非线性系统基于HM模型的自适应鲁棒跟踪控制

对于一类常见多重时滞非线性离散系统,提出基于动态非线性逼近的增量型最小化递推预测模型、广义预测控制律、噪声估计器以及参数自适应递推预报算法,实现了对存在较大滞后的时滞非线性系统的广义预测控制.仿真结果

在输入受限的情况下, 通过一个线性一阶滤波器, 实现机器人的鲁棒自适应输出反馈跟踪控制, 解决了自适 应控制算法的鲁棒性问题, 即当满足持续激励条件及估计参数域包含参数真实值时, 闭环系统能够实现渐近

本文考虑了轮式移动机器人(WMR)的鲁棒自适应轨迹跟踪控制问题。 首先,将WMR的轨迹跟踪转换为双积分系统的稳定性问题。 接下来,采用连续的有限时间控制方法来设计跟踪控制器。 然后,设计了扰动观测器和

建立关于Sylvester 方程的鲁棒极点配置梯度流优化算法模型, 在线求解相应的二次优化问题, 并在线计算 状态反馈增益矩阵, 使得闭环系统矩阵的全部特征值位于给定的区域中. 对于一切满足条件的扰动

针对含有输入未建模动态的一类MIMO系统,在高频增益矩阵的顺序主子式的符号已知的前提下,给出了多变量自适应反推控制器的设计.严格地证明了对一类未建模动态,闭环适应系统的所有信号都是全局一致有界的, 且

内容包括：实例，文档分析，设计过程和MATLAB仿真程序。首先利用BP网络对以下非线性系统进行辨识，然后利用模型参考自适应方法，设计NNMARC控制器

针对一类控制器无论是否具有可分离结构的非线性系统, 利用内模控制的思想提出一种统一 的神经网络模型参考自适应控制器设计方案, 简化了基于神经网络的模型参考自适应控制系统的设计。 给出了统一的设计步骤,

利用ADP中的HDP(with two Critic Network)求解离散非线性系统,代码利用python实现。构建评价网络(Critic Network)、模型网络(Model Network)

针对一类具有死区的非仿射非线性系统,将预设性能控制与有限时间控制相结合,提出一种具有预设性能的自适应有限时间跟踪控制方法.基于Backstepping技术、模糊逻辑系统及有限时间Lyapunov稳定理

针对一类状态不可测的单输入单输出非线性不确定系统, 提出了一种基于最小二乘支持向量机(LSSVM) 的直接自适应??H∞ 输出反馈控制方法. 该方法首先设计一种误差观测器, 间接地估计出系统的状态;