一、非线性不确定多输入系统的全局鲁棒镇定（论文文献综述）
宁怡娟[1]（2021）在《基于切换系统理论的三相逆变器控制方法研究》文中研究表明三相逆变器作为能量装换装置有着极为广泛的应用,它是一个高阶、多输入多输出多变量祸合的强非线性复杂系统。传统的基于线性系统理论的建模和控制方法,忽略了离散的开关状态,建立的模型无法精确描述系统的动态过程,控制器只在工作点附近有效,面对大信号扰动和系统参数突变会出现控制性能降低甚至失控的情况。随着非线性系统理论的发展,切换系统（Switching System）理论的出现为电力电子变换器建模和控制提供了新的思路。基于切换系统理论对逆变器的描述能够反映系统的本质特性,根据切换系统理论设计切换控制器,能使系统适应工作范围大幅变化的要求,同时控制过程计算简化,对参数鲁棒性强,对提高逆变器控制性能有重要意义。本文针对两种不同拓扑结构的三相逆变器,基于切换系统理论,从建立系统切换模型和设计切换控制器两个方面展开研究。本文主要工作内容如下:（1）首先将逆变器典型控制方法分为基于PWM的控制策略和模型预测控制策略分别讨论、分析,并设计了L型三相并网逆变器的双闭环控制器和模型预测控制器,进行了仿真分析。（2）针对L型三相并网逆变器,设计了一种基于共同Lyapunov函数稳定性分析的切换策略。建立了系统的切换误差模型,该模型能够精确描述系统,反映了系统既包含离散开关变量又包含连续动态过程的非线性本质,同时考虑了直流电压的寄生电阻和网侧电感及线路的附加电阻。基于建立的切换误差模型,结合共同Lyapunov函数稳定性理论,通过寻找使系统Lyapunov函数的导数最小的子系统,得到切换控制器。该切换控制器不需要进行复杂的坐标变换,也不需要经过PWM调制,无控制参数,输出直接作用于逆变器的功率器件控制其通断完成逆变过程。仿真结果验证了所设计CLF切换控制器的可行性和有效性,与传统的双闭环控制器和模型预测控制器相比,对系统参数的鲁棒性更强,动态性能更优。（3）针对LC型带三相平衡负载逆变器,提出一种H∞鲁棒切换控制器。建立了系统的切换误差模型:采用共同Lyapunov函数证明了系统具有H∞鲁棒的可切换镇定的条件,给出系统满足切换镇定条件的切换控制器。仿真结果验证了所设计H∞的切换控制器的可行性和有效性,当系统参数的剧烈变化时,仍能稳定跟踪期望,呈现较好的控制效果,表现出较强的鲁棒性。
郭理娜[2]（2021）在《周期性DoS攻击下信息物理系统的鲁棒安全控制研究》文中研究表明近年来,随着工业和信息化的深度融合,数字化经济的发展,信息物理系统（Cyber-Physical Systems,CPSs）作为新一代的智能系统受到了广泛的关注和研究。CPSs在实现远距离实时传感和动态控制的同时,也带来了安全性的问题。随着计算机控制网络的开放性日益增强,拒绝服务（Denial-of-Service,DoS）攻击通过阻断数据传输造成的网络带宽资源被占用等问题不容忽视。另外,CPSs处于各种复杂的环境中,实际运行过程中经常会存在不确定性,伴有外部干扰的情况,为解决这些存在的系统问题,本文采用滑模控制方法以及事件触发机制,研究了周期性DoS攻击下CPSs的鲁棒安全控制问题。主要工作如下:（1）针对周期性DoS攻击,通过状态反馈控制的方法解决了CPSs的安全控制问题。首先,假设系统可以检测到DoS攻击的周期,并且将其建模为分段函数的形式,由此设计了一种基于时间触发的状态反馈控制器。其次,给出了能够使系统稳定的基于控制器参数、时间触发周期和DoS攻击周期的充分条件。最后,本章控制算法的有效性经仿真算例进行验证。（2）在工作（1）的研究基础上,考虑系统的控制通道中受到有界的外部干扰,采用滑模控制的方法实现周期性DoS攻击下CPSs的鲁棒镇定。首先,同样假设DoS攻击的周期性已知,并且将其建模为分段函数的形式。其次,将滑模控制律相对应的设计为分段形式,并给出基于控制器参数、攻击周期与外部干扰上限的充分条件,在该充分条件下,滑模函数具有可达性,从而实现闭环系统的稳定性。最后,本章控制算法的有效性经仿真实例进行验证。（3）基于工作（2）的控制算法,在滑模控制的基础上引入事件触发机制,在实现系统鲁棒镇定的同时,有效的节约通信和计算资源。首先,基于工作（2）所设计的线性滑模面,设计基于线性滑模面参数与状态测量误差的事件触发机制。其次,设计基于事件触发机制的滑模控制器,在满足基于事件触发阈值的充分条件下,滑模面具有可达性。同时,通过理论计算事件触发帧间时间的下限,证明了系统不会发生Zeno现象。最后,本章控制算法的有效性与优越性经仿真实例进行验证。
贾晨[3]（2021）在《预见控制理论在容错控制中的应用》文中提出预见控制是一种可以显着提高系统运行效率的控制理论和方法,在实际问题中有着广泛的应用.现代工业系统对安全性和可靠性的需求日益增长使得容错控制成为控制系统研究的热点之一.本文将预见控制理论应用到容错控制中,研究了几类线性系统的容错预见控制问题.具体内容包含以下几个方面:（1）针对一类发生执行器故障的连续时间线性系统,研究了带有预见作用的容错控制器设计问题.根据容错控制中的模型跟踪控制方法引入了一个具有理想特性的参考模型,然后利用一般方法构造增广系统,将输出跟踪问题转化为调节问题.基于最优控制理论得到了增广系统的控制器,进而通过积分获得原系统的容错预见控制器.将所得结果应用到蒸汽发生器水位调节系统中发现预见作用的存在能够有效消除故障信号对水位的影响.（2）研究了一类具有多输入时滞的离散时间系统发生传感器故障时的容错预见控制问题.通过构造增广系统和采用积分变换方法,将原问题转化为无时滞系统的最优调节问题.对比以往使用的离散提升技术,此方法避免了增广系统的维数随着时滞项的增多而增加,减少了计算量,然后针对无时滞增广系统引入性能指标函数,应用最优控制理论获得相应控制器,根据差分算子的定义得到原系统的容错预见控制器.所得结果适用于无时滞情形.（3）研究了一类发生传感器故障的连续时间广义系统的脉冲消除和容错预见控制器设计问题.根据系统的脉冲能控性,引入了状态预反馈对原系统进行脉冲消除.对所得无脉冲广义系统作受限等价变换得到一个正常系统和一个代数方程,然后构造包含正常系统、参考模型和误差方程的增广系统.利用状态预反馈及受限等价变换过程中的变量关系对关于原系统所提出的性能指标函数进行改写,并对所构造的增广系统进行状态反馈得到新增广系统及其对应的性能指标函数.求解新增广系统的最优控制器,并将其回归到原系统得到了容错预见控制器.（4）研究了一类同时发生执行器和传感器故障的多输入时滞因果广义系统的容错预见控制问题.利用因果广义系统的特点,通过受限等价变换和差分构造了具有多输入时滞的增广系统,提出了一个新的积分变换将其转变为无时滞系统.讨论了无时滞增广系统与原系统之间的可镇定性、可检测性关系.采用最优控制理论求解无时滞系统的控制器,进而得到原系统的容错预见控制器.所得结果对于无时滞情形也是适用的.（5）研究了一类发生执行器故障的连续时间线性系统的滑模容错预见控制器设计问题.通过构造增广系统将原问题转变为调节问题,然后针对增广状态向量引入性能指标函数,提出了预见滑模面的设计方法.根据连续指数趋近律方法解得增广系统的滑模控制器,进一步获得原系统的滑模容错预见控制器.仿真部分将所得控制器设计方法与容错预见控制进行对比,结果显示该方法对故障的抑制效果更佳,超调更小.（6）研究了一类发生执行器故障的离散时间线性系统的滑模容错预见控制问题.使用差分方法构造了状态向量不包含可预见信号的增广系统,针对其引入性能指标函数,应用离散时间最优预见控制已有结论解得增益矩阵.然后将可预见信号增广至状态向量中得到新增广系统,利用所得增益矩阵获得了关于新增广系统的预见滑模面.采用离散指数趋近律方法得到了新增广系统的滑模控制器,进而获得所需滑模容错预见控制器.本部分还提出了一个扩张状态观测器,对原系统的状态向量进行估计.文中所有结论都给出了严格的数学证明,数值仿真结果验证了所提出的容错预见控制器的有效性.
朱贵[4]（2021）在《基于触发机制的多项式系统混杂控制研究》文中认为多项式系统是一类重要的非线性系统,在过程控制和生物系统领域有极其重要的作用。多项式系统模型可以描述一大类非线性系统（如混沌系统等）,因而通过研究多项式系统的稳定性和控制器设计具有重要理论意义和实际价值。目前对多项式系统的控制研究大多局限于连续控制方法对系统的影响。本文侧重于多项式系统的混杂控制策略研究,基于Lyapunov稳定性理论、最优控制理论、平方和算法等工具,提出周期事件触发控制、状态事件触发控制、事件触发最优控制以及时间触发脉冲控制等控制方法,对一类多项式系统的镇定控制进行了深入而系统的研究,获得了一些有意义的成果。本文的主要工作包含以下三个方面:（1）探讨了一类多项式系统的周期事件触发控制和状态事件触发控制。周期事件触发控制可以有效避免芝诺（Zeno）现象,同时,为了解决实际可能无法直接测量系统全状态信息的问题,设计了一类多项式系统的周期事件触发输出反馈控制器。进一步地,针对一类更一般化多项式系统,提出了一类多项式系统的事件触发控制策略。（2）研究了一类输入仿射多项式系统在事件触发控制下的最优控制问题。首先,基于状态依赖模型和哈密顿-雅克比不等式,将原系统最优控制问题转化为求解一个状态依赖多项式矩阵不等式的问题。其次,基于Lyapunov函数和事件触发控制策略,运用平方和算法,得到了该问题的一组可行解并给出控制增益表达式。最后,通过对两类典型的混沌系统和一个数值例子进行仿真实验验证了所得结果的有效性和优越性。（3）基于时间触发脉冲控制策略,研究了一类多项式系统的镇定控制问题。本文提出了一种新型混杂控制方法,即结合时间触发脉冲控制和反馈控制的一种控制策略,相较于单一的时间触发脉冲控制或反馈控制,该控制方式可以有效地结合两种控制方式的优点,有效减少系统控制时间,控制效果得到极大改善,控制器的设计更灵活。最后,通过仿真实例验证了所提方法的有效性。
周炳[5]（2021）在《参数不确定机械臂系统的自适应控制方法研究》文中指出机械臂在更为普遍的场景,复杂的环境,以及长时间的高负荷工作等条件下运行,将不可避免受到复杂且未知的不确定性影响,并明显降低机械臂末端执行器的操作性能。另外,日渐苛刻的工业应用场合除要求机械臂系统具备高稳定性和高精度性能指标外,控制误差的有限时间收敛、控制器的低计算成本以及机械臂操作模式的简便性都是不可或缺且亟待达成的重要指标。尽管参数不确定性机械臂自适应控制一直是国内外学者研究的热点,但上述问题仍然是机械臂领域中长期存在且尚未完全解决的控制难题。本文针对上述机械臂系统存在的不确定性以及被忽略的控制性能指标问题,主要完成以下研究内容:（1）针对机械臂系统,在考虑动力学和运动学不确定的基础上,增加考虑了执行器参数摄动问题。通过设计单独的执行器参数补偿自适应律,有效地消除了过大的执行器参数补偿误差和未知扰动;然后采用逆Jacobian矩阵技术设计了一套具有运动学和动力学分离特性的自适应控制算法,并结合Lyapunov稳定性理论给出了系统的稳定性证明,解决了同时存在多类不确参数情况下机械臂系统的自适应跟踪控制问题,并实现了只需设计关节参考速度指令的机械臂简便操作模式。（2）考虑具有多类参数不确定性的机械臂系统,通过引入滑模观测器（Sliding Mode Observer）和神经逼近器（Neural Approximator）方法,分别用于解决运动学不确定性和包括未知力矩以及外界干扰的动力学不确定性。然后结合低代价神经网络自适应机制,将n*N个（n为机械臂自由度,N为神经网络节点数）自适应律减少为一个自适应律,设计出了基于低代价神经逼近器的多类不确定机械臂系统自适应控制算法,并通过Lyapunov稳定性分析方法给出了严格的系统稳定性分析和证明,解决了所考虑机械臂系统的低计算成本自适应跟踪控制问题,并进一步提高了控制器的控制精度与鲁棒性。（3）研究了具有不确定运动学、不确定动力学和未知干扰的机械臂系统的有限时间收敛问题,提出了一种在可调的有限时间内跟踪目标轨迹的低代价神经自适应跟踪控制方法。首先,利用滑模观测器处理运动学的不确定性,确保其在有限时间内准确估计末端执行器在任务空间（Task Space）中的位置;然后,采用神经逼近器估计不确定运动学和未知外部干扰,并通过设计的新滑模流型切换函数来解决奇异性问题,提出了一种基于低代价神经逼近器的有限时间自适应控制技术。最后,结合稳定性理论和有限时间稳定性分析方法,证明了所有闭环信号的有界性,并且跟踪误差能在有限时间内收敛到原点的任意小邻域。（4）提出了一套基于低代价神经网络的自适应控制算法用于处理具有不确定动力学的机械臂系统,并通过严格的稳定性分析以及数字仿真实验,验证了控制算法的有效性。更进一步,将此低代价神经网络自适应算法应用到七自由度Sawyer机械臂平台上,验证了该算法的实际应用价值,解决了高自由度机械臂系统控制器计算压力大以及神经网络控制算法难以应用于实际控制任务的难题。
苏博[6]（2021）在《自主水下机器人轨迹跟踪及编队一致性固定时间控制研究》文中研究表明自主水下机器人（Autonomous Underwater Vehicle,AUV）作为一种辅助海洋探索的智能工具,在资源勘探、军事侦察、海洋环境监测等民用和军事领域得到广泛应用,已引起各国科研人员高度重视。随着领海资源竞争日益加剧,对水下机器人相关应用的理论和技术研究不断深入,对其进行高性能控制研究具有重要实际意义。本课题以自主水下机器人为研究对象,基于固定时间理论、事件触发机制、反步法、滤波器技术、积分滑模算法等理论,针对AUV自身欠驱动、强非线性、系统不确定性、系统初始状态健全性、扰动超强随机性、输入饱和非线性、执行器死区特性等问题,分别对单体AUV轨迹跟踪控制和多AUV的协同编队控制问题进行了研究。主要工作如下:（1）针对含有外界扰动的欠驱动AUV水平面镇定控制问题,鉴于系统内存在的强耦合性和欠驱动特性,采用输入变换和状态变换方法,将AUV动态模型解耦成级联系统形式,针对解耦后的子系统,提出了基于固定时间扩张状态观测器的固定时间控制策略,使得子系统是固定时间收敛的,并给出了子系统的稳定性分析。根据级联系统稳定性和变换模型等效原理,使得水下机器人能够实现固定时间镇定控制,且收敛时间与系统初始状态无关。进一步,针对含有外界海流干扰和输入死区的欠驱动AUV垂直面的深度跟踪控制问题,将系统死区非线性部分和外界海流扰动等效为复合扰动,设计线性滑模固定时间超螺旋滑模干扰观测器进行实时估计,为了提高观测器收敛速率,设计了固定时间滑模超螺旋干扰观测器对复合扰动估计,提出了基于固定时间滑模超螺旋干扰观测器的自适应固定时间滑模控制方法,实现AUV深度跟踪固定时间控制目标,系统收敛时间与初始值无关。（2）针对全驱动五自由度AUV三维轨迹跟踪控制问题,考虑系统存在的饱和输入及外界海流干扰,提出了一种基于事件触发机制的自适应固定时间积分滑模控制方法。将系统的饱和输入非线性项和外界海流扰动作为系统的复合扰动,对复合扰动上界设计固定时间自适应律;引入静态阈值事件触发策略,解决系统传输网络资源受限问题。该策略使得水下机器人在固定时间内跟踪上期望轨迹,系统的收敛时间仅仅取决于控制器的设计参数,而与系统的初始状态无关。基于Lyapunov稳定性理论,给出了稳定性证明和排除Zeno行为。（3）考虑多AUV系统通信网络受限于有限带宽和通信资源,针对存在外界扰动、模型参数摄动的多AUV系统,设计固定时间收敛的自适应积分滑模干扰观测器（Adaptive Integral Sliding Mode Disturbance Observer,AFSIMDO）。基于AFSIMDO和反步法,提出了固定时间相对阈值事件触发抗干扰编队控制策略。该策略使得系统在实现固定时间编队的同时,降低编队控制器的触发次数从而节约通信资源,且系统收敛时间与系统初始值无关。进一步,针对存在外界扰动、模型参数摄动、输入受限的多AUV系统,提出了基于AFSIMDO的固定时间动态阈值事件触发抗饱和编队控制策略。该策略使得系统在实现固定时间编队的同时,增大控制器触发间隔,且能在系统控制性能和减少控制器触发次数之间做出平衡选择,系统收敛时间不依赖于系统初始状态。基于Lyapunov稳定性理论,给出了稳定性证明和排除Zeno行为。（4）考虑多AUV系统存在的通信资源受限,针对含有外界扰动、模型参数摄动、执行器饱和输入的多AUV系统,构造固定时间收敛的神经网络干扰观测器（Fixed-time Radial Basis Function Neural Network Disturbance Observer,FRBFDO）。基于FRBFDO和静态事件触发控制策略融合的方法,结合虚拟领航跟随算法和反步法,为跟随多AUV设计固定时间静态事件触发抗饱和编队控制律,保证闭环系统是实际固定时间收敛。基于Lyapunov稳定性理论,给出了稳定性证明和排除Zeno行为。
赵军[7]（2021）在《基于自适应动态规划的机器人系统鲁棒控制研究》文中研究表明机器人是智能制造系统的重要组成单元之一,也是支撑我国制造产业转型升级的重要装备。由于机器人在运行过程中总是受到外界的干扰,在系统建模过程中也往往存在不确定性,因此对机器人系统开展鲁棒控制研究以确保存在建模误差和外界干扰情况下的高性能控制就显得尤为重要。目前,针对机器人的非线性系统鲁棒控制存在求解困难的理论难题。针对上述需求,本论文将以串联型工业机器人为例,探索其鲁棒控制器设计以及在线求解方法,从而降低控制系统设计对机器人精准建模的要求,提升机器人系统的综合性能,并针对典型的机器人系统开展仿真验证和实验研究。论文旨在为机器人控制系统设计提供新的思路,并解决鲁棒控制在线求解的科学难题。本课题的主要研究内容如下:（1）基于自适应动态规划的机器人鲁棒控制。首先以经典的PUMA560系列机器人为例,介绍串联机器人动力学模型构建方法,并介绍了实验室自主设计的一款SCARA机器人平台,分析了机器人系统模型中存在的不确定性以及模型转化方法。在此基础上,给出机器人鲁棒控制问题描述,研究将不确定机器人系统鲁棒控制问题等价为标称系统最优控制问题的途径,给出通过求解最优控制问题间接得到鲁棒控制问题解的新思路。最后,为实现最优控制问题的在线求解,引入自适应动态规划（Adaptive dynamic programming,ADP）方法使用神经网络在线逼近最优方程的解,并设计了一个新的基于参数估计误差驱动的自适应律在线更新神经网络权值,保证了最优控制解及神经网络权值的收敛性。该方法摒弃了传统ADP结构中执行神经网络（Actor NN）的使用,降低了计算量。（2）基于自适应动态规划的机器人鲁棒跟踪控制。由于机器人的轨迹跟踪精度是确保机器人工作性能的重要指标,故研究了基于最优控制的机器人鲁棒跟踪控制器设计和在线求解。首先,将不确定机器人系统的鲁棒跟踪控制问题等价为标称系统的最优跟踪控制问题。为实现跟踪控制,传统最优跟踪控制一般将原控制分为稳态控制与瞬态控制两部分分开设计。不同于该思路,本文融合跟踪误差动态与参考轨迹动态构造增广系统,实现可一步求解的最优跟踪控制问题,并引入折扣因子保证性能指标函数的有界性。为实现最优控制在线求解,基于ADP思想引入神经网络在线逼近最优性能指标函数,并设计了相应的自适应律完成神经网络权值和最优控制在线更新,进而得到鲁棒控制解。（3）基于输入/输出数据驱动的机器人输出反馈鲁棒控制。现有的鲁棒和最优控制算法大多需要完整的系统状态,但在机器人运行中部分状态（如:加速度）是不可测的,这限制一些先进控制算法的实际应用。为实现机器人输出反馈（仅需关节运动位置信息）鲁棒控制,提出将不确定系统输出反馈鲁棒控制问题等价为标称系统的输出反馈最优控制问题,进而避免了传统观测器的设计。使用输入/输出数据即可重构输出反馈的最优黎卡提方程（Modified algebraic Riccati equation,MARE）,并使用克罗内克积和向量化操作将MARE写为线性参数化形式。为实现MARE的在线求解,设计一个基于输入/输出数据驱动自适应律来实现对MARE中未知参数的估计。考虑到求解过程中系统维数过高的问题,引入降维操作保证了在线学习的可行性。（4）基于输入/输出数据驱动的机器人输出反馈鲁棒跟踪控制。进一步研究输出反馈鲁棒跟踪控制问题,融合参考轨迹信号与系统状态构造增广系统,其输出为参考轨迹与实际输出轨迹的误差。进而将不确定增广系统输出反馈鲁棒跟踪控制问题等价为标称增广系统输出反馈最优跟踪控制问题,引入折扣因子构造有界最优性能指标函数,得到新的输出跟踪黎卡提方程（Modified tracking algebraic Riccati equation,MTARE）。为实现该MTARE的在线求解,引入基于参数估计误差设计自适应律,保证了未知估计参数的收敛性,最终实现输出反馈控制律的在线求解。在完成理论研究的同时,以经典的PUMA560工业机器人模型为对象开展对比仿真验证。同时,在实验室自主设计了一款SCARA机器人实验平台对上述理论研究成果进行了实验验证。仿真与实验结果均表明,所提出的控制算法在机器人控制过程中具有收敛速度快、能耗低,且能克服建模误差的优势。实验结果也验证了所提控制方法的优越性和潜在的工程实用性。所提出的鲁棒控制和在线学习算法可进一步应用于其它类型工业机器人甚至智能机器人控制器设计中。
张勇威[8]（2021）在《基于自适应评判设计的非线性系统事件触发控制方法研究》文中研究指明自适应评判设计（Adaptive critic design,ACD）融合了强化学习、动态规划以及神经网络的思想,能有效的求解复杂的非线性哈密顿-雅克比-贝尔曼方程,避免了传统动态规划方法在解决复杂系统优化控制时的“维数灾难”问题。与传统控制方法相比,ACD是一种自学习方法,它通过智能体与环境的交互,并采用评判网络给出奖惩,从而优化控制策略。在过去十年里,学者们提出了不同的基于ACD的控制方法来解决离散时间或连续时间系统的最优控制、轨迹追踪、鲁棒镇定等问题。这些方法通常采用迭代的方式获得最优性能指标函数,从而得到最优的控制器。近年来,事件触发控制也引起了学者们的广泛关注,相比于时间触发控制方法,其优势在于能够减轻计算和通信负担,因此具有很强的应用价值。本文在现有研究的基础上,主要研究了基于自适应评判设计的非线性系统事件触发控制方法。具体内容如下:（1）针对动态未知的离散时间非线性系统的最优控制问题,提出了基于策略梯度的ACD方法。与传统方法不同,该方法根据Q函数关于动作的梯度来更新控制律,因此不需要已知系统方程。建立Actor-critic结构来获得近似的事件触发最优控制律。为了减轻计算和通信负担,设计了能保证闭环系统稳定的事件触发条件,控制律只在触发时刻根据Q函数的梯度更新。（2）针对动态未知的离散时间非线性系统的零和博弈问题,提出了基于确定性策略梯度的ACD方法。该方法是一种基于数据的Off-policy方法,控制律和扰动律都根据Q函数的梯度来更新。接着,建立Actor-critic-disturbance结构来获得近似的事件触发最优控制律以及最差扰动律。为了减轻计算和通信负担,控制律和扰动律只在不满足触发条件的情况下更新。进一步地,为了提高数据的使用效率,设计了新的神经网络权重更新律,理论分析表明闭环系统是输入到状态稳定的。（3）针对动态未知的连续时间Multi-player系统的零和博弈问题,提出了基于ACD的事件触发控制方法。首先,利用系统输入输出数据,建立模型网络来重构原系统。接着,建立Critic-only结构来获得近似的事件触发最优控制律以及最差扰动律。设计了适合多控制器系统的事件触发条件且各控制器只在违反触发条件时才更新,因此减轻了计算和通信负担,最后利用Lyapunov稳定性定理分析了闭环系统及Critic网络权重误差的稳定性。（4）针对含有受限输入和系统不确定性的连续时间Multi-player系统的非零和博弈问题,提出了基于ACD的鲁棒事件触发控制方法。为了释放系统动力学方程,利用系统数据构造了基于神经网络的辨识器。通过设计反映有界函数、系统状态以及所有Player控制输入的非二次型值函数,将鲁棒镇定问题转换为最优控制问题。建立Critic-only结构来获得近似的事件触发最优控制律。为了计算和通信负担,利用Lyapunov方法设计了事件触发条件,即所设计的鲁棒控制器仅在触发时刻才更新。（5）针对未知模型的连续时间Multi-player系统的轨迹追踪问题,提出了基于ACD的事件触发控制方法。为了解决系统模型未知的问题,利用系统输入输出数据构建了基于神经网络的观测器。通过构建追踪误差系统,将轨迹追踪问题转换为最优控制问题。接着,采用Critic网络来获得耦合的事件触发HJ方程的近似解,从而获得每个Player的近似事件触发追踪控制律。同时,采用并行学习的方法设计了一种新的权值更新律来释放可持续激励条件。最后设计了能保证闭环系统最终一致有界的事件触发条件。最后,对全文的研究内容进行总结和展望。
成咪[9]（2021）在《时滞不确定系统滑模变结构控制方法研究》文中提出实际系统中普遍存在着的不确定性与时滞现象,会降低系统性能甚至引起系统不稳定。因此,研究时滞不确定系统稳定性与控制方法具有重要的理论意义和实际价值。滑模变结构控制对外界扰动及系统参数变化表现出较强的鲁棒性,已经在多类系统中得到了验证。本文以滑模控制理论为基础,结合Lyapunov稳定性定理、线性矩阵不等式和自适应理论分析三类不同的时滞系统,并设计具体控制方案。（1）针对时滞系统中存在的参数摄动和不确定干扰,探讨一种基于神经网络的自适应滑模控制方法。首先基于时滞分割思想,利用可得的时滞信息构建LyapunovKrasovskii泛函（L-K泛函）。然后结合Wirtinger积分不等式获得标称系统渐进稳定条件,渐近稳定条件通过线性矩阵不等式（Linear Matrix Inequality,LMI）表示。此外,针对系统中存在的外部扰动与不确定性采用神经网络逼近,将滑模控制与神经网络控制相结合保证闭环系统的稳定性。（2）针对具有外部干扰、输入非线性和不确定性的中立时滞系统,在其状态未知或状态难以测量和不可测时,对系统进行状态重构,通过设计状态观测器获得系统状态估计值,然后利用估计状态设计自适应滑模控制器,控制器增益与观测器增益由LMI解得。在设计的控制器作用下闭环系统渐近稳定,且自适应方法解决了系统扰动上界未知问题。（3）针对导数矩阵中存在不确定性的非线性广义时滞系统。首先,利用状态增广技术变换系统,保证变换前后系统的鲁棒无源性不变。然后,构造含有滑模增益矩阵的积分型滑模面,通过设计合适的L-K泛函,得到新的充分条件,保证滑模二次稳定和鲁棒无源性。同时设计滑模控制律,使系统运动轨迹在一定时间内到达预设的滑模面,最后通过仿真实验验证了控制器的有效性与优越性。
刘睿涵[10]（2021）在《基于饱和变时刻脉冲控制的Chen混沌系统的镇定》文中研究表明虽然随着国内外学者对混沌系统动力学的研究越来越深入,相关的理论体系不断完善,但有关混沌的判定、镇定、同步等一直是非线性系统领域的研究热点。利用脉冲控制实现混沌的镇定一直是镇定混沌的热门方法。相比固定时刻脉冲控制,状态约束脉冲控制的研究还有待发展。同时,由于客观物理因素的限制,饱和也是脉冲控制中不容忽视的影响因素。因此,基于饱和变时刻脉冲控制的混沌系统的镇定研究有着重要的研究意义和潜在应用价值。本文以Chen混沌系统为例,利用带有饱和机制的变时刻脉冲控制实现混沌系统的镇定,主要研究内容和成果如下:1、本文对Chen混沌系统进行变时刻脉冲控制,研究其镇定后系统的稳定性。首先,我们对系统进行数学建模,引入相应的控制算子,进行镇定,并得出镇定后系统的微分方程。接着,考虑到方程解的存在性以及如何避免打击现象的产生,本文给出了几组假设条件,保证文章论点合理性,简化问题分析过程。然后,通过B-等价方法,构造比较系统,证明其与原系统具有相同的稳定性。利用Lyapunov稳定性原理,构造Lyapunov函数,使用传统方法对比较系统（固定时刻脉冲系统）进行了稳定性分析。以此推断出原系统与其稳定性一致,论证本文论点。最后,文章加入了仿真结果和数值模拟,验证了推论结果的准确性和有效性。2、考虑实际情况中限制因素,在前一成果的基础上,我们对系统加入饱和的考量,建立新的数学模型,引入相同的控制算子,进行镇定,并得出相应的微分方程。同样,考虑方程解的存在性与打击现象,本文给出几组假设条件,简化问题的同时,也保证理论分析的可靠性。类比前一成果的分析过程和方法,我们对新系统的稳定性进行论证和说明。最后,结合两者的数值仿真图形,本文对基于饱和、非饱和的两种脉冲控制的Chen混沌系统进行了对比,得出基于饱和机制的脉冲控制的收敛更加缓慢但也更具现实意义的结论。
二、非线性不确定多输入系统的全局鲁棒镇定（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、非线性不确定多输入系统的全局鲁棒镇定（论文提纲范文）
（1）基于切换系统理论的三相逆变器控制方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 逆变器的应用 |
| 1.2 切换系统理论研究现状 |
| 1.3 基于切换系统理论电力电子变换器控制方法研究现状 |
| 1.3.1 应用于电力电子变换器的混杂系统模型 |
| 1.3.2 切换系统稳定性分析方法研究现状 |
| 1.3.3 基于切换系统理论的电力电子变换器控制方法研究现状 |
| 1.4 本文主要研究内容及章节安排 |
| 2 三相逆变器传统控制方法 |
| 2.1 基于PWM的三相逆变器控制 |
| 2.1.1 PWM技术 |
| 2.1.2 L型三相并网逆变器传统双闭环控制 |
| 2.1.3 L型三相并网逆变器双闭环控制框图 |
| 2.2 三相逆变器模型预测控制 |
| 2.2.1 模型预测控制基本原理 |
| 2.2.2 L型三相并网逆变器模型预测控制 |
| 2.2.3 L型三相并网逆变器模型预测控制框图 |
| 2.3 本章小结 |
| 3 基于共同Lyapunov函数理论的三相逆变器切换控制器设计 |
| 3.1 基础理论 |
| 3.1.1 线性切换系统的描述模型 |
| 3.1.2 线性切换系统Lyapunov稳定性分析 |
| 3.2 L型三相并网逆变器线性切换模型 |
| 3.3 基于CLF理论的L型三相并网逆变器切换控制器设计 |
| 3.3.1 控制律设计 |
| 3.3.2 L型三相并网逆变器CLF切换控制框图 |
| 3.4 仿真结果及分析 |
| 3.5 本章小结 |
| 4 三相逆变器鲁棒切换控制器设计 |
| 4.1 基础理论 |
| 4.2 LC型三相逆变器切换模型 |
| 4.3 LC型三相逆变器H_∞切换控制器设计 |
| 4.3.1 控制律设计 |
| 4.3.2 LC型三相逆变器H_∞切换控制框图 |
| 4.4 LC滤波器参数设计 |
| 4.5 仿真结果及分析 |
| 4.6 本章小结 |
| 5 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 课题未来展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间主要研究成果 |
（2）周期性DoS攻击下信息物理系统的鲁棒安全控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.3 本文研究特点和优势 |
| 1.4 本文主要框架 |
| 第二章 预备知识 |
| 2.1 系统模型描述 |
| 2.2 拒绝服务攻击模型描述 |
| 2.3 滑模控制理论 |
| 2.3.1 基本原理 |
| 2.3.2 设计方法 |
| 2.4 事件触发技术 |
| 2.5 相关引理和符号集 |
| 2.5.1 相关引理 |
| 2.5.2 符号集 |
| 2.6 本章小结 |
| 第三章 周期性DoS攻击下信息物理系统的状态反馈控制设计 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 状态反馈控制器设计 |
| 3.4 仿真算例 |
| 3.5 本章小结 |
| 第四章 周期性DoS攻击下信息物理系统的滑模控制设计 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 滑模函数设计 |
| 4.4 滑模控制器设计 |
| 4.5 仿真算例 |
| 4.6 本章小结 |
| 第五章 周期性DoS攻击下信息物理系统事件触发滑模控制设计 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 事件触发机制 |
| 5.4 事件触发滑模控制器设计 |
| 5.5 仿真算例 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 硕士在读期间所获得的成果 |
（3）预见控制理论在容错控制中的应用（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写和符号清单 |
| 1 引言 |
| 2 文献综述 |
| 2.1 预见控制的文献综述 |
| 2.1.1 预见控制的研究背景 |
| 2.1.2 预见控制的研究方法 |
| 2.1.3 预见控制的研究现状 |
| 2.2 容错控制的研究综述 |
| 2.2.1 容错控制的研究背景 |
| 2.2.2 故障分类 |
| 2.2.3 容错控制的研究方法 |
| 2.2.4 容错控制的研究现状 |
| 2.3 滑模控制的研究综述 |
| 2.3.1 滑模控制的研究背景 |
| 2.3.2 滑模控制的研究方法 |
| 2.3.3 滑模控制的研究现状 |
| 3 一类连续时间线性系统的容错预见控制 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 容错预见控制器的设计 |
| 3.4 控制器存在的条件 |
| 3.5 数值仿真 |
| 3.6 本章小结 |
| 4 一类离散时间线性系统的容错预见控制 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 增广系统的构造和时滞变换 |
| 4.4 控制器的存在条件 |
| 4.5 数值仿真 |
| 4.6 本章小结 |
| 5 一类连续时间广义系统的容错预见控制 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 脉冲消除和受限等价变换 |
| 5.4 增广系统的构造 |
| 5.5 控制器存在的条件 |
| 5.6 数值仿真 |
| 5.7 本章小结 |
| 6 一类离散时间广义系统的容错预见控制 |
| 6.1 引言 |
| 6.2 问题描述 |
| 6.3 受限等价变换 |
| 6.4 增广系统构造和时滞变换 |
| 6.5 控制器的存在条件 |
| 6.6 数值仿真 |
| 6.7 本章小结 |
| 7 一类连续时间线性系统的滑模容错预见控制 |
| 7.1 引言 |
| 7.2 问题描述 |
| 7.3 预见滑模面的设计 |
| 7.4 滑模容错预见控制器的设计 |
| 7.5 数值仿真 |
| 7.6 本章小结 |
| 8 一类离散时间线性系统的滑模容错预见控制 |
| 8.1 引言 |
| 8.2 问题描述 |
| 8.3 预见滑模面的设计 |
| 8.4 滑模容错控制器的设计 |
| 8.5 状态观测器的设计 |
| 8.6 数值仿真 |
| 8.7 本章小结 |
| 9 结论与展望 |
| 9.1 结论 |
| 9.2 展望 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（4）基于触发机制的多项式系统混杂控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题的背景及研究意义 |
| 1.2 多项式系统的研究现状 |
| 1.3 事件触发控制的研究现状 |
| 1.4 时间触发脉冲控制的研究现状 |
| 1.5 论文的主要研究工作 |
| 第二章 一类多项式系统的事件触发控制 |
| 2.1 引言 |
| 2.2 周期事件触发控制 |
| 2.2.1 Schur补 |
| 2.2.2 平方和算法 |
| 2.2.3 稳定性分析 |
| 2.2.4 控制器设计 |
| 2.3 状态事件触发控制 |
| 2.3.1 稳定性分析 |
| 2.3.2 最小间隔时间 |
| 2.4 数值仿真 |
| 2.5 本章小结 |
| 第三章 一类多项式系统的事件触发最优控制 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 事件触发最优控制 |
| 3.4 数值仿真 |
| 3.5 本章小节 |
| 第四章 一类多项式系统的时间触发脉冲控制 |
| 4.1 引言 |
| 4.2 脉冲控制系统 |
| 4.3 问题描述 |
| 4.4 稳定性分析 |
| 4.5 数值仿真 |
| 4.6 本章小节 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 作者在攻读硕士学位期间完成的成果 |
（5）参数不确定机械臂系统的自适应控制方法研究（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 国内外研究现状 |
| 1.2.1 机械臂控制技术发展现状及研究趋势 |
| 1.2.2 机械臂自适应控制发展现状及研究趋势 |
| 1.3 机械臂自适应控制方法目前存在的问题 |
| 1.4 本论文的研究工作和主要内容安排 |
| 第二章 预备知识 |
| 2.1 系统稳定性理论 |
| 2.1.1 稳定性 |
| 2.1.2 Lyapunov稳定性 |
| 2.1.3 有界性 |
| 2.1.4 有限时间稳定性理论 |
| 2.1.5 其他重要引理 |
| 2.2 自适应控制理论 |
| 2.3 神经网络控制原理 |
| 2.3.1 径向基函数神经网络 |
| 2.3.2 神经逼近器 |
| 2.4 本章小结 |
| 第三章 基于逆JACOBIAN矩阵的参数不确定机械臂系统自适应跟踪控制 |
| 3.1 引言 |
| 3.2 机械臂数学模型和问题描述 |
| 3.2.1 机械臂数学模型 |
| 3.2.2 问题描述 |
| 3.3 自适应跟踪控制器设计 |
| 3.3.1 模型已知机械臂控制器设计 |
| 3.3.2 模型未知机械臂控制器设计 |
| 3.4 稳定性分析 |
| 3.5 仿真实验与结果分析 |
| 3.6 本章小节 |
| 第四章 基于低代价神经逼近器的参数不确定机械臂有限时间自适应跟踪控制 |
| 4.1 引言 |
| 4.2 具有多类不确定性机械臂的模型建立 |
| 4.3 基于低代价神经逼近器的多类不确定机械臂自适应控制 |
| 4.3.1 问题描述 |
| 4.3.2 控制器设计 |
| 4.3.3 稳定性分析 |
| 4.3.4 仿真实验与结果分析 |
| 4.4 基于低代价神经逼近器的多类不确定机械臂有限时间自适应控制 |
| 4.4.1 问题描述 |
| 4.4.2 控制器设计 |
| 4.4.3 稳定性分析 |
| 4.4.4 仿真实验与结果分析 |
| 4.5 本章小节 |
| 第五章 基于低代价神经逼近器的SAWYER机械臂自适应控制 |
| 5.1 引言 |
| 5.2 基于低代价神经逼近器的机械臂自适应跟踪控制器设计 |
| 5.2.1 控制器设计 |
| 5.2.2 稳定性分析 |
| 5.3 仿真实验和实物实验结果分析 |
| 5.3.1 仿真实验与结果分析 |
| 5.3.2 基于Sawyer机械臂平台的验证与结果分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（6）自主水下机器人轨迹跟踪及编队一致性固定时间控制研究（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 国内外研究现状 |
| 1.2.1 AUV轨迹跟踪控制 |
| 1.2.2 多AUV协同控制 |
| 1.2.3 事件触发策略 |
| 1.2.4 固定时间控制 |
| 1.3 现有工作存在的问题 |
| 1.4 本文主要内容 |
| 1.4.1 研究思路 |
| 1.4.2 主要内容与章节安排 |
| 第2章 海流干扰下欠驱动AUV固定时间点镇定控制 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 点镇定固定时间控制器设计 |
| 2.4 仿真验证 |
| 2.5 本章小结 |
| 第3章 死区输入下欠驱动AUV固定时间深度跟踪控制 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 固定时间滑模超螺旋干扰观测器设计 |
| 3.4 固定时间滑模控制器设计 |
| 3.5 含死区输入的欠驱动AUV深度跟踪控制器设计 |
| 3.6 仿真验证 |
| 3.7 本章小结 |
| 第4章 基于事件触发的AUV三维轨迹跟踪控制 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 固定时间积分滑模控制器设计 |
| 4.3.1 无扰动的固定时间积分滑模跟踪控制器设计 |
| 4.3.2 含扰动项的自适应固定时间积分滑模跟踪控制器设计 |
| 4.3.3 基于事件触发机制的自适应固定时间积分滑模控制 |
| 4.3.4 基于事件触发机制和饱和输入的AUV轨迹跟踪控制 |
| 4.4 仿真验证 |
| 4.5 本章小结 |
| 第5章 基于固定时间积分滑模干扰观测器的多AUV事件触发编队控制 |
| 5.1 引言 |
| 5.2 固定时间相对阈值事件触发抗干扰编队控制 |
| 5.2.1 问题描述 |
| 5.2.2 虚拟领航跟随算法 |
| 5.2.3 AFSIMDO设计 |
| 5.2.4 固定时间相对阈值事件触发控制器设计 |
| 5.2.5 可行性分析 |
| 5.2.6 仿真研究 |
| 5.3 固定时间动态事件触发抗饱和编队控制 |
| 5.3.1 问题描述 |
| 5.3.2 固定时间静态事件触发控制器设计 |
| 5.3.3 固定时间静态事件触发策略的Zeno行为排除 |
| 5.3.4 固定时间动态事件触发控制器设计 |
| 5.3.5 固定时间动态事件触发策略的Zeno行为排除 |
| 5.3.6 仿真研究 |
| 5.4 本章小结 |
| 第6章 基于固定时间神经网络干扰观测器的多AUV事件触发编队控制 |
| 6.1 引言 |
| 6.2 问题描述 |
| 6.3 固定时间神经网络干扰观测器设计 |
| 6.4 固定时间静态事件触发控制器设计 |
| 6.5 仿真研究 |
| 6.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间承担的科研任务与主要成果 |
| 致谢 |
（7）基于自适应动态规划的机器人系统鲁棒控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景及意义 |
| 1.3 工业机器人研究现状 |
| 1.3.1 工业机器人发展现状 |
| 1.3.2 工业机器人控制研究现状 |
| 1.4 自适应动态规划研究现状 |
| 1.4.1 自适应动态规划 |
| 1.4.2 基于自适应动态规划的最优控制 |
| 1.4.3 基于自适应动态规划的鲁棒控制 |
| 1.5 现有研究存在的问题 |
| 1.6 论文主要研究内容 |
| 第二章 基于自适应动态规划的机器人鲁棒控制 |
| 2.1 引言 |
| 2.2 PUMA560工业机器人建模 |
| 2.2.1 PUMA560工业机器人结构及参数 |
| 2.2.2 PUMA560工业机器人动力学模型 |
| 2.3 SCARA机器人系统及建模 |
| 2.3.1 SCARA机器人结构及参数 |
| 2.3.2 SCARA机器人动力学建模 |
| 2.3.3 SCARA机器人系统集成 |
| 2.3.4 SCARA机器人运动控制系统 |
| 2.4 机器人鲁棒控制问题描述 |
| 2.5 鲁棒控制与最优控制等价性 |
| 2.6 机器人鲁棒控制设计 |
| 2.6.1 自适应动态规划推导 |
| 2.6.2 自适应学习算法设计 |
| 2.6.3 稳定性分析 |
| 2.7 仿真验证 |
| 2.8 实验验证 |
| 2.8.1 不确定性上界 |
| 2.8.2 实验设置 |
| 2.8.3 实验结果 |
| 2.9 本章小结 |
| 第三章 基于自适应动态规划的机器人鲁棒跟踪控制 |
| 3.1 引言 |
| 3.2 机器人鲁棒跟踪控制问题描述 |
| 3.3 鲁棒跟踪控制与最优跟踪控制等价性 |
| 3.4 机器人鲁棒跟踪控制设计 |
| 3.4.1 自适应学习算法设计 |
| 3.4.2 稳定性分析 |
| 3.5 仿真与实验研究 |
| 3.5.1 仿真验证 |
| 3.5.2 实验验证 |
| 3.6 本章小结 |
| 第四章 基于输入/输出数据驱动的机器人输出反馈鲁棒控制 |
| 4.1 引言 |
| 4.2 机器人输出反馈鲁棒控制问题描述 |
| 4.3 输出反馈鲁棒控制与输出反馈最优控制等价性 |
| 4.4 数据驱动机器人输出反馈鲁棒控制设计 |
| 4.5 输出反馈最优控制方程数据驱动求解 |
| 4.5.1 输出黎卡提方程的构建 |
| 4.5.2 数据驱动自适应律设计 |
| 4.5.3 稳定性分析 |
| 4.6 仿真与实验研究 |
| 4.6.1 仿真验证 |
| 4.6.2 实验验证 |
| 4.7 本章小结 |
| 第五章 基于输入/输出数据驱动的机器人输出反馈鲁棒跟踪控制 |
| 5.1 引言 |
| 5.2 机器人输出反馈鲁棒跟踪控制问题描述 |
| 5.3 数据驱动输出反馈鲁棒跟踪控制设计 |
| 5.4 输出反馈最优跟踪控制方程数据驱动求解 |
| 5.4.1 输出跟踪黎卡提方程的构建 |
| 5.4.2 数据驱动自适应律设计 |
| 5.4.3 稳定性分析 |
| 5.5 仿真与实验研究 |
| 5.5.1 仿真验证 |
| 5.5.2 实验验证 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 工作成果 |
| 6.2 创新点总结 |
| 6.3 工作展望 |
| 致谢 |
| 参考文献 |
| 附录A: 攻读博士期间发表与录用论文情况 |
| 附录B: 攻读博士期间授权专利情况 |
| 附录C: 攻读博士期间参与项目情况 |
（8）基于自适应评判设计的非线性系统事件触发控制方法研究（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 国内外研究现状综述 |
| 1.2.1 离散时间系统的自适应动态规划 |
| 1.2.2 连续时间系统的自适应动态规划 |
| 1.2.3 事件触发控制 |
| 1.3 论文主要工作和章节安排 |
| 第二章 基于策略梯度的非线性离散时间系统最优控制 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 基于策略梯度的ETC方法 |
| 2.3.1 基于PG的ETC方法设计 |
| 2.3.2 触发条件 |
| 2.3.3 神经网络实现 |
| 2.3.4 稳定性分析 |
| 2.4 仿真实验 |
| 2.5 本章小结 |
| 第三章 基于确定性策略梯度的离散时间零和博弈 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 事件触发控制器设计 |
| 3.3.1 Critic网络 |
| 3.3.2 Action网络 |
| 3.3.3 Disturbance网络 |
| 3.4 稳定性分析 |
| 3.4.1 闭环系统稳定性分析 |
| 3.4.2 神经网络权重的收敛性分析 |
| 3.5 仿真实验 |
| 3.6 本章小结 |
| 第四章 基于事件触发自适应评判设计的未知动态Multi-player系统零和博弈 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 基于ACD的事件触发控制方法 |
| 4.3.1 基于神经网络的系统模型重构 |
| 4.3.2 事件触发结构 |
| 4.3.3 神经网络实现 |
| 4.4 稳定性分析 |
| 4.5 仿真实验 |
| 4.6 本章小结 |
| 第五章 基于事件触发鲁棒控制方法的Multi-player非零和博弈 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 事件触发鲁棒控制器 |
| 5.3.1 系统辨识 |
| 5.3.2 设计鲁棒控制器 |
| 5.3.3 神经网络实现 |
| 5.4 稳定性分析 |
| 5.4.1 闭环系统稳定性分析 |
| 5.4.2 Zeno behavior分析 |
| 5.5 仿真实验 |
| 5.6 本章小结 |
| 第六章 基于自适应评判设计的Multi-player系统事件触发追踪控制 |
| 6.1 引言 |
| 6.2 问题描述 |
| 6.3 基于ACD的事件触发追踪控制方法 |
| 6.3.1 神经网络观测器 |
| 6.3.2 事件触发追踪控制方法 |
| 6.3.3 神经网络实现 |
| 6.4 稳定性分析 |
| 6.4.1 稳定性分析 |
| 6.4.2 Zeno behavior分析 |
| 6.5 仿真实验 |
| 6.6 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读学位期间取得与学位论文相关的成果 |
| 致谢 |
（9）时滞不确定系统滑模变结构控制方法研究（论文提纲范文）
| 中文摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 时滞不确定系统研究现状 |
| 1.2.1 时滞系统稳定性研究现状 |
| 1.2.2 时滞不确定系统控制研究现状 |
| 1.3 论文研究内容与构架 |
| 第二章 相关知识与定理 |
| 2.1 广义系统相关知识 |
| 2.2 李雅普诺夫稳定性理论 |
| 2.3 线性矩阵不等式(LMI) |
| 2.4 相关引理 |
| 第三章 状态时滞不确定系统滑模控制 |
| 3.1 引言 |
| 3.2 系统描述 |
| 3.3 基于RBF神经网络自适应滑模控制 |
| 3.3.1 滑模面设计 |
| 3.3.2 稳定性分析 |
| 3.3.3 控制器设计 |
| 3.4 仿真研究 |
| 3.5 本章总结 |
| 第四章 基于状态观测器的中立型时滞系统自适应滑模控制 |
| 4.1 引言 |
| 4.2 系统描述 |
| 4.3 基于状态观测器的中立时滞系统滑模控制 |
| 4.3.1 观测器与滑模面设计 |
| 4.3.2 控制器设计 |
| 4.3.3 稳定性分析 |
| 4.4 仿真研究 |
| 4.5 本章总结 |
| 第五章 广义时滞不确定系统鲁棒滑模控制 |
| 5.1 引言 |
| 5.2 系统描述 |
| 5.3 滑模控制器设计 |
| 5.3.1 滑模面设计 |
| 5.3.2 系统鲁棒无源性分析 |
| 5.3.3 控制器设计 |
| 5.4 仿真研究 |
| 5.5 本章总结 |
| 第六章 结论 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（10）基于饱和变时刻脉冲控制的Chen混沌系统的镇定（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 混沌系统概述 |
| 1.1.1 研究背景及意义 |
| 1.1.2 研究现状 |
| 1.2 脉冲系统概述 |
| 1.2.1 研究背景及意义 |
| 1.2.2 研究现状 |
| 1.3 饱和系统概述 |
| 1.3.1 研究背景及意义 |
| 1.3.2 研究现状 |
| 1.4 本文主要研究内容及章节安排 |
| 第二章 预备知识 |
| 2.1 混沌系统理论 |
| 2.1.1 常见混沌系统模型 |
| 2.1.2 常见混沌实现方法 |
| 2.2 脉冲微分方程理论 |
| 2.2.1 固定时刻脉冲 |
| 2.2.2 状态相关脉冲 |
| 2.3 饱和系统理论 |
| 2.3.1 饱和函数 |
| 2.3.2 常见的处理方法 |
| 2.4 基本概念及引理 |
| 2.4.1 稳定性 |
| 2.4.2 Lyapunov稳定性定理 |
| 2.4.3 B-等价方法 |
| 第三章 基于变时刻脉冲控制的Chen混沌系统的镇定 |
| 3.1 引言 |
| 3.2 模型的描述和建立 |
| 3.3 解的存在性和避免Beating现象的充分条件 |
| 3.4 系统的稳定性分析 |
| 3.5 数值模拟 |
| 3.6 本章小结 |
| 第四章 基于饱和变时刻脉冲控制的Chen混沌系统的镇定 |
| 4.1 引言 |
| 4.2 模型的描述和建立 |
| 4.3 解的存在性和避免Beating现象的充分条件 |
| 4.4 系统的稳定性分析 |
| 4.5 数值模拟 |
| 4.6 本章小结 |
| 第五章 总结与未来展望 |
| 5.1 全文总结 |
| 5.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间已发表的论文 |
| 攻读硕士期间参加的科研项目 |
四、非线性不确定多输入系统的全局鲁棒镇定（论文参考文献）
- [1]基于切换系统理论的三相逆变器控制方法研究[D]. 宁怡娟. 西安理工大学, 2021(01)
- [2]周期性DoS攻击下信息物理系统的鲁棒安全控制研究[D]. 郭理娜. 南京信息工程大学, 2021(01)
- [3]预见控制理论在容错控制中的应用[D]. 贾晨. 北京科技大学, 2021
- [4]基于触发机制的多项式系统混杂控制研究[D]. 朱贵. 江南大学, 2021(01)
- [5]参数不确定机械臂系统的自适应控制方法研究[D]. 周炳. 电子科技大学, 2021(01)
- [6]自主水下机器人轨迹跟踪及编队一致性固定时间控制研究[D]. 苏博. 燕山大学, 2021
- [7]基于自适应动态规划的机器人系统鲁棒控制研究[D]. 赵军. 昆明理工大学, 2021
- [8]基于自适应评判设计的非线性系统事件触发控制方法研究[D]. 张勇威. 广东工业大学, 2021(08)
- [9]时滞不确定系统滑模变结构控制方法研究[D]. 成咪. 太原科技大学, 2021(01)
- [10]基于饱和变时刻脉冲控制的Chen混沌系统的镇定[D]. 刘睿涵. 西南大学, 2021(01)