CN109189075A - 一种舰船用模糊遗忘因子无模型自适应航向控制方法 - Google Patents
一种舰船用模糊遗忘因子无模型自适应航向控制方法 Download PDFInfo
- Publication number
- CN109189075A CN109189075A CN201811169436.8A CN201811169436A CN109189075A CN 109189075 A CN109189075 A CN 109189075A CN 201811169436 A CN201811169436 A CN 201811169436A CN 109189075 A CN109189075 A CN 109189075A
- Authority
- CN
- China
- Prior art keywords
- course
- fuzzy
- forgetting factor
- naval vessel
- heading
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供一种舰船用模糊遗忘因子无模型自适应航向控制方法,建立航向系统模型,下达期望航向指令y(k)*,设定航向偏差的阈值e0,根据舰船期望航向y*(k),与舰船当前航向y(k),计算航向偏差e(k)和偏差变化率ec(k),当e(k)的绝对值|e(k)|小于航向偏差的阈值e0,跳出循环,否则继续执行,模糊遗忘因子MFAC控制器根据e(k)、ec(k)在线调整遗忘因子β并解算出航向系统的期望输入u(k),系统接收并执行航向系统输入指令u(k),令k=k+1,更新舰船当前航向y(k)。本发明解决了MFAC控制算法产生积分饱和问题,提高了系统响应速度以及控制精度,提高了控制系统的自适应性以及鲁棒性。
Description
技术领域
本发明属于舰船运动控制领域,具体涉及一种舰船用模糊遗忘因子无模型自适应航向控制方法。
背景技术
模糊控制虽然不需要受控系统精确的数学模型,但控制精度不高,还会存在稳态偏差的问题,无模型自适应控制虽然具有一定的自适应性以及鲁棒性,但是舰船运行于海洋环境中时容易受到模型摄动、海洋环境干扰力等影响。在外界环境影响下,利用一组离线整定好的固定的步长因子ρ,以及用来限制控制输入量变化的权重因子λ与微分控制系数kd,使得控制器难以维持一致的良好的动、静态控制效果,需要重新调整参数才能使系统保持良好控制性能或稳定。
公开日2013年08月14日,公布号为CN103246201A,发明名称为“径向混合磁轴承的改进模糊无模型自适应控制系统及方法”,改进模糊无模型自适应控制器由基本无模型自适应控制器、四个模糊推理器和微分器相互连接组成,模糊推理器一、模糊推理器二分别确定偏差增益系数和确定转子径向位移偏差及其变化率之间的模糊关系,在线修正偏差增益系数,模糊推理器三、模糊推理器四分别确定权重因子和确定过去时刻的径向位移变化量之间的模糊关系,在线修正权重因子;该发明通过四个模糊推理器对参数调整,使径向位移输出信号波动较小且快速跟踪位移期望值。
公开日2016年09月21日,公布号为CN105955206A,发明名称“一种基于数据驱动和参数混合优化的多轴运动控制方法”将多电机驱动系统解耦成一系列单关节电机驱动系统采用CFDL_MFAC算法实现对各关节电机电压的控制从而实现对由多电机驱动的多轴的运动状态的准确控制。
MFAC算法属于增量式的积分结构,将上述控制算法应用到舰船的航向控制中会产生积分饱和的问题,从而使舰船的航向系统产生严重的超调和震荡甚至失稳的现象。本发明提出的模糊遗忘因子MFAC算法,通过在MFAC中引入遗忘因子解决了MFAC算法直接应用到舰船的航向控制中产生积分饱合问题。
发明内容
本发明的目的在于提供了一种舰船用模糊遗忘因子无模型自适应航向控制方法,使得舰船航向能够稳定收敛到期望航向。
本发明的目的是这样实现的:
一种舰船用模糊遗忘因子无模型自适应航向控制方法,具体的实现步骤如下:
步骤1.建立航向系统模型;
步骤2.下达期望航向指令y(k)*,设定航向偏差的阈值e0;
步骤3.根据舰船期望航向y*(k),与舰船当前航向y(k),计算航向偏差e(k)和偏差变化率ec(k),当e(k)的绝对值|e(k)|小于航向偏差的阈值e0,跳出循环,否则执行步骤4;
步骤4.模糊遗忘因子MFAC控制器根据e(k)、ec(k)在线调整遗忘因子β并解算出航向系统的期望输入u(k);
步骤5.系统接收并执行航向系统输入指令u(k),令k=k+1,更新舰船当前航向y(k),并转到步骤3。
步骤1所述的建立系统航向模型为在无模型自适应控制算法的基础上引入模糊遗忘因子β,其中β为小于1的遗忘系数,构成模糊遗忘因子无模型自适应控制算法。
步骤3所述的航向偏差e(k)=y*(k)-y(k),偏差变化率其中T为控制节拍,k为控制周期的序号。
步骤4所述的模糊遗忘因子MFAC控制器的控制方法基于遗忘因子模糊MFAC航向控制算法,其具体过程为,
其中φ(k)为伪偏导数,为伪偏导数估计值,η∈(0,1]为步长因子,μ>0为权重系数,
其中ρ>0为权重系数,λ∈(0,1]为步长因子,β为模糊遗忘因子,
β=β0+Δβ
其中β0为模糊遗忘因子β的初始值,βi(e)为e的隶属度,βj(ec)为ec的隶属度,
fij=βi(e)·βj(ec)
当|Δu(k-1)|≤ε或或时,令本发明中隶属度函数的选取以三角形隶属度函数为例,并采用重心法进行解模糊化,e、ec的基本论域取为[-30,30],Δβ的基本论域取为[-0.5,0.5]。
本发明的有益效果在于:
在无模型自适应控制算法MFAC的基础上引入因子β,解决MFAC控制算法产生积分饱和问题;通过数值模拟或者外场试验为模糊遗忘因子MFAC算法寻找一组针对舰船航向控制效果较好的初始遗忘因子β0作为β的初始值,从而节约模糊遗忘因子MFAC算法的试验调试时间,提高系统响应速度以及控制精度;将模糊控制与无模型自适应控制算法相结合,提出模糊遗忘因子MFAC算法;利用航向偏差e(k)和航向偏差变化率ec(k),模糊遗忘因子无模型自适应航向控制器在线整定遗忘因子β,提高控制系统的自适应性以及鲁棒性。
附图说明
图1为本发明的航向系统整体框图。
图2为独本发明的流程图。
具体实施方式
下面结合附图对本发明做进一步的描述:
实施例1
本发明的目的在于提供一种舰船用模糊PD型紧格式无模型自适应航向控制算法,使得舰船航向能够稳定收敛到期望航向,一种舰船用模糊遗忘因子无模型自适应航向控制方法,具体的实现步骤如下:
步骤1.建立航向系统模型,无模型自适应控制算法的基础上引入模糊遗忘因子β,其中β为小于1的遗忘系数,构成模糊遗忘因子无模型自适应控制算法;
步骤2.下达期望航向指令y(k)*,设定航向偏差的阈值e0;
步骤3.根据舰船期望航向y*(k),与舰船当前航向y(k),计算航向偏差e(k)和偏差变化率ec(k),当e(k)的绝对值|e(k)|小于航向偏差的阈值e0,本发明中取e0=2,跳出循环,否则执行步骤4;
步骤4.模糊遗忘因子MFAC控制器根据e(k)、ec(k)在线调整遗忘因子β并解算出航向系统的期望输入u(k);
步骤5.系统接收并执行航向系统输入指令u(k),令k=k+1,更新舰船当前航向y(k),并转到步骤3。
步骤1所述的建立系统航向模型为在无模型自适应控制算法的基础上引入模糊遗忘因子β,其中β为小于1的遗忘系数,构成模糊遗忘因子无模型自适应控制算法。
步骤3所述的航向偏差e(k)=y*(k)-y(k),偏差变化率其中T为控制节拍,k为控制周期的序号。
步骤4所述的模糊遗忘因子MFAC控制器的控制方法基于遗忘因子模糊MFAC航向控制算法,其具体过程为,
其中φ(k)为伪偏导数,为伪偏导数估计值,η∈(0,1]为步长因子,μ>0为权重系数,
其中ρ>0为权重系数,λ∈(0,1]为步长因子,β为模糊遗忘因子,
β=β0+Δβ
其中β0为模糊遗忘因子β的初始值,βi(e)为e的隶属度,βj(ec)为ec的隶属度,
fij=βi(e)·βj(ec)
当|Δu(k-1)|≤ε或或时,令本发明中隶属度函数的选取以三角形隶属度函数为例,并采用重心法进行解模糊化,e、ec、Δβ的基本论域有很多中取法,为方便起见本发明中e、ec的基本论域取为[-30,30],Δβ的基本论域取为[-0.5,0.5],输入输出变量词集的选取为{NB,NM,NS,ZO,PS,PM,PB},词集中元素NB、NM、NS、ZO、PS、PM、PB分别代表负大、负中、负小、零、正小、正中、正大。本发明中隶属度函数的选取以三角形隶属度函数为例,并采用重心法进行解模糊化。
表1Δβ模糊控制规则表
实施例2
本发明涉及舰船运动控制领域,是一种舰船用模糊遗忘因子无模型自适应航向控制算法,属于舰船自动控制领域。本发明中的舰船是指广义上的各种水中航行装备,如水面船舶、潜水器、潜艇、水下无人航行器、水面无人艇等,在本发明中统称为舰船,都在本发明的应用范围内。
模糊控制虽然不需要受控系统精确的数学模型,但控制精度不高,还会存在稳态偏差的问题,无模型自适应控制虽然具有一定的自适应性以及鲁棒性,但是舰船运行于海洋环境中时容易受到模型摄动、海洋环境干扰力等影响。在外界环境影响下,利用一组离线整定好的固定的步长因子ρ,以及用来限制控制输入量变化的权重因子λ与微分控制系数kd,使得控制器难以维持一致的良好的动、静态控制效果,需要重新调整参数才能使系统保持良好控制性能或稳定。
公开日2013年08月14日,公布号为CN103246201A,发明名称为“径向混合磁轴承的改进模糊无模型自适应控制系统及方法”,改进模糊无模型自适应控制器由基本无模型自适应控制器、四个模糊推理器和微分器相互连接组成,模糊推理器一、模糊推理器二分别确定偏差增益系数和确定转子径向位移偏差及其变化率之间的模糊关系,在线修正偏差增益系数,模糊推理器三、模糊推理器四分别确定权重因子和确定过去时刻的径向位移变化量之间的模糊关系,在线修正权重因子;该发明通过四个模糊推理器对参数调整,使径向位移输出信号波动较小且快速跟踪位移期望值。
公开日2016年09月21日,公布号为CN105955206A,发明名称“一种基于数据驱动和参数混合优化的多轴运动控制方法”将多电机驱动系统解耦成一系列单关节电机驱动系统采用CFDL_MFAC算法实现对各关节电机电压的控制从而实现对由多电机驱动的多轴的运动状态的准确控制。
MFAC算法属于增量式的积分结构,将上述控制算法应用到舰船的航向控制中会产生积分饱和的问题,从而使舰船的航向系统产生严重的超调和震荡甚至失稳的现象。本发明提出的模糊遗忘因子MFAC算法,通过在MFAC中引入遗忘因子解决了MFAC算法直接应用到舰船的航向控制中产生积分饱合问题。
本发明的目的在于提供一种舰船用模糊PD型紧格式无模型自适应(CFDL_MFAC)航向控制算法,使得舰船航向能够稳定收敛到期望航向。
在无模型自适应控制(model free adaptive control,MFAC)算法的基础上引入因子β,解决MFAC控制算法产生积分饱和问题。
通过数值模拟或者外场试验为模糊遗忘因子MFAC算法寻找一组针对舰船航向控制效果较好的初始遗忘因子β0作为β的初始值,从而节约模糊遗忘因子MFAC算法的试验调试时间。提高系统响应速度以及控制精度。
将模糊控制与无模型自适应控制算法相结合,提出模糊遗忘因子MFAC算法。利用航向偏差e(k)和航向偏差变化率ec(k),模糊遗忘因子无模型自适应航向控制器在线整定遗忘因子β,提高控制系统的自适应性以及鲁棒性。
本发明的目的是这样实现的:
包括如下步骤:
(1)无模型自适应控制(model free adaptive control,MFAC)算法的基础上引入模糊遗忘因子β,其中β为小于1的遗忘系数,构成模糊遗忘因子无模型自适应控制算法。
(2)向舰船下达期望航向指令y*(k)。
(3)根据舰船期望航向y*(k),与舰船当前航向y(k),计算航向偏差e(k)和偏差变化率ec(k),其中e(k)=y*(k)-y(k),T为控制节拍,k为控制周期的序号,当e(k)的绝对值|e(k)|小于设定的航向偏差的阈值e0(e0为较小的正常量,本发明中取e0=2),则认为舰船的实际航向收敛到期望航向并跳出循环否则执行(4),遗忘因子模糊MFAC航向控制算法如下:
β=β0+Δβ
fij=βi(e)·βj(ec)
e、ec、Δβ的基本论域有很多中取法,为方便起见本发明中e、ec的基本论域取为[-30,30],Δβ的基本论域取为[-0.5,0.5],输入输出变量词集的选取为{NB,NM,NS,ZO,PS,PM,PB},词集中元素NB、NM、NS、ZO、PS、PM、PB分别代表负大、负中、负小、零、正小、正中、正大。本发明中隶属度函数的选取以三角形隶属度函数为例,并采用重心法进行解模糊化。
表1模糊控制规则表
其中,η∈(0,1],λ∈(0,1]为步长因子,μ>0,ρ>0为权重系数,β0为模糊遗忘因子β的初始值,βi(e)为e的隶属度βj(ec)为ec的隶属度,φ(k)为伪偏导数,为伪偏导数估计值。当|Δu(k-1)|≤ε或或令
(4)模糊遗忘因子MFAC控制器根据e(k),ec(k)在线调整遗忘因子β并解算出航向系统的期望输入u(k)。
(5)操纵机构接收并执行航向系统输入指令u(k),令k=k+1,更新舰船当前航向y(k),并转到步骤(3)。
下面结合附图举例对本发明做更详细地描述:
图1表述了本发明的航向系统模型,首先给出期望航向y(k)*的命令,根据当前时刻舰船实际航向计算航向偏差e(k)和偏差变化率ec(k),并作为模糊遗忘因子MFAC控制器的输入,模糊遗忘因子MFAC控制器在线整定遗忘因子β并解算出航向系统的期望输入u(k)。操纵机构执行期望输入指令,令k=k+1,更新舰船系统的实际航向y(k),并计算新的航向偏差e(k)和偏差变化率ec(k),作为模糊遗忘因子MFAC控制器新的输入。重复上述过程,使得舰船的实际航向收敛到期望航向。
图2表述了本发明的系统流程图。具体实现步骤如下:
(1)无模型自适应控制(model free adaptive control,MFAC)算法的基础上引入模糊遗忘因子β,其中β为小于1的遗忘系数,构成模糊遗忘因子无模型自适应控制算法。
(2)向舰船下达期望航向指令y*(k)。
(3)根据舰船期望航向y*(k),与舰船当前航向y(k),计算航向偏差e(k)和偏差变化率ec(k),其中e(k)=y*(k)-y(k),T为控制节拍,k为控制周期的序号,当e(k)的绝对值|e(k)|小于设定的航向偏差的阈值e0(e0为较小的正常量,本发明中取e0=2),则认为舰船的实际航向收敛到期望航向并跳出循环否则执行(4)。
(4)模糊遗忘因子MFAC控制器根据e(k),ec(k)在线调整遗忘因子β并解算出航向系统的期望输入u(k)。
(5)操纵机构接收并执行航向系统输入指令u(k),令k=k+1,更新舰船当前航向y(k),并转到步骤(3)。
Claims (4)
1.一种舰船用模糊遗忘因子无模型自适应航向控制方法,其特征在于,具体的实现步骤如下:
步骤1.建立航向系统模型;
步骤2.下达期望航向指令y(k)*,设定航向偏差的阈值e0;
步骤3.根据舰船期望航向y*(k),与舰船当前航向y(k),计算航向偏差e(k)和偏差变化率ec(k),当e(k)的绝对值|e(k)|小于航向偏差的阈值e0,跳出循环,否则执行步骤4;
步骤4.模糊遗忘因子MFAC控制器根据e(k)、ec(k)在线调整遗忘因子β并解算出航向系统的期望输入u(k);
步骤5.系统接收并执行航向系统输入指令u(k),令k=k+1,更新舰船当前航向y(k),并转到步骤3。
2.根据权利要求1所述的一种舰船用模糊遗忘因子无模型自适应航向控制方法,其特征在于:步骤1所述的建立系统航向模型为在无模型自适应控制算法的基础上引入模糊遗忘因子β,其中β为小于1的遗忘系数,构成模糊遗忘因子无模型自适应控制算法。
3.根据权利要求1所述的一种舰船用模糊遗忘因子无模型自适应航向控制方法,其特征在于:步骤3所述的航向偏差e(k)=y*(k)-y(k),偏差变化率其中T为控制节拍,k为控制周期的序号。
4.根据权利要求1所述的一种舰船用模糊遗忘因子无模型自适应航向控制方法,其特征在于:步骤4所述的模糊遗忘因子MFAC控制器的控制方法基于遗忘因子模糊MFAC航向控制算法,其具体过程为,
其中φ(k)为伪偏导数,为伪偏导数估计值,η∈(0,1]为步长因子,μ>0为权重系数,
其中ρ>0为权重系数,λ∈(0,1]为步长因子,β为模糊遗忘因子,
β=β0+Δβ
其中β0为模糊遗忘因子β的初始值,βi(e)为e的隶属度,βj(ec)为ec的隶属度,
fij=βi(e)·βj(ec)
当|Δu(k-1)|≤ε或或时,令本发明中隶属度函数的选取以三角形隶属度函数为例,并采用重心法进行解模糊化,e、ec的基本论域取为[-30,30],Δβ的基本论域取为[-0.5,0.5]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811169436.8A CN109189075B (zh) | 2018-10-08 | 2018-10-08 | 一种舰船用模糊遗忘因子无模型自适应航向控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811169436.8A CN109189075B (zh) | 2018-10-08 | 2018-10-08 | 一种舰船用模糊遗忘因子无模型自适应航向控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109189075A true CN109189075A (zh) | 2019-01-11 |
CN109189075B CN109189075B (zh) | 2021-05-11 |
Family
ID=64946869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811169436.8A Active CN109189075B (zh) | 2018-10-08 | 2018-10-08 | 一种舰船用模糊遗忘因子无模型自适应航向控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109189075B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110221537A (zh) * | 2019-07-01 | 2019-09-10 | 南京航空航天大学 | 控制方法、装置及航空发动机限制保护控制方法、装置 |
CN112034858A (zh) * | 2020-09-14 | 2020-12-04 | 哈尔滨工程大学 | 一种融合弱观测高阶输出数据的无模型自适应艏向控制方法 |
CN113342013A (zh) * | 2021-06-08 | 2021-09-03 | 西北工业大学 | 一种联合横滚机构与扑翼非对称相位差的航向控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101825903A (zh) * | 2010-04-29 | 2010-09-08 | 哈尔滨工程大学 | 一种遥控水下机器人水面控制方法 |
CN102819220A (zh) * | 2012-07-24 | 2012-12-12 | 华中科技大学 | 船舶自动舵自适应控制方法 |
TW201409963A (zh) * | 2012-05-18 | 2014-03-01 | Rearden Llc | 增強在分散式輸入分散式輸出之無線系統中之空間分集的系統及方法 |
US9235556B2 (en) * | 2012-12-26 | 2016-01-12 | Hewlett Packard Enterprise Development Lp | Adaptive baseline based on metric values |
CN107942688A (zh) * | 2018-01-05 | 2018-04-20 | 哈尔滨工程大学 | 水中航行器用遗忘因子式无模型自适应航向控制方法 |
-
2018
- 2018-10-08 CN CN201811169436.8A patent/CN109189075B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101825903A (zh) * | 2010-04-29 | 2010-09-08 | 哈尔滨工程大学 | 一种遥控水下机器人水面控制方法 |
TW201409963A (zh) * | 2012-05-18 | 2014-03-01 | Rearden Llc | 增強在分散式輸入分散式輸出之無線系統中之空間分集的系統及方法 |
CN102819220A (zh) * | 2012-07-24 | 2012-12-12 | 华中科技大学 | 船舶自动舵自适应控制方法 |
US9235556B2 (en) * | 2012-12-26 | 2016-01-12 | Hewlett Packard Enterprise Development Lp | Adaptive baseline based on metric values |
CN107942688A (zh) * | 2018-01-05 | 2018-04-20 | 哈尔滨工程大学 | 水中航行器用遗忘因子式无模型自适应航向控制方法 |
Non-Patent Citations (1)
Title |
---|
孙功武等: "基于动态遗忘因子递推最小二乘算法的船舶航向模型识别", 《计算机应用》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110221537A (zh) * | 2019-07-01 | 2019-09-10 | 南京航空航天大学 | 控制方法、装置及航空发动机限制保护控制方法、装置 |
CN112034858A (zh) * | 2020-09-14 | 2020-12-04 | 哈尔滨工程大学 | 一种融合弱观测高阶输出数据的无模型自适应艏向控制方法 |
CN112034858B (zh) * | 2020-09-14 | 2022-04-29 | 哈尔滨工程大学 | 一种融合弱观测高阶输出数据的无模型自适应艏向控制方法 |
CN113342013A (zh) * | 2021-06-08 | 2021-09-03 | 西北工业大学 | 一种联合横滚机构与扑翼非对称相位差的航向控制方法 |
CN113342013B (zh) * | 2021-06-08 | 2022-08-05 | 西北工业大学 | 一种联合横滚机构与扑翼非对称相位差的航向控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109189075B (zh) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Taylor et al. | Adaptive safety with control barrier functions | |
Wu et al. | Characteristic model-based all-coefficient adaptive control method and its applications | |
Na et al. | Adaptive control for nonlinear pure-feedback systems with high-order sliding mode observer | |
CN109189075A (zh) | 一种舰船用模糊遗忘因子无模型自适应航向控制方法 | |
Jagannathan | Control of a class of nonlinear discrete-time systems using multilayer neural networks | |
Li et al. | Predefined-time asymptotic tracking control for hypersonic flight vehicles with input quantization and faults | |
CN108227483A (zh) | 海洋运载器用pd型紧格式无模型自适应航速控制方法 | |
CN108319140A (zh) | 一种重定义输出式无模型自适应航向控制方法及系统 | |
Ferrari et al. | An adaptive critic global controller | |
Wang et al. | Tuning of ADRC for QTR in transition process based on NBPO hybrid algorithm | |
Wang et al. | Extended state observer-based fixed-time trajectory tracking control of autonomous surface vessels with uncertainties and output constraints | |
Witkowska et al. | Nonlinear backstepping ship course controller | |
Lin et al. | An adaptive control method for the dissolved oxygen concentration in wastewater treatment plants | |
Liu et al. | Attitude adjustment of quadrotor aircraft platform via a data-driven model free adaptive control cascaded with intelligent PID | |
Yu et al. | Adaptive neural control for a class of uncertain stochastic nonlinear systems with dead-zone | |
CN112034858A (zh) | 一种融合弱观测高阶输出数据的无模型自适应艏向控制方法 | |
Mfoumboulou | Design of a model reference adaptive PID control algorithm for a tank system | |
Qin et al. | Dual-loop robust attitude control for an aerodynamic system with unknown dynamic model: Algorithm and experimental validation | |
Rakhtala et al. | Twisting control algorithm for the yaw and pitch tracking of a twin rotor UAV | |
Gao et al. | Offset-free trajectory tracking control for hypersonic vehicle under external disturbance and parametric uncertainty | |
Zhang et al. | Virtual-sensor-based model-free adaptive fault-tolerant constrained control for discrete-time nonlinear systems | |
Glida et al. | Trajectory tracking control of a coaxial rotor drone: Time-delay estimation-based optimal model-free fuzzy logic approach | |
CN114115276A (zh) | 一种基于在线分组优化模型预测的船舶动力定位控制方法 | |
Hfaïedh et al. | Observer-based output feedback integral terminal sliding mode control for nonlinear systems: multi-model approach | |
CN109116727B (zh) | 一种基于低通滤波器的pid型一阶全格式无模型自适应航速控制算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |