基于一致性算法, 在有向通讯拓扑下, 研究存在状态约束的多航天器系统分布式有限时间姿态协同跟踪控制问题. 在仅有部分跟随航天器可以获取领航航天器状态, 并且跟随航天器之间存在不完全信息交互的情形下, 设计了分布式快速终端滑模面, 提出了不依赖于模型的分布式有限时间姿态协同跟踪控制律. 根据有限时间Lyapunov 稳定性定理, 证明了系统的状态在有限时间内收敛于领航航天器状态的小邻域内. 最后通过仿真算例验证了所提出算法的有效性.

RBF神经网络自适应控制MATLAB仿真介绍了RBF神经网络的原理和方法，列举了很多的控制例子，并且给出了详细的MATLAB程序代码，按照代码可以复现书中的仿真程序。

针对现有非线性控制方案的一些瓶颈问题，从线性控制的角度出发，开展了一种用于WMR的线性二次型最优控制方法设计的研究。基于WMR的运动学模型采用动态反馈线性化技术将非线性运动学模型转换为线性模型；然后选取跟踪误差及误差收敛速度作为设计指标；同时考虑实现渐进跟踪，针对不同形式的参考轨迹，根据内模原理对控制器模态进行扩展，利用线性模型设计基于内模扩展LQ最优轨迹跟踪控制器；最后通过动态反馈反变换得到实际控制器。此外，通过将此方法的控制效果与几种经典方法进行仿真比对，说明了此方法对于跟踪的精确性和快速性上有较大优势。

基于模型预测控制（MPC）无人驾驶汽车轨迹跟踪控制算法，基于MATLAB/simulink与carsim联合仿真，包含cpar,par,slx文件，支持MATLAB2018和carsim2019版本，先导入capr文件，然后发送到simulink，可支持修改代码，运用S-Function函数编写。 四轮转向汽车轨迹跟踪模型。 基于模型预测控制（MPC）无人驾驶汽车轨迹跟踪控制算法，基于MATLAB/simulink与carsim联合仿真，包含cpar,par,slx文件，支持MATLAB2018和carsim2019版本，先导入capr文件，然后发送到simulink，可支持修改代码，运用S-Function函数编写。 四轮转向汽车轨迹跟踪模型。

（1）Frenet坐标系下动力学建模 （2）自动驾驶车辆的换道轨迹规划 针对五次多项式换道法仅在初始时刻规划换道轨迹的问题，本文结合行驶环境边 界条件，建立五次多项式换道轨迹模型。将换道轨迹规划解耦成横、纵向轨迹规划。 综合考虑换道性能指标，建立横向轨迹优化模型。 （3）自动驾驶车辆的换道轨迹跟踪控制 针对轨迹跟踪控制算法计算量大，鲁棒性差等问题，本文对横、纵向轨迹跟踪进 行解耦控制，从而降低计算量。采用实验的方法，制作油门/刹车标定表，通过双PID 控制器进行纵向轨迹跟踪控制；采用Ackermann公式设计控制函数，将滑模切换函数 替换为状态向量的第四个状态量，从而证明系统运动点到达滑模面以后，不受外界扰 动影响，具有较好的鲁棒性；通过李雅普诺夫函数证明了系统可以在有限时间内到达滑模面。 （4）高速行驶环境下两种换道场景的仿真验证 通过Matlab/Simulink分别与Prescan、Carsim联合仿真，对自动驾驶车辆的换道 轨迹规划与跟踪控制进行仿真验证。仿真结果表明，加入模型预测控制算法的五次多 项式轨迹规划方法可以有效的动态规划换道轨迹。

针对液压支架电液控制系统存在静态软件和动态应用环境之间的矛盾问题，设计了一种液压支架电液控制系统自适应软件。介绍了BP神经网络模型以及自适应控制技术，和液压支架电液控制系统自适应软件工作原理，分析了影响液压支架自动控制的主要因素，提出了液压支架自动控制软件自适应模型，构建了液压支架电液控制系统基于BP神经网络软件自适应模型，介绍了模型训练集样本收集、模型训练相关流程及内容。

变频器、整流器等各种非线性电力电子器在煤矿供电系统中广泛使用,导致电网谐波问题日益突出。在电力系统中安装有源电力滤波器等装置可以地抑制谐波进而改善电网电压电流畸变情况。由于煤矿系统电网有其自身独特的复杂情况,对有源电力滤波器的稳态性能和动态性能有很高的要求。为了兼顾有源电力滤波器的动态性和稳态性,针对有源电力滤波器控制部分采用改进重复控制和PI控制并联的方式增强补偿效果。在传统重复控制器中引入无差拍控制,利用无差拍控制的超前计算误差的特性提高重复控制器的响应精度,仿真结果验证了该方法的可行性。

在本文中，提出了一种新颖的自适应鲁棒方法来对一类受执行器未建模动力学影响的柔性臂机器人进行建模和控制。 它显示了如何利用动态系统测量的实时信号来提高柔性机器人数学模型的准确性。 鉴于机器人手臂的弹性，柔性机械手具有被动和主动自由度。 非线性鲁棒控制器设计用于主动自由度，以使机器人在执行器存在未建模动力学的情况下能够遵循所需轨迹。 此外，表明在某些可行的条件下，为被动自由度设计了另一个非线性鲁棒控制器。 此外，为了将系统响应用于模型提取，提出了两个辅助信号，以提供足够的信息来从数字上提高系统动力学的准确性。 另外，在每种情况下都提出了两种自适应定律来更新两个引入的辅助信号。 结果，在主动自由度收敛到它们的期望轨迹之后，控制器控制被动自由度。 同时，从系统收集的用于更新辅助信号的信息提高了模型的准确性。 最后，给出了仿真结果以验证所提出控制器的性能。

matlab，强化学习MPC模型预测控制算法 基于强化学习+MPC模型预测控制算法的车辆变道轨迹跟踪控制MATLAB仿真 使用matlab2021a或者更高版本运行！！！！

为了降低滤波参数对单相有源滤波器（APF）的补偿效果的影响，提出了基于超稳定理论的模型跟随控制策略。首先对非线性APF模型线性化，并把线性化后的模型等价由前向回路和反馈回路构成，根据超稳定性理论，反馈回路满足波波夫积分不等式，前向回路的传递函数严格正实，由此设计自适应模型跟随控制律。仿真结果表明所提控制策略较PI控制的补偿效果更好，不仅可以有效消除电网谐波电流，而且具有更强的参数抑制能力。