基于坐标补偿的自动泊车系统无模型自适应控制

为克服飞行控制系统设计中传统增益规划方案的缺点,提出一类飞机纵向运动模型参考反推自适应PID控制方案,并给出了该方案的具体设计过程和跟踪性能改善方法.理论分析和数值仿真结果表明,该方案兼具反推自适应控制和PID控制的优点,即:无需知道被控对象的精确数学模型,控制器结构简单,鲁棒性强,在不增大控制增益的前提下具有良好的跟踪性能.

针对一类具有输入及状态未建模动态的非线性系统, 设计K滤波器来估计系统不可量测状态, 基于动态面控制技术并利用径向基函数神经网络的逼近能力, 提出一种输出反馈自适应跟踪控制方案. 利用Nussbaum 函数性质, 有效地解决了高频增益符号未知问题. 在控制器设计中引入规范化信号来约束输入未建模动态, 从而有效地抑制其产生的扰动. 通过理论分析证明了闭环控制系统是半全局一致终结有界的.

大数据-算法-风力发电机组的非线性自适应控制方法研究.pdf

安全技术-网络信息-无人艇建模及逻辑网络自适应控制方法的研究.pdf

安全技术-网络信息-深海采矿升沉运动补偿神经网络参数自适应控制研究.pdf

Lecture book of Daniel Liberzon

RBF神经网络自适应控制MATLAB仿真书中的源码程序，详细整理好带注释

系统辨识与自适应控制MATLAB仿真（官网公开的）

一、用状态变量设计模型参考自适应控制律 设模型的状态方程为 �Xm = Am Xm + Bm r (3 .3 1) 式中 Xm 为 n维状态向量 , r为 m 维输入向量 , Am 为 n× n稳定矩阵 , Bm 为 n× m矩阵。 控制对象的状态方程为 �Xp = Ap ( t) Xp + Bp ( t) u (3 .3 2) 图 3. 3 1 模型参考自适应控制图 式中 Xp 为 n维状态向量 , u为 m维控制向 量 , Ap ( t) 为 n× n 矩阵 , Bp ( t) 为 n× m 矩阵。 一般自适应控制系统采用如图3 .3 1 所示的前馈控制加反馈控制。 从图 3 .3 1 可得 u = K( t) r + F( t) Xp (3 .3 3) 将式 (3 .3 3 ) 代入式 ( 3 .3 2) 得 �Xp = [ Ap ( t) + Bp ( t) F( t) ] Xp + Bp ( t) K( t) r (3 .3 4) 设 Ap ( t) + Bp ( t) F( t) = As ( t) Bp ( t) K( t) = Bs ( t) (3 .3 5) 图 3. 3 2 用状态方程描述的模型参考自适应系统 因 F( t) 与 K( t) 都是误差 e的函数。因此 As ( t) 和 Bs ( t)也与误差 e有关 ,则 As ( t) 和 Bs ( t) 可表示成 As ( t) = As ( e, t) , Bs ( t) = Bs ( e, t) (3 .3 6) 则式 (3 .3 4 ) 可表示成 �Xp = As ( e, t) Xp + Bs ( e, t) r 在上式中 Xp 用 Xs 表示 ,则 �Xs = As ( e, t) Xs + Bs ( e, t) r (3 .3 7) 式 (3 .3 7 ) 为可调系统 , Xs 就是可调系统 的状态向量。As ( e, t) 和 Bs ( e, t) 按照自适 应规律进行调整。系统如图 3 .3 2 所示。 按照超稳定性理论设计模型参考自适 应系统的步骤如下 : —85—