
| 6.6 本章小结 |
| 7 结论 |
| 参考文献 |
| 攻读硕士期间参与科研项目及发表学术论文情况 |
| 致谢 |
（2）一类随机非线性多智能体系统自适应协同控制（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 反步法及随机系统的自适应控制 |
| 1.2.2 多智能体系统 |
| 1.2.3 随机多智能体系统状态反馈控制 |
| 1.2.4 随机多智能体系统输出反馈控制 |
| 1.2.5 事件触发 |
| 1.3 存在的问题 |
| 1.4 本文研究内容安排 |
| 第二章 预备知识 |
| 2.1 符号定义 |
| 2.2 伊藤引理 |
| 2.3 RBF神经网网络逼近 |
| 2.4 图论 |
| 2.4.1 输出一致问题 |
| 2.4.2 包含问题 |
| 2.5 常用结论 |
| 2.6 本章小结 |
| 第三章 一类随机非线性多智能体系统的输出一致控制 |
| 3.1 引言 |
| 3.2 一类随机非线性严格反馈多智能体系统的自适应神经输出一致控制 |
| 3.2.1 问题描述 |
| 3.2.2 控制律设计 |
| 3.2.3 稳定性分析 |
| 3.2.4 仿真验证 |
| 3.3 一类具有输入饱和特性的随机非线性多智能体系统的输出一致控制 |
| 3.3.1 问题描述 |
| 3.3.2 观测器设计 |
| 3.3.3 控制律设计 |
| 3.3.4 稳定性分析 |
| 3.3.5 仿真验证 |
| 3.4 本章小结 |
| 第四章 一类随机非线性多智能体系统的包含控制 |
| 4.1 引言 |
| 4.2 随机非线性严格反馈多智能体系统的自适应神经网络包含控制 |
| 4.2.1 问题描述 |
| 4.2.2 控制律设计 |
| 4.2.3 稳定性分析 |
| 4.2.4 仿真验证 |
| 4.3 基于观测器的随机非线性多智能体系统包含控制 |
| 4.3.1 问题描述 |
| 4.3.2 观测器设计 |
| 4.3.3 控制律设计 |
| 4.3.4 稳定性分析 |
| 4.3.5 仿真验证 |
| 4.4 本章小结 |
| 第五章 一类随机非线性多智能体系统事件触发自适应控制 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 基于事件触发的随机多智能体输出反馈包含控制律 |
| 5.3.1 观测器设计 |
| 5.3.2 控制律设计 |
| 5.3.3 稳定性分析 |
| 5.4 仿真验证 |
| 5.4.1 多机器人仿真 |
| 5.4.2 数值仿真 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 附录2 攻读硕士学位期间申请的专利 |
| 附录3 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（3）一类含扰动的动态系统自适应输出反馈控制（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究的背景及意义 |
| 1.2 研究现状 |
| 1.2.1 非线性控制器 |
| 1.2.2 输出反馈控制 |
| 1.2.3 含有非线性项的不确定系统 |
| 1.3 本论文的主要研究工作与论文结构安排 |
| 第二章 非严格反馈系统输出反馈模糊补偿控制 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 准备工作 |
| 2.3.1 非线性跟踪微分器 |
| 2.3.2 模糊状态观测器 |
| 2.4 输出反馈补偿控制器设计及稳定性分析 |
| 2.4.1 控制器设计 |
| 2.4.2 稳定性分析 |
| 2.5 仿真算例 |
| 2.6 本章总结 |
| 第三章 含输入饱和补偿的输出反馈递归动态面控制 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 改进高阶滑模(HOSM)观测器 |
| 3.4 递归动态面控制器设计 |
| 3.5 仿真算例 |
| 3.5.1 数值仿真 |
| 3.5.2 CSTRs仿真 |
| 3.6 本章总结 |
| 第四章 不匹配扰动非严格反馈系统的输出反馈控制 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 观测器设计 |
| 4.3.1 模糊状态观测器 |
| 4.3.2 改进的有限时间扰动观测 |
| 4.4 输出反馈控制器设计 |
| 4.5 仿真算例 |
| 4.5.1 数值仿真 |
| 4.5.2 机电系统仿真 |
| 4.6 本章总结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 研究展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及科研工作 |
| 致谢 |
（4）复杂非线性系统的自适应容错控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 研究现状 |
| 1.2.1 容错控制研究现状 |
| 1.2.2 自适应控制研究现状 |
| 1.2.3 反步法研究现状 |
| 1.2.4 模糊控制研究现状 |
| 1.3 预备知识 |
| 1.3.1 模糊逻辑系统 |
| 1.3.2 其它预备知识 |
| 1.4 现有控制方法的局限性 |
| 1.5 本文主要研究内容 |
| 第2章 具有未知输入死区和执行器故障的非线性系统自适应容错控制 |
| 2.1 问题描述 |
| 2.2 容错控制设计及稳定性分析 |
| 2.3 仿真算例 |
| 2.4 本章小结 |
| 第3章 具有量化输入和执行器故障的随机非线性系统自适应容错控制 |
| 3.1 问题描述 |
| 3.2 模糊状态观测器设计 |
| 3.3 自适应容错控制器设计及稳定性分析 |
| 3.4 仿真算例 |
| 3.5 本章小结 |
| 第4章 具有未知控制方向和传感器故障的随机非线性系统自适应容错控制 |
| 4.1 问题描述 |
| 4.2 自适应容错控制器设计和随机稳定性分析 |
| 4.3 仿真算例 |
| 4.4 本章小结 |
| 第5章 具有传感器和执行器故障的随机非线性系统自适应容错控制 |
| 5.1 单输入单输出随机非线性系统容错控制 |
| 5.1.1 问题描述 |
| 5.1.2 模糊状态观测器设计 |
| 5.1.3 控制器设计及稳定性分析 |
| 5.1.4 仿真算例 |
| 5.2 随机互联非线性系统的分散容错控制 |
| 5.2.1 问题描述 |
| 5.2.2 模糊状态观测器设计 |
| 5.2.3 自适应分散控制设计及稳定性分析 |
| 5.2.4 仿真算例 |
| 5.3 本章小结 |
| 第6章 具有随机马尔可夫跳变故障和时滞特性的随机非线性系统自适应容错控制 |
| 6.1 问题描述 |
| 6.2 控制器设计及稳定性分析 |
| 6.3 仿真实例 |
| 6.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（5）几类高阶和忆阻神经网络的稳定性和同步研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作 |
| 第2章 基础知识和引理 |
| 2.1 矩阵和算子 |
| 2.2 时间尺度 |
| 2.3 模糊逻辑系统 |
| 2.4 分数阶微积分 |
| 2.5 相关基本引理 |
| 第3章 脉冲模糊高阶双向联想记忆神经网络 |
| 3.1 引言 |
| 3.2 模型描述 |
| 3.3 平衡点的全局指数稳定性 |
| 3.4 周期解的全局指数稳定性 |
| 3.5 数值模拟 |
| 3.6 结论 |
| 3.7 注记 |
| 第4章 时间尺度上中立型连接时滞高阶双向联想记忆神经网络 |
| 4.1 引言 |
| 4.2 时间尺度上时变连接时滞系统(4.1)的概自守性 |
| 4.3 连续分布式连接时滞高阶Hopfield双向联想记忆神经网络 |
| 4.4 数值模拟 |
| 4.5 结论 |
| 4.6 注记 |
| 第5章 带有时变和连续分布式时滞的忆阻神经网络 |
| 5.1 引言 |
| 5.2 模型描述 |
| 5.3 平衡点的稳定性与驱动-响应系统的同步 |
| 5.4 脉冲Cohen-Grossberg型忆阻双向联想记忆神经网络的周期解 |
| 5.5 数值模拟 |
| 5.6 结论 |
| 5.7 注记 |
| 第6章 脉冲模糊Cohen-Grossberg型忆阻双向联想记忆神经网络 |
| 6.1 引言 |
| 6.2 模型描述 |
| 6.3 平衡点的全局稳定性 |
| 6.4 驱动-响应系统的全局指数时滞同步 |
| 6.5 数值模拟 |
| 6.6 结论 |
| 6.7 注记 |
| 第7章 不确定分数阶非线性系统的自适应模糊追踪控制 |
| 7.1 引言 |
| 7.2 具有状态可测不确定分数阶非线性系统 |
| 7.2.1 问题描述 |
| 7.2.2 自适应状态反馈控制设计 |
| 7.3 具有状态不可测不确定分数阶非线性系统 |
| 7.3.1 模糊状态观测器设计 |
| 7.3.2 自适应模糊控制设计和稳定性分析 |
| 7.4 数值模拟 |
| 7.5 结论 |
| 7.6 注记 |
| 第8章 不确定非仿射分数阶非线性系统的自适应模糊容错控制 |
| 8.1 引言 |
| 8.2 问题描述 |
| 8.3 基于障碍Lyapunov函数的自适应模糊容错控制设计 |
| 8.4 数值模拟 |
| 8.5 结论 |
| 8.6 注记 |
| 第9章 总结与展望 |
| 9.1 总结 |
| 9.2 展望 |
| 附录A 主要定理的证明 |
| A.1 定理3.1的证明 |
| A.2 定理3.3的证明 |
| A.3 定理4.1的证明 |
| A.4 定理4.2的证明 |
| A.5 定理5.1的证明 |
| A.6 定理5.6的证明 |
| A.7 定理6.1的证明 |
| A.8 定理6.2的证明 |
| A.9 定理6.4的证明 |
| 参考文献 |
| 作者攻读博士学位期间的研究成果及相关经历 |
| 致谢 |
（6）复杂不确定动态系统的状态估计与滑模控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号表 |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 课题研究现状 |
| 1.2.1 复杂不确定动态系统 |
| 1.2.2 不确定性 |
| 1.2.3 滑模控制 |
| 1.3 尚待解决的问题以及有待提升的方法 |
| 1.4 本论文的主要研究内容 |
| 1.4.1 针对执行器故障的系统估计与控制 |
| 1.4.2 针对完整性攻击的系统估计与控制 |
| 1.4.3 针对非周期信号的系统估计与控制 |
| 第2章 执行器故障偏差未知下连续时间非线性动态系统的估计与滑模控制 |
| 2.1 引言 |
| 2.2 系统描述 |
| 2.2.1 控制系统与执行器故障建模 |
| 2.2.2 滑模观测器 |
| 2.3 滑模观测器设计 |
| 2.4 积分型滑模控制器设计 |
| 2.4.1 滑模运动稳定性分析 |
| 2.4.2 滑模面可达性分析 |
| 2.5 仿真算例 |
| 2.6 本章小结 |
| 第3章 执行器故障因子未知下离散时间非线性动态系统的自适应滑模控制 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 自适应滑模控制器设计 |
| 3.3.1 滑模运动稳定性分析 |
| 3.3.2 滑模可达性分析 |
| 3.4 仿真算例 |
| 3.5 本章小结 |
| 第4章 完整性攻击下离散时间线性动态系统的安全状态估计与自触发控制 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.2.1 信息物理系统模型描述 |
| 4.2.2 关于传感器和执行器攻击的描述 |
| 4.2.3 估计器和控制器 |
| 4.3 传感器孤立攻击情形下状态估计 |
| 4.3.1 时间驱动控制器设计 |
| 4.3.2 自触发控制器设计 |
| 4.4 传感器和执行器联合攻击情形下状态估计 |
| 4.5 执行器孤立攻击情形下状态估计 |
| 4.6 仿真验证 |
| 4.6.1 仿真示例1 |
| 4.6.2 仿真示例2 |
| 4.7 本章小结 |
| 第5章 非完整量化下连续时间非线性动态随机系统的估计与滑模控制 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.2.1 系统模型 |
| 5.2.2 非完整量化的建模 |
| 5.2.3 Luenberger观测器 |
| 5.3 控制器设计和稳定性分析 |
| 5.3.1 滑模变量与滑模控制律设计 |
| 5.3.2 可达性与稳定性分析 |
| 5.4 仿真算例 |
| 5.5 本章小结 |
| 第6章 非周期性事件下连续时间非线性动态随机系统的估计与滑模控制 |
| 6.1 引言 |
| 6.2 问题描述 |
| 6.2.1 系统模型 |
| 6.2.2 采样器和事件触发器 |
| 6.2.3 状态观测器 |
| 6.3 单回路网络化系统的事件触发滑模控制 |
| 6.3.1 滑模控制器设计 |
| 6.3.2 闭环系统的稳定性分析 |
| 6.3.3 滑模运动的可达性 |
| 6.3.4 仿真算例 |
| 6.4 多回路网络化系统的事件触发滑模控制 |
| 6.4.1 问题描述 |
| 6.4.2 主要构想 |
| 6.4.3 观测器与滑模控制器设计 |
| 6.4.4 仿真算例 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录A 仿真示例中部分参数 |
| A.1 第4.6.1节 仿真示例中使用的参数 |
| A.2 第4.6.2节 仿真示例中使用的参数 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（7）马尔科夫跳变系统的故障估计与容错控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究的背景与意义 |
| 1.2 研究现状 |
| 1.2.1 故障估计方法研究现状 |
| 1.2.2 容错控制方法研究现状 |
| 1.2.3 马尔科夫跳变系统故障估计与容错控制问题研究现状 |
| 1.3 现有方法的局限性 |
| 1.4 本文的主要研究内容和章节安排 |
| 第2章 基于降维观测器的线性马尔科夫跳变系统的传感器故障估计 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 降维观测器设计 |
| 2.4 仿真分析 |
| 2.5 本章小结 |
| 第3章 基于自适应观测器的线性马尔科夫跳变系统的故障估计 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 自适应观测器设计 |
| 3.4 仿真分析 |
| 3.5 本章小结 |
| 第4章 基于降维滑模观测器的线性马尔科夫跳变系统的故障估计 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 降维滑模观测器设计 |
| 4.4 仿真分析 |
| 4.5 本章小结 |
| 第5章 具有加性和乘性故障的非线性马尔科夫跳变系统的自适应模糊容错控制 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.2.1 系统描述 |
| 5.2.2 模糊逻辑系统 |
| 5.3 自适应容错控制器设计 |
| 5.4 仿真分析 |
| 5.5 本章小结 |
| 第6章 基于滑模观测器的非线性马尔科夫跳变系统的容错控制 |
| 6.1 引言 |
| 6.2 问题描述 |
| 6.3 滑模观测器设计 |
| 6.4 基于观测器的容错控制器设计 |
| 6.5 仿真分析 |
| 6.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（8）不确定系统的鲁棒控制方法研究及其在电力系统中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 国内外研究现状 |
| 1.2.1 滑模控制的研究现状 |
| 1.2.2 干扰观测器的研究现状 |
| 1.2.3 火电机组的建模与控制 |
| 1.2.4 智能电网的关键控制技术 |
| 1.2.5 微网的安全运行与控制 |
| 1.2.6 电力电子系统的稳定控制 |
| 1.3 本文的主要工作 |
| 第2章 含非匹配不确定性系统的鲁棒控制 |
| 2.1 基于UDE的渐近跟踪鲁棒控制 |
| 2.1.1 基于UDE的控制方法简介 |
| 2.1.2 镇定条件分析 |
| 2.1.3 参考模型的系统设计方法 |
| 2.1.4 含非匹配不确定性下的控制器设计 |
| 2.1.5 仿真结果及分析 |
| 2.2 基于UDE的连续滑模控制 |
| 2.2.1 二阶不确定系统的连续滑模控制 |
| 2.2.2 高阶不确定系统的连续滑模控制 |
| 2.2.3 仿真结果及分析 |
| 2.3 DC-DC变换器的连续滑模控制 |
| 2.3.1 DC-DC变换器建模 |
| 2.3.2 连续滑模控制器设计 |
| 2.3.3 仿真及实验结果分析 |
| 2.4 本章小结 |
| 第3章 仿射非线性系统的自适应滑模控制 |
| 3.1 自适应高阶滑模控制方法 |
| 3.1.1 问题描述 |
| 3.1.2 控制器设计 |
| 3.1.3 稳定性分析 |
| 3.2 亚临界火电机组控制模型开发 |
| 3.2.1 模型建立 |
| 3.2.2 模型验证 |
| 3.3 亚临界火电机组的鲁棒协调控制 |
| 3.3.1 控制器设计 |
| 3.3.2 仿真结果及分析 |
| 3.4 本章小结 |
| 第4章 受约束非线性系统的滑模预测控制 |
| 4.1 滑模预测控制方法 |
| 4.1.1 问题描述 |
| 4.1.2 控制器设计 |
| 4.1.3 闭环稳定性分析 |
| 4.2 超超临界火电机组控制模型开发 |
| 4.2.1 模型建立 |
| 4.2.2 模型验证 |
| 4.3 超超临界火电机组的鲁棒协调控制 |
| 4.3.1 控制器设计 |
| 4.3.2 仿真结果及分析 |
| 4.4 本章小结 |
| 第5章 鲁棒控制方法在微网中的应用 |
| 5.1 基于虚拟阻抗的逆变器广义鲁棒控制 |
| 5.1.1 并联逆变器系统的阻抗建模 |
| 5.1.2 基于互质分解的虚拟阻抗设计 |
| 5.1.3 闭环系统稳定性和鲁棒性分析 |
| 5.1.4 虚拟阻抗对功率控制环的影响 |
| 5.1.5 仿真结果及分析 |
| 5.2 同步控制中电网电压参数的鲁棒估计 |
| 5.2.1 基于虚拟同步机理论的电压参数估计 |
| 5.2.2 基于滑模观测器的电压参数鲁棒估计 |
| 5.3 互联微网系统的频率/电压双层分布式控制 |
| 5.3.1 互联微网系统的双层分布式控制 |
| 5.3.2 互联微网系统的多模式运行 |
| 5.3.3 控制系统的稳定性和最优性分析 |
| 5.3.4 仿真算例及分析 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 主要结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间学术成果 |
| 参与的主要科研项目 |
（9）非线性系统的模糊控制与自适应故障估计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状 |
| 1.2.1 故障估计与容错控制研究现状 |
| 1.2.2 模糊控制研究现状 |
| 1.2.3 切换系统的故障估计研究现状 |
| 1.3 预备知识 |
| 1.4 现有方法的局限性和有待研究的问题 |
| 1.5 本文主要研究内容 |
| 第2章 具有执行器故障的随机非线性大系统的分布式模糊控制器设计 |
| 2.1 引言 |
| 2.2 模型描述与问题制定 |
| 2.3 可靠的分布式控制器设计 |
| 2.3.1 基于公共Lyapunov函数的分布式控制器设计 |
| 2.3.2 基于分段Lyapunov函数的分布式控制器设计 |
| 2.4 仿真算例 |
| 2.5 本章小结 |
| 第3章 基于模糊仿射模型的非线性系统的输出反馈控制器设计 |
| 3.1 引言 |
| 3.2 具有传感器故障的模糊仿射系统的非同步动态输出反馈控制 |
| 3.2.1 模型描述与问题制定 |
| 3.2.2 基于观测器的动态输出反馈控制器设计 |
| 3.2.3 仿真算例 |
| 3.3 模糊仿射系统的非脆弱静态输出反馈控制 |
| 3.3.1 模型描述与问题制定 |
| 3.3.2 非脆弱静态输出反馈控制综合 |
| 3.3.3 仿真算例 |
| 3.4 本章小结 |
| 第4章 具有传感器故障的一类随机非线性系统的自适应模糊故障观测器设计 |
| 4.1 引言 |
| 4.2 模型描述与问题制定 |
| 4.3 系统模型变换 |
| 4.4 主要结果 |
| 4.4.1 自适应模糊观测器设计 |
| 4.4.2 自适应律设计 |
| 4.4.3 误差系统稳定性分析 |
| 4.5 仿真算例 |
| 4.6 本章小结 |
| 第5章 同时具有执行器和传感器故障的切换非线性系统的自适应模糊故障观测器设计 |
| 5.1 引言 |
| 5.2 模型描述与问题制定 |
| 5.3 自适应模糊故障观测器设计 |
| 5.3.1 切换模糊观测器 |
| 5.3.2 自适应律设计 |
| 5.4 主要结果 |
| 5.5 仿真算例 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（10）一类非仿射非线性系统鲁棒自适应反推研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 受限系统控制研究现状 |
| 1.3 容错控制研究现状 |
| 1.4 基于观测器的输出反馈控制研究现状 |
| 1.5 本文主要研究内容 |
| 第二章 基于非线性干扰观测器的滑模动态面控制 |
| 2.1 引言 |
| 2.2 基于干扰观测器的滑模动态面控制 |
| 2.2.1 问题描述 |
| 2.2.2 非线性干扰观测器设计 |
| 2.2.3 鲁棒自适应滑模动态面控制器设计及稳定性分析 |
| 2.3 仿真验证 |
| 2.4 小结 |
| 第三章 基于Hermite多项式递归神经网络干扰观测器的输入输出受限控制 |
| 3.1 引言 |
| 3.2 基于干扰观测器的输入输出受限控制 |
| 3.2.1 问题描述 |
| 3.2.2 Hermite多项式递归神经网络干扰观测器设计 |
| 3.2.3 基于障碍型函数的输入输出受限控制器设计及稳定性分析 |
| 3.3 仿真验证 |
| 3.4 小结 |
| 第四章 基于自适应滑模干扰观测器的容错反推控制 |
| 4.1 引言 |
| 4.2 基于干扰观测器的容错反推控制 |
| 4.2.1 问题描述 |
| 4.2.2 自适应滑模干扰观测器设计 |
| 4.2.3 鲁棒自适应容错反推控制器设计及稳定性分析 |
| 4.3 仿真验证 |
| 4.4 小结 |
| 第五章 基于有限时间干扰观测器的输出反馈积分反推控制 |
| 5.1 引言 |
| 5.2 基于干扰观测器的输出反馈积分反推控制 |
| 5.2.1 问题描述 |
| 5.2.2 扩张状态观测器设计 |
| 5.2.3 有限时间干扰观测器设计 |
| 5.2.4 鲁棒自适应积分反推控制器设计及稳定性分析 |
| 5.3 仿真验证 |
| 5.4 小结 |
| 第六章 结论与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 附录 |
四、基于观测器非线性不确定系统的自适应模糊控制（论文参考文献）
- [1]不确定非线性系统模糊自适应输出反馈控制[D]. 赵继鹏. 辽宁工业大学, 2021(02)
- [2]一类随机非线性多智能体系统自适应协同控制[D]. 缪松涛. 南京邮电大学, 2020
- [3]一类含扰动的动态系统自适应输出反馈控制[D]. 于瀚博. 青岛理工大学, 2020(01)
- [4]复杂非线性系统的自适应容错控制研究[D]. 于兴虎. 哈尔滨工业大学, 2020(02)
- [5]几类高阶和忆阻神经网络的稳定性和同步研究[D]. 杨文贵. 东南大学, 2020(02)
- [6]复杂不确定动态系统的状态估计与滑模控制研究[D]. 高亚斌. 哈尔滨工业大学, 2020(02)
- [7]马尔科夫跳变系统的故障估计与容错控制[D]. 杨宏燕. 哈尔滨工业大学, 2020(01)
- [8]不确定系统的鲁棒控制方法研究及其在电力系统中的应用[D]. 田震. 上海交通大学, 2019
- [9]非线性系统的模糊控制与自适应故障估计[D]. 付沙沙. 哈尔滨工业大学, 2019(01)
- [10]一类非仿射非线性系统鲁棒自适应反推研究[D]. 王翠. 济南大学, 2019(01)