论文部分内容阅读
作为智能控制的一个重要分支领域,基于模糊建模的非线性系统鲁棒自适应控制近年来引起了人们越来越多的重视。本文就此领域的相关问题展开系列研究,主要研究了单输入单输出(SISO)、多输入多输出(MIMO)等不确定非线性系统的控制器和观测器设计问题。以李亚普诺夫(Lyapunov)稳定、自适应控制、分散控制、滑模控制、模糊逼近等理论为基础对闭环控制系统进行设计与分析。主要工作如下: 首先,基于监督控制方法,针对一类具有未知函数增益的SISO不确定非线性系统,提出一种新的直接自适应模糊控制方案。该方案通过引入最优逼近误差的自适应补偿和新的鲁棒项来减小模糊逼近误差和参数估计误差的影响,取消了已有文献要求逼近误差平方可积或逼近误差上确界已知的假设,扩展了监督控制方法的应用。理论分析证明了闭环模糊控制系统状态有界,跟踪误差收敛到零。 其次,利用Takagi-Sugeno(T-S)模糊系统作为估计器,系统研究了一类具有高阶耦合的MIMO非线性系统的模型参考分散自适应控制问题。针对控制增益为未知常数和未知函数两种情形,分别提出分散自适应滑模控制器设计新方案。基于等价控制思想,对未知参数进行自适应估计,利用神经网络对未知函数进行在线逼近,连接权学习律中自然融入模糊隶属度函数,实现了两种各具优点的普适估计器的有机结合,形成混合自适应智能控制。同时,通过对耦合项进行恰当处理,各子系统均只需要根据自己的信息就能确定相应的控制量,真正实现分散控制。理论分析证明了闭环控制系统所有信号有界,跟踪误差收敛到零。 再次,研究了系统状态不可测量时的控制器设计问题。针对一类SISO不确定非线性系统。基于观测器分别提出直接和间接自适应模糊控制新方案。新方案对对同类已有结果的不足作出改进并提出新的设计思路,使设计与分析更为合理。在直接模糊控制方案中,通过引入观测量的调制函数,使得模糊系统的输入集在有界闭区域上,从而取消了观测量有界的假设。在间接模糊控制方案中,基于后推(backstepping)方法设计控制器,避免了常规方法遇到的一些条件限制。通过构造不同的Lyapunov函数,分别证明了闭环模糊控制系统的稳定性。 最后,针对一类仅有关节角位移可测量的机器人系统,基于滑模控制原理和后推设计方法提出一种基于观测器的机器人鲁棒跟踪控制新方案。该方案通过引入用于抑制观测误差的阻尼项和调制参数,加快了输出跟踪误差的收敛速度并保证跟踪误差收敛到零。 通过本文的研究,较好地解决了几类不确定非线性控制系统的设计与分析问题。在存在逼近误差的情况下,通过监督控制、等价控制、后推设计和自适应补偿等方法保证了闭环控制系统的稳定性和跟踪效果。各个控制方案的仿真实验则进一步表明了其有效性和实用性。