×
王元庆;徐宁;刘亚娟;赵旭东

基于指令滤波技术的切换非线性系统自适应容错控制。 （英语） Zbl 1508.93180号

申请。数学。计算。 392，文章ID 125725，18 p.（2021）.
摘要：针对一类存在执行器故障的切换非线性系统，提出了一种基于指令滤波的自适应神经容错控制策略。通过使用神经网络，对所考虑系统的未知非线性函数进行近似，而通过建立切换观测器来估计其不可测量状态。此外，使用命令过滤器方法解决了由虚拟控制器派生产生的“复杂性爆炸”问题。为了减少滤波误差并克服大多数传统方法（例如基于动态表面控制技术的方法）的缺点，开发了一种误差补偿机制。综上所述，利用指令滤波器方法、backstepping算法和平均驻留时间方法，为所考虑的系统建立了自适应NNs容错控制器。最后，所设计的控制器能够使系统输出能够跟踪的参考信号尽可能接近，并保证闭环系统内所有信号的有界性。仿真实例说明了所设计控制器的有效性。

引用于55文件

MSC公司：

93C40 自适应控制/观测系统
93立方厘米35 灵敏度（稳健性）
93立方 由微分方程以外的函数关系控制的控制/观测系统（例如混合系统和开关系统）

关键词：

切换非线性系统;容错控制;命令过滤器;平均停留时间
PDF格式BibTeX公司 XML格式引用
\textit{Y.Wang}等人，应用。数学。计算。392，文章ID 125725，第18页（2021；兹bl 1508.93180）
全文： DOI程序

参考文献：

[1] Krsti，M。；Kanellakopoulos，I。；Petar，V.，非线性和自适应控制设计（1995），威利纽约
[2] Tan，X。；张杰。；Yang，Y.，使用反推设计同步混沌系统，混沌解决方案。分形。，16, 1, 37-45 (2003) ·兹比尔1035.34025
[3] 马赞茨，F。；Bliman，P.-A.，时滞非线性系统的反推设计，IEEE Trans。自动。控制，51，1，149-154（2006）·Zbl 1366.93211号
[4] 李毅。；Qiang，S。；庄，X。；Kaynak，O.，《使用RBF神经网络的非线性系统鲁棒和自适应反推控制》，IEEE Trans。神经网络。，15, 3, 693-701 (2004)
[5] Lee，T.H.，二次函数的基于几何的条件：时变时滞系统稳定性的应用，IEEE Access，892462-92468（2020）
[6] 蔡，J。；Yu，R。；王，B。；梅，C。；Shen，L.，具有未知扰动的互联系统的分散事件触发控制，J.Frankl。研究所，357，31494-1515（2020）·Zbl 1430.93134号
[7] Yu，J。；Shi，P。；Dong，W。；Yu，H.，基于观测器和命令滤波器的不确定非线性系统自适应模糊输出反馈控制，IEEE Trans。Ind.Electron公司。，62, 9, 5962-5970 (2015)
[8] 张，T。；Ge，S.S。；Hang，C.C.，使用反推设计实现严格反馈非线性系统的自适应神经网络控制，Automatica，36，12，1835-1846（2000）·Zbl 0976.93046号
[9] 李毅。；Qiang，S。；庄，X。；Kaynak，O.，《使用RBF神经网络的非线性系统鲁棒和自适应反推控制》，IEEE Trans。神经网络。，15, 3, 693-701 (2004)
[10] Lee，T.H。；Trinh，H.M。；Park，J.H.，通过构造新的Lyapunov泛函进行时变时滞神经网络的稳定性分析，IEEE Trans。神经网络。学习。系统。，29, 9, 4238-4247 (2017)
[11] Zhu，Y。；Zheng，W.，驻留时间约束下离散时间切换分段仿射系统的多lyapunov函数分析方法，IEEE自动控制汇刊，65，5，2177-2184（2020）·Zbl 1533.93669号
[12] Chang，X.-H。；刘，Q。；Wang，Y.-M。；Xiong，J.，具有多路径数据包丢失的网络非线性系统的模糊峰间滤波，IEEE Trans。模糊系统。，27, 3, 436-446 (2019)
[13] Ru，T.等人。；夏，J。；黄，X。；陈，X。；Wang，J.，具有马尔可夫跳变参数的延迟模糊惯性神经网络的可达集估计，J.Frankl。仪器（2020）·Zbl 1447.93020号
[14] Chang，Y。；Wang，Y。；Alsaadi，F.E。；Zong，G.，切换随机纯反馈非线性系统的自适应模糊输出反馈跟踪控制，国际自适应控制与信号处理杂志，33，101567-1582（2019）·Zbl 1429.93175号
[15] Chang，X.-H。；Yang，G.-H.，连续时间模糊系统的非脆弱H_∞滤波，IEEE Trans。信号处理。，59, 4, 1528-1538 (2010) ·Zbl 1391.93134号
[16] Swaroop，D。；Hedrick，J.K。；叶，P.P。；Gerdes，J.C.，一类非线性系统的动态表面控制，IEEE Trans。自动。控制，45，10，1893-1899（2000）·Zbl 0991.93041号
[17] 李，T.-S。；王，D。；冯·G。；Tong，S.-C.，用于严格反馈非线性系统鲁棒自适应NN跟踪控制的DSC方法，IEEE Trans。系统。人类网络。B部分（Cybern.），40、3、915-927（2009）
[18] 王，D。；黄，J.，基于神经网络的自适应动态表面控制，用于一类严格反馈形式的不确定非线性系统，IEEE Trans。神经网络。，16, 1, 195-202 (2005)
[19] Yoo，S.J。；Park，J.B。；Choi，Y.H.，具有未知时滞的参数严格反馈非线性系统镇定的自适应动态表面控制，IEEE Trans。自动。控制，52，12，2360-2365（2007）·Zbl 1366.93593号
[20] 唐，S。；李毅。；李毅。；Liu，Y.，一类随机非线性严格反馈系统的基于观测器的自适应模糊反推控制，IEEE Trans。系统。人类网络。B部分（Cybern.），41、6、1693-1704（2011）
[21] Farrell，J.A。；Polycarpou，M。；夏尔马，M。；Dong，W.，命令过滤反步法，《美国控制会议论文集》，1923-1928（2008）
[22] Farrell，J.A。；Polycarpou，M。；夏尔马，M。；Dong，W.，命令过滤backstepping，IEEE Trans。自动。对照，541391-1395（2009）·兹比尔1367.93382
[23] Dong，W。；Farrell，J.A。；Polycarpou，M.M。；Djapic，V。；Sharma，M.，命令过滤自适应反步法，IEEE Trans。控制系统。技术。，20, 3, 566-580 (2011)
[24] Yu，J。；Shi，P。；董，W。；Lin，C.，具有饱和输入的非线性系统的基于命令滤波的模糊控制，IEEE Trans。赛博。，47, 9, 2472-2479 (2016)
[25] Wang，Y。；曹，L。；张，S。；胡，X。；Yu，F.，不确定非线性系统的指令滤波自适应模糊反推控制方法，IET控制理论应用。，10, 10, 1134-1141 (2016)
[26] Yu，J。；陈，B。；Yu，H。；林，C。；赵，L.，基于神经网络的不确定扰动非线性系统的指令滤波控制，信息科学。（纽约），426，50-60（2018）·Zbl 1447.93185号
[27] Chang，X.-H。；熊，J。；Park，J.H.，一类参数控制隧道二极管电路的估计，IEEE Trans。系统。网络人：系统。(2018)
[28] Yu，J。；Shi，P。；林，C。；Yu，H.，具有饱和输入和未知控制方向的非线性MIMO系统的自适应神经命令滤波控制，IEEE Trans。赛博。，50, 6, 2536-2545 (2019)
[29] Daafouz，J。；Riedinger，P。；Iung，C.，切换系统的稳定性分析和控制综合：切换Lyapunov函数方法，IEEE Trans。自动。控制，47，11，1883-1887（2002）·Zbl 1364.93559号
[30] 沈，H。；邢，M。；吴，Z。；徐，S。；曹，J.，具有持续驻留时间的模糊切换系统的多目标容错控制及其在电路中的应用，IEEE Trans。模糊系统。(2019)
[31] Wang，Y。；Chang，Y。；F.阿尔哈提布，A。；阿洛塔比，N.D.，具有规定性能的切换非严格反馈非线性系统的自适应模糊输出反馈跟踪控制，电路系统。信号处理。(2020)
[32] 沈，H。；Xing，M。；Wu，Z。；曹，J。；Huang，T.，受round-robin协议约束的持久驻留时间交换耦合网络的L_2-L_∞状态估计，IEEE Trans。神经网络。学习。系统。(2020)
[33] 刘，Z。；陈，B。；Lin，C.，切换非线性系统的输出反馈控制设计：自适应神经反步法，信息科学。（纽约），457，62-75（2018）·Zbl 1448.93164号
[34] 马，L。；宗，G。；X.赵。；Huo，X.，一类输入饱和的非限制反馈非线性系统的基于观测的自适应有限时间跟踪控制，J.Frankl。研究所，357，16，11518-11544（2020）·Zbl 1450.93062号
[35] 马·R。；Zhao，J.，任意切换下下三角形式切换非线性系统全局镇定的反推设计，Automatica，46，11，1819-1823（2010）·Zbl 1218.93075号
[36] 赖，G。；刘，Z。；Zhang，Y。；陈，C.P。；Xie，S.，一类不确定切换非线性系统的自适应反推跟踪控制，Automatica，91，301-310（2018）·Zbl 1387.93098号
[37] 赖，G。；刘，Z。；Zhang，Y。；Chen，C.P。；Xie，S.，一类不确定切换非线性系统的自适应反推跟踪控制，Automatica，91，301-310（2018）·Zbl 1387.93098号
[38] 马，L。；徐，N。；X.赵。；霍，X.，具有平均停留时间的切换纯反馈非线性系统的自适应有限时间输出反馈控制设计，非线性分析：混合系统，37，100908（2020）·Zbl 1478.93327号
[39] Yang，H。；江，B。；Cockempot，V.，容错控制和混合系统，混合系统的容错控制设计，1-9（2010），Springer
[40] 谢，X。；岳，D。；Park，J.H.，离散时间非线性系统基于观测器的故障估计及其应用：加权切换方法，IEEE Trans。电路系统。我是Regul。爸爸。，66, 11, 4377-4387 (2019) ·Zbl 1468.93110号
[41] 吴，C。；刘，J。；熊，Y。；Wu，L.，非线性非严格反馈系统基于观测器的自适应容错跟踪控制，IEEE Trans。神经网络。学习。系统。，29, 7, 3022-3033 (2017)
[42] Yang，G.-H。；Ye，D.，具有自适应机制的线性系统的可靠H_∞控制，IEEE Trans。自动。控制，55，1，242-247（2009）·兹比尔1368.93161
[43] 赵博士。；Karimi，H.R。；Sakthivel，R。；Li，Y.，具有间歇执行器故障的非线性马尔可夫跳跃系统的非脆弱容错控制，非线性分析。混合系统。，32, 337-350 (2019) ·Zbl 1425.93264号
[44] 博斯科维奇，J.D。；Yu，S.-H。；Mehra，R.K.，执行机构故障时自动控制重构的稳定方案，1998年美国控制会议论文集。ACC（IEEE分类号98CH36207），42455-2459（1998），IEEE
[45] Ye，D。；Yang，G.-H.，针对执行器故障的自适应容错跟踪控制及其在飞行控制中的应用，IEEE Trans。控制系统。技术。，14, 6, 1088-1096 (2006)
[46] 李，P。；杨，G.，针对执行器故障的不确定非线性系统的反推自适应模糊控制，J.控制理论应用。，7, 3, 248-256 (2009) ·Zbl 1212.93196号
[47] 李玉霞。；Yang，G.-H.，具有输入量化和执行器故障的不确定非线性系统的自适应渐近跟踪控制，Automatica，72177-185（2016）·Zbl 1344.93061号
[48] 马，L。；徐，N。；X.赵。；宗，G。；霍，X.，基于Small-gain技术的未建模动态切换非线性系统自适应神经输出反馈容错控制，IEEE Trans。系统。网络人：系统。(2020)
[49] Lee，T.H。；Park，J.H.，基于新Lyapunov泛函的时变时滞系统的改进稳定性条件，J.Frankl。研究所，355，3，1176-1191（2018）·Zbl 1393.93097号
[50] 李·T。；Bai，W。；Tong，S.，一类非严格反馈离散时间系统的神经网络强化学习自适应控制，IEEE控制论汇刊（2020），出版中
[51] Dawson，D.M。；卡罗尔·J·J。；Schneider，M.，旋转机器人负载的刷式直流电机的积分器反推控制，IEEE Trans。控制系统。技术。，2, 3, 233-244 (1994)
[52] 朱，G。；杜，J。；Kao，Y.，输入饱和下一类不确定严格反馈非线性系统的指令滤波鲁棒自适应神经网络控制，J.Frankl。研究所，355，15，7548-7569（2018）·Zbl 1398.93179号
[53] Hou，Y。；唐，S。；Li，Y.，一类具有执行器故障的切换非线性系统的自适应模糊反步控制，Int.J.Syst。科学。，47, 15, 3581-3590 (2016) ·Zbl 1346.93230号
[54] 马，L。；霍，X。；X.赵。；Zong，G.，一类多约束不确定切换非线性系统的自适应模糊跟踪控制：小收益方法，国际模糊系统杂志，21，8，2609-2624（2019）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。