CN113960923A - 基于离散扩展状态观测器的无模型自适应滑模控制方法 - Google Patents
基于离散扩展状态观测器的无模型自适应滑模控制方法 Download PDFInfo
- Publication number
- CN113960923A CN113960923A CN202111107914.4A CN202111107914A CN113960923A CN 113960923 A CN113960923 A CN 113960923A CN 202111107914 A CN202111107914 A CN 202111107914A CN 113960923 A CN113960923 A CN 113960923A
- Authority
- CN
- China
- Prior art keywords
- sliding mode
- extended state
- state observer
- discrete
- discrete extended
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
- G05B13/024—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及自动化控制技术领域,具体公开了一种基于离散扩展状态观测器的无模型自适应滑模控制方法,该方法包括以下步骤:将带有外部扰动的离散非线性系统转换为仿射系统;采用自适应方法估计线性参数项,并采用离散扩展状态观测器估计未知非线性时变项;定义跟踪误差的收敛界,并将受收敛界约束的跟踪误差转化为无约束变量;根据无约束变量设计滑模函数;根据仿射系统和滑模函数设计控制器;该方法基于离散扩展状态观测器将原本带有外部扰动的离散非线性系统能转换为仿射系统,以实现系统的简化和重建,并实现带有外部扰动的离散非线性系统的闭环稳定控制。
Description
技术领域
本申请涉及自动化控制技术领域,具体而言,涉及一种基于离散扩展状态观测器的无模型自适应滑模控制方法。
背景技术
随着工程技术的不断发展,控制系统的复杂性日益增高,导致系统的精确建模成为最艰巨的任务。
传统的基于系统数学模型的控制策略逐渐不再适合日益复杂的控制系统。为了克服此类问题,仅使用输入和输出数据的数据驱动控制方法应运而生。数据驱动控制方法已应用于许多实际场景中,如搭载在四轮驱动车辆、自动驾驶车辆、机器人以及其他工业过程系统上;无模型自适应控制方法属于数据驱动方法中的一种。
现有的无模型自适应控制方法对于存在不确定性和干扰的原始非线性系统,一般采用伪偏导参数来捕获实时动态,不会包含显示的非线性项。然而,伪偏导参数在复杂的非线性系统中具有复杂的动力学,因此很难估计,使得无模型自适应控制的控制器复杂繁琐。
针对上述问题,目前尚未有有效的技术解决方案。
发明内容
本申请的目的在于提供一种基于离散扩展状态观测器的无模型自适应滑模控制方法,将原始非线性系统重构为包括线性参数项和未知非线性时变项的系统,简化控制器结构。
本申请提供了一种基于离散扩展状态观测器的无模型自适应滑模控制方法,用于对带有外部扰动的离散非线性系统进行滑模控制,所述方法包括以下步骤:
将所述带有外部扰动的离散非线性系统转换为仿射系统,所述仿射系统含有仿射于控制输入的线性参数项和未知非线性时变项;
采用自适应方法估计所述线性参数项,并采用离散扩展状态观测器估计所述未知非线性时变项;
定义跟踪误差的收敛界,并将受所述收敛界约束的所述跟踪误差转化为无约束变量,所述跟踪误差为所述仿射系统的跟踪轨迹与所述仿射系统的输出值之差;
根据所述无约束变量设计滑模函数;
根据所述仿射系统和所述滑模函数设计控制器;
将所述控制器作为输入端代入所述带有外部扰动的离散非线性系统,使所述带有外部扰动的离散非线性系统能按预设轨迹收敛,以实现所述带有外部扰动的离散非线性系统的闭环稳定控制。
在该示例的基于离散扩展状态观测器的无模型自适应滑模控制方法中,该方法利用离散扩展状态观测器估计不符合线性特征的未知非线性时变项,使得原本带有外部扰动的离散非线性系统能转换为仿射系统,以实现系统的简化和重建,然后根据受收敛界约束的跟踪误差转化的无约束向量设计滑模函数,使得根据仿射系统和滑模函数设计的控制器能实现输出跟踪误差按照预先设定的瞬态和稳定状态性能收敛到残留集,从而实现带有外部扰动的离散非线性系统的闭环稳定控制。
在该示例的基于离散扩展状态观测器的无模型自适应滑模控制方法中,该方法利用原本为伪偏导参数的作为估计线性参数项以及利用未知非线性时变项代表系统中的不确定性和扰动,合理简化了系统构成,降低了的计算难度,从而简化控制器的设计。
所述的一种基于离散扩展状态观测器的无模型自适应滑模控制方法,其中,所述采用离散扩展状态观测器估计所述未知非线性时变项的步骤包括:采用离散扩展状态观测器获取,并以作为 的估计值,所述离散扩展状态观测器满足:
所述的一种基于离散扩展状态观测器的无模型自适应滑模控制方法,其中,所述定义跟踪误差的收敛界,并将受所述收敛界约束的所述跟踪误差转化为无约束变量的步骤包括:
设定所述跟踪误差收敛界:
所述的一种基于离散扩展状态观测器的无模型自适应滑模控制方法,其中,所述滑模函数为:
所述的一种基于离散扩展状态观测器的无模型自适应滑模控制方法,其中,所述控制器满足:
在该示例的基于离散扩展状态观测器的无模型自适应滑模控制方法中,控制器中的输入值为根据k-1时刻的输入值 结合由基于滑模函数设定的和补偿器计算获得,与传统无模型自适应控制的控制器相比,具有计算简单且能确保输出值对应的跟踪误差能按照预先设定的瞬态和稳定状态性能收敛到残留集。
由上可知,本申请的一种基于离散扩展状态观测器的无模型自适应滑模控制方法,基于离散扩展状态观测器将原本带有外部扰动的离散非线性系统能转换为仿射系统,以实现系统的简化和重建,从而简化控制器构建,然后根据受收敛界约束的跟踪误差转化的无约束向量设计滑模函数,使得根据仿射系统和滑模函数设计的控制器能实现输出跟踪误差按照预先设定的瞬态和稳定状态性能收敛到残留集,从而实现带有外部扰动的离散非线性系统的闭环稳定控制。
附图说明
图1为本申请实施例提供的一种基于离散扩展状态观测器的无模型自适应滑模控制方法的流程图。
图2为本申请实施例提供的一种基于离散扩展状态观测器的无模型自适应滑模控制方法应用在蒸汽-水热交换器系统中获取的跟踪误差轨迹示意图。
图3为图2中a处放大后的跟踪误差轨迹稳定前后的示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
无模型自适应(MFAC,Model-free adaptive control)控制,顾名思义,是一种无需建立过程模型的自适应控制方法。
无模型自适应控制系统应具有如下属性或特征:1、无需精确的过程定量知识;2、系统中不含过程辨识机制和辨识器;3、不需要针对某一过程进行控制器设计;4、不需要复杂的人工控制器参数整定;5、具有闭环系统稳定性分析和判据,确保系统的稳定性。
无模型自适应控制系统一般通过伪偏导参数来捕获实时动态,实际应用时,伪偏导参数在复杂的非线性系统中具有复杂的动力学,因此很难估计,导致无模型自适应控制方法难以构建控制器。
请参照图1,图1是本申请一些实施例中的一种基于离散扩展状态观测器的无模型自适应滑模控制方法,用于对带有外部扰动的离散非线性系统进行滑模控制,方法包括以下步骤:
S1、将带有外部扰动的离散非线性系统转换为仿射系统,仿射系统含有仿射于控制输入的线性参数项和未知非线性时变项;
具体地,带有外部扰动的离散非线性系统表现为:
具体地,原本带有外部扰动的离散非线性系统为一个非线性非仿射的系统,针对该系统,步骤S1将该系统转换为包含仿射于控制输入的线性参数项和未知非线性时变项的仿射系统,将系统分成具有线性特征和非线性特征的两部分,使得具有线性特征的线性参数项能根据线性特征进行估计,同时利用未知非线性时变项表征不符合线性规律的差值部分,即利用未知非线性时变项对线性参数项进行补偿以使得仿射系统能对应于原本带有外部扰动的离散非线性系统,简化了整个系统的构成。
S2、采用自适应方法估计线性参数项,并采用离散扩展状态观测器估计未知非线性时变项;
具体地,步骤S2目的是根据基于带有外部扰动的离散非线性系统重建的仿射系统中的输入值和输出值的关系,对线性参数项和未知非线性时变项进行估计,其中,采用自适应方法能快速定义线性参数项的线性参数,而在仿射系统中采用离散扩展状态观测器估计未知非线性时变项则无需获取具体时刻的扰动值,能在最短时间内重构系统状态而快速估计未知非线性时变项,结合利用自适应方法估计的线性参数项,能快速且精确地重构系统,有利于后续控制器的设计。
S3、定义跟踪误差的收敛界,并将受收敛界约束的跟踪误差转化为无约束变量,跟踪误差为仿射系统的跟踪轨迹与仿射系统的输出值之差;
S4、根据无约束变量设计滑模函数;
具体地,将由受收敛界约束的跟踪误差转化为无约束变量后加入至滑模函数的设计中,使得滑模函数也不受收敛界约束。
S5、根据仿射系统和滑模函数设计控制器;
具体地,滑模函数基于受收敛界约束的跟踪误差转化为无约束变量进行设计,使得基于该滑模函数设计的控制器能实现输出跟踪误差按照预先设定的瞬态和稳定状态性能收敛到残留集。
S6、将控制器作为输入端代入带有外部扰动的离散非线性系统,使带有外部扰动的离散非线性系统能按预设轨迹收敛,以实现带有外部扰动的离散非线性系统的闭环稳定控制。
本申请实施例的一种基于离散扩展状态观测器的无模型自适应滑模控制方法,利用离散扩展状态观测器估计不符合线性特征的未知非线性时变项,使得原本带有外部扰动的离散非线性系统能转换为仿射系统,以实现系统的简化和重建,然后根据受收敛界约束的跟踪误差转化的无约束向量设计滑模函数,使得根据仿射系统和滑模函数设计的控制器能实现输出跟踪误差按照预先设定的瞬态和稳定状态性能收敛到残留集,从而实现带有外部扰动的离散非线性系统的闭环稳定控制。
更具体地,步骤S1中采用局部紧凑型动态线性化方法将原本呈现为非线性非仿射系统的带有外部扰动的离散非线性系统转换为一个仿射系统,使得原本的系统简化为由线性参数项和未知非线性时变项构成的仿射系统,具有线性参数项和未知非线性时变项的该仿射系统仍能充分反映原本带有外部扰动的离散非线性系统中的输入值和输出值的关系,因此仿射系统中仍包含输入值和输出值。
在一些优选的实施方式中,仿射系统为:
具体地,现有技术中,一般为伪偏导(PPD)参数,即用于捕获实时动态,难以进行估算,而本申请实施例的一种基于离散扩展状态观测器的无模型自适应滑模控制方法,将原本复杂的系统转换成仿射系统后,利用未知非线性时变项估计原本系统中的不确定性和干扰,使得原本难以确定的伪偏导参数在本实施例中的仿射系统中仅作为线性参数项中的线性参数,从而的估计值更精确,且无需参与复杂的非线性计算,进而简化了系统的构成。
具体地,线性参数项中的线性特点由线性参数决定,因此,只需要获取和,即可快速确定相对于的变化结果,相比起其他无模型自适应控制方法相比,利用原本为伪偏导参数的作为估计线性参数项中的线性参数以及利用未知非线性时变项代表系统中的不确定性和扰动,合理简化了系统构成,降低了的计算难度,从而简化控制器的设计。
更具体地,公式(6)的变式为:
在一些优选的实施方式中,定义跟踪误差的收敛界,并将受收敛界约束的跟踪误差转化为无约束变量的步骤包括:
S32、设定跟踪误差收敛界:
为仿射系统在k时刻的跟踪误差,为仿射系统在k时刻的跟踪轨迹,即公式(9)利用预设函数和预设的和预设了一个用于约束跟踪误差的动态变化的收敛界,即使得跟踪误差能按照该收敛界进行收敛,即使得跟踪误差按照预先设定的瞬态和稳定状态性能收敛到残留集。
在一些优选的实施方式中,滑模函数为:
在一些优选的实施方式中,控制器满足:
具体地,控制器中的输入值为根据k-1时刻的输入值结合由基于滑模函数设定的和补偿器计算获得,与传统无模型自适应控制的控制器相比,具有计算简单的特点,且能确保输出值对应的跟踪误差能按照预先设定的瞬态和稳定状态性能收敛到残留集。
具体地,公式(14)根据公式(2)、(3)、(4)、(5)、(6)、(10)、(11)和(12)推导而得,具体推导过程如下:
结合公式(16)和公式(2),有:
然后,对公式(18)代入公式(3)和公式(10),获得:
公式(11)转换可得:
由公式(15)转换可得:
公式(21)结合公式(22)可得:
将公式(16)和(23)代入公式(19)中即可获得公式(14)。
实施例1
将公式(13)、(14)和(24)构成的控制器应用于蒸汽-水热交换器系统中。
该系统的满足:
其中u(k)表示k时刻的输入值,y(k) 表示k时刻的输出值。
更具体地,u(k)为k时刻的输入功率,y(k)为k时刻的输出温度,本申请实施例的控制器用于该系统中目的是将该系统的输出自动调节并稳定在预设范围内。
考虑跟踪目标,外部扰动为,根据本申请实施例的控制方法选择适当的初始值和控制参数后,设计对应的控制器进行滑模控制,得到如图2和图3所示的跟踪误差轨迹,图3为图2放大500倍后所得;其中,图2中连接两角端的虚线为预先设定的所要达到的上下界,位于中间的实线为本申请实施例的控制方法获得的跟踪误差轨迹,余下的虚线和点划线为其他两种控制方法分别获取的跟踪误差轨迹,其中,虚线为参考文献《R. Chi, Y. Hui, S. Zhang, B. Huang, Z. Hou, Discrete-timeextended state observer-based model-free adaptive control via local dynamiclinearization, IEEE T Ind Electron 67 (10) (2020) 8691–8701》中控制方法获取的跟踪误差轨迹,点划线为参考文献《Z. Hou, Model free adaptive control: theory andapplications, CRC Press, Boca Raton, FL, USA, 2013》中控制方法获取的跟踪误差轨迹。
由图3可以看出,其他两种控制方法获取的跟踪误差轨迹由于没有估计外部扰动值,导致跟踪误差轨迹稳定后位于下收敛界之下,即未能将跟踪误差轨迹自动调节至收敛边界内;而本申请实施例的控制方法,根据离散扩展状态观测器计算以估计外部扰动,将跟踪误差自动调节至预设的轨迹范围内,即确保输出跟踪误差按照预先设定的瞬态和稳定状态性能收敛到残留集,从而实现带有外部扰动的离散非线性系统的闭环稳定控制。
综上,本申请实施例的一种基于离散扩展状态观测器的无模型自适应滑模控制方法,基于离散扩展状态观测器将原本带有外部扰动的离散非线性系统能转换为仿射系统,以实现系统的简化和重建,从而简化控制器构建,然后根据受收敛界约束的跟踪误差转化的无约束向量设计滑模函数,使得根据仿射系统和滑模函数设计的控制器能实现输出跟踪误差按照预先设定的瞬态和稳定状态性能收敛到残留集,从而实现带有外部扰动的离散非线性系统的闭环稳定控制。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于离散扩展状态观测器的无模型自适应滑模控制方法,用于对带有外部扰动的离散非线性系统进行滑模控制,其特征在于,所述方法包括以下步骤:
将所述带有外部扰动的离散非线性系统转换为仿射系统,所述仿射系统含有仿射于控制输入的线性参数项和未知非线性时变项;
采用自适应方法估计所述线性参数项,并采用离散扩展状态观测器估计所述未知非线性时变项;
定义跟踪误差的收敛界,并将受所述收敛界约束的所述跟踪误差转化为无约束变量,所述跟踪误差为所述仿射系统的跟踪轨迹与所述仿射系统的输出值之差;
根据所述无约束变量设计滑模函数;
根据所述仿射系统和所述滑模函数设计控制器;
将所述控制器作为输入端代入所述带有外部扰动的离散非线性系统,使所述带有外部扰动的离散非线性系统能按预设轨迹收敛,以实现所述带有外部扰动的离散非线性系统的闭环稳定控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111107914.4A CN113960923B (zh) | 2021-09-22 | 2021-09-22 | 基于离散扩展状态观测器的无模型自适应滑模控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111107914.4A CN113960923B (zh) | 2021-09-22 | 2021-09-22 | 基于离散扩展状态观测器的无模型自适应滑模控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113960923A true CN113960923A (zh) | 2022-01-21 |
CN113960923B CN113960923B (zh) | 2022-03-08 |
Family
ID=79462353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111107914.4A Active CN113960923B (zh) | 2021-09-22 | 2021-09-22 | 基于离散扩展状态观测器的无模型自适应滑模控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113960923B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114442488A (zh) * | 2022-01-28 | 2022-05-06 | 青岛科技大学 | 一种基于扩展状态观测器的无模型自适应控制技术 |
CN114637213A (zh) * | 2022-05-18 | 2022-06-17 | 季华实验室 | 一种空间组合机器人的无模型自适应预设控制方法 |
CN115185178A (zh) * | 2022-06-23 | 2022-10-14 | 江南大学 | 一种基于虚拟传感器的离散非线性系统的mfac容错控制方法 |
CN117850215A (zh) * | 2024-03-08 | 2024-04-09 | 华东交通大学 | 高速动车组无模型自适应滑模控制方法、系统及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050096793A1 (en) * | 2003-10-30 | 2005-05-05 | Kabushiki Kaisha Toshiba | Reference model tracking control system and method |
CN104049537A (zh) * | 2014-06-19 | 2014-09-17 | 金陵科技学院 | 非仿射非线性飞控系统鲁棒自适应容错控制系统 |
CN104102132A (zh) * | 2014-06-27 | 2014-10-15 | 金陵科技学院 | 基于非仿射非线性无人飞行器鲁棒自适应容错控制方法 |
CN105676852A (zh) * | 2016-01-13 | 2016-06-15 | 天津大学 | 小型无人直升机无动力学模型结构自适应姿态控制方法 |
-
2021
- 2021-09-22 CN CN202111107914.4A patent/CN113960923B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050096793A1 (en) * | 2003-10-30 | 2005-05-05 | Kabushiki Kaisha Toshiba | Reference model tracking control system and method |
CN104049537A (zh) * | 2014-06-19 | 2014-09-17 | 金陵科技学院 | 非仿射非线性飞控系统鲁棒自适应容错控制系统 |
CN104102132A (zh) * | 2014-06-27 | 2014-10-15 | 金陵科技学院 | 基于非仿射非线性无人飞行器鲁棒自适应容错控制方法 |
CN105676852A (zh) * | 2016-01-13 | 2016-06-15 | 天津大学 | 小型无人直升机无动力学模型结构自适应姿态控制方法 |
Non-Patent Citations (1)
Title |
---|
李醒 等: "不确定机器人系统无模型自适应滑模控制方法", 《南京理工大学学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114442488A (zh) * | 2022-01-28 | 2022-05-06 | 青岛科技大学 | 一种基于扩展状态观测器的无模型自适应控制技术 |
CN114637213A (zh) * | 2022-05-18 | 2022-06-17 | 季华实验室 | 一种空间组合机器人的无模型自适应预设控制方法 |
CN114637213B (zh) * | 2022-05-18 | 2022-08-16 | 季华实验室 | 一种空间组合机器人的无模型自适应预设控制方法 |
CN115185178A (zh) * | 2022-06-23 | 2022-10-14 | 江南大学 | 一种基于虚拟传感器的离散非线性系统的mfac容错控制方法 |
CN115185178B (zh) * | 2022-06-23 | 2023-06-30 | 江南大学 | 一种基于虚拟传感器的离散非线性系统的mfac容错控制方法 |
CN117850215A (zh) * | 2024-03-08 | 2024-04-09 | 华东交通大学 | 高速动车组无模型自适应滑模控制方法、系统及电子设备 |
CN117850215B (zh) * | 2024-03-08 | 2024-05-17 | 华东交通大学 | 高速动车组无模型自适应滑模控制方法、系统及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113960923B (zh) | 2022-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113960923B (zh) | 基于离散扩展状态观测器的无模型自适应滑模控制方法 | |
CN113703313B (zh) | 一种基于改进预设性能的无模型自适应滑模约束控制方法 | |
Berger et al. | Funnel control for nonlinear systems with known strict relative degree | |
Zerari et al. | Neural network based adaptive tracking control for a class of pure feedback nonlinear systems with input saturation | |
CN108205259B (zh) | 基于线性扩张状态观测器的复合控制系统及其设计方法 | |
Oliveira et al. | Adaptive sliding mode control for disturbances with unknown bounds | |
CN108490765B (zh) | 一种带有抗积分补偿的自抗扰控制器的设计方法 | |
CN108489015B (zh) | 基于极点配置和帕德近似的空调系统温度控制方法 | |
CN108828934B (zh) | 一种基于模型辨识的模糊pid控制方法及装置 | |
CN109951123B (zh) | 针对直线感应电机的速度控制方法 | |
Berger | Tracking with prescribed performance for linear non-minimum phase systems | |
CN114077197B (zh) | 基于全形式动态线性化的数据驱动积分滑模约束控制方法 | |
CN106959618B (zh) | 一种基于阶梯优化权重的电压协调控制方法 | |
CN114637213B (zh) | 一种空间组合机器人的无模型自适应预设控制方法 | |
CN112578670B (zh) | 一种热工过程自抗扰时滞控制器的参数整定方法及控制器 | |
CN113934142A (zh) | 非线性离散系统无模型自适应滑模约束事件触发控制方法 | |
Zhang et al. | Realization of exact tracking control for nonlinear systems via a nonrecursive dynamic design | |
Zheng et al. | Prescribed finite-time consensus with severe unknown nonlinearities and mismatched disturbances | |
Meng et al. | Disturbance and state observer-based adaptive finite-time control for quantized nonlinear systems with unknown control directions | |
Zheng et al. | Quantized adaptive tracking control for nonlinear systems with actuator backlash compensation | |
CN113589862A (zh) | 一种基于网络拓扑型智能pid温度控制方法及控制芯片 | |
Priyanka et al. | Composite fault-tolerant and anti-disturbance control for switched fuzzy stochastic systems | |
CN109695893B (zh) | 一种锅炉系统中的氧气浓度控制方法、装置、设备及系统 | |
Queiroz et al. | Modular variable structure adaptive backstepping controller: Design and stability analysis | |
CN107490963A (zh) | 基于最新估计的动态线性化自适应滑模控制方法 |
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 |