一、同阶线性系统同时镇定的神经网络方法(论文文献综述)
邢相茹[1](2021)在《参数不确定的复杂系统的动态演化分析》文中提出近年来,复杂的动力系统因其在工程、物理、生物等方面的应用而得到广泛关注,此外,实际系统通常都会遇到模型不确定性,这可能会对系统性能造成负面影响,因此,对含有参数不确定性的复杂动力系统的动态性质进行研究具有实际意义.本文主要研究几类具有参数不确定性的复杂系统.利用矩阵不等式技巧和Lyapunov方法,结合具有不完全可测状态和外源扰动的非线性系统、频繁异步切换系统和带有执行器饱和与传感器故障的正切换神经网络,探究其动力学特性,并得到了一些演化行为的理论判据.本文的主要内容包括:研究了一类具有不完全可测状态和外源扰动的不确定非线性系统的输入到状态镇定问题.为了适当地处理部分可测的状态变量,并极大地减少控制器的更新负担与通信成本,设计了与样本控制结合的基于观测器的事件触发脉冲控制器.通过采取迭代技巧和Lyapunov方法,建立了一些保证不确定受控系统的输入到状态稳定性的充分条件,其中针对不确定项提出了一种新的近似条件和利用线性矩阵不等式技术抑制了复杂参数的不确定性.此外,在提出的事件触发策略中排除了Zeno行为.通过求解一些线性矩阵不等式,共同设计了控制增益和事件触发机制参数.最后通过一个仿真实例说明了所得结果的有效性.探究了一类不确定频繁异步切换系统的镇定问题.在不受最小驻留时间限制的情况下,平均驻留时间策略使系统在连续的事件区间内频繁切换成为可能.由于在实际应用中获取整个状态信息的难度大、成本高,因此采用了事件触发动态输出反馈控制器.并且借助与控制器模式相关的Lyapunov函数,建立了保证不确定闭环系统稳定性的判据.为了更好地处理不确定参数,巧妙地利用了一些线性矩阵不等式.此外,还讨论了相邻事件区间下界的存在性以便消除Zeno行为.最后通过数值模拟验证了理论结果的可行性.讨论了带有执行器饱和与传感器故障的正不确定切换神经网络的鲁棒指数镇定问题.针对执行器饱和问题,采用了凸包方案.考虑到区间不确定参数的存在性和原系统的正性约束,构造了一个状态边界正观测器来保证系统状态和传感器故障的同时估计.通过设计状态反馈控制器和利用多时变线性共正Lyapunov函数,建立了系统在实时切换条件下鲁棒指数稳定性的充分条件.在此基础上,提出了一种优化观测器矩阵的迭代算法.最后,通过一个算例说明了所提方法的适用性。
苏方旭[2](2021)在《离散时间/非线性随机系统的稳定性与镇定》文中研究说明随机系统能够模拟许多实际系统,如化学反应过程、数学金融、博弈论模型等,因此对于随机系统的研究引起了学者的广泛关注。另一方面,稳定性理论作为系统理论的重要组成部分,在实际工程应用中发挥着非常重要的作用。本文主要研究了随机系统的强稳定性,具体分为以下几个部分:(1)具有多维乘性噪声的离散时间随机系统均方强稳定性与镇定。研究了具有多维乘性噪声的离散时间随机系统的均方强稳定性和镇定问题。首先给出了系统均方强稳定性的定义,得到了系统为均方强稳定的两个充分必要条件,并进一步讨论了均方强稳定性与均方稳定性之间的关系。其次,研究了控制器的设计问题,分别得到了状态反馈均方强镇定和静态输出反馈均方强镇定的充要条件,并在此基础上分别得到了状态反馈控制器以及静态输出反馈控制器的解析表达式。最后,研究了均方强镇定下静态输出反馈控制与动态输出反馈控制的关系,得到了静态输出反馈控制器设计和动态输出反馈控制器设计的等价条件。(2)具有多维乘性噪声的离散时间随机马尔科夫跳变系统强稳定性与镇定。研究了具有多维乘性噪声的离散时间随机马尔科夫跳变系统的强稳定性以及镇定问题。首先,给出了具有多维乘性噪声的离散时间马尔科夫跳变系统强稳定性的定义,并得到了具有多维乘性噪声的离散时间马尔科夫跳变系统强稳定的充分必要条件。其次,研究了状态反馈控制下的强镇定问题,得到了状态反馈控制下强镇定的充要条件,并且给出了状态反馈控制器的解析表达式。最后,研究了输出反馈控制下的强镇定问题,并且得到了输出反馈控制下强镇定的充要条件。在此基础上,研究了静态输出反馈控制器的设计问题并给出了控制器的解析表达式。(3)基于神经网络的非线性随机系统有限时间环域稳定性与镇定。研究了基于神经网络的非线性随机系统有限时间环域稳定性与镇定问题。首先,给出了含有不确定项的非线性随机系统有限时间环域稳定性的定义。其次,根据多层神经网络对系统中的非线性项进行逼近,并得到了该系统为有限时间环域稳定的一个充分条件。再次,设计了状态反馈有限时间环域控制器,并得到了一个由矩阵不等式所表示的充分条件以及给出了相应的求解算法。最后,通过一个算例说明了上述结果的有效性。
邓梦晓[3](2020)在《基于事件触发机制的切换系统的稳定性分析和控制设计》文中认为切换系统是一类重要的混杂系统,其在各种领域的广泛应用引起了研究者的关注.目前针对切换系统已有的研究结果大多是关于线性切换系统的.此外,相对于大部分研究采用的传统时间触发机制而言,事件触发机制在保证对系统进行有效控制的同时,能节省通信资源,避免网络堵塞.本文将事件触发机制引入控制器设计中.针对几类带有时变时滞的切换系统进行了稳定性分析与控制设计.主要内容和研究成果如下:首先,本文研究了带有区间时变时滞的非线性不确定切换系统的基于观测器的事件触发H∞ 控制问题.文中提出了一种事件触发机制,并构造了基于观测器的事件触发控制器.利用Lyapunov-krasovskii泛函和平均驻留时间技术,得到了切换系统是基于观测器的事件触发H∞ 有限时间镇定的充分条件.通过矩阵不等式给出了观测器增益和控制器增益的设计方法.最后通过一个仿真例说明了所提方法的有效性和优越性.其次,本文研究了一类带有时变时滞的不确定切换系统的H∞ 指数镇定问题.通过设计基于观测器的事件触发H∞ 控制器使得切换系统的相应闭环系统是指数稳定的.在考虑子系统与其匹配的子系统控制之间异步切换的情况下,给出了一些充分条件以保证在提出的控制方案下系统是指数镇定的且具有H∞ 性能?,并给出了观测器增益和控制器增益的计算方法.同时,给出了相邻采样间隔的一个正的下界,从而在理论上排除了Zeno现象.文中通过数值算例说明了所得结果的有效性.最后,针对带有时变时滞的不确定切换神经网络研究了H∞ 有限时间镇定问题.文中提出了一种事件触发采样机制,并构造了基于事件触发机制的反馈控制器.通过构建新的Lyapunov-Krasovskii泛函、利用平均驻留时间技术和自由权矩阵方法,建立了切换神经网络在基于事件触发的状态反馈控制下有限时间镇定的判据.基于矩阵不等式,给出了控制器增益的设计方法.文中给出数值算例验证了所得结果的有效性.
陈韬[4](2020)在《复杂系统的有限时间一致性与同步研究》文中提出随着现代人工智能技术的高速发展,复杂系统因其相关研究成果被广泛应用于工程实践以及学科研究的诸多领域而引起专家学者的极大关注。相应地,复杂系统的动力学研究也成为控制领域的热点课题。与此同时,在复杂性与时效性尤为突出的当代社会,应用方对复杂系统在各类实践中表现出的稳定性和收敛速率等主要性能不断提出更高要求。对此,基于时间最优控制,学者们提出了有限时间稳定的概念。不同于传统的渐近稳定性控制策略,有限时间控制具有收敛速度更快,鲁棒性和抗干扰能力更强的优势。因此,复杂系统的有限时间控制已经成为近年来国内外控制领域的持续研究热点,相关研究无疑具有重要的理论以及实际应用价值。在上述研究背景下,本文基于图论、Lyapunov稳定性理论、线性矩阵不等式、脉冲控制理论、事件触发机制、有限时间稳定性理论等现代控制理论的分析方法研究了复杂网络系统的有限时间一致性和同步问题并给出相应的充分性判据。本文的主要研究内容如下:1、在绪论部分介绍了复杂系统与有限时间控制问题的研究背景和研究意义。然后分别从复杂网络、多智能体系统和神经网络三种不同类型的复杂系统综述了复杂系统的有限时间同步和一致性研究的现状。随后给出了后续研究所需的相关预备知识、定义、引理和定理等,最后简要介绍了本文后续各章节的主要研究内容和每一章节的安排。2、研究了一类节点不完全相同且具有脉冲效应的马尔可夫跳跃复杂网络的有限时间同步问题。基于M矩阵技术、Lyapunov函数方法、随机分析技术和适当的比较系统,给出了马尔可夫跳跃复杂网络保证有限时间同步的充分条件。最后,用数值算例验证了所得理论结果的有效性,即文章所设计的控制器可以使得复杂动力系统在有限时间内与孤立节点达到同步。3、讨论了具有随机出现的不确定性(ROUs)和随机出现的非线性(RONs)的非线性随机多智能体系统的有限时间和固定时间一致性。首先,设计了一个非线性控制和脉冲牵引控制协议以保证跟随者智能体在有限时间内与领导者智能体达成一致。基于有限时间一致性理论、随机分析技术、比较系统理论和代数图论,提出了保证系统有限时间一致性的充分条件,并且估算出与系统初始状态有关的稳定时间。进一步地,设计了一个固定时间控制器,基于同样的分析方法得到保证系统在固定时间内实现一致性的充分条件。值得注意的是,估算出来的稳定时间却与系统的初始状态无关。最后通过两个仿真实例,验证了所得结论的正确性。4、研究了具有随机扰动的脉冲时滞神经网络的有限时间同步问题。通过构造合适的Lyapunov-Krasovskii泛函,利用随机分析理论和线性矩阵不等式(LMIs),得到了保证所述网络在有限时间内同步的充分条件。并且根据初始状态,可以近似估计出神经网络的稳定时间。值得注意的是,与很多现有的有限时间控制器不同,本章设计的控制协议不包含会使系统产生抖动现象的符号函数。最后,通过数值模拟验证了理论分析的有效性。5、研究了具有ROUs和RONs的脉冲随机时滞神经网络的有限时间稳定性和镇定性问题。首先,通过构造适当的Lyapunov-Krasovskii泛函,引入平均脉冲间隔概念,基于LMIs,得到了保证脉冲随机时滞神经网络有限时间稳定性的新准则。其次,设计了一个状态反馈控制器,从而保证所研究的对象网络能够在有限时间内镇定。最后通过数值算例验证了所得结果的有效性和可行性。6、基于事件触发脉冲控制方法研究了非线性多智能体系统的领导-跟随有限时间一致性问题。首先,将离散的事件触发脉冲控制与连续性的有限时间控制结合起来设计目标控制器,其中脉冲时刻的产生取决于所提出的事件触发函数。对于此事件触发函数,它不仅决定了脉冲工作的时刻,而且影响了有限时间控制的更新时间。值得注意的是,与现有的有限时间控制器相比,本文设计的控制器不包含任何符号函数,从而避免了抖振现象。此外,设计的触发函数以及控制协议可以分别保证系统在控制过程中排除Zeno行为以及实现最终的领导-跟随有限时间一致性。最后,通过仿真验证了所提控制方案的有效性。
陆宇[5](2020)在《面向多船协同的自适应编队控制方法研究》文中指出随着水上无人技术的快速发展,无人船凭借其成本低、机动性好和无人员伤亡的优点,已成为执行海洋环境监测、水上搜救等各类任务的重要工具。为了扩大无人船的作业范围、提高无人船作业时的容错能力和资源利用率,多船协同这种作业方式得到了越来越多的青睐。无人船编队控制方法是实现多船协同作业的关键,其设计不仅要依据多船编队的任务场景,还必须得考虑无人船的自身特性和编队过程中的多种约束。现有关于无人船编队控制的理论研究尚存在以下几个方面的问题:首先,复杂的多船编队任务场景要求无人船集群既能完成队形保持和编队平移等常规任务,又能拥有根据临时任务实现期望编队机动的能力,目前很多文献仍集中于研究固定编队布局下的无人船编队问题,针对可变编队布局下多船编队机动控制的工作相对较少;其次,无人船本身具有高度非线性、变量强耦合和不确定性等特性,在实际作业时也会受到风、浪、流等外界环境扰动的影响,现有的诸如基于神经网络的或自适应编队控制方法虽然使无人船编队系统具备了一定的鲁棒性,但它们的保守性和计算量还有待进一步研究;再者,一些多船编队任务场景对无人船编队跟踪误差的暂态和稳定性能提出了要求,无人船执行器能力受限或发生故障也会对多船编队跟踪性能产生影响,当前的无人船编队控制方法在使用过程中如果遇到这些编队跟踪性能约束或执行器约束,其编队控制性能会大打折扣。概括地说,多船协同运动时可变的编队布局设置、各船的不确定动力学和所受的外界扰动以及各种编队约束给无人船编队控制理论发展带来了很大的挑战。为了深入理解多船编队的运动特性、提高无人船编队控制方法的鲁棒性、容错性和实时性以及在不同编队约束条件下的适用性,本文从协同模型、信息交互和编队布局三个方面去解释多船编队运动机理,利用图论、方位刚性理论、反步法和自适应控制等理论工具,对面向多船协同的自适应编队控制方法开展了进一步的研究。文中充分考虑了无人船模型不确定性、外界扰动影响和各种编队约束,在无人船间无信息交互或存在局部信息交互情况下,分别讨论了固定和可变编队布局时的多船编队控制问题,实现了无人船编队队形保持、平移运动、曲线机动和缩放机动的控制任务,为多船协同应用提供了理论支撑。本文的主要研究贡献如下:1)针对基于领随双自主体协同模型的欠驱动无人船编队系统,提出了一种基于跟随船视距和视线角的自适应输出反馈编队控制方法,能够在船间无信息交互时解决固定编队布局下的多船编队队形保持和平移运动控制问题。每艘船的编队控制器在抑制不确定动力学和外界扰动时只需在线调节两个学习参数,计算量小,在保证多船编队系统鲁棒性的同时提高了编队的容错性和实时性。在此基础上,提出了一种基于虚拟船自适应规划的无人船鲁棒自适应编队控制方法,能够在船间仅有艏摇角信息交互时解决可变编队布局下的多船编队曲线机动控制问题。每艘船只需利用模型中的惯性系数便可有效估计外界扰动,所采用的扰动观测器和编队控制器可共享一组神经网络,均只需在线调节两个参数,减少了计算量,提高了无人船集群曲线机动时的编队轨迹跟踪精度。2)针对基于多自主体协同模型的无人船编队系统,提出了一种仅交互位置向量的无人船分布式鲁棒自适应编队控制方法,能够在船间具有局部信息交互时解决固定编队布局下的多船协同编队队形保持和平移运动控制问题。所提方法无需邻居船间交互三通道速度信息,局部信息交互量小,每艘船基于神经网络的编队控制器三通道共只有一个在线学习参数,既能抑制模型不确定性和外界扰动,又确保了算法的实时性。在此基础上,提出了一种基于位移的无人船分布式自适应容错编队控制方法,能够在无人船具有编队跟踪误差性能约束和部分执行器发生故障时解决多船协同编队控制问题。如果无人船间的交互拓扑图是连通的,采用该方法可获得期望的固定编队布局,编队中各船邻间编队跟踪误差的超调量、收敛速率和稳态精度也能满足预设的性能要求。3)针对基于多自主体协同模型的无人船编队系统,提出了一种基于方位的多船分布式鲁棒自适应编队缩放控制方法,能够在输入饱和约束和不确定条件下解决无人船集群编队缩放机动控制问题。该方法将‘‘领导船引导目标编队轨迹、跟随船编队跟踪’’作为多船编队缩放控制的核心思路,每艘船的控制器中都引入了参数压缩机制和辅助系统设计,在处理不确定性时简化了权值更新过程,并减少了执行器能力受限的负面影响。如果增广编队是无穷小方位刚性的,采用该方法既可保持预设的无人船编队队形,又能实现期望的编队缩放机动效果。所提方法只要规划领导船便可主动缩放调节整个无人船集群的编队尺寸,在此过程中无需重新设计跟随船的控制输入,各船的艏摇角也能保持一致。
王莉[6](2020)在《一类时滞忆阻神经网络的指数镇定研究》文中研究说明人工神经网络是一类模拟人脑结构和功能来处理复杂信息的信息处理系统,已成为智能控制领域和信息分析处理的一个关键方法。如何构建人工神经网络从而能够精确地描述人类大脑神经网络的动力学行为引起了各个领域的广泛关注。忆阻器作为一类新型非线性元件,尺寸小、能耗低、电阻可变,具有非易失性和记忆功能,与生物学神经网络中的突触在功能上有很强的相似性,更适合替代电阻来构建人工神经网络。近年来,基于忆阻建模的神经网络的动力学研究逐渐成为神经网络研究领域的新热点,忆阻神经网络(Memristive Neural Networks,MNNs)的稳定性等相关问题已成为当前控制理论中一项重要的研究内容,具有极为重要的实际意义。本文的主要内容包括:(1)在输入延迟法的框架下,基于数据采样控制方法研究了时滞MNNs的指数镇定问题。设计了采样控制器,构建了新的时间依赖的李雅普诺夫泛函,结合线性矩阵不等式技术得到了保证时滞MNNs全局指数镇定的LMI判据;利用区间矩阵法对忆阻连接权重进行处理,充分利用了忆阻连接权重的信息,降低了所得镇定判据的保守性;数值仿真表明了所设计的采样控制器以及所建立的镇定判据的有效性。(2)基于非周期间歇控制方法,对时滞MNNs的指数镇定问题进行了研究。首先,提出了一个衡量传感器容许失败区间的性能指标——LPRW,即休息时间与控制周期的最大比值(Largest Proportion of the Rest Width,LPRW)。然后,设计非周期间歇控制器,选取合适的李雅普诺夫泛函,结合区间矩阵法和Halanay不等式,得到了时滞MNNs指数镇定的代数判据,进而,提出了一种定性分析反馈增益与LPRW之间关系的算法。与以前的工作相比,本文用区间矩阵法来处理时变的忆阻连接权重,能够在保证闭环系统稳定性的同时,降低对控制增益的要求,且提高传感器容许失败的区间。最后,通过对仿真结果的比较表明,所获得的镇定准则相对于已有准则具有一定优势。
薛盛日[7](2020)在《基于多速率采样系统的数据驱动控制器综合》文中指出现代工业生产过程中,控制系统的数字化,促进了采样系统在工业界的广泛应用。因此,采样系统的控制方法研究在控制领域一直是一个热门研究内容。采样器及其采样周期是构成采样控制系统的基本元素。对于一般采样系统,工程师普遍认定所有采样器与零阶或一阶保持器都采用同一周期。但在多传感器融合的情况下,不同传感器确实存在着采样周期不一致的情况。即采样系统的采样器与保持器之间,采样器与采样器之间,保持器与保持器之间都可能存在着周期不一致的情况。存在此现象的采样系统被称为多速率采样系统。本论文主要针对此类多速率采样系统进行数据驱动控制方法的研究。从20世纪50年代至今,多速率采样系统一直吸引着科研工作者的目光,相关控制器设计方法从传统控制方法到先进控制理论都有覆盖。但工业生产过程存在很多难以解决的动态特性,例如强耦合性、强时变性、非线性等。这些特性使科研工作者很难用精确的数学模型去线性化描述。通过公式推导获得控制器参数的方法也很难解决上述工程难题。对于这种难题,一个解决方式是直接利用含多速率采样特性的输入输出数据设计控制算法,即数据驱动控制器。本论文针对多速率采样系统的实际工程难题,逐渐递进地提出多种数据驱动控制器设计方法,进而满足系统递增的复杂度与性能需求。绪言部分叙述了多速率采样系统、数据驱动控制方法的背景与发展现状、分析了当前多速率采样系统控制器设计方法的局限性。论文首先介绍一般性多速率采样系统的建模以及多速率采样特性分析方法,为后续章节数据驱动控制器的设计提供数理基础与知识铺垫。以含多速率采样特性的主动悬架系统为例,论文给出多速率采样系统建模、分析与系统频域控制器设计全过程。通过有限频域H∞输出反馈控制器,主动悬架系统在工作频域段具备更加优良的干扰抑制性能。主动悬架系统的建模与分析也为后续章节中输入输出数据的多速率采样特性分析提供了参考。在数据驱动控制器设计方面,本文首先针对多速率采样自稳定系统,从系统模型回归以及系统辨识两个方面进行了数据驱动控制器的设计。前者将多速率采样特性与偏分最小二乘方法结合,回归出系统预测模型。后者将多速率采样系统与子空间辨识结合,辨识出系统的相关参数,直接推导出预测模型。将这两种模型与模型预测控制方法结合,本文提出了基于偏分最小二乘的多速率采样系统数据驱动模型预测控制算法以及基于子空间辨识的多速率采样系统的数据驱动模型预测控制算法。第三章将算法应用在连续搅拌槽式加热反应器,解决其在系统参数未知情况下的输出跟踪问题。论文进一步针对多速率采样非稳定系统的单性能数据驱动控制问题,通过新式扩维技术,提出快速LQR控制器设计方法。之后基于贝尔曼方程,相继推导出多速率系统在线与离线控制器参数优化算法。利用最小二乘方法,多速率系统控制器的数据驱动参数优化方法可以在离线优化算法的基础上推导得到。将算法应用在含多速率采样特性的三自由度直升机姿态系统,本文解决其在系统参数未知情况下的控制器参数优化问题。通过该算法优化得到的控制器,三自由度直升机在角度跟踪上具有更优秀的性能。针对多速率采样非稳定系统的混合性能数据驱动控制问题,本文结合策略梯度下降算法,提出一种迭代优化的数据驱动控制器设计算法。这此类算法通过设计一个回报函数模块,描述了使用者期望的混合性能指标。回报函数模块会帮助策略梯度下降算法依据混合性能指标优化神经网络控制器,使训练得到的控制器满足期望的控制性能指标。论文将该算法应用在含多速率采样特性的三自由度直升机姿态系统,解决其在系统参数未知,性能需求混合复杂,输入限幅情况下的数据驱动控制器设计问题。通过该算法得到的控制器,三自由度直升机在角度快速跟踪的同时,满足多种性能需求以及限幅条件。在基于策略梯度下降的数据驱动控制器基础上,论文提出了一种数据利用率更高的数据驱动控制器设计算法。该算法利用基于集合概率的神经网络模型估计下一刻状态,并在损失函数下迭代优化该神经网络。训练得到的神经网络模型可以有效地预测下一刻输出。将神经网络模型与预测控制结合可以为多速率采样系统的数据驱动预测控制提供新方法。将该模型与神经网络控制器结合可以得到高数据利用率的数据驱动控制器。通过该算法,强非线性的改进版连续搅拌槽式加热反应器能够在参数未知的情况下,控制液体温度、液体流量、液位高度,快速达到期望稳态。
陈瑶[8](2020)在《基于模型预测控制的轮式机器人轨迹跟踪与编队》文中研究表明随着机器人运动学,控制理论及计算机硬件技术的不断发展,关于机器人控制的研究越来越成为国内外广泛关注的热门研究课题。目前机器人在各个领域都有大量的应用,可以有效地解放生产力,在协助人类工作上展现出巨大的优越性。移动机器人的镇定、轨迹跟踪和编队控制是机器人控制的基本研究内容,就这些方面的探讨对机器人技术进一步发展和完善有着十分重要的指导意义。对于轮式移动机器人的控制研究,传统的控制方法未考虑到轮式移动机器人的约束影响,因此本文采用模型预测控制作为基础的控制方法,分别针对差分轮式移动机器人和全向轮式移动机器人,解决了约束问题,并在线求解模型预测控制转化的二次规划问题,迭代求解得到最优控制输入。本文首先从对单个差分轮式移动机器人镇定控制问题的研究开始,建立了镇定控制链式系统,运用模型预测控制实现机器人系统状态的镇定。进一步研究了差分轮式移动机器人的轨迹跟踪,建立了轨迹跟踪的运动学误差模型。针对一般的控制方法只考虑到运动学约束的问题,本文通过结合模型预测控制和自适应控制方法将机器人动力学约束也考虑进去;其次,由于实际控制系统中存在未知干扰,故本文在模型预测控制器的基础上设计状态反馈控制器,从而补偿了未知扰动;接着,将模型预测控制运用到全向轮式移动机器人上,提出了轨迹跟踪误差模型,在考虑到机器人的速度约束的前提下,实现了轨迹跟踪控制。最后在单个轮式移动机器人的基础上,建立了领导者-跟随者的机器人编队模型,在全向轮式移动机器人上实现编队控制,最终通过模型预测控制方法控制编队系统达到期望的机器人相对位置关系。针对模型预测控制转化而来的二次规划问题,本文提出了延迟神经网络进行处理,可以实时快速地求解带约束的二次规划问题得到最优解。同时也采用原对偶神经网络求解二次规划问题,并将两者与拉格朗日神经网络进行对比分析。本文通过采用模型预测控制方法,实现了轮式移动机器人运动控制,包括基于延迟神经网络的预测镇定控制,基于运动学和动力学的轨迹跟踪控制以及编队控制。最后通过仿真实验验证了模型预测控制在解决机器人镇定、轨迹跟踪和编队控制问题上的有效性。
胡芳芳[9](2020)在《具有状态约束的欠驱动无人艇运动控制研究》文中研究表明系统控制输入向量空间的维数小于系统自由度个数的系统称为欠驱动系统,该系统的特点是用维数少的控制输入驱动较多自由度的运动。欠驱动系统不仅可以降低系统成本、重量和体积,还可以为全驱动系统执行机构出现故障时提供应急控制策略,因此欠驱动系统的控制问题得到了广泛关注。仅配备纵向推力装置和航向转向力矩装置的无人水面艇,横向状态受二阶非完整约束,是典型的欠驱动系统。无人艇运行中受到模型摄动(参数不确定性和未建模动态)和外界环境扰动(风、浪、流等引起)影响;各状态之间耦合严重,非线性特性强;另外在狭窄水道航行、编队航行、多智能体协作航行时,需要对状态或输出进行较为严格的约束,以避免无人艇偏离期望航线而发生碰撞或通讯丢失,以上特性和因素给其运动控制带来了巨大的挑战。本文以具有欠驱动特性、状态约束、不确定性和受外界扰动欠驱动无人艇的镇定控制和轨迹跟踪控制为研究重点,通过基于级联系统理论、滑模降维动力学运动学一体化控制策略、在运动学回路和动力学回路中引入附加控制器的控制策略,逐步开展了研究,旨在实现欠驱动无人艇在状态约束下的运动稳定性和轨迹可控性。针对非对角结构(即惯性矩阵和阻尼矩阵为非对角形式)的无人艇,首先基于牛顿欧拉法,建立了运动学和动力学数学模型,模型中包含了必要的模型摄动和外界扰动等因素。由于非对角惯性矩阵和阻尼矩阵使系统状态之间耦合严重,使得该欠驱动系统的非线性特性更加凸显。针对非线性系统难以用传统线性可控制性理论分析其可控性的难点,本课题采用了小时间局部可控、微分几何相关理论,证明了此类具备强非线性特征的欠驱动无人水面艇是小时间局部可控的,为后续开展具有状态约束的无人艇镇定控制和轨迹跟踪控制提供了理论基础。针对欠驱动无人艇镇定控制中存在的状态约束问题,分析了基于传统反步法和Lyapunov直接法的局限性,提出了基于反步法的鲁棒控制律,开展了受状态约束的欠驱动无人艇鲁棒镇定控制问题研究。通过全局微分同胚变换和输入变换,将复杂的非对角形式的模型变换为两个级联形式的子系统,并证明了该级联系统的稳定性等价于原系统的稳定性。该级联系统的稳定性等价于包含控制输入的子系统的稳定性,简化了控制器设计和稳定性分析。继而提出干扰观测器对未知扰动进行在线估计。基于扰动估计结果,采用了 Barrier-Lyapunov函数和反步法相结合的控制律,优化暂态响应性能。为了避免反步法理论对虚拟控制输入引起的维数和次数爆炸,通过动态面理论获得虚拟变量的一阶导数估计值。对比仿真试验证明了本课题所提的基于级联理论和反步法的镇定控制律的有效性,解决了欠驱动无人艇的鲁棒镇定控制问题。为实现无人艇在欠驱动状态下的轨迹跟踪控制,从系统欠驱动轴和驱动轴的解耦特性出发,提出了具有鲁棒性的广义动力学逆和滑模的控制方法,无需分析欠驱动系统中各个状态之间的耦合关系即可实现跟踪控制目的。通过引入滑模面,将系统动力学方程和运动学方程化为一个整体,降低了系统维数。通过广义逆理论,将控制器构造为特解和辅助解两部分,特解部分能够保证欠驱动轴的稳定性,辅助解不会影响欠驱动轴的稳定性。为确保闭环系统稳定性,通过引入具有非奇异特性的扰动零向量矩阵,构造出能使驱动轴稳定的辅助解部分。该方法不需要将模型预处理化为链式形式或适合用反步法的形式,也不需要详细分析各个状态之间的耦合关系,从而能够扩展到更多的非完整系统。为后续解决一类欠驱动系统控制问题提供了可行的方法。针对无人艇轨迹跟踪控制中的欠驱动特性和鲁棒性问题,提出了自适应神经网络观测器,同时实现了对不确定性和系统状态的准确估计,该观测器的设计与控制器是独立的,状态和不确定性的估计结果不依赖于系统跟踪误差;在上述观测器的基础上,将轨迹跟踪控制器分为运动学回路和动力学回路两部分,提出了两种控制策略。第一种控制策略,在运动学控制律中引入附加控制量,在运动学控制器设计阶段解决欠驱动问题,将滑模控制用于动力学回路控制器设计,实现了镇定误差的有限时间收敛。第二种控制策略,在运动学控制器设计阶段,引入Barrier-Lyapunov函数处理跟踪误差的约束问题,在动力学控制器设计阶段引入附加控制量,解决了欠驱动问题。这两种控制策略都能够实现欠驱动无人艇的轨迹跟踪控制,第一种控制策略在动力学回路中不包含欠驱动信息,可以通过现有全驱动控制方法进行控制。第二种控制策略保证了运动学回路的完备信息,便于处理状态约束问题。
朱国政[10](2020)在《非线性Markov跳变系统的自适应优化算法研究》文中提出本文研究了连续时间非线性Markov跳变系统的在线自适应优化控制算法。由于Markov跳变系统的各子系统之间存在着耦合关系,本文引入子系统转换技术,将跳变系统之间的耦合关系进行在线解耦。另一方面,考虑到神经网络具有任意近似的能力,本文引入神经网络线性微分包含(Linear Differential Inclusion,LDI)技术将非线性Markov跳变系统中的非线性项近似为线性项,并实现了 LDI在线表示。通过子系统转换和LDI在线表示之后,基于自适应动态规划的思想,本文提出了新的在线策略迭代算法用于求解非线性项Markov跳变系统的H2和H∞最优控制器。需要指出的是,我们设计的优化控制器只需要知道部分动态信息,并不需要知道系统的所有动态信息。本文具体研究工作如下:1.研究了一类线性Markov跳变系统的非零和微分反馈Nash控制问题。首先将该问题转化为求解对应的耦合代数Riccati方程。通过子系统转换技术对各子系统间的耦合关系进行解耦,然后设计了一类新的策略迭代算法,并通过数值仿真证实了所设计算法的有效性和可行性。2.研究了一类部分未知系统动态信息的非线性Markov跳变系统的在线自适应最优控制问题。应用神经网络LDI技术,将非线性项近似地转化为线性形式。利用子系统转换方案,将Markov跳变系统转化为N个新的耦合线性子系统。然后提出了一种新的在线策略迭代算法求解该系统的自适应最优控制器,并证明了算法的收敛性。最后给出一个仿真示例验证了算法的有效性和适用性。3.研究了一类非线性Markov跳变系统的H∞优化控制问题。利用神经网络LDI技术将非线性项近似为线性项。通过子系统转换方案对Markov跳变系统进行解耦合,将其分解为N个具有相同扰动输入的耦合线性子系统。经过上述处理之后提出了一种新的在线策略迭代算法来求解该系统的自适应H∞最优控制器,并给出了算法收敛性的证明。值得注意的是,该算法在求解过程中只需要知道部分动态信息便可求解出系统的H∞最优控制器。并给出了一个仿真示例验证了算法的有效性和适用性。最后,总结了全文的研究内容,并对相关课题未来研究方向进行了展望。
二、同阶线性系统同时镇定的神经网络方法(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、同阶线性系统同时镇定的神经网络方法(论文提纲范文)
(1)参数不确定的复杂系统的动态演化分析(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.3 本文主要工作概述 |
2 基于观测器的事件触发脉冲控制下的一类不确定非线性系统的输入到状态镇定 |
2.1 一类不确定非线性系统 |
2.2 事件触发脉冲控制下的输入到状态稳定 |
2.3 仿真例子 |
2.4 本章小结 |
附图 |
3 事件触发动态输出反馈控制下频繁异步的不确定切换系统的全局指数镇定 |
3.1 频繁异步的不确定切换系统 |
3.2 事件触发动态输出反馈控制下的全局指数镇定 |
3.3 仿真例子 |
3.4 本章小结 |
附图 |
4 带有执行器饱和与传感器故障的正不确定切换神经网络的鲁棒指数镇定 |
4.1 正不确定切换神经网络 |
4.2 正不确定切换神经网络的鲁棒指数镇定与其观测器优化 |
4.3 仿真例子 |
4.4 本章小结 |
附图 |
5 总结与展望 |
5.1 全文总结 |
5.2 研究展望 |
参考文献 |
附录 攻读硕士学位期间的科研成果 |
后记 |
(2)离散时间/非线性随机系统的稳定性与镇定(论文提纲范文)
摘要 |
ABSTRACT |
符号 |
第1章 绪论 |
1.1 研究背景 |
1.1.1 强稳定性 |
1.1.2 具有乘性噪声的离散时间随机系统 |
1.1.3 离散时间马尔科夫跳变系统 |
1.1.4 有限时间稳定 |
1.2 线性离散时间系统的强稳定性理论 |
第2章 具有乘性噪声的离散时间随机系统的强稳定性 |
2.1 引言 |
2.2 均方强稳定性 |
2.2.1 均方强稳定性分析 |
2.2.2 均方强稳定性与均方稳定性的关系 |
2.3 状态反馈控制 |
2.4 输出反馈控制 |
2.4.1 静态输出反馈控制 |
2.4.2 动态输出反馈控制 |
2.5 小结 |
第3章 离散时间马尔科夫跳变系统的强稳定性与镇定 |
3.1 引言 |
3.2 系统描述与预备知识 |
3.3 均方强稳定性分析 |
3.4 状态反馈控制 |
3.5 静态输出反馈控制 |
3.6 数值仿真 |
3.7 小结 |
第4章 基于神经网络的非线性随机系统有限时间环域稳定性与镇定 |
4.1 引言 |
4.2 预备知识 |
4.2.1 系统描述 |
4.2.2 引理 |
4.3 有限时间环域稳定性分析 |
4.4 非线性随机系统有限时间环域稳定 |
4.5 算法及仿真 |
4.6 小结 |
第5章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
在学期间主要科研成果 |
发表学术论文 |
(3)基于事件触发机制的切换系统的稳定性分析和控制设计(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 时滞切换系统的研究现状 |
1.2 H_∞ 控制和有限时间稳定研究现状 |
1.3 基于事件触发控制器研究现状 |
1.4 本论文的主要内容 |
第二章 非线性时滞切换系统基于观测器事件触发的鲁棒H_∞ 有限时间控制 |
2.1 引言 |
2.2 问题陈述与基础准备 |
2.3 稳定性分析及控制设计 |
2.4 数值算例 |
2.5 小结 |
第三章 时滞切换系统的基于观测器的事件触发鲁棒H_∞ 镇定 |
3.1 引言 |
3.2 问题陈述与基础准备 |
3.3 主要结果 |
3.4 数值算例 |
3.5 小结 |
第四章 带有时变时滞的不确定切换神经网络的H_∞ 有限时间控制 |
4.1 引言 |
4.2 问题陈述与基础准备 |
4.3 主要结果 |
4.4 数值算例 |
4.5 小结 |
第五章 结论与展望 |
参考文献 |
发表论文情况 |
致谢 |
(4)复杂系统的有限时间一致性与同步研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 复杂系统的研究背景 |
1.2 有限时间稳定和控制的研究背景 |
1.3 复杂系统有限时间同步与一致性的研究现状 |
1.3.1 复杂网络有限时间同步的研究背景及意义 |
1.3.2 多智能体系统有限时间一致性的研究背景及意义 |
1.3.3 神经网络有限时间稳定和同步的研究背景及意义 |
1.4 预备知识 |
1.5 本文主要工作与章节安排 |
1.6 符号说明 |
第二章 具有不相同节点的马尔科夫跳变复杂网络在脉冲影响下的有限时间同步 |
2.1 引言 |
2.2 模型描述与预备知识 |
2.3 复杂网络的有限时间同步 |
2.4 数值仿真 |
2.5 本章小结 |
第三章 基于脉冲控制的具有ROUs和RONs的非线性随机多智能体系统的有限时间和固定时间一致 |
3.1 引言 |
3.2 模型描述与预备知识 |
3.3 有限时间领导-跟随一致性研究 |
3.4 固定时间领导-跟随一致性研究 |
3.5 数值仿真 |
3.6 本章小结 |
第四章 具有随机干扰的脉冲时延神经网络的有限时间同步 |
4.1 引言 |
4.2 问题描述和预备知识 |
4.3 随机神经网络的有限时间同步分析 |
4.4 数值仿真 |
4.5 本章小结 |
第五章 带有ROUs和RONs的脉冲随机时延神经网络的有限时间稳定和镇定研究 |
5.1 引言 |
5.2 问题描述和预备知识 |
5.3 有限时间稳定性分析 |
5.4 有限时间镇定分析 |
5.5 数值仿真 |
5.6 本章小结 |
第六章 基于事件触发脉冲控制的领导-跟随非线性多智能体系统的有限时间一致 |
6.1 引言 |
6.2 问题描述和预备知识 |
6.2.1 一些引理 |
6.2.2 问题描述 |
6.3 基于事件触发脉冲策略的有限时间一致性分析 |
6.4 数值仿真 |
6.5 本章小结 |
总结与展望 |
参考文献 |
攻读博士期间发表或完成的论文 |
致谢 |
(5)面向多船协同的自适应编队控制方法研究(论文提纲范文)
摘要 |
abstract |
主要符号对照表 |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 多船协同问题的研究现状 |
1.2.2 无人船编队控制的研究现状 |
1.2.3 其它领域编队控制的研究现状 |
1.3 本文研究内容 |
1.4 本文结构安排 |
第二章 基础知识 |
2.1 图论 |
2.1.1 基本概念 |
2.1.2 无向图 |
2.1.3 有向图 |
2.2 方位刚性理论 |
2.2.1 布局、编队和方位 |
2.2.2 方位刚性 |
2.2.3 无穷小方位刚性 |
2.3 稳定性理论 |
2.3.1 比较函数 |
2.3.2 稳定性定义 |
2.3.3 李雅普诺夫直接法 |
2.4 反步设计方法 |
2.4.1 原理和特征 |
2.4.2 自适应反步设计 |
2.5 其它理论 |
2.5.1 神经网络函数近似理论 |
2.5.2 高增益观测器 |
2.5.3 无源有界性 |
2.5.4 常用不等式引理 |
第三章 基于跟随船视距和视线角的自适应输出反馈编队控制 |
3.1 引言 |
3.2 问题描述 |
3.3 编队控制方案 |
3.4 主要结果 |
3.5 仿真验证 |
3.5.1 闭环性能 |
3.5.2 对比结果 |
3.6 本章小结 |
第四章 基于虚拟船自适应规划的无人船鲁棒自适应编队控制 |
4.1 引言 |
4.2 问题描述 |
4.3 虚拟船的自适应规划 |
4.4 扰动观测器的构建 |
4.5 编队控制器的设计 |
4.6 仿真验证 |
4.6.1 闭环性能 |
4.6.2 对比结果 |
4.7 本章小结 |
第五章 仅交互位置向量的无人船分布式鲁棒自适应编队控制 |
5.1 引言 |
5.2 问题描述 |
5.3 编队控制设计 |
5.4 主要结果 |
5.5 仿真验证 |
5.5.1 闭环性能 |
5.5.2 对比结果 |
5.6 本章小结 |
第六章 预设性能约束下的无人船分布式自适应容错编队控制 |
6.1 引言 |
6.2 问题描述 |
6.3 编队控制设计 |
6.3.1 考虑预设性能约束的虚拟控制律设计 |
6.3.2 自适应容错编队控制律设计 |
6.4 主要结果 |
6.5 仿真验证 |
6.6 本章小结 |
第七章 考虑输入饱和的多船分布式鲁棒自适应编队缩放控制 |
7.1 引言 |
7.2 问题描述 |
7.3 领导船选取及其轨迹规划 |
7.4 跟随船编队缩放控制器设计 |
7.5 仿真验证 |
7.6 本章小结 |
第八章 总结与展望 |
8.1 本文总结 |
8.2 未来展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文 |
攻读学位期间申请的专利 |
(6)一类时滞忆阻神经网络的指数镇定研究(论文提纲范文)
摘要 |
Abstract |
变量注释表 |
1 绪论 |
1.1 课题背景及研究意义 |
1.2 研究现状 |
1.3 主要工作 |
2 预备知识 |
2.1 基本定义 |
2.2 基本引理 |
3 基于采样控制的时滞忆阻神经网络的指数镇定 |
3.1 引言 |
3.2 模型描述和预备知识 |
3.3 基于采样控制的时滞忆阻神经网络的指数镇定 |
3.4 数值仿真 |
3.5 本章小结 |
4 基于非周期间歇控制的时滞忆阻神经网络的指数镇定 |
4.1 引言 |
4.2 模型描述和预备知识 |
4.3 基于非周期间歇控制的忆阻神经网络的指数镇定 |
4.4 控制算法设计 |
4.5 数值仿真 |
4.6 本章小结 |
5 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
作者简历 |
致谢 |
学位论文数据集 |
(7)基于多速率采样系统的数据驱动控制器综合(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 多速率采样系统的研究现状 |
1.3 数据驱动控制方法的研究现状 |
1.3.1 数据驱动控制方法的研究现状 |
1.3.2 强化学习算法的研究现状 |
1.3.3 基于强化学习的控制算法的研究现状 |
1.4 现有控制方法的局限性 |
1.4.1 控制方法种类局限性 |
1.4.2 控制方法原理局限性 |
1.5 本文主要研究内容 |
第2章 多速率采样系统特性分析及其有限频域控制器设计 |
2.1 引言 |
2.2 多速率采样系统建模与特性分析 |
2.3 多速率采样系统有限频域控制器设计 |
2.3.1 相关引理说明 |
2.3.2 有限频域控制器设计 |
2.4 仿真说明 |
2.4.1 数值仿真 |
2.4.2 主动悬架系统半实物仿真 |
2.5 本章小结 |
第3章 基于模型拟合和系统辨识的多速率采样系统数据驱动模型预测控制器设计 |
3.1 引言 |
3.2 基于偏分最小二乘的多速率采样系统数据驱动模型预测控制器设计 |
3.3 基于子空间辨识的多速率采样系统数据驱动模型预测控制器设计 |
3.4 仿真说明 |
3.4.1 连续搅拌槽式反应器建模 |
3.4.2 基于偏分最小二乘的数据驱动模型预测控制的仿真验证 |
3.4.3 基于子空间辨识的数据驱动模型预测控制的仿真验证 |
3.5 本章小结 |
第4章 基于贝尔曼方程的多速率采样系统数据驱动控制器参数优化方法 |
4.1 引言 |
4.2 多速率采样系统的新模型及其LQR控制器设计 |
4.3 多速率采样系统的数据驱动学习型参数优化算法 |
4.4 仿真验证说明 |
4.4.1 数值仿真 |
4.4.2 三自由度直升机数据驱动最优控制器设计 |
4.5 本章小结 |
第5章 基于策略梯度下降的多速率采样系统数据驱动控制器设计 |
5.1 引言 |
5.2 强化学习算法简单介绍 |
5.2.1 策略梯度下降算法 |
5.2.2 信赖域策略优化算法 |
5.2.3 深度Q学习算法 |
5.3 基于策略梯度下降的多速率采样系统数据驱动控制器设计 |
5.3.1 新扩维方法下的一般性多速率采样系统 |
5.3.2 回报函数模块设计 |
5.3.3 控制器优化算法 |
5.3.4 控制器实现综合 |
5.4 基于确定性策略梯度下降的多速率采样系统数据驱动控制器设计 |
5.5 基于策略梯度下降的多速率采样系统数据驱动鲁棒控制器探究 |
5.6 仿真说明 |
5.6.1 基于策略梯度下降的数据驱动控制器仿真验证 |
5.6.2 基于策略梯度下降的数据驱动鲁棒控制器仿真验证 |
5.7 本章小结 |
第6章 基于集合概率模型的多速率采样系统数据驱动控制器设计 |
6.1 引言 |
6.2 基于集合概率模型的多速率系统的数据驱动模型预测控制器设计 |
6.3 基于集合概率模型的多速率系统的数据驱动神经网络控制器设计 |
6.4 仿真说明 |
6.4.1 基于集合概率模型的数据驱动模型预测控制仿真验证 |
6.4.2 非线性多速率采样系统仿真验证 |
6.5 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)基于模型预测控制的轮式机器人轨迹跟踪与编队(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 引言 |
1.2 研究背景和意义 |
1.3 国内外研究现状 |
1.3.1 移动机器人研究现状 |
1.3.2 移动机器人轨迹跟踪和编队研究现状 |
1.4 关键技术 |
1.4.1 模型预测控制技术 |
1.4.2 二次规划问题求解方法 |
1.5 本文主要内容及结构 |
1.6 本章小结 |
第二章 预备知识 |
2.1 移动机器人的设备选型 |
2.1.1 差分轮式移动机器人 |
2.1.2 全向轮式移动机器人 |
2.2 移动机器人的数学模型 |
2.2.1 非完整移动机器人系统概述和分析 |
2.2.2 差分轮式移动机器人的数学模型 |
2.2.3 全向轮式移动机器人的数学模型 |
2.3 本章小结 |
第三章 差分轮式移动机器人的镇定控制 |
3.1 引言 |
3.2 镇定系统数学模型 |
3.3 模型预测控制算法设计 |
3.3.1 镇定系统的离散模型 |
3.3.2 模型预测控制代价函数的构建 |
3.4 延迟神经网络优化方法的构建和应用 |
3.4.1 延迟神经网络的构建及特性 |
3.4.2 延迟神经网络的框架结构 |
3.4.3 基于延迟神经网络的系统控制过程 |
3.5 实验结果 |
3.6 本章小结 |
第四章 差分轮式移动机器人的轨迹跟踪控制 |
4.1 引言 |
4.2 轨迹跟踪系统数学模型 |
4.2.1 运动学模型 |
4.2.2 动力学模型 |
4.3 基于运动学模型的管道式模型预测控制器设计 |
4.3.1 名义模型预测控制器设计 |
4.3.2 动态反馈控制器设计 |
4.3.3 原对偶神经网络方法的构建和应用 |
4.4 基于动力学模型的动态自适应控制器设计 |
4.5 实验结果 |
4.6 本章小结 |
第五章 全向轮式移动机器人的轨迹跟踪和编队控制 |
5.1 引言 |
5.2 全向轮式移动机器人的轨迹跟踪 |
5.2.1 轨迹跟踪系统数学模型 |
5.2.2 模型预测控制器设计 |
5.2.3 延迟神经网络求解 |
5.3 全向轮式移动机器人的编队控制 |
5.3.1 编队系统数学模型 |
5.3.2 模型预测控制器设计 |
5.3.3 神经网络方法求解 |
5.4 实验结果 |
5.4.1 轨迹跟踪实验结果 |
5.4.2 编队控制实验结果 |
5.5 本章小结 |
总结与展望 |
参考文献 |
附录 |
附录1 |
附录2 |
攻读硕士学位期间取得的研究成果 |
致谢 |
附录 |
(9)具有状态约束的欠驱动无人艇运动控制研究(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 非完整系统研究现状 |
1.2.1 非连续时不变反馈控制律 |
1.2.2 连续时变反馈控制律 |
1.2.3 混合控制律 |
1.3 欠驱动无人艇控制系统研究现状 |
1.3.1 欠驱动USV运动控制概述 |
1.3.2 欠驱动USV运动控制国内外研究现状 |
1.3.3 具有状态约束的USV运动控制研究现状 |
1.4 存在的问题 |
1.5 论文的主要内容 |
第二章 欠驱动无人艇模型建立及欠驱动特性分析 |
2.1 引言 |
2.2 欠驱动无人艇数学模型 |
2.2.1 几个基本假设 |
2.2.2 坐标系定义 |
2.2.3 欠驱动无人艇运动学特性 |
2.2.4 欠驱动无人艇动力学特性 |
2.3 欠驱动无人艇的能控性分析 |
2.3.1 非对角欠驱动无人艇模型坐标变换 |
2.3.2 非完整系统能控性分析理论基础 |
2.3.3 欠驱动USV能控性分析 |
2.4 预备知识 |
2.4.1 RBFNN逼近 |
2.4.2 Barrier-Lyapunov函数 |
2.4.3 常用引理和不等式 |
2.5 本章小结 |
第三章 基于反步法的欠驱动无人艇的镇定控制 |
3.1 引言 |
3.2 系统模型和问题描述 |
3.2.1 状态和输入变换 |
3.2.2 级联系统稳定性 |
3.3 基于反步法和Lyapunov直接法的镇定控制器设计 |
3.4 具有暂态性能约束的控制器设计 |
3.4.1 无扰动时镇定控制律设计 |
3.4.2 有扰动时的鲁棒自适应镇定控制 |
3.5 仿真验证 |
3.5.1 常规反步法控制器 |
3.5.2 Barrier-Lyapunov函数控制器 |
3.5.3 鲁棒自适应控制器 |
3.6 本章小结 |
第四章 基于广义动力学逆和滑模的欠驱动无人艇轨迹跟踪控制 |
4.1 引言 |
4.2 广义动力学逆和问题描述 |
4.2.1 广义动力学逆基础 |
4.2.2 动态尺度逆 |
4.2.3 扰动零投影矩阵 |
4.2.4 问题描述 |
4.3 基于广义逆和滑模的轨迹跟踪控制器设计 |
4.3.1 控制器设计 |
4.3.2 稳定性分析 |
4.4 具有状态约束的广义逆和滑模控制器设计 |
4.4.1 控制器设计 |
4.4.2 稳定性分析 |
4.5 仿真验证 |
4.5.1 广义逆和滑模控制律仿真结果 |
4.5.2 具有约束约束的广义逆和滑模控制律仿真结果 |
4.6 本章小结 |
第五章 基于自适应神经网络观测器的欠驱动无人艇跟踪控制 |
5.1 引言 |
5.2 问题描述 |
5.3 自适应神经网络观测器设计 |
5.3.1 观测器设计 |
5.3.2 稳定性分析 |
5.4 基于附加控制器的输出反馈控制器设计 |
5.4.1 问题描述 |
5.4.2 控制器设计 |
5.4.3 稳定性分析 |
5.5 具有状态约束的输出反馈控制器设计 |
5.5.1 问题描述 |
5.5.2 控制器设计 |
5.5.3 稳定性分析 |
5.6 仿真验证 |
5.6.1 基于附加控制器的输出反馈仿真结果 |
5.6.2 具有约束的输出反馈控制器设计 |
5.7 本章小结 |
第六章 全文工作总结与展望 |
6.1 全文工作总结 |
6.1.1 总结 |
6.1.2 本文创新点 |
6.2 全文工作展望 |
致谢 |
参考文献 |
附录A 博士研究生期间发表论文情况 |
(10)非线性Markov跳变系统的自适应优化算法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 非线性Markov跳变系统研究现状 |
1.2 自适应动态规划求解最优控制问题研究现状 |
1.3 本文主要研究内容 |
1.4 本文结构安排 |
第二章 基于策略迭代算法的Markov跳变系统非零和微分反馈Nash控制 |
2.1 问题描述 |
2.2 连续时间线性系统的策略迭代算法 |
2.3 Markov跳变系统的策略迭代算法 |
2.4 算法仿真示例 |
2.5 本章小结 |
第三章 部分未知动态信息的非线性Markov跳变系统的自适应优化控制 |
3.1 问题描述 |
3.2 神经网络LDI |
3.3 最优控制策略 |
3.4 子系统转换 |
3.5 策略迭代算法 |
3.6 算法的在线实现 |
3.7 仿真示例 |
3.8 本章小结 |
第四章 基于策略迭代算法的非线性Markov跳变系统的风优化控制 |
4.1 问题描述 |
4.2 神经网络LDI |
4.3 H_∞最优控制策略 |
4.4 子系统转换 |
4.5 策略迭代算法 |
4.6 算法的在线实现 |
4.7 算法仿真示例 |
4.8 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
攻读学位期间发表的学术论文 |
致谢 |
四、同阶线性系统同时镇定的神经网络方法(论文参考文献)
- [1]参数不确定的复杂系统的动态演化分析[D]. 邢相茹. 湖北师范大学, 2021(12)
- [2]离散时间/非线性随机系统的稳定性与镇定[D]. 苏方旭. 齐鲁工业大学, 2021(09)
- [3]基于事件触发机制的切换系统的稳定性分析和控制设计[D]. 邓梦晓. 天津工业大学, 2020(01)
- [4]复杂系统的有限时间一致性与同步研究[D]. 陈韬. 广东工业大学, 2020(05)
- [5]面向多船协同的自适应编队控制方法研究[D]. 陆宇. 上海交通大学, 2020(01)
- [6]一类时滞忆阻神经网络的指数镇定研究[D]. 王莉. 山东科技大学, 2020(06)
- [7]基于多速率采样系统的数据驱动控制器综合[D]. 薛盛日. 哈尔滨工业大学, 2020(01)
- [8]基于模型预测控制的轮式机器人轨迹跟踪与编队[D]. 陈瑶. 华南理工大学, 2020(02)
- [9]具有状态约束的欠驱动无人艇运动控制研究[D]. 胡芳芳. 中国工程物理研究院, 2020(01)
- [10]非线性Markov跳变系统的自适应优化算法研究[D]. 朱国政. 安徽大学, 2020(07)