欢迎您！东篱公司
退出
-
申报数据库
-
立项数据库
-
成果数据库
-
项目获奖数据库
位置：立项数据库 > 立项详情页
中文摘要：
将非一致目标跟踪的迭代学习控制与自适应控制相结合，拟提出一种非一致目标跟踪的自适应迭代学习控制理论与方法，确保自适应系统具有良好的暂态性能并保证对非一致目标轨线的渐近精确跟踪。利用混杂动态系统的稳定性理论分析这些算法的稳定性和鲁棒性。以解决自适应控制系统中长期存在的无法保证良好暂态性能的困难。然后将其理论与方法推广到非线性滞后系统和未知非线性系统，分别利用Lyapunov-Krasovskii泛函和万能逼近网络分析相应算法的稳定性和收敛性。最后将新理论应用于工业过程稳态优化控制中，改善工业过程的动态品质。本项目的研究成果将在工业过程优化控制和先进控制理论领域中具有重要的理论意义和重大的实践价值。
结论摘要：
从自适应控制、学习控制以及二者相结合的角度系统地研究了若干类未知动态系统的复杂目标跟踪控制问题。对几类未知非线性时滞系统，利用小波神经网络和前馈网络在线逼近器，结合Backstepping方法和占优技术，设计出了一系列自适应跟踪控制算法，确保闭环系统所有信号是有界的，并保证了较好的跟踪性能；通过构造适当的Lyapunov泛函，给出了闭环系统稳定的充分条件。在此基础上，结合迭代学习控制理论，对几类未知时滞非线性时滞系统，设计了一系列自适应迭代学习控制算法，保证了跟踪误差在有限区间内的精确收敛性和闭环系统的稳定性，利用混合Lyapunov泛函，给出了闭环系统稳定以及跟踪误差收敛的充分条件。对于参数未知的不稳定和（或）非最小相位系统，提出了一种迭代自适应极点配置算法，保证系统能跟踪任意有界参考信号，证明了闭环系统稳定的充分条件。对自动机型和Petri网型混合系统分别提出了混合Lyapunov稳定性定理，为混合自适应迭代学习控制提供了分析和设计收敛性的新途径。本课题还为自适应迭代学习控制理论在工业过程稳态优化中的应用提出了一种新框架，为机器人系统的复杂目标跟踪问题提供了一条先进的控制策略。
成果综合统计
期刊论文
会议论文
专利
获奖
著作
期刊论文
会议论文
相关项目
李俊民的项目
