一、非线性系统李雅普诺夫函数构造分析（论文文献综述）
黄学文[1]（2021）在《时变问题的混合变参动态学习网络求解方法》文中研究说明复杂时变动态系统在科学与工程应用领域中是非常重要的一类问题。此外,实际应用中噪声的存在会影响模型性能,导致求解精度不高等不良效果。因此含有噪声干扰下的时变动态系统的求解是值得探究的。传统的固定参数的收敛微分神经网络由于参数选定不能超过参数变化的上限,其收敛效果以及收敛速度都会受到初始极限值的限制。因此,根据自适应时变参数设计思想,论文提出一种新型的混合变参动态学习网络（Mixed variant-parameter dynamic learning network,MVP-DLN）用于求解含有噪声的时变动态系统问题（时变凸二次规划和时变非线性不等式）。论文的主要工作包括以下两个部分:1、由于现有的神经网络求解等式约束的时变凸二次规划问题时收敛速度不够快、鲁棒性弱,论文提出了一种新的混合变参动态学习网络。首先,通过构造、求导李雅普诺夫函数,理论分析证明了混合变参动态学习网络在使用单调递增的奇激活函数时,比改进零化神经网络具有更好的收敛性能和更强的鲁棒性。其次,为了进一步说明所提出的MVP-DLN的性能优越性,与传统的固参微分收敛神经网络（即梯度神经网络、零化神经网络、改进零化神经网络）进行了仿真对比实验。仿真结果验证了所提的混合变参动态学习网络在使用不同的激活函数用于求解时变凸二次规划时,都比传统的固参微分神经网络具有更快的收敛速度和更强的鲁棒性。2、非线性不等式在科学计算和实际工程领域中广泛应用,传统的零化神经网络求解该问题时收敛速度较慢、鲁棒性弱,因此,进一步用所提出的混合变参动态学习网络来求解时变矢量型非线性不等式问题。首先,通过讨论变量的初始状态值与时变初始解集的位置关系,理论分析证明了无论变量的初始状态值在时变初始解集内或者外时,MVP-DLN使用不同的激活函数都具有全局收敛性和较强的鲁棒性。其次,为了进一步说明MVP-DLN的性能优越性,与传统的零化神经网络进行仿真对比实验。仿真结果证明了混合变参动态学习网络在使用不同的激活函数求解时变矢量型非线性不等式时,比传统的零化神经网络具有更快的收敛速度和更强的鲁棒性。
王琪[2]（2021）在《下三角结构状态受限非线性系统的追踪控制研究》文中提出
文尚[3]（2021）在《P型下三角随机非线性系统输出约束状态反馈控制器设计》文中研究说明
屈继文[4]（2021）在《风载下塔式起重机多输入多输出系统定位防摆控制研究》文中指出
陈彦先[5]（2021）在《含执行器死区的切换非线性系统控制方法研究》文中提出
陈耀[6]（2021）在《随机系统有限时间环域有界控制》文中指出近几十年来,随机系统的控制问题在物理、生物、工程和其他实际系统中引起了广泛的关注。然而,已有的关于随机系统的研究成果大多是基于李雅普诺夫的稳定性。李雅普诺夫渐近稳定的系统可能具有非常差的暂态特性,这在实际工程系统中是不允许的。为了解决系统的暂态性能问题,提出了有限时间稳定性的概念。由于系统在运行过程中经常受到外界干扰的影响,考虑到外界干扰对系统状态变化的影响,提出了有限时间有界的概念。有限时间稳定性和有界性只考虑系统轨道的上界,而不考虑系统轨道的下界。关注系统轨道的下界,在一些实际问题也具有重要意义。考虑到系统轨道的下界,就出现了随机系统的有限时间环域有界控制问题,且得到了有限时间环域有界的概念。本文讨论了线性非线性随机系统,具体内容如下:（1）研究了具有（x,u,v）相关噪声的线性时滞随机系统的有限时间环域有界控制问题。首先,给出了系统的有限时间环域有界的定义,以及一些引理。接着,设计了两个有限时间环域有界控制器,以确保闭环系统的有限时间环域有界,其中一个是状态反馈控制器,另一个是动态输出反馈控制器。此外,提供了一种算法来处理获得的矩阵不等式。最后,通过两个例子证明了结果的有效性。（2）研究了带有维纳和泊松噪声干扰的It?型随机系统的有限时间环域有界控制问题。首先,给出了系统的有限时间环域有界的定义,以及一些引理。接着,设计了两个有限时间环域有界控制器,以确保闭环系统的有限时间环域有界,其中一个是状态反馈控制器,另一个是动态输出反馈控制器。此外,提供了一种算法来处理获得的矩阵不等式。最后,通过两个例子证明了结果的有效性。（3）研究了基于神经网络的非线性随机系统的有限时间环域有界控制问题。首先,给出了系统的有限时间环域有界的定义,以及一些引理。接着,设计了状态反馈有限时间环域有界控制器,以确保闭环系统的有限时间环域有界。此外,提供了一种算法来处理获得的矩阵不等式。最后,通过一个例子证明了该结果的有效性。（4）研究了非线性随机泊松系统的有限时间环域有界控制问题。首先,给出了系统的有限时间环域有界的定义,以及一些引理。接着,设计了状态反馈有限时间环域有界控制器,以确保闭环系统的有限时间环域有界。此外,提供了一种算法来处理获得的矩阵不等式。最后,通过一个例子证明了结果的有效性。
杨林翰[7]（2021）在《切换仿射系统的多模型自适应控制及其在航空发动机上的应用》文中研究指明航空发动机是一类多学科融合的复杂系统,其建模和控制具有较大的难度。当航空发动机产生性能退化或者其零部件存在制造误差的问题时,系统平衡点将发生偏移,极易导致系统偏离期望的轨迹;此外,航空发动机也广泛存在着未建模动态以及系统多模态切换运行的问题,这也给控制器的设计带来了较大的困难和挑战。本文以航空发动机为被控对象,着重解决航空发动机存在不确定性、性能退化、多模态运行情况下的渐近跟踪控制问题。主要工作包含以下部分:（1）以某型航空发动机为被控对象,首先根据发动机机理建立发动机非线性部件级模型;然后以典型工作点为例,将各部件模型联合迭代以求解稳态平衡点;进一步,选取不同模态并将系统在工作点处进行线性化,得到线性化模型,同时考虑退化因素建立仿射系统模型;最后考虑不同运行模态,建立面向航空发动机控制的切换仿射系统。（2）针对仿射系统模型,提出多模型自适应控制策略解决状态跟踪问题。首先设计了一种可重置参数的自适应控制器和带有投影函数的自适应律;然后,为系统配置了3类辨识模型用作参数集;同时,基于一种增广滤波器来实时计算系统多维未知参数,并将计算出的参数传递到可重置参数的固定辨识模型;进一步,提出一种组合性能指标,使系统能够获取最优参数,并将其重置给自适应控制器以提高系统暂态性能;最后给出闭环误差系统渐近稳定的充分条件,并通过数值仿真验证了所提方法的有效性和优越性。（3）针对切换仿射系统模型,提出双层切换结构和控制律。首先使用多模型自适应控制策略设计子系统的内层切换以保证子系统跟踪问题;然后,分析系统在子系统和辨识模型都不切换、仅有辨识模型切换以及子系统和辨识模型均切换的三种情况下的系统Lyapunov函数的变化情况。进一步,利用平均驻留时间方法设计了外层切换律,保证了切换仿射系统对参考模型的渐近跟踪性能。最终给出闭环误差系统渐近稳定的充分条件,并通过数值仿真验证了所提方法的有效性。
高赫佳[8]（2021）在《柔性系统的建模与神经网络控制研究》文中研究指明柔性系统涵盖了柔性机械臂、仿生柔性扑翼飞行器和柔性建筑等多种不同的对象。随着柔性系统的大量应用,其控制理论与方法问题已经成为具有前瞻性的高新技术研究方向,受到了学术界和工业界的广泛关注。目前,柔性系统领域的控制理论与方法问题诸如柔性多连杆机械臂的轨迹跟踪及振动控制问题,自然灾害下柔性建筑的约束控制问题,复杂环境下仿生柔性扑翼机器人的容错控制问题等都己发展成为具有国家重大需求的共性科学问题,极富挑战性。因此,为了突破具有环境适应性的不确定柔性系统的建模与智能控制的技术难题,本文紧密结合柔性系统的智能控制理论与方法的研究趋势及其在实际工业中的应用,对柔性系统的建模机理及控制策略等相关理论和关键技术进行了系统深入地研究。本文采用假设模态方法建立了柔性机械臂系统的动力学模型,解决了柔性系统无穷维特性导致的建模机理的难题;设计了具有一致逼近性能的模糊神经网络控制器,解决了系统动力学不确定性问题;构造了基于高增益观测器的神经网络控制器,解决了实际工程中不易测得的状态信息问题;并成功地在Quanser平台上进行了实验验证,解决了带有动力学不确定性的柔性机械臂的振动控制的难题。其次,针对带有输出约束的柔性建筑系统,基于Actor-Critic算法设计了自适应强化学习控制器,设计辅助系统及扰动观测器,解决了未知扰动条件下柔性建筑的输出约束及振动抑制问题;并在Quanser平台上进行了实验验证,突破了传统控制方法无法处理分布式扰动、高维数、不确定系统的局限性。另外,针对仿生扑翼飞行机器人系统,采用新型有限刚体儿方法和MapleSim仿真平台进行了可视化建模,基于非奇异快速终端滑模方法设计了自适应有限时间容错控制器,并在搭建的虚拟智能平台上进形了测试,解决了系统动力学的不确定性、执行器故障下的鲁棒性及复杂环境下的稳定性问题。本文分析了几类柔性系统的动力学特性,研究了生产开发过程中的振动控制和优化问题,该研究成果将为柔性系统的建模机理与控制设计提供理论依据,为振动控制的实现提供技术支撑,并进一步促进机械结构与控制系统学科间的交叉研究。
田彪[9]（2021）在《基于干扰主动补偿的分布式多四旋翼编队包含控制技术》文中研究表明近年来,随着四旋翼无人机飞控技术的逐渐成熟和多智能体协同控制理论的迅速发展,多四旋翼协同控制技术研究成为工程界和学术界研究热点。编队包含控制作为智能无人系统协同控制的重要技术,是复杂不确定环境下多四旋翼系统执行特定任务的关键技术。然而,机载资源受限造成的量测信息欠缺或失准,和高精度、快收敛、强鲁棒的任务需求,四旋翼特有的高阶非线性强耦合的模型属性以及未知多源干扰共存下的工作场景给多四旋翼编队包含控制技术带来极大的挑战。本文以多四旋翼系统为研究对象主要开展基于干扰主动补偿的分布式编队包含控制器设计与分析工作。主要研究内容包括:第一:基于预测器的最小学习参数（Minimum Learning Parameters,MLP）神经网络的四旋翼保性能包含控制。考虑到传统自适应神经网络在高精度辨识干扰时往往存在计算复杂度较大以及在初始跟踪误差较大情况下常常导致暂态估计抖振的弊端,我们提出基于预测误差驱动的预估MLP神经网络估计器,不仅降低的四旋翼处理系统的计算负担而且提高了对干扰的光滑、快速辨识能力。此外,采用预设性能机制实现多四旋翼包含控制飞行中暂态和稳态控制性能的先验调节,确保跟随者四旋翼安全的进入到多个领导者四旋翼形成的凸包区域,大大降低在复杂恶劣飞行环境中,邻居四旋翼之间发生碰撞及通信中断的风险。同时,利用李雅普诺夫稳定性理论证明所有的误差信号都是最终一致有界。最后,通过MATLAB仿真实验验证所提出的控制协议的有效性。第二:基于扩张状态观测器（External State Observer,ESO）指定时间协同编队控制。针对机载资源受限条件下,线速度和角速度信息不可测和未知不确定性扰动对控制系统产生的负面影响,我们分别在四旋翼的位置子系统和姿态子系统中构造ESO同时重构速度信息和干扰,相对于神经估计器繁杂的参数调节和较重的计算负担,具有较少控制参数的ESO更适用于规模庞大的多四旋翼协同编队控制系统,同时对于收敛时间、控制精度的严格指标要求,我们设计了指定时间预设性能方案,确保多四旋翼在预先设定的时间内形成期望的编队队形。随后,利用李雅普诺夫理论对所提控制方案进行稳定性证明。最后,通过MATLAB工具对所提的多四旋翼编队控制系统进行仿真验证。第三:分布式多四旋翼固定时间编队包含双层控制。考虑到ESO对干扰的不可测状态的估计时,估计误差的收敛时间随着初始估计误差的增大而增大,当初始预测误差趋于无穷大时,较长的收敛时间将大大降低控制的稳定性甚至造成四旋翼之间的碰撞。我们对位置误差子系统和姿态误差子系统设计了固定时间扩张状态估计器（Fixed Time External State Observer,FTESO）同时重构领导者编队层和跟随者包含控制层的相对干扰信息和速度环的相对误差。此外,对于执行时间紧急的任务时,针对渐进时间和有限时间控制器收敛时间依赖初始状态的设计局限,我们构建固定时间编队包含控制协议确保在固定时间内领导者四旋翼形成期望的编队队形,跟随者四旋翼进入到领导者形成的安全的凸包区域。随后,采用双极限齐次理论和李雅普诺夫方法证明设计的控制系统的稳定性。最后,在MTLAB/SIMULINK环境下通过仿真实验证明设计的控制协议的可靠性和优越性。
柴小丰[10]（2021）在《多智能体系统事件触发编队控制研究》文中研究表明多智能体系统由多个具备一定感知、计算、执行与通讯功能的智能体组成,和单个个体执行任务相比,多个体协作可以提高任务执行能力与效率,降低单个体成本,增加系统冗余和抗风险能力,因此多智能体系统协同控制问题受到越来越多研究人员的关注。编队控制是多智能体协同控制的重要研究分支之一,目标是使多个智能体根据任务需要,在运动过程中保持或变换队形,其在军事领域和民用领域具有广泛的应用前景,如战斗机编队、卫星编队、无人机表演等。实际系统中,由于通讯带宽和计算资源有限,并且要求系统在指定时间内形成编队,因此研究提高多智能体系统编队控制策略的收敛速度,以及节省有限的计算和通讯资源,具有重要的实际意义。本文主要研究了多智能体系统事件触发编队控制问题,针对一些典型的系统模型与控制目标,设计了不同的分布式控制策略,包括事件触发控制、自触发控制、有限时间控制、固定时间控制与动态事件触发控制等。论文主要研究内容包括以下几个方面:1.针对多智能体系统的时变编队问题,分别设计了基于观测器的事件触发控制策略与自触发控制策略,通过将状态观测误差引入事件触发函数,可以提高状态观测器收敛速度与系统编队精度。两种控制策略均可实现时变编队控制,并且避免Zeno行为,同时自触发策略可以避免智能体之间的连续通讯。2.对于受扰多智能体系统,研究了具有领航者的编队跟踪控制问题,分别设计固定时间事件触发与自触发控制策略。固定时间控制可有效提高系统收敛速度,并且收敛时间与系统初始状态无关;事件触发控制可以降低控制器更新次数,自触发控制可以避免智能体之间的连续通讯。3.针对基于采样数据的多智能体系统,研究了一阶多智能体系统基于采样数据的编队跟踪控制问题,分别设计了有限时间事件触发与自触发策略,后者可以避免连续通讯。4.对于基于采样数据的非线性高阶多智能体系统,研究了基于采样数据的编队控制问题,设计了分布式动态事件触发机制,通过动态调整触发函数参数,可以有效减少系统触发次数。5.目前多智能体协同控制研究多以理论研究与仿真验证为主,本文利用多无人车实验平台,对多智能体编队控制策略进行实验验证,分别设计了基于采样数据的多无人车有限时间事件触发编队跟踪实验与固定时间事件触发编队跟踪实验。通过实验对比,验证了有限时间控制、固定时间控制与事件触发控制与自触发控制的有效性。
二、非线性系统李雅普诺夫函数构造分析（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、非线性系统李雅普诺夫函数构造分析（论文提纲范文）
（1）时变问题的混合变参动态学习网络求解方法（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容及全文结构安排 |
| 第二章 相关理论知识 |
| 2.1 二次规划 |
| 2.2 Lyapunov稳定性 |
| 2.3 神经动力学方法 |
| 2.4 本章小结 |
| 第三章 时变二次规划问题的混合变参动态学习网络求解方法 |
| 3.1 引言 |
| 3.2 等式约束的时变二次规划问题 |
| 3.3 混合变参动态学习网络模型构造 |
| 3.3.1 混合变参动态学习网络模型 |
| 3.3.2 传统的固参递归神经网络模型 |
| 3.4 混合变参动态学习网络模型理论分析 |
| 3.4.1 混合变参动态学习网络的收敛性分析 |
| 3.4.2 混合变参动态学习网络的鲁棒性分析 |
| 3.4.3 与传统的固参递归神经网络性能比较分析 |
| 3.5 仿真实验及结果分析 |
| 3.5.1 仿真实验说明 |
| 3.5.2 与固参神经网络的收敛性仿真结果对比 |
| 3.5.3 与固参神经网络的鲁棒性仿真结果对比 |
| 3.6 本章小结 |
| 第四章 时变非线性不等式的混合变参动态学习网络求解方法 |
| 4.1 引言 |
| 4.2 时变非线性不等式问题 |
| 4.3 混合变参动态学习网络模型 |
| 4.4 混合变参动态学习网络理论分析 |
| 4.4.1 混合变参动态学习网络的收敛性分析 |
| 4.4.2 混合变参动态学习网络的鲁棒性分析 |
| 4.5 仿真实验与结果分析 |
| 4.5.1 仿真实验说明 |
| 4.5.2 与零化神经网络的收敛性仿真结果对比 |
| 4.5.3 与零化神经网络的鲁棒性仿真结果对比 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 个人简历 在读期间发表的学术论文 |
| 致谢 |
（6）随机系统有限时间环域有界控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 随机系统的基本内容 |
| 1.2 有限时间环域有界 |
| 1.3 论文的主要内容及安排 |
| 第2章 具有(x,u,v)相关噪声的时滞线性随机系统的有限时间环域有界控制 |
| 2.1 引言 |
| 2.2 系统描述与预备知识 |
| 2.3 有限时间环域有界 |
| 2.4 有限时间环域有界控制器设计 |
| 2.4.1 状态反馈有限时间环域有界的控制器设计 |
| 2.4.2 动态输出反馈有限时间环域有界的控制器设计 |
| 2.5 算法 |
| 2.6 数值算例 |
| 2.6.1 状态反馈有限时间环形域有界的控制器设计 |
| 2.6.2 动态输出反馈有限时间环形域有界的控制器设计 |
| 2.7 小结 |
| 第3章 带有维纳和泊松噪声干扰的伊藤型随机系统的有限时间环域有界控制 |
| 3.1 引言 |
| 3.2 系统描述与预备知识 |
| 3.3 有限时间环域有界 |
| 3.4 有限时间环域有界控制器设计 |
| 3.4.1 状态反馈有限时间环域有界的控制器设计 |
| 3.4.2 动态输出反馈有限时间环域有界的控制器设计 |
| 3.5 算法 |
| 3.6 数值算例 |
| 3.6.1 状态反馈有限时间环形域有界的控制器设计 |
| 3.6.2 动态输出反馈有限时间环形域有界的控制器设计 |
| 3.7 小结 |
| 第4章 基于神经网络的不确定非线性随机系统的有限时间环域有界控制 |
| 4.1 引言 |
| 4.2 系统描述与预备知识 |
| 4.3 有限时间环域有界 |
| 4.4 状态反馈有限时间环域有界的控制器设计 |
| 4.5 非线性随机系统有限时间环域有界 |
| 4.6 算法 |
| 4.7 数值算例 |
| 4.8 小结 |
| 第5章 非线性随机泊松系统的有限时间环域有界控制 |
| 5.1 引言 |
| 5.2 系统描述与预备知识 |
| 5.3 有限时间环域有界 |
| 5.4 状态反馈有限时间环域有界控制器设计 |
| 5.5 算法 |
| 5.6 数值算例 |
| 5.7 小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 致谢 |
| 在学期间主要科研成果 |
| 一、发表学术论文 |
（7）切换仿射系统的多模型自适应控制及其在航空发动机上的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 航空发动机控制建模研究现状 |
| 1.2.2 仿射系统与切换仿射系统研究现状 |
| 1.2.3 自适应控制及其分支研究现状 |
| 1.3 本文主要内容与章节安排 |
| 2 面向航空发动机控制的切换仿射模型的建立 |
| 2.1 引言 |
| 2.2 航空发动机结构 |
| 2.3 发动机部件级模型的建立 |
| 2.3.1 进气道特性 |
| 2.3.2 风扇特性 |
| 2.3.3 高压压气机特性 |
| 2.3.4 燃烧室特性 |
| 2.3.5 高压涡轮特性 |
| 2.3.6 低压涡轮特性 |
| 2.3.7 尾喷管特性 |
| 2.4 共同工作方程 |
| 2.4.1 共同工作方程 |
| 2.4.2 平衡点计算 |
| 2.5 切换仿射系统建立 |
| 2.6 本章小结 |
| 3 仿射系统的多模型自适应控制及其在航空发动机上的应用 |
| 3.1 引言 |
| 3.2 问题描述和假设 |
| 3.2.1 问题描述 |
| 3.2.2 控制目标 |
| 3.2.3 假设和引理 |
| 3.3 仿射系统的多模型自适应控制设计与分析 |
| 3.3.1 自适应控制器及自适应律设计 |
| 3.3.2 辨识模型集设计 |
| 3.3.3 增广滤波器设计 |
| 3.3.4 辨识模型切换律设计与稳定性分析 |
| 3.3.5 多模型自适应控制算法 |
| 3.4 仿真实例 |
| 3.5 本章小结 |
| 4 切换仿射系统的多模型自适应控制及其在航空发动机上的应用 |
| 4.1 引言 |
| 4.2 问题描述与定义 |
| 4.2.1 问题描述 |
| 4.2.2 控制目标与定义 |
| 4.3 切换仿射系统的多模型自适应控制设计与分析 |
| 4.3.1 参考模型的稳定性分析 |
| 4.3.2 双层切换结构 |
| 4.3.3 自适应控制器及自适应律设计 |
| 4.3.4 双层切换律设计与稳定性分析 |
| 4.4 仿真实例 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 附录 A 符号说明 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（8）柔性系统的建模与神经网络控制研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 柔性机械臂建模与控制技术 |
| 1.2.2 柔性建筑系统振动控制技术 |
| 1.2.3 仿生扑翼飞行器建模与控制技术 |
| 1.3 主要贡献与结构安排 |
| 2 预备知识 |
| 2.1 哈密顿(Hamilton)原理 |
| 2.2 离散化建模方法 |
| 2.2.1 假设模态法 |
| 2.2.2 有限刚体元法 |
| 2.3 拉格朗日(Lagrange)方程方法 |
| 2.4 神经网络(Neural Network)方法 |
| 2.5 李雅普诺夫(Lyapunov)直接法 |
| 2.6 本章小结 |
| 3 柔性机械臂系统的建模与神经网络控制 |
| 3.1 单连杆柔性机械臂的模糊神经网络控制 |
| 3.1.1 基于假设模态法的动力学建模 |
| 3.1.2 基于模糊逻辑的神经网络控制 |
| 3.1.3 仿真结果及分析 |
| 3.1.4 实验结果及分析 |
| 3.2 双连杆柔性机械臂的输出反馈神经网络控制 |
| 3.2.1 基于假设模态法的动力学建模 |
| 3.2.2 基于高增益观测器的神经网络控制 |
| 3.2.3 仿真结果及分析 |
| 3.2.4 实验结果及分析 |
| 3.3 本章小结 |
| 4 柔性建筑结构系统的建模与强化学习控制 |
| 4.1 带有偏心负载柔性建筑的输出约束神经网络控制 |
| 4.1.1 基于假设模态法的动力学建模 |
| 4.1.2 基于障碍李雅普诺夫函数的神经网络控制 |
| 4.1.3 仿真结果及分析 |
| 4.1.4 实验结果及分析 |
| 4.2 带有主动质量阻尼器柔性建筑的强化学习控制 |
| 4.2.1 基于假设模态法的动力学建模 |
| 4.2.2 基于Actor-Critic算法的强化学习控制 |
| 4.2.3 仿真及实验验证 |
| 4.3 本章小结 |
| 5 仿生柔性扑翼飞行机器人的建模与智能控制 |
| 5.1 带有分布时变扰动的柔性梁系统的神经网络控制 |
| 5.1.1 基于假设模态法的动力学建模 |
| 5.1.2 基于扰动观测器的神经网络控制 |
| 5.1.3 仿真验证 |
| 5.2 带有执行器故障的柔性扑翼系统的学习控制 |
| 5.2.1 基于有限刚体元法的动力学建模 |
| 5.2.2 基于非奇异快速终端滑模方法的智能控制 |
| 5.2.3 联合仿真验证 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（9）基于干扰主动补偿的分布式多四旋翼编队包含控制技术（论文提纲范文）
| 摘要 |
| abstract |
| 1.绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 研究现状 |
| 1.2.1 多无人机协同系统实验国内外研究现状 |
| 1.2.2 多运动体协同编队包含控制技术研究现状 |
| 1.2.3 抗干扰技术研究现状 |
| 1.2.4 保性能技术研究现状 |
| 1.3 文章组织结构 |
| 2.预备知识和问题描述 |
| 2.1 图论知识 |
| 2.2 四旋翼系统模型 |
| 2.2.1 坐标系建立及转换 |
| 2.2.2 四旋翼位置环和姿态环的数学模型 |
| 2.3 固定时间稳定性理论 |
| 2.4 本章小结 |
| 3.基于预测MLP神经网络多四旋翼保性能包含控制 |
| 3.1 总体方案设计 |
| 3.2 预测MLP神经网络估计器 |
| 3.3 控制器设计综合 |
| 3.3.1 控制器设计过程 |
| 3.3.2 稳定性分析 |
| 3.4 预设性能机制 |
| 3.5 仿真验证 |
| 3.6 本章小结 |
| 4.基于ESO的多四旋翼指定时间协同编队控制 |
| 4.1 总体方案设计 |
| 4.2 扩张状态观测器设计 |
| 4.3 控制器综合 |
| 4.3.1 控制器设计过程 |
| 4.3.2 稳定性证明 |
| 4.4 指定时间保性能 |
| 4.5 仿真验证 |
| 4.6 本章小结 |
| 5.分布式多四旋翼协同编队包含控制 |
| 5.1 总体方案设计 |
| 5.2 分布式固定时间滑模观测器 |
| 5.2.1 领导者层分布式固定时间滑模观测器 |
| 5.2.2 跟随者层分布式固定时间滑模观测器 |
| 5.3 固定时间扩张状态观测器 |
| 5.4 控制器综合 |
| 5.4.1 领导者层固定时间编队控制器设计过程 |
| 5.4.2 稳定性证明 |
| 5.5 仿真实验及分析 |
| 5.6 本章小结 |
| 6.总结与展望 |
| 6.1 论文研究工作总结 |
| 6.2 今后研究工作展望 |
| 参考文献 |
| 攻读硕士期间发表的论文及所取得的研究成果 |
| 致谢 |
（10）多智能体系统事件触发编队控制研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 符号清单 |
| 1 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 多智能体系统编队控制研究进展 |
| 1.3.2 多智能体系统事件触发控制研究进展 |
| 1.4 存在的关键问题 |
| 1.5 论文的主要内容及结构安排 |
| 2 理论基础 |
| 2.1 图论及相关引理 |
| 2.2 编队相关定义 |
| 2.3 系统稳定性理论 |
| 2.4 其它相关引理 |
| 3 基于状态观测器的多智能体系统事件触发时变编队控制 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 分布式事件触发编队控制策略 |
| 3.4 分布式自触发编队控制策略 |
| 3.5 仿真验证 |
| 3.6 本章小结 |
| 4 受扰多智能体系统固定时间事件触发编队控制 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 固定时间事件触发实际编队跟踪控制算法设计 |
| 4.4 固定时间自触发实际编队跟踪控制算法设计 |
| 4.5 仿真验证 |
| 4.6 本章小结 |
| 5 基于采样数据的多智能体系统有限时间事件触发编队控制 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 基于采样数据的有限时间事件触发编队跟踪策略 |
| 5.4 基于采样数据的有限时间自触发编队跟踪策略 |
| 5.5 仿真验证 |
| 5.6 本章小结 |
| 6 基于采样数据的多智能体系统动态事件触发编队控制 |
| 6.1 引言 |
| 6.2 问题描述 |
| 6.3 基于采样数据的动态事件触发编队控制策略 |
| 6.4 仿真验证 |
| 6.5 本章小结 |
| 7 基于采样数据的多无人车编队跟踪实验 |
| 7.1 引言 |
| 7.2 多无人车实验验证平台 |
| 7.3 无人车运动学模型 |
| 7.4 基于采样数据的多无人车有限时间事件触发编队跟踪实验 |
| 7.5 基于采样数据的多无人车固定时间事件触发编队跟踪实验 |
| 7.6 本章小结 |
| 8 结论 |
| 8.1 本文总结 |
| 8.2 未来展望 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
四、非线性系统李雅普诺夫函数构造分析（论文参考文献）
- [1]时变问题的混合变参动态学习网络求解方法[D]. 黄学文. 华东交通大学, 2021(01)
- [2]下三角结构状态受限非线性系统的追踪控制研究[D]. 王琪. 燕山大学, 2021
- [3]P型下三角随机非线性系统输出约束状态反馈控制器设计[D]. 文尚. 燕山大学, 2021
- [4]风载下塔式起重机多输入多输出系统定位防摆控制研究[D]. 屈继文. 哈尔滨工业大学, 2021
- [5]含执行器死区的切换非线性系统控制方法研究[D]. 陈彦先. 广东工业大学, 2021
- [6]随机系统有限时间环域有界控制[D]. 陈耀. 齐鲁工业大学, 2021(10)
- [7]切换仿射系统的多模型自适应控制及其在航空发动机上的应用[D]. 杨林翰. 大连理工大学, 2021(01)
- [8]柔性系统的建模与神经网络控制研究[D]. 高赫佳. 北京科技大学, 2021
- [9]基于干扰主动补偿的分布式多四旋翼编队包含控制技术[D]. 田彪. 中北大学, 2021(09)
- [10]多智能体系统事件触发编队控制研究[D]. 柴小丰. 北京科技大学, 2021