一、一类非线性系统的H_∞鲁棒控制（论文文献综述）
冯利军[1]（2021）在《阀控伺服系统的非线性模型和控制技术研究》文中提出阀控伺服系统具有功率密度大、响应速度快、抗冲击能力强等特点,在航空、军事及民用工业等各个领域广泛使用。尽管近年来机电伺服系统的性能得到了显着提升,但是在材料试验机、负载模拟器等一些大功率系统中,阀控伺服系统仍起着不可替代的作用。随着我国装备制造业水平的不断提高,对阀控伺服系统的性能提出了愈来愈加苛刻的要求,同时也促进了阀控伺服系统的理论研究发展。通过对已有文献进行归纳和整理可知,阀控伺服系统的模型非线性是制约其性能提升的关键因素。基于上述问题,本文对阀控伺服系统的非线性模型和控制技术进行了深入研究,具体研究内容包括阀控伺服系统的非线性模型、位置控制方法和加载控制方法。为了提高阀控伺服系统的模型精度,建立了基于Yang-Tobar和Trikha管路模型的系统综合模型。该模型在现有非线性简化模型的基础上引入了液压泵站、伺服阀和连接管路（包含液压泵站与伺服阀之间的管路以及伺服阀与液压缸之间的管路）的动态特性,使建立的模型能够较好地吻合实际系统。为了更好地反映系统的真实动态响应,利用MATLABSimulink、AMESim和Adams软件建立了阀控伺服系统的联合仿真模型。该模型不仅能够反映阀控伺服系统的实际工作特性,还能模拟机械平台的结构刚度以及装配间隙对系统性能的影响。最后,利用正弦信号对所建立的非线性简化模型、系统综合模型和联合仿真模型的模型精度进行了测试,精度测试结果分别为72%、84%和92%。通过分析可以得到如下结论:非线性简化模型仅适用于控制器的设计,综合模型可用于系统的定性分析和控制器的初步验证,而联合仿真模型由于具有较高的模型精度,可用于实际系统的定量分析和控制器的硬件在环测试。自适应鲁棒控制可用于处理系统存在的模型不确定性,但存在反步设计过程中的“微分爆炸”和高控制增益带来的抖振问题。因此,本文提出了基于正切跟踪微分和自适应输出滤波反馈的自适应鲁棒控制方法,在简化控制器设计过程的同时提高了位置系统的跟踪精度。为了进一步改善阀控位置系统的控制性能,提出了基于离散扰动观测器的自适应鲁棒控制方法,将难以观测和建模的干扰项作为总扰动,利用离散扰动观测器进行实时估计和补偿。所设计的控制器不仅改善了位置系统的跟踪精度,而且避免了自适应鲁棒控制在外界扰动增大时出现的控制增益激增问题,充分发挥了自适应鲁棒控制的渐近跟踪优势。三种控制方法的性能都进行了仿真分析与验证。结果表明,相较于传统的自适应鲁棒控制方法,改进后的自适应鲁棒控制方法和基于离散扰动观测器的自适应鲁棒控制方法的位置跟踪精度均得到明显提升,从而证明了所提出的控制方法的合理性和有效性。针对阀控加载系统的位置扰动和多余力问题,基于结构不变性原理设计的控制器由于只能近似物理实现而无法完全补偿。基于此,本文按照位置扰动的内部结构是否已知的情形分别设计了两种加载控制器。针对位置扰动的内部结构已知的情形,提出了基于静态增益补偿和正切跟踪微分的双回路控制器,实现了位置扰动补偿和加载控制的动态解耦,改善了系统的控制精度。针对位置扰动的内部结构未知的情形,提出了基于阻抗控制和自适应积分鲁棒控制的混合控制器,并设计了相应的切换策略。混合控制方法可以有效缓解加载过程中的多余力和机械间隙造成的换向冲击问题,并提高了系统控制精度。上述控制方法的有效性都通过仿真分析进行了验证。为了验证上述控制方法在工程应用中的实际效果,搭建了负载模拟实验平台。介绍了实验平台的基本组成以及控制器数字实现的关键技术。利用搭建的实验平台对本文所提出的位置控制方法和加载控制方法分别进行了实验测试。实验结果表明,相较于现有的控制方法,本文所提出的控制方法具有更好的动态性能和鲁棒性,达到了预期效果。
毛晨斐[2]（2021）在《区间二型模糊时滞系统的鲁棒控制》文中研究指明伴随科技的不断进步,T-S模糊系统已经成为处理非线性系统的重要工具,在许多生产生活中均可看到它的身影.但由于外部环境的复杂性,T-S模糊系统对不确定系统的建模结果往往差强人意.然而区间二型模糊系统不仅在处理不确定参数时具有显着优势,而且对T-S模糊系统的不足之处进行了弥补.因此针对区间二型模糊系统的研究得到了广泛关注.本文主要基于区间二型模糊时滞系统进行研究,具体内容如下.第一部分:对区间二型模糊时滞系统的稳定性与控制器问题进行了讨论.基于李雅普诺夫稳定性理论,并结合二型模糊函数性质、矩阵放缩技巧和非线性项的线性化不等式,设计了使得系统渐近稳定的前提不匹配状态反馈控制器.最后利用数值例子说明所提方法的可行性和优越性.第二部分:研究了一类具有参数不确定和时变时滞的非线性系统的鲁棒H∞控制问题.为了进行稳定性分析和控制综合设计,采用区间二型模糊不确定系统来表示非线性系统.首先提出一种区间二型模糊控制器来稳定非线性系统.其次在所设计的Lyapunov泛函基础上,利用矩阵分解方法和自由加权矩阵技术对牛顿-莱布尼茨公式中的各项关系进行表示,以线性矩阵不等式的形式给出一个具有H∞性能的时滞相关稳定条件.最后结合数值算例说明了该方法的可行性.第三部分:对一类具有时变时滞的非线性系统的无源控制问题进行研究.首先采用区间二型模糊系统来对非线性系统进行描述,并设计一个Lyapunov函数,利用Schur补引理和线性矩阵不等式对各项进行放缩,通过线性矩阵不等式的形式给出一个使得系统满足无源性的时滞相关稳定条件.最后通过数值算例说明所提方法的可行性.
赵军[3]（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。
张新昱[4]（2021）在《基于干扰和状态估计的多刚体系统鲁棒跟踪控制研究》文中进行了进一步梳理多刚体系统作为一类典型的力学系统,在机械,车辆、机器人及飞行器等诸多领域具有广泛的应用。多刚体系统结构复杂,在许多实际应用中存在模型不确定性、未知的外界干扰及作动器饱和等约束,且具有强非线性和强耦合性等特点。此外,由于空间和成本的约束,难以在多刚体系统的每个需测量部位安装合适的传感器以获取系统的状态,而现有的控制方法多基于状态反馈,且存在控制器结构复杂,参数整定困难,实际控制精度难以保证等不足。本文针对多刚体系统的鲁棒跟踪控制问题,为消除建模、测量和作动能力受限条件下多刚体系统动态模型中的不确定性分量和控制输入约束对其运动精确性的影响,从不确定性分量估计与补偿、状态观测器设计,结构简单、参数易整定的高精度鲁棒跟踪控制器设计,以及稳定性推导等方面开展研究工作,其对于械臂车间作业、空间机器人卫星维护工作、载体自主运动等领域有广泛应用前景。本文提出了基于干扰和状态估计的鲁棒控制理论方法,利用干扰的估计与补偿,状态的估计与替换,并与控制器设计相结合,实现了多刚体系统的高精度轨迹跟踪,并通过多刚体系统实验平台对所提控制方案的有效性进行了验证,实验结果表明,本文提出的基于估计数据的鲁棒控制方法具有较好的稳态跟踪精度和瞬态性能。本文的主要贡献和创新性总结如下:（1）研究了基于比例-微分（proportional-derivative,PD）控制器与不确定和干扰估计器（uncertainty and disturbance estimator,UDE）的比例-积分-微分（proportionalintegral-derivative,PID）控制设计方案,简化了PID控制器的调参,实现了单参数调节系统跟踪误差最终界。在此基础上,考虑了无速率测量的多刚体系统的鲁棒跟踪控制问题,对UDE进行了改进设计,将其扩展到输出反馈情况。提出了一个简单的反馈控制方案,该方案包括一个改进的龙伯格状态观测器（Luenberger state observer,LSO）来估计系统状态和一个改进的UDE来估计系统集总输入干扰。该方案的新颖之处在于引入了LSO和UDE之间的相互耦合,以提高估计和控制精度。利用所设计的线性非奇异状态变换和巧妙的参数映射,简化了闭环系统的性能分析。通过奇异摄动理论,得到一个简单的稳定条件和单参数调优方法,以减小稳态估计误差和跟踪误差。最后,通过数值仿真和在三自由度（3-degree-of-freedom,3-DOF）直升机平台上的实验验证,证明了相互耦合效应带来的性能提升,以及参数调节方法的有效性。（2）研究了状态测量受限的n-DOF多刚体系统的鲁棒输出反馈跟踪控制。设计了一种改进的扩张高增益观测器（extended high gain observer,EHGO）来估计不可测得的系统状态以及不确定性和干扰。提出了一种结合改进的EHGO和连续PID-滑模控制（sliding mode control,SMC）策略的新型控制方案。改善了闭环系统的瞬态响应性能,同时保证了估计与跟踪的稳态精度。采用Lyapunov稳定性方法证明了EHGO的有效性。此外,通过奇异摄动理论证了闭环系统的稳定性和收敛性。数值仿真和实验结果验证了所提出的控制方案的性能优势。（3）针对一类受模型不确定性、外部干扰和输入饱和约束的单输入-单输出（single-input single-output,SISO）高阶多刚体系统,提出了一种新型的有限时间鲁棒跟踪控制方案。设计了一种基于障碍函数的干扰观测器（barrier function-based disturbance observer,BFDO）来估计系统的非平滑非线性复合干扰,且具有有限时间收敛性能。此外,基于障碍函数和BFDO,设计了一种自适应连续非奇异终端滑模控制（continuous nonsingular terminal sliding mode control,CNTSMC）策略。证明了闭环系统的Lyapunov稳定性和有限时间收敛性。通过数值仿真和与现有控制方法的比较,显示了所提出的控制方案的有效性和性能优势。本文的研究成果有助于解决多刚体系统的高精度鲁棒跟踪控制问题,对基于干扰和状态的估计、结构简单,参数易整定的鲁棒跟踪控制器设计与开发具有一定的指导意义。
钟林恩[5]（2021）在《永磁同步风力发电机变速变桨距鲁棒控制研究》文中研究说明风能具有空间尺度上的不均匀性、时间尺度上的波动性,易造成输出功率振荡、捕获风能减少甚至机组紧急停机。本文以永磁同步风力发电机（permanent magnetic synchronous generator,PMSG）为研究对象,设计了一种基于扰动补偿的滑模控制（perturbation compensation based sliding-mode robust control,PCSMC）策略,旨在实现PMSG在复杂不确定工况下的变速变桨距鲁棒控制,主要研究内容如下:（1）基于风力发电基本理论、系统基本结构、变速控制原理和额定风速以上功率控制原理,建立非线性、强耦合、多变量的PMSG系统数学模型。然后,通过坐标变换理论,将上述模型转换到两相旋转坐标系中以直观描述系统动态特性。此外,通过MATLAB/Simulink软件搭建对应的PMSG系统仿真模型,为评估所设计控制策略的控制性能提供了有力的分析工具。（2）基于扰动观测器和滑模控制（sliding-mode control,SMC）基本原理,提出PCSMC策略。首先,通过状态-扰动观测器（state and perturbation observer,SPO）将系统非线性、参数不确定性、未建模动态和外部时变干扰等扰动实时在线估计;随后,基于改进的SMC对上述扰动实时完全补偿,以保证不同工况下控制性能的全局一致性。特别地,所提方法具有强鲁棒性的特点,而无需精确系统模型。与传统SMC相比,PCSMC通过对扰动实时估计与补偿,弥补了传统SMC考虑最大可达性而补偿系统上限值过于保守的缺陷;同时,采用饱和函数sat（·）代替原始符号函数sgn（·）以削弱抖振现象。（3）针对额定风速以下工况,将所设计PCSMC应用于PMSG的变速鲁棒控制,以在随机不确定环境下跟踪高质量的风力发电系统最大功率点,捕获最大风能。具体地,首先,基于（1）所述PMSG系统数学模型,建立PMSG系统变速控制的状态空间方程。然后,基于（2）所述PCSMC原理,针对机械转速ωm和d轴电流id,分别将系统非线性和复杂不确定性等干扰聚合为新的扰动。最后,分别采用三阶、二阶SPO实时估计ωm、id的新扰动,并通过改进的SMC对上述估计扰动实时完全补偿。所提方法对精确系统模型和系统参数变化均不敏感,且仅需测量机械转速和d轴电流。此外,阶跃风速、低频随机风速、高频随机风速和发电机参数不确定算例下的MATLAB/Simulink仿真结果证明了 PCSMC的有效性和优势;基于dSpace的硬件在环（hardware-in-loop,HIL）实验检验了所提方法的硬件可实施性。（4）针对额定风速以上工况,将所设计PCSMC应用于PMSG的变桨距鲁棒控制,以维持风力发电系统输出功率在其额定值附近,减小系统疲劳载荷,保障机组安全。具体地,首先,基于（1）所述PMSG系统数学模型,建立PMSG系统变桨距控制的状态空间方程。然后,基于（2）所述PCSMC原理,针对机械转速ωm、d-q轴电流id,q,分别将系统非线性和复杂不确定性等干扰聚合为新的扰动。最后,分别采用三阶、二阶SPO实时估计ωm、id,q的新扰动,并通过改进的SMC对上述估计扰动实时完全补偿。该方法对精确系统模型和系统参数变化均不敏感,且仅需测量机械转速和d-q轴电流。同时,渐变风速、随机风速和磁通量变化算例下的MATLAB/Simulink仿真结果验证了 PCSMC优异的控制性能;基于dSpace的HIL实验验证了该方法的硬件可行性。
赵继鹏[6]（2021）在《不确定非线性系统模糊自适应输出反馈控制》文中研究指明众所周知,许多实际工程系统中都存在未建模动态、时滞、未知控制增益等现象,这些现象成为导致被控系统不稳定的一个重要因素。随着科技发展的脚步迈的越来越快,许多工业领域对控制系统的控制品质要求的越来越高,它们不只是要求被控系统是稳定的,还希望被控系统能够具有一定的鲁棒性,这使被控系统的理论研究更有实际意义。所以,近年来控制领域在研究系统稳定性的基础上逐渐加强对非线性系统的鲁棒控制的探索。本文以模糊自适应反步递推（Backstepping）设计为基础,以系统状态不可测的情况为前提条件,研究几类控制增益是未知非线性函数的严格反馈非线性系统的输出反馈鲁棒控制设计问题,并且给出了系统的稳定性与收敛性的分析证明。主要内容如下:（1）对于带有未知状态时滞的非线性严格反馈系统,当假设系统的状态不完全可测时,通过Lyapunov-krasovskii泛函解决未知状态时滞问题,系统中的未知的非线性动态将用模糊逻辑系统逼近,通过建立状态观测器解决系统状态无法测得的问题,在Backstepping设计思想的启发下,设计出一种模糊自适应输出反馈控制设计方案,并且给出了被控系统在Lyapunov函数意义下的稳定性证明。最后,通过数值仿真结果来验证所设计的控制方法是有效的。（2）对于一类状态不可测的严格反馈非线性系统,当假设系统中的控制增益均为未知的非线性函数时,通过建立状态观测器解决系统状态无法测得的问题,然后用模糊逻辑系统对未知非线性动态进行辨识。此外,传统Backstepping控制方法固有的“计算膨胀”问题也通过引入动态面控制技术被解决,并提出一种模糊自适应动态面控制设计方案,并给出稳定性证明。所设计的控制方法避免对虚拟控制器进行重复微分,降低了系统计算的复杂度,减少计算时间。最后,通过仿真得出的结果可以验证该方法的有效性。（3）对于一类带有未建模的动态非线性系统,在系统的状态不完全可测的情况下,采用动态信号的方法处理未建模动态的扰动,根据有界控制的设计思想构造对数Lyapunov函数,通过构造对数Lyapunov函数并结合投影算子技术,确保所设计的控制器是有界的。根据Backstepping控制设计技术,给出模糊自适应输出反馈控制设计方案和稳定性证明。最后,通过仿真得出的结果可以验证该方法的有效性。（4）研究一类带有未知控制增益函数的多输入多输出非线性严格反馈系统的模糊自适应输出反馈控制问题,当假设系统中状态不完全可测时,通过建立状态观测器解决系统状态无法测得的问题,然后用模糊逻辑系统对未知非线性动态进行辨识。基于Backstepping控制技术,设计了一种模糊自适应输出反馈控制算法并给出稳定性分析。最后,通过仿真得出的结果可以验证该方法的有效性。（5）对于一类严格反馈不确定非线性切换系统,在系统的状态不完全可测的情况下,进一步考虑输入饱和的控制问题。通过利用中值定理将输入的饱和函数转化为有界的函数,从而有效的解决了饱和输入问题。此外,为了解决传统的Backstepping控制方法固有“计算膨胀”问题,采用命令滤波器不仅克服对虚拟控制器重复微分,还考虑了滤波器的滤波误差,引入误差补偿信号抑制滤波误差。在模糊控制和Backstepping控制的框架下,给出了一种模糊自适应输出反馈控制设计方法和稳定性证明。最后,通过仿真得出的结果可以验证该方法的有效性。
祝洋[7]（2020）在《基于多源干扰估计器的鲁棒飞行控制技术研究与应用》文中研究说明在复杂多变的飞行条件下,飞行器不可避免地受到输入干扰、模型不确定性、测量误差等因素的影响,这些因素统称为多源干扰。为了保证飞行器的飞行品质和飞行安全,在控制设计阶段必须系统地考虑多源干扰的主动抑制问题。然而,经典控制理论表明,同时抑制多源干扰往往需要做精细的折中,这样的设计过程复杂且极具挑战性。本文针对多源受扰系统的鲁棒轨迹跟踪问题,在标称跟踪控制器的基础上,提出统一的基于干扰估计器的鲁棒控制框架,将针对不同干扰的补偿机制进行结构整合,实现测控系统的多源干扰抑制,并在几种飞行器平台上进行应用与验证。本文创新点总结如下:针对无速率测量系统的鲁棒跟踪问题,提出了两种基于不确定性和干扰估计器（UDE）的输入干扰补偿方法。第一种方法中推导了UDE滤波器在无速率测量条件下的可行相对阶,保证UDE在可物理实现的前提下实现干扰的估计与补偿,并通过passivity技术注入阻尼,替代标称跟踪控制器中不可获得的速率反馈项,实现速率跟踪。第二种方法中提出了一种伦伯格状态观测器（LSO）和UDE的双向耦合结构,LSO为UDE提供速率估计,解决无速率测量问题,而UDE为LSO提供干扰估计,消除干扰对LSO性能的影响。在3-DOF直升机平台上的实验结果表明,提出的两种控制方法都能实现对集总干扰的估计与补偿以及对参考信号的高精度跟踪。针对传感器测量性能受限系统的鲁棒跟踪问题,首先,提出了一种基于测控系统模型的测量误差估计器（MEE）。相比于经典的滤波方法,MEE最大化地利用了传感器、控制器和被控对象的模型以及控制系统实时的输入输出信息,实现对测量误差的在线精准估计,并在控制系统中进行动态补偿。其次,通过引入预滤波器对测量信号进行预处理,可以降低MEE的带宽要求,从而降低MEE对模型不确定性的敏感程度。进一步针对复杂的传感器模型,提出了一个传感器动态时滞补偿器（SLC）,利用测控系统模型重构动态时滞误差并在闭环系统中对其进行实时补偿。在2-DOF直升机平台上的仿真实验结果展示了MEE相比于卡尔曼滤波器的性能优势。针对存在多源干扰的一类二阶系统的鲁棒跟踪问题,提出了一个多源干扰估计框架。该框架利用部分准确的控制系统模型信息和部分准确的状态测量来构建MEE和UDE,以分别在控制系统中估计和补偿多源干扰。此外,通过在多源干扰估计框架中引入奇异摄动参数ε,可以实现两个估计器估计带宽的协同调参,并利用奇异摄动理论证明了减小ε可以提高多源干扰抑制性能和闭环系统稳定性。在2-DOF直升机平台和四旋翼飞行器上的仿真实验结果表明,提出的基于MEE+UDE的多源干扰补偿方法相比于经典的鲁棒控制方案在瞬态控制、稳态控制和调参简易性等层面具有更优的性能。针对存在测量误差条件下的固定翼飞机航迹倾角鲁棒同步跟踪问题,研究本文提出的方法在飞行器编队控制中的推广应用。考虑固定翼飞机航迹倾角动态模型中的非最小相位特性,通过将基于MEE的测量误差补偿方法与经典的分布式观测技术以及非最小相位系统控制技术进行融合,提出了一种基于三模块的分布式鲁棒控制方案。该方案的特点是各个模块在结构和功能上实现解耦,使得在不影响其他功能模块的情况下,可以根据实际需求对其中任意模块进行改进或重新设计。对F-16战斗机编队的仿真结果表明,提出的控制方法可以实现时变航迹倾角参考信号的鲁棒同步跟踪。
陈思荣[8]（2020）在《基于自适应动态规划的不确定非线性系统鲁棒最优控制》文中研究说明近年来,不确定非线性系统的最优控制问题受到广泛关注。一方面,工程实际系统普遍存在着不确定性和非线性;另一方面,控制任务除了镇定系统外,往往还要求某些性能指标最优。为此,研究不确定非线性系统的鲁棒最优控制具有重要的工程实际意义。本文采用自适应动态规划（Adaptive Dynamic Programming,ADP）方法,结合神经网络和自适应评价,对不确定非线性系统提出几种鲁棒最优控制策略。本文的主要工作如下:1.研究一类匹配不确定连续时间非线性系统的鲁棒最优控制。首先,假定不确定项有界且界的信息已知,利用界的信息将被控系统的鲁棒控制问题转换为标称系统的最优控制问题,进而给出被控系统的鲁棒最优控制;接着,假定不确定项连续但其界的信息未知,构建神经网络估计不确定项,借助ADP和自适应评价方法补偿扰动对系统的影响,同时使得代价函数最优;最后,仿真验证控制策略的正确性和有效性。2.研究一类非匹配不确定连续时间非线性系统的鲁棒最优控制,将匹配情形的相关结论推广到非匹配情形。首先,假定不确定项有界且界的信息已知,构造辅助系统并将被控系统的鲁棒控制问题转换为辅助系统的最优控制问题,进而给出被控系统的鲁棒最优控制;接着,假定不确定项连续但其界的信息未知,构造由扰动补偿控制器和镇定控制器组合的最优控制器,其中扰动补偿控制器用于补偿扰动对系统的影响,镇定控制器用于镇定被控系统同时使得代价函数最优;最后,仿真验证控制策略的正确性和有效性。3.研究一类基于数据驱动的系统动态信息未知的匹配不确定非线性系统鲁棒最优控制。首先,假定不确定项有界且界的信息已知,利用界的信息将被控系统的鲁棒最优控制问题转换为标称系统的最优控制问题,构建神经网络估计标称系统的未知动态和最优代价函数,进而给出被控系统的鲁棒最优控制;接着,假定不确定项连续但其界的信息未知,直接构建神经网络识别系统的未知动态和最优代价函数,给出基于数据驱动的控制策略,既能补偿扰动对系统的影响又能使得代价函数最优;最后,仿真验证控制策略的正确性和有效性。
朱阳陈[9]（2020）在《基于T-S模型的切换模糊系统的鲁棒控制与滤波》文中提出切换系统是由多个子系统构成,在此基础上如果其子系统为模糊系统,同时兼备两者的特征则构成切换模糊系统。结合切换系统特性和模糊系统特性,利用切换系统处理复杂控制问题的同时,采取模糊模型实现任意精度逼近实际的系统。由于切换模糊系统对解决实际切换非线性问题极为有效,且其应用领域较为广泛,所以将模糊系统与切换控制理论相结合具有及其重要的现实和理论意义。本文在前人研究成果的基础上进一步探究了切换模糊系统的稳定性分析与鲁棒控制器设计问题,硕士期间主要涉及的研究内容如下:针对一类基于T-S模型的切换模糊系统,在考虑系统运行过程中的非线性死区现象及参数不确定性的情况下,设计了一种基于状态观测器的输出反馈控制器,采用并行分布补偿的方法,通过构造Lyapunov函数并利用其稳定性理论分析此切换系统的稳定性,用来证明所设计的控制器的有效性,然后采用Schur补引理将定理的充分条件等价地转化为线性矩阵不等式的形式。最后,采用Matlab仿真分析此切换系统是否趋于稳定,仿真结果验证所用方法的有效性和正确性。针对一类时变的T-S模糊马尔科夫跳变系统,在考虑系统运行过程中的执行器异步和随机量化的情况下,给出其带有不确定参数的离散时间切换模糊系统模型。根据Lyapunov的稳定性理论,对该切换模糊闭环系统的稳定性分析、切换律设计以及仿真的验证分析。最后,通过一个数值仿真和倒立摆模型验证了上述方法的有效性和所提出滤波器的实用性。针对一类涉及马尔科夫跳跃参数的T-S模糊奇异摄动系统,在考虑实际的控制系统中,传感器和控制器之间通常需要传输大量复杂的信息,在这个过程中,拥塞、丢包或能量浪费等现象时有发生。为了解决这个问题,采用了事件触发策略消除网络场景中的拥塞、丢包或能源浪费的影响,同时提出异步H∞滤波器的设计问题。异步滤波器基于隐马尔科夫模型,同时考虑了快状态变量和慢状态变量。最后,通过一个仿真算例和RC电路模型验证了上述方法的有效性和所提出滤波器的实用性。
梅玉鹏[10]（2020）在《网络切换模糊控制系统的镇定设计》文中研究说明网络切换模糊系统的本质是非线性网络切换系统,利用T-S模型对系统建模,研究系统的稳定控制问题。作为一类新型的控制系统,网络切换模糊控制系统在工业控制过程、无人机等领域应用广泛,是控制系统的一个新的发展方向,具有重要的研究价值。然而,对于非线性网络切换控制系统的研究成果还相当有限。本文主要针对T-S模型建模的非线性网络切换系统,研究存在不确定性、时滞、外部干扰的网络切换模糊系统的非脆弱控制及容错控制等问题,具体内容如下:（1）针对控制器增益存在摄动的不确定网络切换模糊系统,在系统状态不可测的情况下,研究系统的非脆弱控制问题,设计系统的切换律和基于观测器的反馈控制器。（2）针对带有时滞的不确定网络切换模糊系统,采用平均驻留时间及Lyapunov函数方法,分别设计出状态反馈控制器和基于观测器的反馈控制器,并给出系统指数稳定的平均驻留时间条件及切换律设计。（3）针对存在外部干扰的不确定网络切换模糊系统,在系统数据包存在丢失的情况下,研究系统的非脆弱H∞控制问题。将数据包丢失作为时滞处理,并采用Bernoulli分布的随机序列描述该时滞,给出系统均方指数稳定且满足H∞性能指标的充分条件。（4）针对执行器存在故障的不确定网络切换模糊系统,在控制器增益存在摄动的情况下,研究系统的非脆弱H∞容错控制问题,给出系统切换律设计方法,进而使执行器失效的系统在所设计的切换律下是指数稳定的。最后通过MATLAB数值仿真验证设计方法的有效性。
二、一类非线性系统的H_∞鲁棒控制（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、一类非线性系统的H_∞鲁棒控制（论文提纲范文）
（1）阀控伺服系统的非线性模型和控制技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题来源、研究背景及意义 |
| 1.1.1 课题来源 |
| 1.1.2 研究背景及意义 |
| 1.2 阀控伺服系统模型研究综述 |
| 1.2.1 融合机理模型 |
| 1.2.2 软件仿真模型 |
| 1.3 阀控伺服系统控制方法综述 |
| 1.3.1 线性控制方法 |
| 1.3.2 非线性控制 |
| 1.3.3 智能控制 |
| 1.4 基于模型的自适应鲁棒控制 |
| 1.4.1 基于模型的控制方法 |
| 1.4.2 自适应和鲁棒控制 |
| 1.5 论文结构和主要内容 |
| 2 阀控伺服系统的非线性模型 |
| 2.1 引言 |
| 2.2 系统组成 |
| 2.3 简化非线性模型 |
| 2.4 基于YANG-TOBAR和 TRIKHA管路模型的综合模型 |
| 2.4.1 液压泵站 |
| 2.4.2 直驱伺服阀 |
| 2.4.3 液压缸及负载 |
| 2.4.4 液压管路 |
| 2.4.5 综合模型 |
| 2.5 联合仿真模型 |
| 2.5.1 联合仿真基础 |
| 2.5.2 联合仿真模型建立 |
| 2.6 本章小节 |
| 3 阀控伺服系统的位置控制研究 |
| 3.1 引言 |
| 3.2 控制器设计难点 |
| 3.2.1 时变参数 |
| 3.2.2 非线性特性 |
| 3.2.3 负载扰动 |
| 3.3 自适应鲁棒控制 |
| 3.3.1 自适应鲁棒控制原理 |
| 3.3.2 阀控位置系统的自适应鲁棒控制器设计 |
| 3.3.3 自适应鲁棒控制器的改进 |
| 3.3.4 仿真研究 |
| 3.4 基于离散扰动观测器的自适应鲁棒控制 |
| 3.4.1 数学模型简化 |
| 3.4.2 非线性自适应鲁棒控制器设计 |
| 3.4.3 仿真研究 |
| 3.5 控制器性能评价 |
| 3.6 本章小结 |
| 4 阀控伺服系统的加载控制研究 |
| 4.1 引言 |
| 4.2 多余力分析及解决方法 |
| 4.2.1 多余力的产生机理 |
| 4.2.2 结构不变性补偿 |
| 4.3 阀控加载系统的双回路控制 |
| 4.3.1 双回路控制原理 |
| 4.3.2 基于双回路的自适应鲁棒控制器设计 |
| 4.3.3 双回路自适应鲁棒控制器的改进 |
| 4.3.4 仿真研究 |
| 4.4 非线性混合自适应积分鲁棒控制 |
| 4.4.1 混合控制原理 |
| 4.4.2 阻抗控制器设计 |
| 4.4.3 控制切换策略和自适应积分鲁棒控制器设计 |
| 4.4.4 仿真研究 |
| 4.5 本章小结 |
| 5 实验验证与控制方法性能分析 |
| 5.1 引言 |
| 5.2 实验平台组成 |
| 5.2.1 机械平台 |
| 5.2.2 液压系统 |
| 5.2.3 控制系统 |
| 5.3 控制器数字实现关键技术 |
| 5.3.1 高精度定时技术 |
| 5.3.2 多线程数据采集技术 |
| 5.3.3 控制器代码生成技术 |
| 5.4 控制器实验验证和性能分析 |
| 5.4.1 位置控制器实验验证 |
| 5.4.2 加载控制器实验验证 |
| 5.4.3 性能分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（2）区间二型模糊时滞系统的鲁棒控制（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 模糊控制系统 |
| 1.2.2 模糊理论 |
| 1.2.3 模糊控制性能 |
| 1.3 研究内容与章节安排 |
| 第二章 区间二型模糊时滞系统的状态反馈控制 |
| 2.1 系统描述 |
| 2.2 主要结果 |
| 2.3 数值实例 |
| 2.4 本章小结 |
| 第三章 区间二型模糊不确定时滞系统的鲁棒H_∞控制 |
| 3.1 系统描述 |
| 3.2 主要结果 |
| 3.3 数值例子 |
| 3.4 本章小结 |
| 第四章 区间二型模糊时滞系统基于观测器的无源控制 |
| 4.1 系统描述 |
| 4.2 主要结果 |
| 4.3 数值例子 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间研究成果 |
（3）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 |
（4）基于干扰和状态估计的多刚体系统鲁棒跟踪控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 多刚体系统鲁棒跟踪控制研究现状 |
| 1.2.2 干扰估计技术研究现状 |
| 1.2.3 状态估计技术研究现状 |
| 1.3 本论文的主要贡献与创新 |
| 1.4 本论文的结构安排 |
| 第二章 二阶多刚体系统的类PID鲁棒跟踪控制 |
| 2.1 引言 |
| 2.2 一类二阶多刚体系统的控制器设计分析 |
| 2.2.1 问题描述 |
| 2.2.2 设计难点 |
| 2.3 速率可测条件下的基于PD与 UDE结合的PID控制方案设计 |
| 2.3.1 控制方案设计 |
| 2.3.2 稳定性和性能分析 |
| 2.3.3 数值仿真验证 |
| 2.4 无速率测量条件下的基于改进LSO的控制方案设计 |
| 2.4.1 控制方案设计 |
| 2.4.2 UDE设计 |
| 2.4.3 改进的LSO设计 |
| 2.4.4 稳定性和性能分析 |
| 2.4.5 数值仿真验证 |
| 2.4.6 3-DOF直升机的应用 |
| 2.5 本章小结 |
| 第三章 无速率测量条件下二阶多刚体系统的鲁棒跟踪控制 |
| 3.1 引言 |
| 3.2 无速率测量条件下二阶多刚体系统的控制器设计分析 |
| 3.2.1 问题描述 |
| 3.2.2 设计难点 |
| 3.3 基于改进的UDE+LSO的控制方案设计 |
| 3.3.1 控制方案设计 |
| 3.3.2 改进的UDE+LSO设计 |
| 3.3.3 稳定性和性能分析 |
| 3.3.4 数值仿真验证 |
| 3.3.5 3-DOF直升机的应用 |
| 3.4 基于改进的EHGO的连续PID-SMC控制方案设计 |
| 3.4.1 控制方案设计 |
| 3.4.2 改进的EHGO设计 |
| 3.4.3 连续PID-SMC设计 |
| 3.4.4 稳定性和性能分析 |
| 3.4.5 数值仿真验证 |
| 3.4.6 SRV02 旋转伺服装置的应用 |
| 3.5 本章小结 |
| 第四章 存在输入饱和的高阶多刚体系统鲁棒跟踪控制 |
| 4.1 引言 |
| 4.2 一类存在输入饱和的高阶多刚体系统的控制器设计分析 |
| 4.2.1 问题描述 |
| 4.2.2 设计难点 |
| 4.3 基于障碍函数的有限时间控制方案设计 |
| 4.3.1 控制方案设计 |
| 4.3.2 基于障碍函数的干扰观测器设计 |
| 4.3.3 有限时间CNTSM控制器设计 |
| 4.3.4 稳定性与性能分析 |
| 4.3.5 数值仿真验证 |
| 4.4 本章小结 |
| 第五章 全文总结与展望 |
| 5.1 全文总结 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（5）永磁同步风力发电机变速变桨距鲁棒控制研究（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 风力发电技术概述 |
| 1.2.1 风力发电机组 |
| 1.2.2 风力预测 |
| 1.2.3 风力发电系统的控制 |
| 1.3 风力发电系统关键控制技术研究现状 |
| 1.4 本文主要研究内容与结构安排 |
| 第二章 永磁同步风力发电机系统基本原理 |
| 2.1 风力发电基本理论 |
| 2.1.1 风能 |
| 2.1.2 贝兹理论 |
| 2.1.3 动量理论 |
| 2.1.4 叶素理论 |
| 2.1.5 风力机特性系数 |
| 2.1.6 风力机空气动力学 |
| 2.2 风力发电机系统基本结构 |
| 2.3 风力发电机功率特性曲线 |
| 2.4 变速控制原理 |
| 2.4.1 功率曲线法 |
| 2.4.2 最佳转矩法 |
| 2.4.3 最佳叶尖速比法 |
| 2.5 额定风速以上功率控制原理 |
| 2.5.1 被动失速控制 |
| 2.5.2 主动失速控制 |
| 2.5.3 变桨距控制 |
| 2.6 永磁同步风力发电机系统模型 |
| 2.6.1 发电机数学模型 |
| 2.6.2 风轮数学模型 |
| 2.6.3 传动系统数学模型 |
| 2.6.4 变桨距机构数学模型 |
| 2.6.5 MATLAB/Simulink仿真模型 |
| 2.7 本章小结 |
| 第三章 基于扰动补偿的滑模控制理论 |
| 3.1 非线性系统 |
| 3.2 扰动观测器 |
| 3.2.1 Luenberger全状态观测器 |
| 3.2.2 扩张状态观测器 |
| 3.3 滑模控制 |
| 3.3.1 基本原理与性质 |
| 3.3.2 抖振现象 |
| 3.3.3 滑模切换面设计 |
| 3.3.4 控制律设计 |
| 3.4 基于扰动补偿的滑模鲁棒控制设计 |
| 3.5 本章小结 |
| 第四章 永磁同步风力发电机变速鲁棒控制 |
| 4.1 状态空间方程建模 |
| 4.2 变速控制设计 |
| 4.2.1 常规方法 |
| 4.2.2 PCSMC鲁棒策略 |
| 4.3 算例仿真与分析 |
| 4.3.1 阶跃风速 |
| 4.3.2 低频随机风速 |
| 4.3.3 高频随机风速 |
| 4.3.4 发电机参数不确定 |
| 4.3.5 定量统计 |
| 4.4 硬件在环实验 |
| 4.4.1 阶跃风速 |
| 4.4.2 低频随机风速 |
| 4.4.3 高频随机风速 |
| 4.5 本章小结 |
| 第五章 永磁同步风力发电机变桨距鲁棒控制 |
| 5.1 状态空间方程建模 |
| 5.2 变桨距控制设计 |
| 5.2.1 常规方法 |
| 5.2.2 PCSMC鲁棒策略 |
| 5.3 算例仿真与分析 |
| 5.3.1 渐变风速 |
| 5.3.2 随机风速 |
| 5.3.3 磁通量变化 |
| 5.3.4 定量统计 |
| 5.4 硬件在环实验 |
| 5.4.1 渐变风速 |
| 5.4.2 随机风速 |
| 5.5 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 |
| 附录 |
| 附录 A 作者攻读硕士学位期间取得的成果 |
| 附录 B 全文缩写对照表 |
（6）不确定非线性系统模糊自适应输出反馈控制（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题的背景和意义 |
| 1.2 反步递推控制方法的概况 |
| 1.3 非线性系统的鲁棒控制研究概况 |
| 1.4 论文的主要工作 |
| 1.5 预备知识 |
| 2 带有状态时滞的非线性系统模糊自适应输出反馈控制 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 模糊状态观测器设计 |
| 2.4 模糊自适应控制器设计 |
| 2.5 仿真实例 |
| 2.6 本章小结 |
| 3 不确定非线性系统模糊自适应输出反馈动态面控制 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 模糊状态观测器设计 |
| 3.4 模糊自适应控制器设计 |
| 3.5 仿真实例 |
| 3.6 本章小结 |
| 4 带有未建模动态的非线性系统模糊自适应输出反馈控制 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 模糊状态观测器设计 |
| 4.4 模糊自适应控制器设计 |
| 4.5 仿真实例 |
| 4.6 本章小结 |
| 5 不确定非线性多变量系统模糊自适应输出反馈控制 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 模糊状态观测器设计 |
| 5.4 模糊自适应控制器设计 |
| 5.5 仿真实例 |
| 5.6 本章小结 |
| 6 不确定非线性切换系统模糊自适应输出反馈控制 |
| 6.1 引言 |
| 6.2 问题描述 |
| 6.3 模糊状态观测器设计 |
| 6.4 模糊自适应控制器设计 |
| 6.5 仿真实例 |
| 6.6 本章小结 |
| 7 结论 |
| 参考文献 |
| 攻读硕士期间参与科研项目及发表学术论文情况 |
| 致谢 |
（7）基于多源干扰估计器的鲁棒飞行控制技术研究与应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.1.1 受多源干扰的控制系统 |
| 1.1.2 低成本飞行器的发展现状 |
| 1.1.3 低成本飞行器在受多源干扰条件下的控制难点 |
| 1.2 受多源干扰控制系统的国内外研究历史与现状 |
| 1.2.1 受集总输入干扰系统的鲁棒控制 |
| 1.2.2 受输出干扰或传感器数量受限系统的鲁棒控制 |
| 1.2.3 受多源干扰系统的鲁棒控制 |
| 1.3 本论文的主要创新与贡献 |
| 1.3.1 主要创新 |
| 1.3.2 主要贡献 |
| 1.4 本论文的结构安排 |
| 第二章 无速率测量系统的集总输入干扰补偿控制 |
| 2.1 引言 |
| 2.2 无速率测量系统的控制器设计分析 |
| 2.2.1 问题描述 |
| 2.2.2 设计难点 |
| 2.3 基于passivity技术和改进的UDE的控制方案设计 |
| 2.3.1 控制方案设计 |
| 2.3.2 改进的UDE设计 |
| 2.3.3 稳定性和性能分析 |
| 2.3.4 3-DOF直升机应用 |
| 2.4 基于改进的LSO+UDE的控制方案设计 |
| 2.4.1 控制方案设计 |
| 2.4.2 改进的LSO设计 |
| 2.4.3 UDE设计 |
| 2.4.4 稳定性和性能分析 |
| 2.4.5 3-DOF直升机应用 |
| 2.5 本章小结 |
| 第三章 传感器性能受限系统的测量误差补偿控制 |
| 3.1 引言 |
| 3.2 传感器性能受限系统的控制器设计分析 |
| 3.2.1 问题描述 |
| 3.2.2 设计难点 |
| 3.3 基于MEE的控制方案设计 |
| 3.3.1 控制方案设计 |
| 3.3.2 MEE设计 |
| 3.3.3 稳定性分析 |
| 3.3.4 2-DOF直升机应用 |
| 3.3.5 固定翼飞机应用 |
| 3.4 被控系统模型精度受限条件下基于MEE的控制方案设计 |
| 3.4.1 改进的控制方案设计 |
| 3.4.2 2-DOF直升机应用 |
| 3.5 传感器动态时滞条件下基于MEE+SLC的控制方案设计 |
| 3.5.1 针对一阶传感器模型的控制方案设计 |
| 3.5.2 针对一阶传感器模型的MEE设计 |
| 3.5.3 针对高阶传感器模型的控制方案和MEE设计的推广 |
| 3.5.4 2-DOF直升机应用 |
| 3.6 本章小结 |
| 第四章 存在多源干扰系统的一体化补偿控制 |
| 4.1 引言 |
| 4.2 存在多源干扰系统的控制器设计分析 |
| 4.2.1 问题描述 |
| 4.2.2 设计难点 |
| 4.3 基于MEE+UDE的控制方案设计 |
| 4.3.1 多源干扰估计框架设计 |
| 4.3.2 控制方案设计 |
| 4.3.3 MEE设计 |
| 4.3.4 UDE设计 |
| 4.3.5 稳定性和性能分析 |
| 4.3.6 与经典鲁棒控制方案的对比 |
| 4.3.7 2-DOF直升机应用 |
| 4.3.8 四旋翼飞行器应用 |
| 4.4 本章小结 |
| 第五章 固定翼飞机高精度编队控制 |
| 5.1 引言 |
| 5.2 固定翼飞机高精度编队控制设计分析 |
| 5.2.1 问题描述 |
| 5.2.2 设计难点 |
| 5.3 基于因果稳定逆的分布式鲁棒同步输出跟踪控制方案设计 |
| 5.3.1 控制方案设计 |
| 5.3.2 分布式观测网络设计 |
| 5.3.3 因果稳定逆设计 |
| 5.3.4 基于MEE的局部鲁棒控制器设计 |
| 5.3.5 稳定性和性能分析 |
| 5.3.6 F-16战斗机编队应用 |
| 5.4 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（8）基于自适应动态规划的不确定非线性系统鲁棒最优控制（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究背景与意义 |
| 1.2 研究现状与发展趋势 |
| 1.2.1 不确定非线性系统 |
| 1.2.2 自适应动态规划 |
| 1.3 预备知识 |
| 1.3.1 动态规划 |
| 1.3.2 自适应动态规划 |
| 1.3.3 相关不等式 |
| 1.4 本文主要内容和结构安排 |
| 2 匹配不确定连续时间非线性系统的鲁棒最优控制 |
| 2.1 问题描述 |
| 2.2 假设2.1.1下控制系统设计 |
| 2.2.1 鲁棒控制问题的转换 |
| 2.2.2 鲁棒最优控制器设计 |
| 2.2.3 稳定性分析 |
| 2.3 假设2.1.2下控制系统设计 |
| 2.3.1 状态镇定控制器设计 |
| 2.3.2 扰动补偿控制器设计 |
| 2.3.3 最优控制器设计 |
| 2.3.4 稳定性分析 |
| 2.4 仿真实验 |
| 2.5 本章小结 |
| 3 非匹配不确定连续时间非线性系统的鲁棒最优控制 |
| 3.1 问题描述 |
| 3.2 假设3.1.1下控制系统设计 |
| 3.2.1 鲁棒控制问题的转换 |
| 3.2.2 鲁棒最优控制器设计 |
| 3.2.3 稳定性分析 |
| 3.3 假设3.1.2下控制系统设计 |
| 3.3.1 状态镇定控制器设计 |
| 3.3.2 扰动补偿控制器设计 |
| 3.3.3 鲁棒最优控制器设计 |
| 3.3.4 稳定性分析 |
| 3.4 仿真实验 |
| 3.5 本章小结 |
| 4 不确定非线性系统的数据驱动鲁棒最优控制 |
| 4.1 问题描述 |
| 4.2 假设4.1.1下控制系统设计 |
| 4.2.1 鲁棒控制问题的转换 |
| 4.2.2 系统模型识别 |
| 4.2.3 鲁棒最优控制器设计 |
| 4.2.4 稳定性分析 |
| 4.3 假设4.1.2下控制系统设计 |
| 4.3.1 系统模型识别 |
| 4.3.2 鲁棒最优控制器设计 |
| 4.3.3 稳定性分析 |
| 4.4 仿真实验 |
| 4.5 本章小结 |
| 5.总结与展望 |
| 5.1 总结 |
| 5.2 研究展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 学位论文数据集表 |
（9）基于T-S模型的切换模糊系统的鲁棒控制与滤波（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号表 |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 模糊系统的发展 |
| 1.3 切换系统的发展 |
| 1.4 切换模糊系统的研究现状 |
| 第2章 一类含死区特性的切换T-S模糊系统控制 |
| 2.1 引言 |
| 2.2 具体问题的提出 |
| 2.3 模糊观测器设计 |
| 2.4 稳定性分析 |
| 2.5 仿真结果 |
| 2.5.1 数值仿真 |
| 2.5.2 实例仿真 |
| 2.6 本章小结 |
| 第3章 一类基于T-S模糊模型的马尔科夫跳变系统滤波 |
| 3.1 引言 |
| 3.2 具体问题的提出 |
| 3.3 T-S模糊马尔科夫跳变系统的稳定性分析 |
| 3.3.1 有限时间滤波 |
| 3.3.2 干扰性能分析 |
| 3.3.3 异步滤波器设计 |
| 3.4 仿真结果 |
| 3.4.1 数值仿真 |
| 3.4.2 实例仿真 |
| 3.5 本章小结 |
| 第4章 一类基于隐马模型的马尔科夫奇异摄动系统滤波 |
| 4.1 引言 |
| 4.2 具体问题的提出 |
| 4.2.1 系统描述 |
| 4.2.2 离散事件触发策略 |
| 4.2.3 滤波器设计 |
| 4.3 主要结论 |
| 4.4 仿真结果 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
（10）网络切换模糊控制系统的镇定设计（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 切换模糊系统的概述 |
| 1.1.1 切换系统概念 |
| 1.1.2 模糊系统的发展状况 |
| 1.1.3 切换模糊系统的研究进展 |
| 1.2 网络切换模糊系统概述 |
| 1.2.1 网络系统介绍 |
| 1.2.2 网络切换模糊系统的研究现状 |
| 1.3 论文主要工作与章节安排 |
| 第2章 不确定网络切换模糊系统的非脆弱控制 |
| 2.1 引言 |
| 2.2 主要研究成果 |
| 2.2.1 非脆弱系统描述 |
| 2.2.2 非脆弱状态反馈控制器与切换律设计 |
| 2.3 仿真例子 |
| 2.4 本章小结 |
| 第3章 不确定网络切换模糊时滞系统的鲁棒控制 |
| 3.1 引言 |
| 3.2 不确定网络切换模糊时滞系统的非脆弱控制 |
| 3.2.1 时滞系统描述 |
| 3.2.2 切换律设计及稳定性分析 |
| 3.2.3 仿真例子 |
| 3.3 基于观测器的不确定网络切换模糊时滞系统鲁棒控制 |
| 3.3.1 状态不可测的系统描述 |
| 3.3.2 基于观测器的反馈控制器及切换律设计 |
| 3.3.3 仿真例子 |
| 3.4 本章小结 |
| 第4章 不确定网络切换模糊时滞系统的非脆弱H_∞控制 |
| 4.1 引言 |
| 4.2 主要研究结果 |
| 4.2.1 系统描述 |
| 4.2.2 系统指数稳定及H_∞性能分析 |
| 4.2.3 范数有界不确定性问题 |
| 4.2.4 非脆弱控制器的设计 |
| 4.3 仿真例子 |
| 4.3.1 结果仿真 |
| 4.3.2 对比仿真 |
| 4.4 本章小结 |
| 第5章 不确定网络切换模糊系统的非脆弱H_∞容错控制 |
| 5.1 引言 |
| 5.2 容错控制镇定设计 |
| 5.2.1 系统描述 |
| 5.2.2 系统指数稳定及容错控制器设计 |
| 5.2.3 范数有界不确定性问题 |
| 5.2.4 非脆弱控制器的设计 |
| 5.3 仿真例子 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 研究生期间取得的科研成果 |
| 致谢 |
四、一类非线性系统的H_∞鲁棒控制（论文参考文献）
- [1]阀控伺服系统的非线性模型和控制技术研究[D]. 冯利军. 北京交通大学, 2021(02)
- [2]区间二型模糊时滞系统的鲁棒控制[D]. 毛晨斐. 延安大学, 2021(11)
- [3]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
- [4]基于干扰和状态估计的多刚体系统鲁棒跟踪控制研究[D]. 张新昱. 电子科技大学, 2021(01)
- [5]永磁同步风力发电机变速变桨距鲁棒控制研究[D]. 钟林恩. 昆明理工大学, 2021(01)
- [6]不确定非线性系统模糊自适应输出反馈控制[D]. 赵继鹏. 辽宁工业大学, 2021(02)
- [7]基于多源干扰估计器的鲁棒飞行控制技术研究与应用[D]. 祝洋. 电子科技大学, 2020(03)
- [8]基于自适应动态规划的不确定非线性系统鲁棒最优控制[D]. 陈思荣. 广东技术师范大学, 2020(02)
- [9]基于T-S模型的切换模糊系统的鲁棒控制与滤波[D]. 朱阳陈. 河南科技大学, 2020(07)
- [10]网络切换模糊控制系统的镇定设计[D]. 梅玉鹏. 天津城建大学, 2020(01)