严格反馈型非线性系统的输出反馈控制
【江苏省自然科学基金】_backstepping控制_期刊发文热词逐年推荐_20140814
2012年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
科研热词 神经网络 鲁棒控制 自适应控制 飞行控制 非线性系统 随机非线性系统 纯反馈系统 积分型lyapunov函数 滑模控制 死区模型 未建模动态 无人机 执行器动态 微分-代数系统 子系统 后推 反步法 反推 动态面控制 动中通
2011年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
2011年 科研热词 自适应控制 后推 齐次占优 高阶非线性系统 高阶随机非线性系统 飞行控制 随机非线性系统 纵向运动 积分输入到状态稳定 神经网络控制 神经网络 状态反馈镇定 状态反馈 时变时滞 无人飞艇 振动抑制 挠性卫星 容错控制 姿态控制 反步自适应变结构 严格反馈非线性系统 backstepping控制 推荐指数 3 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2014年 科研热词 非线性系统 输入饱和 干扰观测器 反步法 动态面法 推荐指数 1 1 1 1 1
2008年 序号 1 2 3 4 5
科研热词 系统生成器 断续导通模式 变换器 反步滑模法 buck
推荐指数 1 1 1 1 1
2009年 序号 1 2 3 4
科研热词 积分反步法 模糊滑模变结构控制法 拥塞控制 aqm算法
推荐指数 1 1 1 1
2010年 序号 1 2 3 4 5 6 7 8 9 10 11热词 非线性控制 网络拥塞控制 鲁棒自适应控制 非线性系统 输出反馈控制 自适应控制 纯反馈系统 积分输入到状态稳定 积分型lyapunov函数 状态反馈 干扰观测器 反步设计法 反推 动态面控制 主动队列管理算法 主动队列管理 不确定非线性系统 rbf神经网络 backstepping控制
具有输出限制的纯反馈系统的神经网络控制
具有输出限制的纯反馈系统的神经网络控制史昱;尹丽子【摘要】为了研究一类具有输出限制的不确定非线性纯反馈系统的自适应神经网络追踪控制问题,利用神经网络的非线性逼近能力与自适应控制的反推法给出该系统的自适应控制器;利用障碍Lyapunov函数与隐函数存在定理进行控制器的设计.结果表明,该控制方法保证了闭环系统所有信号的半全局一致最终有界性.%To investigate the adaptive neural network tracting control problem of a class of uncertain nonlinear pure-feedback systems with output constraints, an adaptive controller of the systems was provided by using the ability of Neural Network approximation and the adaptive backstepping techniques.The controller was designed by the barrier Lyapunov function and the implicit function theorem.The results show that the developed control scheme guarantees semiglobally uniform ultimate boundedness of all the signals in the closed-loop systems.【期刊名称】《济南大学学报（自然科学版）》【年(卷),期】2017(031)005【总页数】7页(P394-400)【关键词】纯反馈系统;输出限制;障碍Lyapunov函数;隐函数定理;自适应控制【作者】史昱;尹丽子【作者单位】山东交通学院理学院,山东济南250357;济南大学数学科学学院,山东济南250022【正文语种】中文【中图分类】O231.2多层神经网络、径向基(RBF)神经网络、高阶神经网络可以在紧集内以任意精度逼近非线性函数，具有良好的函数逼近能力，被广泛应用于系统函数未知的控制工程[1-2]。
几类严格反馈非线性系统的稳定性分析及控制
摘要对于几类严格反馈的非线性系统, 本文依据模糊逻辑系统、Backstepping技术、command滤波和Nussbaum函数等方法对其进行控制器设计, 并且进行了稳定性分析. 具体内容如下:1.针对一类具有状态约束的严格反馈非线性系统, 构造了一个模糊跟踪控制器, 借助于模糊逻辑系统来近似非线性函数, 所提出的控制方案解决了有限时间跟踪控制问题.2.针对一类具有不确定参数的随机非线性系统, 构造了一个有限时间跟踪控制器. 通过构造一个tan−型的障碍Lyapunov函数, 证明了闭环系统是有限时间稳定的；跟踪误差在有限时间内收敛到零的一个足够小的邻域内.3.针对一类具有不确定扰动的非线性系统, 讨论了基于command滤波的有限时间自适应模糊控制问题. 通过用误差补偿信号和模糊逻辑系统, 提出了一个模糊控制方案, 保证了输出跟踪误差在有限时间内收敛到零的一个足够小的邻域内, 并且闭环系统中的所有信号都是有界的.4.为了处理一类具有未知控制方向的非线性系统, 提出了一个基于command滤波的自适应控制方案. 在控制方案中, 用模糊逻辑系统来处理非线性函数、用command滤波来解决由重复可导的虚拟函数引起的复杂性问题、用Nussbaum函数来解决未知控制方向问题.关键词：非线性系统; 模糊逻辑系统; 障碍Lyapunov函数;command滤波; 误差补偿信号;Nussbaum函数.ABSTRACTFor several classes of strict-feedback nonlinear systems, the controller is designed and stability is analyzed in this paper based on fuzzy logic system, backstepping technique, command filter and Nussbaum function. The specific contents are as follows:1. A fuzzy tracking controller is constructed for a class of strict-feedback nonlinear systems with full state constraints. Because fuzzy logic system is used to approximate the unknown nonlinear functions, the proposed control scheme addresses the finite-time tracking control problem.2. A finite-time tracking controller is constructed for a class of stochastic nonlinear systems with parametric uncertainties. By constructing a tan-type Barrier Lyapunov Function, the proposed control scheme ensures that the closed-loop system is finite-time stable and the output tracking errors converge to a sufficiently small neighborhood of the origin in finite-time.3. A command filter-based finite-time adaptive fuzzy control problem is discussed fora class of nonlinear systems with uncertain disturbance. By using the error compensation signals and fuzzy logic system, a fuzzy control scheme is proposed to ensure that the output tracking errors converge to a sufficiently small neighborhood of the origin in finite-time and all signals in the closed-loop systems are bounded.4. To deal with a class of nonlinear systems with unknown control directions, a command filter-based adaptive control scheme is proposed. In the design process, fuzzy logic system is required to handle nonlinear functions, command filter is employed to settle the explosion of complexity problem arose from repeated differentiation of virtual control function and Nussbaum function is introduced to deal with the problem of unknown control directions.Key words:nonlinear systems; fuzzy logic system; Barrier Lyapunov Function; command filter; error compensation signals; Nussbaum function.目录第一章前言 (1)1.1论文研究背景 (1)1.2本文的主要研究内容和安排 (3)第二章一类状态约束非线性系统的有限时间自适应模糊控制 (5)2.1模型描述及基本假设 (5)2.2控制器设计和稳定性分析 (7)2.3仿真结果 (12)2.4本章小结 (14)第三章一类状态约束随机非线性系统的有限时间跟踪控制 (15)3.1模型描述及基本假设 (15)3.2控制器设计和稳定性分析 (16)3.3仿真结果 (23)3.4本章小结 (25)第四章一类未知扰动非线性系统的有限时间自适应模糊控制 (26)4.1模型描述及基本假设 (26)4.2控制器设计和稳定性分析 (27)4.3仿真结果 (32)4.4本章小结 (33)第五章一类未知控制方向非线性系统的自适应跟踪控制 (34)5.1模型描述及基本假设 (34)5.2控制器设计和稳定性分析 (35)5.3仿真结果 (41)5.4本章小结 (42)第六章总结与展望 (43)参考文献 (44)致谢 (49)攻读硕士学位期间参与的科研项目和发表的学术论文 (50)第一章前言1.1 论文研究背景在工业、生活和生产中, 几乎所有系统都可以用非线性系统来描述, 例如机器人控制设计、无人机飞行器设计和网络信号传输控制设计等. 研究非线性系统为解决实际问题提供了理论帮助. 不像线性系统因其数学模型比较简单和容易建立, 非线性系统中包含了各种未知因素和扰动, 并且其系统不满足叠加原理. 所以研究非线性系统具有非常重要的意义.在之前的研究中, 可以用泰勒展式等处理非线性函数, 将其转化为线性问题, 从而应用线性系统完善的理论和方法解决非线性问题. 但是随着科技、计算机技术的发展和非线性系统的进一步研究, 应用线性系统来解决非线性问题显得捉襟见肘. 为了在研究中保证实际系统的良好性能和稳定性, 需要对实际系统建立精确的模型. 而实际系统存在不确定性和扰动等因素, 例如实际系统中能量消耗、重心转移引起的误差因素和系统本身的时滞性等. 这些因素难以测量, 不被我们熟知, 所以对非线性系统的研究比线性系统的研究更加困难和具有挑战性. 为了使非线性系统更加接近实际问题, 考虑非线性系统的不确定性是十分必要的.由于许多被控对象的数学模型随时间、能量消耗、环境等的变化而变化. 针对这类变化, 研究者们提出了许多解决方案. 当其数学模型变化的范围较小时, 可用反馈控制、最优控制等来消除或减弱对控制性能的不利影响. 而数学模型的变化范围较大时, 以上方法不可用, 从而引发了人们对自适应控制问题的研究. 在50年代末, Whitaker首次在飞机自动驾驶问题上提出了自适应控制方案, 但是没有进行实际应用. 1966 年, Parks根据Lyapunov方法提出了自适应算法, 保证了系统的全局渐近稳定. 但是该算法降低了自适应对干扰的抑制能力. Landau把超稳定性理论应用到自适应控制中, 使得系统是全局渐近稳定的, 并且增强了系统的抗干扰能力. 由于自适应控制对系统有良好的控制性能, 到目前为止自适应控制理论被广泛应用在线性系统理论、非线性系统理论、计算机控制、航空航天、空间飞行器的控制等各个方面[1]-[2].20世纪90年代初, 非线性系统自适应控制的研究引起越来越多的关注.Kanellakopoulos，Kokotovic和Morse等对部分线性的严格反馈系统提出了自适应反推(backstepping)方法. 在此基础上, [3]首次介绍了非线性系统的自适应backstepping设计方法. 但是, 由于自适应理论刚刚发展, 早期的backstepping方法还不成熟, 即存在过度参数化问题. Jiang和Praly将推广的匹配条件应用到高阶非线性系统, 成功的将估计参数减少了一半.Krsti在文[6]中通过引入调节函数处理了估计参数, 彻底地解决了过度参数化问题. 由于自适应backstepping设计方法不要求非线性系统满足匹配条件, 因此, 该方法在近年来引起了广泛的应用[4]-[10]. 但是backstepping设计方法Ge S S和存在局限性, 那就是针对的系统是严格反馈的非线性系统. 在2002年, .. Wang C用均值定理和隐函数定理, 通过设计backstepping方法, 解决了纯反馈系统.的自适应跟踪控制问题. 但到目前为止, 对于非严格反馈系统的控制器设计还没有得到解决.backstepping设计方法采用反向递推的设计思想, 对于严格反馈的系统, 将其分解成不超过系统阶数的子系统, 在每一个子系统中设计相应的Lyapunov函数和虚拟控制信号, 使得其具有一定的收敛性. 在下一个子系统中, 将上一个虚拟控制律作为跟踪目标, 获得该子系统的虚拟控制信号. 以此类推, 完成了整个backstepping设计, 构造了跟踪控制器, 并且实现系统的全局调节或跟踪.L A Zadeh在为了用数学方法解决自然界中不精确的信息, 1965年, 美国科学家..论文Fuzzy Set中提出了模糊理论. 模糊理论是建立在模糊集合和模糊逻辑的基础上,用于描述模糊信息, 处理模糊现象的一种新的数学工具. 至此, 模糊集理论得到了飞跃性的发展. 模糊控制是以模糊集理论、模糊语言变量、模糊逻辑推理为基础的一种智能控制, 是智能控制的重要组成部分. 同时, 模糊控制也是控制领域中非常有前景的一个分支, 并且已经得到了成功的应用. 1974年, Mamdani利用模糊语言构成模糊控制器, 首次在蒸汽机和锅炉的控制中应用模糊控制理论.当模糊控制应用于复杂的非线性系统时, 为了得到更好的控制效果, 需要有更完善的控制策略. 由于系统本身的性质、外界扰动等影响, 造成了原有的模糊机制不完善. 为了弥补这一问题, 自适应模糊控制被提出[11]. 自适应在处理和分析过程中, 能够自动的调节处理方法、参数等, 通过在线辨识, 使其达到最佳的效果, 使模型越来越接近实际系统. 将自适应控制和模糊控制相结合, 形成具有自我调节能力的更完善的控制系统. 根据控制对象的动态变化, 实时地调整对应的模糊控制器, 从而更有效的解决了非线性问题. 由于该控制系统能够不断的调节自己的控制机制来改变其性能, 因此越来越多的控制方案应用到工业、电力系统、航空航天等实际性问题中, 并且取得了令人瞩目的结果[12]-[17].在实际系统中, 我们常常需要在有限的时间内实现收敛. 因此, 有限时间控制问题已成为一个重要的研究课题. 随着有限时间稳定性理论的发展, 近年来有限时间控制问题得到了研究, 并给出了非线性系统的有限时间控制结果[18]-[27]. 随机现象在制造过程、机器人操作系统等实际系统中经常发生, 它会引起系统的不稳定性. 因此, 随机是需要考虑的另一个重要因素, 对随机非线性系统的研究近年来也受到越来越多的关注[28]-[38].此外, 以上文献中的控制方法都存在计算复杂性问题. 因为backstepping技术在α进行重复求导, 导致较高阶虚拟控制器和最终实际控每一步中都要对虚拟控制器i制器所含项随着系统阶数的增加呈现爆炸性增长, 使得控制器的计算复杂程度剧增, 从而限制了这种方法在实际工程中的应用. 庆幸的是, 文献[39]首次提出了一种动态面控制技术, 解决了以上复杂性问题. 随后, Levant[40]提出了Command滤波, 用来解决重复可导的虚拟控制器引起的复杂性问题. 之后, 各种非线性系统的动态面自适应控制方案[41]-[44]和Command滤波自适应控制方案[45]-[50]被提出.控制方向代表了系统在任意控制下的运动方向, 在控制设计中具有重要意义. 但是控制方向很难检测或从物理意义上决定, 这使得控制设计更加困难. 连续Nussbaum增益法在控制设计中易于实现, 是解决控制方向未知问题的一种常用方法. 该方法的关键是利用Nussbaum函数去估计控制系数的符号, 从而解决非线性系统中未知控制方向的问题[51]-[58].总的来说, 本文在有关不确定非线性系统的自适应控制方面已经取得了一定的研究成果, 但是还需要进一步的讨论与研究. 本文对几类严格反馈的非线性系统进行了稳定性分析及控制器设计, 对进一步研究基于自适应backstepping方法的非线性不确定系统控制问题具有一定的参考价值.1.2 本文的主要研究内容和安排本文主要对于几类严格反馈的非线性系统, 进行了控制器的设计, 并且以自适应控制、backstepping设计方法和模糊控制为理论基础进行了稳定性分析. 全文内容安排如下:第一章: 前言. 介绍了论文的研究背景以及本文的主要研究内容和安排.第二章: 针对一类状态约束的严格反馈非线性系统, 构造了一个模糊跟踪控制器, 证明了输出跟踪误差信号在有限时间收敛到零的任意小的领域内, 同时闭环系统中所有的信号都是有界的.第三章: 针对一类具有不确定参数的随机非线性系统, 研究了状态约束严格反馈随机非线性系统的稳定性问题, 证明了系统输出能够有效地跟踪参考信号, 并且闭环系统中所有的信号都是有界的.第四章: 针对一类具有不确定扰动的非线性系统, 构造了一个命令滤波模糊控制器, 保证了误差收敛于零的任意小邻域内, 而且系统中闭环信号均有界.第五章: 对于一类控制方向未知的非线性系统, 提出了一个command滤波跟踪控制方案. 保证了误差信号收敛到原点附近, 并且所有闭环信号都是有界的.第六章: 对全文的工作做了总结, 并指出了以后的工作中需要解决的问题.以上章节均给出仿真实例, 并且验证了所提出的方法的有效性.第二章 一类状态约束非线性系统的有限时间自适应模糊控制针对一类严格反馈的非线性系统, 本章设计了一个有限时间模糊跟踪控制器. 将tan −型障碍Lyapunov 函数、模糊逻辑系统和backstepping 技术灵活地结合起来, 给出了控制器的设计步骤. 所提出的控制方案保证了输出跟踪误差在有限时间内收敛到零的任意小的领域内, 同时系统中的所有信号均有界. 仿真实例说明了该方法的有效性.2.1 模型描述及基本假设2.1.1 模型描述:考虑如下严格反馈非线性系统:11,11,()()((,),)i i i i i i n n n n n i x f x g x x x f x g x n x u y +=≤≤−+==+ (2-1)其中12[,,,],,T n n x x x x R y R u R ∈∈∈ 分别为系统状态、输出和输入; 12[,,,]T i i x x x x = ; ()i i f x 是未知的光滑非线性函数并且满足(0)0i f =; ()i i g x 是已知的光滑非线性函数; 内, i c k 是正常数. 本章的目的是针对系统(2-1), 设计一个有限时间模糊跟踪控制器, 使得:(1)输出在有限时间内能够很好地跟踪参考信号;(2)闭环系统中所有信号均有界;(3)所有的状态都不能违反其约束边界.2.1.2 基本假设：模糊逻辑系统的基本原理:IF-THEN 规则: i R : 如果1x 属于1i F , ..., n x 属于i n F , 则y 属于,1,,i B i N = , 其中12[,,,],T n n x x x x R y R ∈∈ 分别为系统状态和输出; i j F 和i B 是模糊集; ()j i j F x µ和()iB y µ是模糊隶属度函数. 通过模糊系统规则, 可以将模糊逻辑系统表示为1111()()[()]i j i j nN i j F i j n N j F i j x y x x µµ====Φ=∑∏∑∏, 其中()i i y R B max y µ∈Φ=. 令111(()[)()]i j i j n j F j i n N j F i j x p x x µµ====∏∑∏, 12()[(),(),,()]T N P x p x p x p x = ,1[,,]T N Φ=ΦΦ , 则上式可写成()()T y x P x =Φ. (2-2)引理 2.1[16]. ()f x 是定义在紧集Ω上的一个连续函数, 则对于任何给定的常数0ε>, 存在模糊逻辑系统(2-2), 使得()()T x sup f x P x ε∈Ω−Φ≤.引理2.2[18]. 对于任何实数1,,n x x …和01b <<, 以下不等式成立:n 11(++)b n b bx x x x …≤…++. 定义2.1[19]. 如果对于任意00()t ζζ=, 存在正常数ε和驻留时间0(,)T εζ<∞, 对任意1120210()ln (1)1T V x λλµµµµ−+−≤.推论2.1.对于任何实数12,00µµ>>, 01λ<<, 01β<<和0τ<<∞, 如果存在一个21102011122()1ln (1)()(1)V x T λλλµβµµλτµβµβµ−−+≤−+−. 证明: 从(2-3)可知, 对于任意01β<<, 有122()()()(1)().V x V x V x V x λλµβµβµτ≤−−−−+定义集合2{()}(1)x x V x λτβµΩ=≤−∣和2{()}(1)x x V x λτβµΩ=>−∣. 以下分两种情形进行讨论: 情形1: 如果()x x t ∈Ω, 则12()()()V x V x V x λµβµ≤−− , 所以假设1. 对于连续函数)(i i g x , 存在正常数0g , 满足00()i i g g x <≤. 不失一般性, 假2.2 控制器设计和稳定性分析在这一部分中, 对于系统(2-1), 构造了一个有限时间自适应模糊跟踪控制器. 首先, 定义111,,id i i x y x ξξα−=−=− (2-5) 其中i ξ是状态跟踪误差, i α是虚拟控制器并且满足i i αα<, i α是正常数. 定义2i i θΦ. 给出以下tan −型的候选障碍Lyapunov 函数:22*2tan()2ii i b i b k V k πξπ=,其中:{,,1,,}i i i i b R k i n ξξξξ∈Ω=∈<=…, 11010,0i ib c b c i k k Y k k α−=−>=−>.第1步: 由(2-5)可得11112.d d x y f g x yξ−+==−选择如下障碍Lyapunov 函数:*121112V V θ=+ , 其中111ˆθθθ=− , 并且1ˆθ为1θ的估计. 定义222cos ()2iiiib k ξξϑπξ=, 计算1V 的导数:11122111111221112111ˆ(())cos ()2ˆ()),(d b V f g y k f g ξαθθπξϑξαξξθθ=−−=++−++ (2-6)其中11d f f y =− . 由引理2.1可知, 对于任何10τ>, 存在模糊逻辑系统111()TP X Φ, 使得以下式子成立:111111111()(),,()Tf P X X X δδτ=Φ+≤11)(X δ为近似误差. 通过使用'Young s 不等式, 可以得到:1111122221111111111121()()2222TTP P a f P X X a ξξξξξϑθϑτϑϑϑδ=Φ+≤+++, (2-7)1a 是一个给定的正常数. 设计虚拟控制器1α如下:11111122221111,1222111121111sin()cos()cos ()ˆ2221[]22tan Tb b b K K S k k k P P g aαξξπξπξπξϑθϑαξξ=−−−−, (2-8)其中1100,K K α>>是常数, ,tan i S 定义为:22,2221222tan ta (),0,2()(),,t 22n an i i i i i i b tan ii i i i b b if k S l l else k k απξξεπξπξ ≥> = +(2-9) 2212122251(),(),01,tan tan 04422i i i ii i i b b l l k k ααπεπεαε−−==−<<>. 根据洛必达法则可得 11221112211sin()cos()220,0.b b K k k πξπξξξ→→当这意味着奇点不会出现在1α的第一项中. 构造(2-9)是为了避免奇点发生在1α的第二项中. 根据洛必达法则, 有11221,1211cos ()20,0tan b K S k απξξξ→→当.将(2-7), (2-8)代入(2-6), 得到1111111111111122221111111211121222222221111111111112112222112211122ˆ()2222ˆˆ()(tan )22222222()(2tan tan tan 2TT T b b b b P P a V g a P P P P a K K g k k a a K K k k ξξξξξξξααξααϑθϑτϑξαθθϑθϑϑθϑπξπξτϑξθθπξπξ+++++−≤−−−−+++++−−−≤≤ 112221111121121ˆ)().222T P P a g a ξξϑτϑξθθ++++− (2-10)第i 步: 从(2-5), 可以得到111()ii i i i i i i x f g ξαξαα−+−=−=++− . 其中111(1)11111()101ˆ()ˆi i i j i i i j j jj i j d j j j j jd f g x y x y ααααθθ−−−+−−−−+===∂∂∂=+++∂∂∂∑∑∑ . 定义候选障碍Lyapunov 函数: 2112i i i i V V V θ∗−=++ , 其中ˆi i i θθθ=− , 并且ˆiθ是i θ的估计. 计算i V 的导数, 则有1111111ˆ(())ˆ(()),i iii i i i i i i i i i i i i i i i i i i V V f g g V f g ξξξξϑξααθθϑξϑξαθθϑ−−+−−−+=+++−−=+++−− (2-11) 其中111ii i ii i i g f f ξξϑξαϑ−−−=−+ . 根据引理 2.1, 对于任意0i τ>, 存在模糊逻辑系统()i i T i P X Φ, 使得下式成立:()(),,()i i i i i i i i T i f P X X X δδτ=Φ+≤)(i i X δ是近似误差. 利用'Young s 不等式, 以下不等式成立22222()(),2222iiiii i i i i i i i T i ii i i Tf P X X P P a a ξξξξξϑϑϑδϑθϑτ=Φ+≤+++ (2-12)i a 是一个给定的正常数. 设计控制器i α为2222,2222sin()cos()cos ()ˆ2221[]22i iiiiitan iT b i i i i i i ii ii b b iiK K S k k k P P g aαξξπξπξπξϑθϑαξξ=−−−−, (2-13)0,0i i K K α>>是常数. 相似于1α, 奇异点将不会发生在i α中, 将(2-10)、(2-12)和(2-13)代入(2-11), 可得1122222222222211122122112ˆ()222ˆˆtan()tan ()222222222i i i i i i i ii i i i i i i ii i i i i i i i iT T i i i i i i i i i i i i i i i i i b b i T i i i i P P P P a V K K P P a g g k k a V g a a V g ξξξξξξξααξξξϑθϑϑθϑθϑτϑξαϑξθθϑπξπξτϑξϑξθ−−−++−−−≤++++≤−−−−+++++−−++−− 2222212221111ˆ()()()().2222tan tan 2j j i j j i iiii j j j j j jj i j j T i j j j j b b j P g a P a K K k k ξααξϑπξπξτϑθθξθ+====≤−−++++−∑∑∑∑ (2-14)第n 步: 从(2-5), 可以得到11n n n n n n xf g u ξαα−−=−=+− , 其中111(1)11111()101ˆ()ˆn n n j n n n j j j jn j d j j j j jdf g x y x y ααααθθ−−−+−−−−+===∂∂∂=+++∂∂∂∑∑∑ . 定义候选障碍Lyapunov 函数: 2112n n n n V V V θ∗−++ , ˆn n nθθθ=− , 并且ˆn θ是n θ的估计. 计算n V 的导数, 可得11111ˆ()ˆ(),n n nnn n n n n n nn n n n n n n V V f g u g V f g u ξξξξϑαθθϑξϑθθϑ−−−−−=++−−=++−− (2-15)其中111n nn n nn n g f f ξξϑξαϑ−−−=−+ . 根据引理 2.1, 对于任意0n τ>, 存在模糊逻辑系统()n n T n P X Φ, 使得下式成立:()(),,()T n n n n n n n n n f P X X X δδτ=Φ+≤)(n n X δ是近似误差. 利用'Young s 不等式, 以下不等式成立22222()(),2222nnnnn T n n n n n n T n n nnn nf P X X P P a a ξξξξξϑϑϑδϑθϑτ=Φ+≤+++ (2-16)n a 是一个给定的正常数. 设计控制器u 为2222,2222sin()cos()cos ()ˆ2221[]22nnnnnnn n nn tan nT b b b n n n n n n nK K S k k k P P u g a αξξπξπξπξϑθϑξξ=−−−−, (2-17)0,0n n K K α>>是常数. 相似于1α, 奇异点将不会发生在n α中, 将(2-14)、(2-16)和(2-17)代入(2-15), 可得112222222212222111222122ˆˆtan()tan ˆ222()22222222ta 2n(n n n n n n n n nn n n T T n n n n n n n n n n n n n n n n b T n n nn n n n nn n n n nnb ni n i P P P P a V K K g k k a a P P a V V g u g a K ξξξξξααξξξξϑθϑϑθϑπξπξτϑξθϑθϑτϑϑξθθπξθ−−−−−−=≤+++++−≤−−−−++++−−−≤−∑ 22222222111ˆ)()()().2222tan 2iiiiT n n n i i i i i i i i i i i b b i P P a K k k a ξααϑπξτθθ===−+++−∑∑∑ (2-18) 设计自适应率为22ˆˆ2i T i i i i ii P P a ξϑθσθ=− , 则(2-18)能够写成 2222221111ta ˆ()()n t 22a )n (22i i i n n n ni i i i n i i i i i i i b b ia V K K k k ααπξπξτσθθ====≤−−+++∑∑∑∑ . (2-19) 由'Young s 不等式, ˆi i i σθθ 满足2222222222222ˆ222222(1)22222(1)(1).2222i i i i i i i i i i i i i i ii i i i i i i i ii i i i i i iαααασθσθσθθσθσθσθσθσθσθσθασθασσθασθσθασ≤−=−−+−≤−−++−−≤−−+ (2-20)将(2-20)代入(2-19), 有22222222211(1)(tan tan 1)(()())().22222222i i i n ni i i i i i i i i i i n i i i b b a V K K k k αααπξπξτσθασθσθασ=−−≤−−+++−−+∑∑(2-21) 定义111122min{,,,(1),,(1)}nn n b b K K k k ππησασα=…−…−, 11112122}min{,,,2,,2n n n b b K K k k ααααααααππησσ−−=……, 则(2-21)能够写成222222122211tan tan 11[()][()]2222ii i inn b b i ini i i i b b k k V C k k αααααπξπξηθηθππ==≤−+−++∑∑ , 其中2221(1)()2222ni i i i i ia C τσθασ=−=+++∑. 由引理2.2可知:12n n nV V V C αηη≤−−+ . (2-22)定理: 在满足假设1和假设2的条件下考虑系统(2-1). 如果设计的控制器是(2-17),虚拟控制信号是(2-13)和自适应律是22ˆˆ2i T i i i i ii P P a ξϑθσθ=− , 则有: (1)未违反状态约束的条件;(2)闭环系统中的所有信号都是有界的; (3) 误差信号()i t ξ将收敛到max{i i ξε<内，并且驻留时间满足: 110111222((0))1ln (1)()(1)n V T Cαααηξβηηαηβηβη−−+≤−+−.证明: 从(2-22)中可得1n nV V C η≤−+ , 解不等式可得111((0))t n n CCV V e ηηη−≤−+. 因此n V 是有界的. 根据2112n n n n V V V θ∗−++ 可知, i V 和i θ 都是有界的. 因此ˆi i iθθθ=+ 也是有界的. 根据122211()(ta (n 0))2iib t i n n b k CV V e kCηπξπηη−≤≤−+可知ii b k ξ<成立. 由(2-5)和假设2可得11110d b c x y k Y k ξ≤+<+=. 从模糊逻辑系统的定义可知111TP P <. 根据假设1可得11i g g ≤, 所以1ig 是有界的. 因此1α是有界的并且满足11αα≤. 从(2-25)和11αα≤可知222211b c x k k ξαα≤+<+=. 所以2α是有界的并且满足22αα≤. 同理可知,3,,i i c x k i n <=…. 因此, 未违反状态约束的条件.因为控制器u 中的所有信号都是有界的,所以控制器u 是有界的, 由以上分析可知闭环系统中的所有信号都是有界的.根据推论 2.1可知, n V 将在有限时间内收敛到紧集12()(1)n n CV V αβη−≤内. 因为21222()()tan (1)2iib i n b k C V kαπξπβη≤≤−,所以max{ii ξε<, 并且收敛时间满足110111222((0))1ln (1)()(1)nV T Cαααηξβηηαηβηβη−−+≤−+−.证明完毕.2.3 仿真结果：考虑以下非线性系统:11221221,.,xx x x x x u y x =+=+= 参考信号是()0.5sin()d y t t =. 初始条件是12(0)=0.1,(0)=0.1x x , 状态约束在12=1.5,=1.5c c k k 内.在状态区间[-1.5,1.5]中定义了7个模糊集. 并且给出了隶属度函数:222123222456270.5( 1.5)0.5(1)0.5(0.5)0.5()0.5(0.5)0.5(1)0.5( 1.5),,,,,,.i i i iiii i i iiiii x x x F F F x x x F F F x F e e e e e e e µµµµµµµ−+−+−+−−−−−−−=======参数设计为121212122,2,1,1,0.75,0.01,0.01,0.01,0.01K K K K ααασσττ=========. 仿真结果如图2-1至2-5.图2-1 输出y 和参考信号d y 图2-2 系统状态1x 和2x图2-3 自适应率1ˆθ和2ˆθ 图2-4 系统输入u图2-5误差信号1S 和2S2.4 本章小结：针对一类具有状态约束的严格反馈非线性系统, 本章提出了一个自适应有限时间模糊控制方案. 在该方案中, 跟踪误差在有限时间内收敛到零的任意小邻域内. 闭环系统中的信号均有界, 并且不违反状态约束的条件.第三章 一类状态约束随机非线性系统的有限时间跟踪控制本章研究了状态约束随机非线性系统的稳定性问题. 采用反推技术设计了基于tan −型障碍Lyapunov 函数的非线性系统有限时间跟踪控制器. 保证了系统输出能够有效地跟踪参考信号, 并且闭环系统中所有信号都是有界的. 最后, 仿真结果说明了所提出的有限时间控制方案的有效性.3.1 模型描述及基本假设3.1.1 模型描述:考虑如下严格反馈非线性系统:11(()())(),1,,1,(()(),)(),T i i i i i i i i Tn n n n n n n dx f x g x x dt x d i n dx f x g x u dt x d y x φωφω+=++=…−=++= (3-1)其中12[,,,],,T n n x x x x R y R u R ∈∈∈ 分别为系统状态、输出和输入; 12[,,,]T i i x x x x = ;()i i f x 是未知的光滑非线性函数并且满足()()T i i i i f x x θϕ=; i ϕ是光滑函数向量, θ是不确定的常数向量满足{,,}m M M R R θθθθθθ+∈Ω=∈≤∈; ()i i g x 是已知的光滑非线性函数;()i i x φ是已知的非线性函数向量; ω是标准维纳过程.所有的状态都严格约束在紧集, 其中ic k 是正常数.本章的控制目标是针对系统(3-1), 设计一个有限时间跟踪控制器, 使得: (1)输出在有界误差范围内跟踪参考信号; (2)闭环系统中的所有信号都有界; (3)并且所有状态都满足约束条件. 3.1.2 基本假设：考虑如下随机系统:()()dxf x dtg x d ω=+,其中x 为状态向量; ()f x R ∈和()n r g x R ×∈满足局部李普希茨条件和线性增长条件, 并且满足(0)0,(0)0f g ==; ω是一个r 维的标准维纳过程.定义3.1[32] . 对于任何给定的正函数2,1(,)V x t C ∈, 我们定义微分算子L 如下:221[(,)]{}2T V V V L V x t f Tr g g t x x ∂∂∂=++∂∂∂, 其中(.)Tr 是矩阵的迹.引理3.1[33]. ()f x R ∈和()n r g x R ×∈满足局部李普希茨条件和线性增长条件, 如果存在一个2C 上的函数V , K ∞类函数12,µµ, 两个常数0c >和01γ<<, 满足12()()(),()(),x V x x LV x cV x γµµ≤≤≤−则系统是有限时间随机稳定的, 并且驻留时间满足:1001[()]()(1)E T x V x c γγ−≤−.引理3.2[34]. 存在一个2C 上的函数V , K ∞类函数12,µµ, 两个常数0γ>和0ρ>, 满足0[()]()/t E V x V x e γργ−≤+.3.2 控制器设计和稳定性分析在这一部分中, 对于系统(3-2), 构造了一个自适应有限时间控制器. 首先, 定义111,,i d i i x y x ξξα−=−=− (3-2) 其中i ξ是虚拟状态跟踪误差, i α是虚拟控制器并且满足i i αα<, i α是正的常数. 给出以下tan −型的候选障碍Lyapunov 函数:444tan()4iib i i b k V k πξπ∗=,其中:{,,1,,}ii i i b R k i n ξξξξ∈Ω=∈<=…, 11010,0iib c b c i k k Y k k α−=−>=−>.第1步: 由11d x y ξ=−和221x ξα=−可得 11112111211()(())T T T T d d d d dx dy g x y dt d g y dt d ξθϕφωθϕξαφω=−=+−+=++−+ .选择如下障碍Lyapunov 函数:1112T V V θθ∗=+ ,其中ˆθθθ=− 并且ˆθ为θ的估计. 定义3442cos ()4i ii ib k ξξϑπξ=, 由定义3.1可知: 111111444261111443211112114423411443cos()2sin()44(())cos ()2cos ()44b b b T T d b b b k k k LV g y k k kπξπξξπξξθϕξαφθθπξπξ+=++−++. (3-3) 令11ωϕ=和111ˆξθτωϑσθ=−. 设计虚拟控制器1α如下: 1111111144421111,144411331114411433322114441144),sin()cos()cos ()4441ˆ(2sin()41(3)cos()cos()44tan b b b T d b b b b K K S k k k y g k k kkαπξπξπξαθωξξπξπξφπξπξ=−−−++ (3-4)其中1100,K K α>>是常数, ,tan i S 定义为:44,4421244tan ta (),0,4()(),,t 44n an i i i i i i b tan ii i i i b b if k S l l else k k απξξεπξπξ ≥> = +(3-5) 4412124451(),()444t n n 4a ta i ii i i i b b l l k k ααπεπε−−==−. 根据洛必达法则可得 114411144131sin()cos()440,0.b b K k k πξπξξξ→→当这意味着奇点不会出现在1α的第一项中. 构造(3-5)是为了避免奇异发生在1α的第二项中. 根据洛必达法则, 有11421,14131cos ()400tan b K S k απξξξ→→当.通过使用'Young s 不等式, 以下不等式成立:1111111114444264111111444333231221114443343411114443cos()2sin()2sin()4441(3)32cos ()cos ()cos()444b b b b b b b b b k k k k S k k kkk πξπξπξξπξπξξφφπξπξπξ+≤++. (3-6)将(3-4)和(3-6)代入(3-3), 得到11111111144421111,1444311112433211144411433322111444114433121431sin()cos()cos ()444(cos ()42sin()41ˆ(3))cos()cos()44cos (4tan b b bT d bbT d b b b K K S k k k LV g y k k y k k k k απξπξπξξθϕξπξξξπξπξθωφπξπξξπξ≤+−−−−++ 111111111114411433214344411111214431144441114431111ˆˆtan()tan ()()442sin()41(3)3)cos()41ˆˆ()()()43tan tan 43bT b b bT T T b T T b bb K K k S k k g k k S K K k k S αξαθξααπξπξθϕξθωθπξπξφθθπξϑπξπξθθτσθθθϑ≤−−++−+−+++≤−−−−+++ 112.g ξ(3-7)第2步: 从221x ξα=−和332x ξα=−可得 22122312223212()(())T T T Td dx d g x dt d g dt d ξαθϕαφωθϕξααφω=−=+−+=++−+ ,其中1111211()Tg x x ααθϕη∂=++∂ ,22()11111111(1)2111ˆ()()ˆ2i Td i i d y x x y x αααηθφφθ−=∂∂∂=++×∂∂∂∑ . 上式可写为 12,2,223212121(())T Tr r d g dt d g x dt x αξθϕξαηφω∂=++−+−∂,其中1,2,2211[,],[,]TT T Tr r x αθθθϕϕϕ∂==−∂, 选择候选障碍Lyapunov 函数:212V V V ∗=+. 由定义3.1可得22222244426222244322121,2,2232112244234122443cos()2sin()44(())cos ()2cos ()44.b b b Tr r b b b k k k LV LV g g x x k k k πξπξξπξξαθϕξαηφπξπξ+∂=+++−−+∂(3-8) 令212212121,x ξαωϕϕττωϑ∂=−=+∂. 设计控制器2α为222221222244422222,2444221332224422433312122221244412244sin()cos()cos()4441ˆ[2sin()41(3)],cos()cos()44tanb b b Tbbb bK K Sk k kgk gg xxkk kαξξπξπξπξαθωηξξπξπξϑξαφϑπξπξ=−−−+∂++−∂(3-9) 220,0K Kα>>是常数. 通过使用'Young s不等式, 下列不等式成立:2222222224444264222222444333232222224443343422224443cos()2sin()2sin()4441(3)32cos()cos()cos()444bb b bb bb b bkk k kSk kk k kπξπξπξξπξπξξφφπξπξπξ+≤++. (3-10) 将(3-7), (3-9)和(3-10)代入(3-8), 得到2222221222244422222,24443221,2,2234332222444224333122222244422443222sin()cos()cos()444(cos()42sin()41ˆ(3))cos()cos()44tanb b bTr rbbTbb bK K Sk k kLV LV gkk gkk kαξξπξπξπξξθϕξπξξξπξπξϑξθωφϑπξπξξ≤++−−−+−2222221222442243332244334222444422122312244324422244112sin()41(3)3cos()cos()441tan()tan()443ˆtan()tan()()44ii ibbb bTb bTi iii ib bkSkk kLV K K g gk k SK Kk kααξξξααπξπξφπξπξπξπξϑξϑξϑθωπξπξθθτ==++≤−−++−≤−−−+−+∑∑2223311ˆ.3Ti igSθξσθθϑξ=++∑(3-11)第i步: 从1i i ixξα−=−和11i i ixξα++=−, 可得111(())Ti i i i iTi i iid dx d g dt dξαθϕξααφω−+−=−=++−+,其中111111()iTii jj jj jig xxααθϕη−−−+−=∂=++∂∑, 21()1111(1)1,11ˆ()()ˆ2ij Ti i ii d kij jjkjj j k kdy x xx xyαααηθφφθ−−−−−−==∂∂∂=++×∂∂∂∂∑∑. 上式能够写成11,,1111(())i iiT T ir i r iji i ji jjid g dt d g x dtxαξθϕξαηφω−−+−+=∂=++−+−∂∑,其中11,,1111[,,],[,,,]T T T Ti ir i r ii iix xααθθθϕϕϕϕ−−−−∂∂=…=−…−∂∂. 选择候选障碍Lyapunov函数:1i iiV V V∗−=+.根据定义3.1可得444264431211,,111441234443cos()2sin()44(())cos ()2cos ()44.i i iiiii i ii i i i i j b i b b Ti i r i r i i j ii i j i j b b b k k k LV LV g g x x k k kπξπξξπξξαθϕξαηφπξπξ−−−+−+=+∂=+++−−+∂∑(3-12)令1111,ii i j i i ji i i j x ξαωϕϕττωϑ−−−=∂=−=+∂∑. 设计控制器i α为14442,444133444331311221441444sin()cos()cos ()4441ˆ[2sin()41(3)],cos()cos()44i i i i ii i i i ii i ii i i i i ta ii ii ij n ib b b T i i b i i i j j b b b j i i K K S k k k g k g g x x k k k αξξπξπξπξαθωηξξπξπξϑξαφϑπξπξ−−−−−+==−−−+∂++−∂∑ (3-13)0,0i i K K α>>是常数.通过使用'Young s 不等式, 以下不等式成立:44442644443332322444334344443cos()2sin()2sin()4441(3)32cos ()cos ()cos()444i iiiiiii ii i i ib b bbii b b b b i ii ii i i ibk k k k S k k kk k πξπξπξξπξπξξφφπξπξπξ+≤++. (3-14) 将(3-11), (3-13)和(3-14)代入(3-12), 得到14442,44431,,14332444433312244444sin()cos()cos ()444(cos ()42sin()41ˆ(3))cos()cos()44i iiii i iii iita i i i i i i i ii i i n ib b b T i r i r i i b b i T ib b b iiiii i K K S k k k LV LV g k k g k kkαξξπξπξπξξθϕξπξξξπξπξϑξθωφϑπξπξ−−+−≤++−−−+−14443333224433444441114434444112sin()41(3)3cos ()cos()441tan()tan ()443tan()tan ()44iii ii i i iiji jj i i iii i i i i i i b it b b b T i i i b b i iij j j b j j b k S k k k LV K K g g kkS K K kk ααξξξααπξπξξφπξπξπξπξϑξϑξϑθωπξπξ−−+−==++≤−−+−++≤−−∑ 1311ˆˆ()3.i iii i jT T i j g S θξθθτσθθϑξ+=−++−+∑∑(3-15)第n 步: 从1nn n x ξα−=−可得 11()T Tn n n n n n n d dx d g u dt d ξαθϕαφω−−=−=+−+ ,其中2111()11111111(1)111,11ˆ()()()ˆ2,n nn n T i Tn n n n n i n n d k k i i i i i k k d i i i i i i g y x x x x x y x αααααθϕηηθφφθ−−−−−−−−+−−−====∂∂∂∂=++=++×∂∂∂∂∂∑∑∑∑ . 上式能够写成11,,111()n TT n nr nr n n n ni i i id g u dt d g x dt x αξθϕηφω−−−+=∂=+−+−∂∑, 其中11,,1111[,,],[,,,]T T T T n n r n r nn n n x x ααθθθϕϕϕϕ−−−−∂∂=…=−…−∂∂. 选择候选障碍Lyapunov 函数: 1n n n V V V ∗−=+. 根据定义3.1可得444264431211,,11441234443cos()2sin()44()cos ()2cos ()4.4nnnnnni n n b nn n b bTn n n n r n r n n n i n i nn b i bb k k k LV LV g u g x x k k kπξπξξπξξαθϕηφπξπξ−−−−+=+∂=++−−+∂∑(3-16)令1111,ni in n n n n n n i x ξαωϕϕττωϑ−−−=∂=−=+∂∑. 设计控制器u 为14442,444133444331311221441444sin()cos()cos ()4441ˆ[2sin()41(3)],cos()cos()44n nnnnn n nnnn n n n tan nb b b T n n nnnn i nn b n n n nni i n n b b ib K K S k k k u g k g g x x k kkαξξπξπξπξθωηξξπξπξϑξαφϑπξπξ−−−−−+==−−−+∂++−∂∑(3-17)0,0n n K K α>>是常数.通过使用'Young s 不等式, 以下不等式成立:44442644443332322444334344443cos()2sin()2sin()4441(3)32cos ()cos ()cos()444nnnnnnnn nn n n b nn nb bbn nnn n n n n bb b b bk k k k S k k kk k πξπξπξξπξπξξφφπξπξπξ+≤++. (3-18)将(3-15), (3-17)和(3-18)代入(3-16), 得到14442,44431,,433244443331224444432sin()cos()cos ()444ˆ(cos ()42sin()41(3))cos()cos()44n n n nnnn nn n nn n nn tan nb b b T T n n n r n r n nn n nb n nb n n nn n nb b b nK K S k k k LV LV k k g k k k αξξπξπξπξξθϕθωπξξξπξπξϑξφϑπξπξξ−−−≤+−−−+−14443332443344444114434444112sin()41(3)3cos ()cos()441tan()tan ()443ˆtan()tan ()()44nnn nn n n n n i i i n nb n n n n n b b b T n nn n n n nb b nnn T i ii n i i b b k S k k k LV K K g k k S K K k k ααξξααθπξπξφπξπξπξπξϑξϑθωπξπξθθτσ−−−==++≤−−+−≤−−−+−+∑∑ 311ˆ.3n T i i S θθ=+∑(3-19)。
无人水面艇模型辨识及其航向非线性控制的研究
无人水面艇模型辨识及其航向非线性控制的研究江立军;慕东东;范云生;王国峰;赵永生【摘要】无人水面艇是一种智能化海洋装备平台,有航速快、机动性强、自动化程度高等特点,可以执行各种危险以及不适合人员参与的任务;航向控制不仅关乎到航行的安全性与经济性,更是实现其无人行驶的基础;为了实现航向的自动控制,首先进行无人艇模型辨识,模型是控制的基础,控制效果的好坏不仅与控制策略有关,更与模型的精度有关;为了提高模型精度,采集Z型和回转实验以数据,通过递推最小二乘对无人艇的数学模型进行辨识;然后将模型的仿真实验与实船数据进行对比,验证了模型的正确性和合理性;基于Backstepping方法设计非线性航向控制器,借助Lyapunov函数证明了闭环系统的稳定性;仿真结果表明系统的实际航向能实时跟踪设定航向,控制器具有良好的动静态特性和鲁棒性.【期刊名称】《计算机测量与控制》【年(卷),期】2016(024)007【总页数】5页(P133-136,161)【关键词】无人艇;航向;递推最小二乘;模型辨识;Backstepping【作者】江立军;慕东东;范云生;王国峰;赵永生【作者单位】海军驻大连地区军代表室,辽宁大连116026;大连海事大学信息科学技术学院,辽宁大连116026;大连海事大学信息科学技术学院,辽宁大连116026;大连海事大学信息科学技术学院,辽宁大连116026;大连海事大学信息科学技术学院,辽宁大连116026;大连海事大学信息科学技术学院,辽宁大连116026【正文语种】中文【中图分类】TP273无人水面艇(unmanned surface vehicle, USV)拥有体积小、机动性能强、航速快等特点，它主要用来执行危险及不适合人工操作的任务，己成为了国内外智能化海洋装备的研究热点。
USV的自主航行一直是船舶控制领域的研究热点与重点[1]。
其中航向控制更是运动控制的重要研究课题之一，因为它不仅关系到航行的经济性与安全性，更是自动避碰、航迹跟踪、轨迹跟踪以及镇定问题等的基础。
几类不确定非线性系统的智能控制问题研究
几类不确定非线性系统的智能控制问题研究在实际中,大多数系统都是非线性系统,而且通常受到不确定性,时滞以及随机扰动等因素的影响。
自适应控制因其具有辨识对象和在线修改参数的能力,能够有效抑制不确定性的影响,另一方面模糊逻辑系统以及神经网络能以任意精度逼近未知连续函数,因此是处理不确定性特别有效的方法。
近年来,通过将反步递推设计方法与模糊逻辑系统理论或神经网络相结合的反步递推自适应智能控制得到了充分发展,而且取得了很多重要的研究成果,然而仍然存在着很多问题需要进一步研究。
本文将深入研究几类不确定非线性系统的智能控制问题,如具有严格反馈形式的不确定非线性系统,随机非线性系统,以及非线性互联大系统等,并且研究在系统存在时滞情况下的处理方法。
主要研究内容如下：1.针对一类具有严格反馈形式的单输入单输出不确定非线性系统,研究基于滤波器的自适应模糊跟踪控制问题。
首先设计滤波器估计不可测状态,在此基础上结合反步递推设计方法和模糊逻辑系统理论,逐步设计出虚拟控制信号和实际的控制律。
基于Lyapunov函数理论,证明了闭环系统所有信号半全局最终一致有界而且跟踪误差收敛到零的一个小邻域内。
最后通过仿真算例,验证了该方法的有效性。
2.针对一类带有未知时滞且具有严格反馈形式的单输入单输出不确定非线性系统,给出了自适应模糊输出反馈控制方法。
首先设计滤波器估计不可测状态,通过结合反步递推设计方法和动态面控制技术,避免了对虚拟控制器中自变量重复求导,从而降低了计算量,简化了所要设计的控制器。
基于Lyapunov-Krasovskii泛函,证明了闭环系统的所有信号半全局最终一致有界,而且跟踪误差收敛到零的一个小邻域内。
最后通过仿真算例验证了所提方法的有效性。
3.针对一类带有未知时滞且具有严格反馈形式的单输入单输出随机非线性系统,研究了基于观测器的自适应神经网络控制方法。
首先设计状态观测器估计不可测状态,结合反步递推设计方法和动态面控制技术,给出基于观测器的输出反馈控制方法。
具有输出约束和状态约束的不确定非线性系统的自适应神经网络控制及其应用
在全状态约束中,约束参数不能被任意指定,其需要满足依赖初始状态与控制参数的可行解条件(Feasibility Conditions),因此在控制系统运行前,本文设计了可行解条件检测(Feasibility Check)这一步骤来获得既满足可行性条件又能最大化跟踪效果的最优控制参数。为了将上述方法拓展到非仿射纯反馈非线性系统(Non-Affine Pure-Feedback Nonlinear Systems),在合理的通用假设下,本文首先利用均值定理将纯反馈非线性系统转化为仿射型系统,然后基于前述关于严格反馈系统的工作,设计出相应的全状态约束控制系统。
具有输出约束和状态约束的不确定非线性系统的自、电力系统与机器人系统,都会要求系统的关键状态在暂态和稳态时都能运行在某个特定的边界内,即满足某种硬约束(Hard Constraints)条件。由于实际系统的数学模型通常是非线性的,且模型部分已知甚至是完全未知的,在存在外界扰动的情况下极易出现系统状态“越界”,进而可能产生严重事故。
本文将iBLFs应用在鲁棒自适应神经网络控制设计中,通过设计合适的控制系统,使得iBLFs沿着目标闭环系统的轨迹保持有界,进而实现受扰动的不确定非线性系统的约束满足。本文的主要工作内容如下:首先,本文解决具有输出约束的单输入单输出严格反馈非线性系统(SingleInput Single-Output Strict-Feedback Nonlinear Systems)的输出轨迹跟踪控制问题。
进一步的,为解决控制输入饱和下的状态约束控制,本文采用了一个光滑的控制信号函数去逼近不可导的输入饱和函数,并结合均值定理得到可设计的控制输入形式。为得到控制输入饱和下的全状态约束控制可行参数解,可行性条件中加入了控制输入饱和的可控约束条件。
具有输入饱和的严格反馈系统的约束控制
针对具有全状态约束和输入饱和的非线性严格反馈系统，提出了一种自适应神经网络跟踪控制方案。文
文章引用: 唐丽, 贾继阳. 具有输入饱和的严格反馈系统的约束控制[J]. 建模与仿真, 2019, 8(3): 102-116. DOI: 10.12677/mos.2019.83013
唐丽，贾继阳
中利用反步递推和神经网络逼近相结合的方法设计自适应控制器。在设计过程中，首先，利用高斯误差 函数构建一种连续可导的非对称饱和模型。其次，通过选取正切型障碍李雅普诺夫函数处理状态约束问 题，即确保全状态约束不被违背。对比已有对数型障碍李雅普诺夫函数和积分型障碍李雅普诺夫函数， 正切型的障碍李雅普诺夫函数是一种即可以处理具有约束的系统又可以处理没有约束的系统的函数。再 次，通过定理证明闭环系统的所有信号是一致最终有界的，误差信号保持在零的小邻域内，并且不违反 全状态约束。最后，由仿真结果验证所提方案的有效性和可行性。
Modeling and Simulation 建模与仿真, 2019, 8(3), 102-116 Published Online August 2019 in Hans. /journal/mos https:///10.12677/mos.2019.83013
的输入，ν ∈ R 是饱和器的输入，有如下描述
u (v=)
uM
× erf
π 2uM
v
(2)
(( ) ( ) ) 其中，uM = u+ + u− + u+ − u− sgn (v) 2 ，这里 u+ 和 u− 是分别是执行器的上界和下界，sgn (⋅) 和 erf (⋅)
分别是标准符号函数和高斯误差函数。 为了便于接下来的控制器设计，定义如下函数
一类纯反馈非线性系统的动态面控制
一类纯反馈非线性系统的动态面控制刘勇华【摘要】针对一类非仿射输入纯反馈非线性系统,提出了一种动态面控制算法.不同于运用中值定理,该算法通过引入一个辅助系统,将原系统转化为输入仿射系统,结合动态面控制与反推设计法,消除了反推法中“计算膨胀”问题.所设计控制器保证了闭环系统所有信号半全局一致最终有界,且通过选择合适的设计参数可使跟踪误差收敛到原点的一个小邻域内.一个仿真实例进一步验证了所提控制算法的有效性.【期刊名称】《控制理论与应用》【年(卷),期】2014(031)009【总页数】6页(P1262-1267)【关键词】纯反馈非线性系统;非线性系统;动态面控制;反推设计【作者】刘勇华【作者单位】湖南科技大学机械设备健康维护湖南省重点实验室,湖南湘潭411201【正文语种】中文【中图分类】TP273近几十年来,非线性系统控制研究受到了国内外学者的广泛关注,取得了许多卓有成效的成果,如精确线性化技术[1]、反推控制技术[2]和智能控制技术[3]等.然而,在大多数研究中,通常假定被控系统为仿射系统(如严格反馈非线性系统),但在工程实践中,很多系统都具有非仿射特性,如机械系统[4]、化学系统[5]和飞行器系统[6]等.作为一类典型的非仿射非线性系统,近年来,纯反馈系统控制受到了越来越多的关注. 纯反馈系统是一类较严格反馈系统更一般的下三角型非线性系统.由于系统的非仿射结构,传统适合于严格反馈系统的控制器设计方法很难直接用于纯反馈系统控制.文献[7]较早研究了一类仿射输入纯反馈系统的控制问题,根据反推设计思想,给出了严格反馈条件下系统全局调节和全局跟踪的自适应控制器设计方法.然而,在非仿射条件下,该方法仅能保证闭环系统局部稳定.在此基础上,文献[8]直接从仿射输入纯反馈系统本身出发,在无须进行坐标变换情况下,给出了一种保证系统全局调节或全局跟踪的控制器设计方法.文献[9]讨论了一类特殊的非仿射输入高阶非线性系统全局镇定问题,通过引入增加幂次积分器技术,提出了一个光滑状态反馈控制器.针对一类仿射输入纯反馈系统,文献[10]提出了一种新的反推控制设计方法,与标准反推法将状态xi视为第i个子系统的虚拟控制不同,为克服纯反馈系统中非仿射结构给控制器设计带来的困难,该方法将第i个子系统的非仿射光滑函数视为该子系统虚拟控制.对模型完全未知的纯反馈非线性系统控制问题,通常采用的方法是基于智能通用逼近器的反推设计法,如文献[11–14].上述基于反推法的控制方法都存在一种缺陷,即在每一步反推设计中都需要对虚拟控制律进行重复求导,使得所设计控制器的计算复杂度随着系统阶数的增加爆炸性膨胀.为克服反推法中的“计算膨胀”问题,文献[15]首先提出了一种动态面控制技术,通过在每一步设计中引入一阶低通滤波器,从而避免了对虚拟控制律的反复求导.然而,由于纯反馈系统结构的非仿射性,使得动态面控制很难直接用于纯反馈系统.目前常用的方法是利用中值定理将纯反馈系统转化为严格反馈系统,然后结合隐函数定理和动态面控制技术给出控制器设计,如文献[16–20].不同于运用中值定理的动态面控制,本文尝试直接从纯反馈系统本身来设计控制器.按文献[10]中的反推设计法,在每一步设计中引入一阶低通滤波器,给出了一个控制输入初始状态可以任意选择的动态面控制器.该控制器可保证闭环系统所有信号半全局一致最终有界,且通过适当调整设计参数可使跟踪误差收敛到原点的一个小邻域内.最后,仿真结果进一步验证了本文所提控制算法的有效性.考虑如下一类纯反馈非线性系统:其中:=(x1,···,xi)T∈ℝi,i=1,···,n; (x1,···,xn)T∈ℝn为系统状态向量;u和y分别为系统的输入和输出;fi(·)为已知光滑函数,i=1,···,n.控制目标:设计控制器u,使系统输出y跟踪一个给定的参考轨迹yd,且保证闭环系统的所有信号一致最终有界.为了达到控制目标,对上述系统作如下假设:假设1 光滑函数满足其中:为已知正常数,xn+1=u.注1 假设1是系统(1)全局可控的一个充分条件[21]. 仅为约束正常数,不出现在后面设计的控制器中.假设2 参考轨迹yd连续有界,且存在二阶有界导数.即,其中:紧集 B0为已知正常数. 引理1 若光滑函数满足假设1且有界,则xi+1亦有界,i=1,···,n.证为光滑函数,由中值定理,至少存在一点ζ(ζ∈(min(0,xi+1),max(0,xi+1))),使得由假设1可知,存在＞0,使得由于为有界光滑函数,则等式(3)左边亦有界.故xi+1有界.为解决系统(1)控制器设计中的非仿射输入问题,引入辅助子系统=v,则增广系统可表示为其中v为辅助控制输入.不同于标准反推法设计[2],本文采用如下坐标变换[10]:其中si−1为第i−1个子系统的虚拟控制律.结合动态面控制技术,引入如下一阶低通滤波器:且定义边界层误差为其中:αi为第i个子系统实际需设计的虚拟控制律, τi为滤波时间常数,i=1,···,n.步骤1 由式(5)(7)−(8)和式(10),可得选择实际虚拟控制律α1为其中c1为正的设计常数.由式(11)−(12),可得其中c1为正的设计常数.步骤2 对z2=f1−s1沿时间t求导,可得选择实际虚拟控制律α2为其中c2为正的设计常数.根据式(14)−(15)可得步骤i(3≤i≤n) 对zi=fi−1−si−1求导,可得选择实际虚拟控制律αi为其中ci为正的设计常数.根据式(17)−(18)可得步骤n+1 这一步将得到实际控制输入u.对zn+1=fn−αn求导,可得选择辅助控制律v为其中cn+1为正的设计常数.选择任意初始控制输入u(0),将式(21)代入式(6),可得到实际控制律u.注2 初始控制输入u(0)可以任意给出或按要求选定,这可视为本文所提控制算法的一个优势.根据式(20)−(21)可得根据式(9)−(10)和式(12),可得其中B1(z1,e1,yd,)=是一个连续函数.类似地,可得其中Bi(·)==2,···,n是连续函数.为估计闭环系统的稳定性,选择如下Lyapunov函数:定理1 在假设1和2条件下,考虑由非线性系统(1),一阶低通滤波器(9)、控制律(6)和(21)组成的闭环系统,对任意给定的正常数p,如果V(0)≤p,则存在正的设计参数c1,···,cn+1,τ1,···,τn,使得闭环系统的所有信号半全局一致最终有界,且通过适当调整设计参数,可以使系统跟踪误差收敛到原点附近的一个小邻域内.证对V沿时间t求导,可得定义集合由假设2和定理1条件知,对任意B0＞0和p＞0,集合Ωd和Ωi分别是ℝ3和ℝ2i+1内的紧集,则Ωd×Ωi亦是ℝ2i+4内的紧集,故连续函数Bi(·)在集合Ωd×Ωi 内存在一个最大值Mi,则由式(24)可得根据Young不等式,可得则其中:α0为可任意选取的正常数,设计参数满足当V(t)=p时,若α0＞∆/p,则有≤0,因此, V(t)≤p为一个不变集,即当初始条件V(0)≤p时, V(t)≤p,∀t≥0.将式(30)两边同时乘以eα0t,可得式(32)两边沿[0,t]积分可得则有因此,z1,···,zn+1,e1,···,en都是半全局一致最终有界的.同时,由式(7)−(8)和式(10),z1,e1有界可得x1,s1,α1,f1有界,由引理1可得x2亦有界,随之f1的各个偏导数亦有界;结合z2,e2有界可得到s2,α2有界,从而f2亦有界,由引理1可推得x3有界,进而f2的各个偏导数亦有界.以此类推,可得x1,···,xn,α1,···, αn,v,u,s1,···,sn均是半全局一致最终有界的.另外,由|y−yd|2=≤2V可知,通过适当调整设计参数(增大α0),可使系统跟踪误差收敛到原点附近的一个小邻域内.注3 上述控制器设计中要求设计参数满足式(31).显然,假设1中正常数仅起到了约束设计参数的作用.注4 与文献[10]中反推设计法相比,本文采用动态面控制技术,无须每一步对所得到的虚拟控制进行求导,使得控制算法的计算量大为减少,易于在工程中实现.缺点是进一步要求(文献[10]中仅需≤且仅能保证闭环系统半全局稳定.注5 本文所提控制算法同样适合于严格反馈非线性系统控制器设计,相较于文献[15]中的动态面控制,其优点是可以任意选择控制输入初始值u(0).注6 与文献[20]中方法相比,本文第i步中剩余项zizi−1均由第i+1步进行补偿,减小了设计参数ci的取值,从而降低了所需的控制代价.此外,文献[20]中控制器设计参数含有正常数而本文所得控制器设计参数仅受限于正常数注7 文献[20]中控制器要求Mi为已知常数,然而,由于Mi为连续函数Bi(·)在紧集Ωd×Ωi内的一个最大值,在实际中很难取得.本文通过合理的不等式放缩,避免了这一问题.考虑如下二阶SISO非线性系统:其中:系统初始条件期望参考轨迹选择设计参数c1=3,c2=2,c3=4,初始控制输入u(0)=2,滤波时间参数τ1=τ2=0.01.所得仿真结果如图1−2,图1为系统输出跟踪误差,图2为系统输入u;图3−4分别为不同滤波时间条件下系统输出跟踪误差与输入;图5−6分别为不同初始控制输入u(0)条件下系统输出跟踪误差与输入.本文解决了一类非仿射输入纯反馈系统的动态面控制问题.通过引入一个积分辅助系统,将原系统转化为n+1维的仿射输入增广系统,结合动态面控制技术和文献[10]中的反推设计法,克服了反推法中所固有的“计算膨胀”问题.理论分析与仿真结果表明,该控制器保证了闭环系统所有信号半全局一致最终有界,通过选择合适的设计参数,可使系统跟踪误差收敛到原点的一个小邻域内.刘勇华 (1986–),男,博士,研究方向为非线性控制及其在机电系统中的应用,E-mail:***********************.【相关文献】[1]ISIDORI V.Nonlinear Control Systems[M].New York:Springer-Verlag,1989.[2]KRSTIC M,KANELLAKOPOULOS I,KOKOTOVIC P V.Nonlinear and Adaptive Control Design[M].New York:John Wiley& Sons,1995.[3]FARRELL J A,POLYCARPOU M M.Adaptive Approximation Based Control:Unifying Neural,Fuzzy,and Traditional Adaptive Approximation Approaches[M].NewJersey:Wiley,2006.[4]FERRARA A,GIACOMINI L.Control of a class of mechanical systemswithuncertaintiesviaaconstructiveadaptive/secondorderVSC approach[J].Journal of Dynamic Systems,Measurement,and Control,2000,122(1):33–39.[5]GE S S,HANG C C,ZHANG T.Nonlinear adaptive control using neural networks and its application to CSTR systems[J].Journal of Process Control,1998,9(4):313–323.[6]HUNT L R,MEYER G.Stable inversion for nonlinear systems[J].Automatica,1997,33(8):1549–1554.[7]KANELLAKOPOULOS I,KOKOTOVIC P V,MORSE A S.Systematic design of adaptive controllers for feedback linearizable systems[J].IEEE Transactions on Automatic Control,1991,36(11): 1241–1253.[8]SETO D,ANNASWAMY A M,BAILLIEUL J.Adaptive control of nonlinear systems with a triangular structure[J].IEEE Transactions on Automatic Control,1994,39(7):1411–1428. [9]LIN W,QIAN C.Adding one power integrator:a tool for global stabilization of high-order lower-triangular systems[J].Systems&Control Letters,2000,39(5):339–351.[10]刘勇华.一类纯反馈非线性系统的反推控制[J].控制理论与应用, 2014,31(6):801–804. (LIU Yonghua.Backstepping control for a class of pure-feedback nonlinear systems[J].Control Theory&Applications,2014,31(6): 801–804.)[11]WANG D,HUANG J.Adaptive neural network control for a class of uncertain nonlinear systems in pure-feedback form[J].Automatica, 2002,38(8):1365–1372.[12]WANG C,HILL D J,CHEN G.An ISS-modular approach for adaptive neural control of pure-feedback systems[J].Automatica,2006, 42(5):723–731.[13]DU H,SHAO H,YAO P.Adaptive neural network control for a class of low-triangular-structured nonlinear systems[J].IEEE Transactions on Neural Networks,2006,17(2):509–514.[14]REN B,GE S S,SU C Y,et al.Adaptive neural control for a class of uncertain nonlinear systems in pure-feedback form with hysteresis input[J].IEEE Transactions onSystems,Mans,and Cybernetics, Part B:Cybernetics,2009,39(2):431–443.[15]SWAROOP D,HEDRICK J K,YIP P P,et al.Dynamic surface control for a class of nonlinear systems[J].IEEE Transactions on Automatic Control,2000,45(10):1893–1899.[16]ZHANG T P,GE S S.Adaptive dynamic surface control of nonlinear systems with unknown dead zone in pure feedback form[J].Automatica,2008,44(7):1895–1903.[17]WANG M,LIU X,SHI P.Adaptive neural control of pure-feedback nonlinear time-delay systems via dynamic surface technique[J]. IEEE Transactions on Systems,Man,and Cybernetics,Part B:Cybernetics,2011,41(6):1681–1692.[18]ZHANG X Y,LIN Y.Adaptive tracking control for a class of purefeedback non-linear systems including actuator hysteresis and dynamic uncertainties[J].IET Control Theory and Applications,2011, 5(16):1868–1880.[19]ZHANG T P,ZHU Q,YANG Y Q.Adaptive neural control of nonaffne pure-feedback non-linear systems with input nonlinearity and perturbed uncertainties[J].International Journal of Systems Science, 2012,43(4):691–706.[20]GAO D X,SUN Z Q,LIU J H.Dynamic inversion control for a class of pure-feedback systems[J].Asian Journal of Control,2012,14(2): 605–611.[21]KOROBOV V I.Controllability and stability of certain nonlinearsystems[J].Differentsial’nye Uravneniya,1973,4(4):614–619.。