一类高阶非线性系统的级联自抗扰控制

针对含有高阶不确定扰动项且不可参数线性化的一类非线性系统, 采用反步递推方法设计基于多层神经网 络的自适应控制器. 多层神经网络可较好地逼近非线性系统, 其权值能在系统先验知识不多的情况下在线调整.

研究一类不确定线性系统的混杂状态反馈保成本控制问题. 系统矩阵和输入矩阵中含有时变不确定性. 假 设存在有限个备选的控制增益已知的控制器, 并且任何单一的状态反馈控制器都不能镇定系统. 基于单L ya

针对一类非线性不确定系统, 提出一种新的基于神经网络动态补偿的最小方差控制方法 (MVNNC )。 这种控制系统将传统的最小方差控制技术与神经网络优良的非线性逼近能力相结合, 从而 能有效地消除不确定

一类欠驱动机械系统的非线性控制

在本文中,我们集中于一类非线性非最小相位系统的输出反馈跟踪控制问题。 为了限制不稳定的内部动力学,引入了输出重新定义方法以使内部动力学的稳定性取决于新定义的输出的稳定性,因此我们只需要考虑新的外部动力

研究一类具有非匹配不确定性的非线性时变系统的鲁棒状态反馈输出跟踪控制器设计问题。 通过引入非线性时变系统的相对阶将系统输入输出线性化,然后设计出一种基于标称系统和不确定性 上界的连续型鲁棒输出跟踪控制

基于模块化多电平换流器的高压直流输电(MMC-HVDC)技术已得到广泛运用,但传统基于dq同步旋转坐标系的双闭环PI控制中电流内环需要依赖系统数学模型进行前馈解耦补偿,并且一阶非线性自抗扰控制器设计参

关于自抗扰控制的文献,在基于自抗扰控制基础之上采用线性方法,大大减少了算法中的参数,相较于传统的自抗扰控制更有效。

一类无严格反馈形式的切换非线性系统的自适应神经反演

针对磁悬浮求系统采用线性自抗扰控制技术对其控制，同时与传统的PID控制进行对比，得到了良好的仿真效果。