一、一类不确定关联大系统的局部模型跟踪控制（论文文献综述）
杨晓峰[1]（2019）在《大系统的社区发现子系统划分与分布式预测控制》文中研究指明随着社会经济的发展,产生了规模庞大的大系统,这类系统具有结构复杂、多目标、模型、随机性等特点。近年来对工业生产过程和结果的要求不断提高,对控制指标和性能提出了更高的要求。由于复杂系统的地理位置分散,造成系统内部各部分之间通信困难,提高了通信成本,降低了系统可靠性。模型预测控制凭借其在处理约束、多变量和耦合系统上的优势,解决了很多常规控制器不能解决的问题,因此受到了极大的关注。当前预测控制的应用主要采用集中式方式,即设计一个控制中心,由传感器测量系统的状态或输出,控制器基于测量信息优化全局输入,再将其送到执行器端对过程产生作用。然而,预测控制研究面临的对象越来越复杂,一方面,由于需要滚动优化系统输入,导致预测控制在处理快采样速率的复杂系统时存在优化不及时的问题;另一方面,传统的集中式预测控制信号依赖于单一的控制器,如果集中式控制器与系统的执行器连接发生故障或失效,整个控制系统就会失效,其控制结构的鲁棒性和灵活性都较差。近年来,针对复杂网络结构系统的控制逐渐从集中式转向网络化分布式协调实现。通常的复杂大系统是由多个相互耦合的子系统所构成,需要首先对这些子系统进行合理的分解,然后对各子系统进行分布式状态估计、控制设计。分布式模型预测控制的研究具有极大的理论意义和实际工业应用价值,本课题针对大系统的社区发现子系统划分与分布式预测控制问题开展研究,主要内容包括大系统划分方法研究,分布式状态估计、预测控制设计及其协调问题。研究内容如下:1)研究了基于加权图论社区发现算法的复杂系统划分方法。首先,构建复杂大系统的加权有向图,将状态变量和被测输出变量看作网络节点,这些节点通过反映状态和测量输出变量的连接强度的加权边进行连接;然后,基于加权有向图,使用社区结构发现算法将全局系统划分为较小的群体,使得每个群体内部的连接强度比不同群体之间耦合强得多;最后,研究了适合于分布式状态估计的子系统划分算法,将子系统划分方法应用于实际过程系统的分解,设计了分布式状态估计算法。2)研究了随机丢包不确定系统的分布式预测控制设计方法。在信息物理系统结构下,模型不确定和信息丢包是不可避免的两个突出问题。针对存在模型不确定和丢包的信息物理系统,本章考虑多胞体描述的模型不确定性及马尔科夫过程随机丢包;将整体系统分成多个子系统,对每个子系统分别设计分布式预测控制,通过迭代算法实现各个子系统控制器的协调,提出了一种随机分布式预测控制的设计方法。3)研究了随机饱和约束系统的分布式预测控制设计方法。由于输入饱和约束是不可避免的突出问题,针对存在随机饱和约束的不确定系统,需考虑状态时滞影响;将整体系统分成多个子系统,提出一种基于随机输入饱和约束系统的分布式MPC结构,对输入饱和约束进行松弛,并引入伯努利分布对随机饱和约束进行描述。设计随机分布式MPC的优化问题,通过设计迭代协调算法,实现随机输入饱和约束的分布式处理。4)研究了面向信息协调的分布式预测控制方法,并在硬岩掘进装备的刀盘系统上进行了仿真测试。建立了刀盘系统的动态模型,并基于施工数据对模型参数进行估计,得到可用于控制的刀盘系统模型。针对刀盘系统的转速控制问题,首先,将刀盘系统进行分区划分,得到子系统模型;然后,设计了分布式控制结构,对各个分区的电机扭矩设定进行了独立分布式预测控制设计,利用反馈校正对存在的模型不确定进行了处理;最后,设计了一种面向分布式预测控制设计的顺序迭代协调算法。
黄益绍[2]（2009）在《不确定非线性大系统分散自适应模糊控制算法与应用研究》文中研究说明过去三十年是非线性系统控制设计取得巨大发展的时期。因为自然世界真实的系统既是非线性的,又是不确定的,因此非线性控制的研究,特别是自适应智能控制的研究正受到越来越多的重视,并成为近年来国际上的研究热点。此外,由于子系统之间的信息交换有时在物理上无法实现,并由于缺少与一些单一集中控制器相应的足够计算能力,在这种复杂情况之下分散控制技术可能需要优先使用。本论文通过系统性地组合Lyapunov函数设计法、反馈线性化方法、分散控制技术和模糊控制技术等,以求在一定程度上促进控制科学的深入并为一些实际工程问题提供更好的解决方案。本文的主要创新工作如下:（1）针对SISO仿射非线性大系统提出了两种新的基于观测器的分散间接自适应模糊控制（IAFC）方案,确保了关联IAFC系统的渐近稳定。其中一控制方案基于H∞跟踪技术和模糊自适应观测器得到,另一控制方案基于鲁棒控制技术、模糊系统和线性状态观测器得到。（2）针对SISO非仿射非线性大系统提出了两种新的基于观测器的分散直接自适应模糊控制（DAFC）方案,确保了关联DAFC系统的跟踪误差收敛于零,或收敛于原点的一个小的邻域内。其中一控制方案基于模糊系统、H∞跟踪技术和线性误差观测器得到,另一控制方案基于模糊系统、奇异扰动技术和高增益观测器得到。（3）针对三类SISO非线性大系统,通过引进加权因子把IAFC和DAFC相加提出了三种新的分散杂合自适应模糊控制（HAFC）方法,以便同时融合被控对象知识和控制规则。其中第一控制方案采取完全的状态反馈,HAFC系统具有渐近稳定的性质;第二控制方案采取了输出反馈,HAFC系统的跟踪误差收敛于原点的可调邻域内;第三控制方案是基于协作的分散输出反馈控制设计,尤其考虑了任意强的非匹配关联项,被控对象的跟踪误差始终在原点的可调邻域内。（4）针对一类MIMO非线性大系统提出了一种新的分散间接自适应状态反馈模糊控制器和一种新的分散杂合自适应输出反馈模糊控制器,并在它们各自的同一个设计框架下运用正则逆矩阵处理了控制器的奇异性问题。两个闭环MIMO系统被证明是渐近稳定的。（5）集中研究了所提自适应模糊控制算法在几个重要工程问题中更为成功的应用。这些问题包括但不限于:自动公路系统车辆纵向跟随的分散输出反馈控制、连续搅拌釜反应器的温度分散输出反馈H∞控制、机器手和两足行走机器人的分散输出反馈控制。本文对所提控制算法与现有相关算法作了详细的比较,结果表明提出的分散自适应模糊控制器具有适用性更强、性能更加优越、设计更加合理等许多优点。另一方面,所有提出的控制器都通过数值仿真进一步验证了它们的有效性,它们能够成功完成既定的控制任务。此外,基于H∞跟踪的分散间接和直接自适应模糊控制器的仿真结果还表明:衰减率设置得越小,闭环系统的跟踪性能就显得越好,但是需要更大的控制输入;分散HAFC算法的仿真表明:HAFC系统比IAFC系统和DAFC系统可能具有更好的性能,即跟踪误差和控制输入能够变得更小。
郭涛[3]（2009）在《严格反馈不确定非线性时滞系统的自适应模糊控制》文中进行了进一步梳理随着现代科学技术的发展,对严格反馈不确定非线性时滞系统控制问题的研究受到越来越多的关注。Backstepping方法和动态面控制方法是研究严格反馈不确定非线性时滞系统控制问题的有效途径。本论文以backstepping方法和动态面控制方法为基本工具,结合自适应模糊逼近理论、时滞泛函微分方程理论、Lyapunov稳定性理论以及关联大系统分散控制理论,重点研究了如何消除未知时滞和不确定因素对系统稳定性的影响,以及如何简化控制器的结构。主要工作概况如下:1.针对系统输出中含有完全未知时滞的情况,提出一种时滞代换方法。考虑到系统最终将跟踪给定的参考信号,而参考信号是事先指定的,即已知的,因此可以采用参考信号代换上述无法利用的时滞信号,然后采用自适应鲁棒技术处理代换误差,消除了时滞对闭环系统的影响。2.将自适应backstepping控制理论和自适应动态面控制理论延伸到了含完全未知时滞的不确定非线性系统。分别提出了一种自适应模糊backstepping控制方法和自适应模糊动态面控制方法,取消了对时滞的常用假设,克服了因完全未知时滞的存在而导致的控制器设计困难,去除了时滞对闭环系统稳定性的影响。跟踪误差可以收敛到原点附近任意小的邻域内。3.将自适应backstepping控制和自适应动态面控制理论延伸到了含完全未知时滞和未知关联项的非线性大系统。分别提出了一种自适应模糊分散backstepping控制方法和自适应模糊分散动态面控制方法,取消了对系统未知关联项和未知时滞常作的假设,去除了未知时滞对闭环系统和分散控制器构造的影响。这两种控制方法均可保证闭环大系统的稳定性。4.针对一类输出反馈的不确定非线性时滞系统,提出了一种基于单逼近器的自适应模糊动态面控制方法。控制器中仅需一个模糊逼近器,便使得系统的所有未知项得到补偿,进而仅带来一个未知参数和逼近误差,减少了需要在线调整的自适应参数的个数,简化了控制器的结构,避免了“计算膨胀”的问题。通过构造合适的Lyapunov-Krasovskii泛函,去除了未知时滞的影响。5.提出了一种基于单逼近器的自适应模糊分散动态面控制方法。对于含有未知时滞和未知关联项的输出反馈非线性时滞关联大系统,每个子系统中仅需一个模糊逼近器,来消除系统未知关联项的影响,减少了在线调整的自适应参数个数,简化了分散控制器的结构,避免了“计算膨胀”问题。所构造的Lyapunov-Krasovskii泛函同样可以消除未知时滞的影响。6.针对一类含未知时滞和未知增益函数的非线性时滞系统,提出了一种自适应模糊动态面控制方法。基于时滞代换的思想处理系统中完全未知的时滞,取消了对时滞的常用假设。通过综合系统中的未知非线性函数和未知虚拟控制系数,使得系统的每一阶仅需引入一个逼近器,简化了控制器的结构,同时避免了控制奇异性问题。基于构造类加权形式的Lyapunov-Krasovskii泛函,确保了闭环系统的稳定性。
邓燕妮[4]（2009）在《氧化铝碳分过程多重时滞非线性分散鲁棒控制方法与应用研究》文中研究指明在烧结法氧化铝生产过程中,连续碳酸化分解过程（简称碳分过程）是非常重要的承前启后的生产过程。它由上游脱硅工序的铝酸钠溶液和二氧化碳气体进行化合反应,生产出满足一定质量指标的氢氧化铝,并提供合格的母液。碳分过程由六个分解槽串联组成,是具有气、液、固三相参加的多相化学反应,涉及传质、传热和流体力学的复杂冶炼过程,具有多变量、非线性、强耦合、大惯性、大滞后的特点,且由上游工序提供的铝酸钠溶液浓度和二氧化碳气体浓度的变化具有不确定性,温度、反应釜的液位等对碳分存在扰动。论文在对碳分过程进行深入分析的基础上,建立了此过程多重关联时滞非线性状态空间模型及其T-S模糊模型,论证了碳分过程的T-S模糊模型与其多重关联时滞非线性模型的等价性。提出了基于T-S模糊模型多重关联时滞非线性大系统分散鲁棒H∞状态反馈跟踪控制以及分散状态观测器设计方法,开发了氧化铝连续碳酸化分解过程基于T-S模糊模型的控制工程应用平台。论文的主要研究成果和创新性如下:（1）建立了碳分过程的多重关联时滞非线性模型。在深入分析碳分过程运行机理及其生产工艺的基础上,研究了碳分过程的建模方法,构造了碳分过程的关联连续搅拌槽式反应器（InteractionContinuous Stirred-Tank Reactor,ICSTR）模型,基于物质平衡原理推导了碳分过程的动态微分方程,推导出碳分过程输入输出关系的多重关联时滞非线性状态空间方程,并通过数值仿真,证明了该模型的有效性。（2）论证了碳分过程的T-S模糊模型与其多重关联时滞非线性模型的等价性。给出了氧化铝碳酸化分解系统T-S模糊模型,采用线性模型描述非线性系统在不同状态空间区域内局部线性的动态特性,通过非线性隶属度函数和线性模型混合描述整个系统的非线性动态特性。（3）针对多重关联时滞非线性大系统,基于T-S模糊模型提出了对其进行稳定性分析的方法及稳定判据,给出了基于T-S模糊模型的多重关联时滞非线性大系统分散鲁棒H∞状态反馈跟踪控制及分散状态观测器设计方法,结合碳分过程的模型进行了仿真,验证所提出方法的有效性。（4）提出了多重关联时滞非线性大系统基于T-S模糊模型的分散输出反馈控制策略,理论分析并推导出了基于T-S模糊模型多重关联时滞非线性大系统分散输出反馈控制器的存在条件及设计方法。（5）针对氧化铝连续碳酸化分解过程,设计了控制系统硬件结构,开发了碳分过程控制系统软件,形成了基于T-S模糊模型的控制软件平台;并在该平台上进行了仿真及运行结果分析,验证了所提出的基于T-S模糊模型的碳分过程多重关联时滞非线性分散鲁棒控制方法的有效性。
郭建国,周凤岐,周军[5]（2004）在《一类不确定关联大系统的局部模型跟踪控制》文中认为针对一类失配的不确定关联大系统 ,基于变结构控制理论和局部模型跟踪原理 ,提出了利用左特征向量设计切换面的方法 ,并结合 Lyapunov稳定性理论和矩阵对角占优性质 ,设计了这类失配不确定关联大系统的变结构局部模型跟踪控制系统。该方法突破了变结构不变性条件的限制 ,使被控对象的关键状态稳态无误差地跟踪参考模型 ,提高了这类关联大系统的稳定跟踪特性 ,仿真算例验证了该方法的正确性
陈宁[6]（2002）在《不确定关联系统分散鲁棒控制理论及其应用研究》文中认为本论文研究关联大系统的分散鲁棒控制理论及应用，在概述了分散鲁棒控制理论的发展及现状的基础上，对具有不确定性关联大系统的分散鲁棒状态反馈与输出反馈、分散无源化控制、时滞大系统分散H∞控制和分散输出跟踪控制以及在锌湿法冶炼过程中的应用问题做了详细的研究。主要包括以下七个部分： （1）首先，针对一类仅含状态不确定性的关联系统，提出一种基于线性矩阵不等式（LMI）的分散H∞状态反馈控制的设计方法。在此基础上，研究并提出了当控制器在规定范围内的一部分失效时的分敞H∞可靠控制问题，提出了能保证闭环系统可靠稳定和具有一定H∞性能的分散可靠控制器的设计方法。其次，从子系统水平上研究了一类状态、控制和关联矩阵均具有不确定性的关联大系统的分散控制问题，获得了能分散状态反馈镇定的充分条件。分别给出了数值例子，说明了算法的有效性。 （2）研究状态和控制均存在不确定性的关联大系统基于状态观测器的分散鲁棒H∞控制问题，提出了一种基于观测器的分散动态输出反馈控制器的设计方法。所设计的控制器能使闭环系统对可容许的不确定性分散二次镇定，且满足一定的H∞性能。得到了基于LMI条件的分散状态观测器的设计算法。给出了算例，说明了状态观测器的设计步骤。 （3）给出了一种新的分散H∞输出反馈控制器的参数化方法，并提出了求解分散H∞输出反馈控制器的交叉迭代算法。该算法通过固定非线性矩阵不等式中的某些变量，使非线性矩阵不等式成为LMI，从而使求解一个具有非线性矩阵不等式约束的最小化问题变为两个具有LMI约束的最小化问题，通过交叉迭代求解这两个最小化问题，即可获得分散H∞输出反馈控制器。仿真示例表明，该法收敛性良好，计算方法直观、简单，便于实际应用。在此基础上，研究了一类具有仿射结构不确定性的关联大系统，不确定性假定为在多面体内，线性地依赖于时变参数。提出了分散强鲁棒H∞性能准则，给出了保证由输入到输出的L2诱导范数来量测的不确定性大系统鲁棒性能的分散输出反馈控制器存在的充分条件及迭代算法。通过数值例子，说明了算法的有效性。 （4）将无源性概念引进到关联大系统的分散无源化控制问题中，研究了具有范数界不确定性的大系统的分散鲁棒无源化控制问题。给出了存在一个分散动态输出反馈控制器使得闭环系统渐近稳定且严格无源的充分条件。详细的仿 摘要真示例说明了理论的可行性。 （5）针对控制输入、状态及关联矩阵同时存在不同时滞的不确定性时滞大系统，提出了分散H。状态反馈控制器的设计方法。基于LMI解的存在性，应用Lyapunov稳定性原理设计一类分散线性无一记忆状态反馈控制器，使被控系统渐近稳定，并满足一定Hco性能水平。 （6）研究了在满足匹配条件和具有数值界可不满足匹配条件的两类不确定性时的关联时滞系统的分散鲁棒输出跟踪控制问题，得到了使两类时滞大系统渐近跟踪给定参考输入的LMI条件，提出了具有较小反馈增益控制律的LMI设计方法。该方法克服了Riccati方程方法需预先调整多个参数，计算复杂，应用不便的问题。 （7）研究了锌湿法冶炼过程中浸出工序的分散H。控制。通过对浸出工艺过程的反应机理的深入研究，建立了整个浸出过程的数学模型。在此基础上，提出了锌湿法冶炼浸出过程的分散H。鲁棒控制器的设计方法，并进行了控制系统的仿真研究，给出系统稳定性和性能的仿真曲线，说明了设计方法的可行性。
杨琛[7]（2021）在《非匹配互联时滞大系统的分散自适应控制器设计》文中提出近几年,大系统得到了广泛应用,本文通过构造新型Lyapunov-Krassovskii泛函,研究了具有不确定性非匹配项的非线性互联时滞大系统分散自适应控制器设计问题。本设计无需借用线性矩阵不等式,提出显性控制器增益函数,运用自适应方法对系统未知项和不确定项进行估计和补偿。本文的主要研究内容如下:在第二章中,针对一类不确定且具有不匹配项的互联时滞大系统提出了一种精确控制器增益的分散自适应控制算法。通过系统分解,分解成级联系统,借助自适应控制方法对不确定项进行估计和补偿,简化了控制器设计的分析步骤,降低了控制器输入信号的复杂性,使得被控系统的系统状态渐近收敛到零,并通过数值仿真验证其可行性。在第三章中,将第二章提出的分散自适应控制算法引入到跟踪控制中,研究了一类具有多个死区输入情况下的不确定且不匹配的互联时滞大系统的自适应控制问题。在有界干扰的情况下,通过将系统分解成级联系统,利用自适应控制方法,对系统的不确定项和死区输入进行补偿,使得闭环系统误差最后指数收敛到一个可调节的区域,且能抵抗有界时滞和干扰以及死区信号,最后通过两个仿真例子进行验证。在第四章中,将第三章提出的分散自适应鲁棒控制器算法推广到未知被控系统的模型参考控制中,在死区输入情况下,研究了一类具有的不确定且不匹配的互联时滞未知大系统的自适应控制问题。运用合理的匹配条件与自适应律对系统的未知矩阵与不确定和未知的项进行估计,并对死区输入进行补偿。在有界干扰与时滞的情况下,得出闭环系统误差最后仍然指数收敛到一个可调节的区域,并通过两个仿真例子进行验证。
张瑞[8]（2020）在《几类受约束非线性系统控制及性能分析》文中研究指明非线性系统控制理论一直是近几十年来控制领域研究的热点课题之一,尤其是针对不确定非线性系统,基于神经网络和模糊逼近的自适应Backstepping方法已经取得了很大的进展,但还有大量问题需要进一步研究和探索.本文基于Backstepping方法,重点研究其在纯反馈受约束系统和非三角结构受约束系统中的推广,结合自适应控制理论,神经网络和模糊逻辑系统逼近理论,关联大系统分散控制理论,随机微分方程稳定性理论及约束控制理论,对几类受约束的非线性系统的控制问题进行了深入的研究.本文的主要成果如下:1.针对一类纯反馈系统,研究其固定时间全状态约束控制问题.本章首先采用均值定理将纯反馈系统转化成严反馈系统,其次采用BLF来处理状态约束问题,结合FLS和Backstepping技术给出控制器设计方法.设计的模糊自适应控制器保证所有闭环信号在固定时间都是有界的且全状态约束条件满足.2.针对一类不确定状态不可测非三角结构时变时延系统,研究其输出反馈全状态约束控制问题.通过设计状态观测器去估计不可测状态,用分离变量原理来克服系统的非三角结构困难,用动态面控制（DSC）方法来消除设计过程中出现的‘计算膨胀’问题,用神经网络来逼近控制设计中出现的不确定非线性函数,设计的自适应神经控制器证明了所有闭环信号都是有界的且满足全状态约束条件.3.针对一类具有死区输入且方向未知的不确定随机非三角结构系统,研究了其全状态约束控制问题.本章基于模糊基函数的性质,采用占优方法来处理非三角结构结构困难,这样就去掉了有些文献中非线性函数需要满足单调递增有界函数假设的要求,具有更小的保守性.采用Nussbaum函数来探测系统的控制方向.设计了一种基于死区输入的自适应模糊控制器,证明了所有信号在概率意义下有界且对于系统状态而言约束满足.4.针对不确定非三角结构关联时延系统研究了全状态常值约束和时变约束的自适应控制问题.采用占优方法来克服不确定系统的非三角结构困难,用静态BLF和动态BLF来处理全状态约束问题.设计障碍李雅普诺夫函数结合Backstepping技术解决来克服出现的互联时延项并设计出自适应控制器.它保证所有闭环信号都是有界的且各个子系统的全状态约束条件满足.5.针对一类不确定非三角结构系统,研究其非对称时变全状态约束控制问题.设计了非三角结构系统的时变全状态约束自适应模糊控制器.采用占优方法克服了非三角结构困难问题,采用ABLF来处理时变非对称全状态约束问题.设计的障碍李雅普诺夫函数结合Backstepping技术给出控制器设计方法,证明了闭环系统所有信号都是有界的且满足全状态约束条件.
曹凯[9]（2020）在《微电网的大系统递阶控制研究》文中研究说明大力发展新能源发电在推动我国能源生产及消费革命中占有重要地位,无论是从经济社会走可持续发展之路还是改善我国能源结构加固能源安全稳定都具有重大意义。本文以高比例新能源发电子系统互联的微电网为研究的对象。以包括运行成本经济指标、可再生能源利用率指标以及环保性指标构成的微电网联合发电系统综合经济性为优化目标,采用大系统理论对该微电网系统的协调优化及控制进行研究。大系统理论的核心思想是将一个大规模系统进行分解协调及分散控制,使其转化为若干个子系统进行求解。通过分解协调建立多层递阶控制结构,形成协调层、局部决策单元及调度层三层结构。首先,对微电网大系统的协调层进行构建,建立微电网联合发电系统的综合经济性模型并以其为优化目标。同时建立微电网联合发电系统的全局约束模型,通过引入拉格朗日乘子及全局约束条件建立该目标函数的拉格朗日函数。协调层通过接收下层反馈信息,对拉格朗日乘子进行更新,并将更新后的拉格朗日乘子发送给下层局部决策单元。由于传统次梯度法更新过程中存在的振荡现象,经过多次研究对比本文采用的自适应次梯度法配合集结投影次梯度法的交替使用对拉格朗日乘子的更新展现出良好的优化效果。第二,对微电网大系统的局部决策单元进行构建。通过大系统理论的分解协调思想,将微电网联合发电系统的总体目标函数分解成若干子系统中的子问题。考虑每个发电系统各自的约束,在局部决策单元中对子问题进行优化,并将优化结果反馈给上层协调层。经过理论分析及算法测试对比,局部决策单元中采用改进的量子粒子群算法进行优化具有较快的收敛速度及较好的全局优化性能。第三,对微电网大系统的调度层进行构建,在调度层中对风力发电系统、光伏发电系统以及光热发电系统创建预测模型,构建模型预测控制器以应对风光资源的不确定性,达到良好的跟踪控制效果。柴油发电机组具有较好的稳定性,文中采用构建模糊PID控制器的方式以控制柴油发电机各机组的出力情况。通过各子系统的协调优化控制,实现该联合系统的综合经济性最低。最后,进行案例分析对该理论进行仿真研究,确定了综合经济性达到最优时各个不同类型机组的出力情况。通过基于大系统理论的分解协调调度与基于量子粒子群的一体化调度进行仿真对比,证明了该方法的可行性及有效性。该研究为高比例新能源发电的规模化提供了一定的借鉴意义。
曹小洁[10]（2020）在《几类纯反馈非线性系统的H∞控制研究》文中研究表明众所周知,控制系统总是会不可避免的受到外部干扰的影响,而这将会影响系统的稳定性和控制精度,因此考虑系统在受到外部干扰时的稳定性尤其重要。故本文结合了backstepping技术,Lyapunov稳定性理论、神经网络控制理论和H∞控制理论研究了几类纯反馈非线性系统的H∞控制问题。本文的主要内容分为以下三部分:1.针对一类带有外部扰动和量化输入的随机纯反馈非线性系统,提出了基于backstepping的自适应神经有界H∞量化控制方法。设计过程中首先采用中值定理将非仿射函数转化为仿射形式,用RBF神经网络逼近打包的未知非线性函数,并且使用Gronwall不等式处理稳定性分析中的常数项,从而设计了该系统的H∞控制器。所设计的控制器能够保证系统中所有信号有界,且系统对外部干扰具有H∞性能,一个仿真实例证明了所提方案的有效性。2.针对一类带有任意切换信号、量化输入以及外部扰动的纯反馈非线性随机切换大系统,借助有界H∞的概念,公共Lyapunov函数方法和Gronwall不等式,提出了系统的分散自适应有界H∞量化控制方案。所设计的控制器能够保证闭环系统中所有信号在任意切换的条件下是半全局一致最终有界的,且系统对外部干扰具有H∞性能。仿真实验证明了所提控制方案的可行性。3.研究一类纯反馈非线性互联大系统的结构在线扩展问题,即考虑在线加入一个新的纯反馈非线性子系统使原结构系统扩展。基于backstepping技术提出一种大系统在线结构扩展的鲁棒H∞自适应神经分散关联镇定控制方法。在原结构系统控制器保持不变的前提下,利用神经网络自适应技术设计新加入子系统的分散控制律和自适应律,将新加入子系统后原结构系统产生的互联部分放在新子系统的控制器里来处理,并结合H∞控制理论获得新扩展子系统的鲁棒H∞自适应分散关联镇定控制器。该控制器可以保证新加入的子系统及整个扩展后的闭环大系统中所有信号是一致最终关联有界的,且系统对外部干扰具有H∞性能。仿真结果验证了所提控制方法的有效性。
二、一类不确定关联大系统的局部模型跟踪控制（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一类不确定关联大系统的局部模型跟踪控制（论文提纲范文）
（1）大系统的社区发现子系统划分与分布式预测控制（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 关于预测控制模型的概述 |
| 1.1.2 模型预测控制的研究现状 |
| 1.2 分布式模型预测控制的研究意义 |
| 1.3 分布式预测控制的已有研究分析 |
| 1.3.1 分布式模型预测控制的结构 |
| 1.3.2 大系统的子系统划分现状分析 |
| 1.3.3 分布式模型预测控制现状分析 |
| 1.4 本文主要工作 |
| 1.5 预备知识 |
| 1.5.1 Schur补引理 |
| 第二章 基于加权图论社区发现算法的复杂系统划分 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 基于加权图的社区发现子系统划分 |
| 2.3.1 加权连接边的定义 |
| 2.3.2 最短路径 |
| 2.3.3 构建邻接矩阵 |
| 2.3.4 寻找最大模块度 |
| 2.4 分布式状态估计算法设计 |
| 2.4.1 分布式Luenburger观测器 |
| 2.4.2 分布式滚动时域估计 |
| 2.5 仿真与实例验证 |
| 2.5.1 数值仿真 |
| 2.5.2 连续搅拌系统应用 |
| 2.6 本章小结 |
| 第三章 随机丢包不确定系统的分布式预测控制 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 随机分布式预测控制分析与设计 |
| 3.3.1 子系统模型分解 |
| 3.3.2 分布式预测控制设计 |
| 3.3.3 迭代算法设计 |
| 3.4 仿真算例 |
| 3.5 本章小结 |
| 第四章 随机输入饱和约束系统的分布式预测控制 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 分布式预测控制分析与设计 |
| 4.3.1 子系统模型 |
| 4.3.2 分布式预测控制设计 |
| 4.3.3 协调算法及稳定性分析 |
| 4.4 仿真算例 |
| 4.4.1 数值例子 |
| 4.4.2 工业电加热器的应用 |
| 4.5 本章小结 |
| 第五章 面向信息协调的分布式预测控制及其在刀盘系统的应用 |
| 5.1 TBM刀盘系统建模与参数辨识 |
| 5.2 分布式预测控制及其信息协调策略 |
| 5.2.1 刀盘系统的分布式预测控制设计 |
| 5.2.2 分布式控制器的协调策略设计 |
| 5.2.3 稳定性分析 |
| 5.3 模型参数辨识与仿真测试 |
| 5.3.1 模型参数辨识与测试 |
| 5.3.2 刀盘系统的控制仿真 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（2）不确定非线性大系统分散自适应模糊控制算法与应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 本文的研究背景 |
| 1.1.1 智能交通系统与车辆跟随控制问题 |
| 1.1.2 搅拌釜反应器与温度控制问题 |
| 1.1.3 机器人学与机器手控制问题 |
| 1.2 本文研究的意义 |
| 1.2.1 理论意义 |
| 1.2.2 实践意义 |
| 1.3 经典自适应控制系统的发展 |
| 1.3.1 模型参考自适应系统与自校正调节器 |
| 1.3.2 间接与直接自适应控制 |
| 1.4 非线性控制研究概况 |
| 1.5 大系统的产生与研究现状 |
| 1.5.1 大系统的产生和控制方法 |
| 1.5.2 大系统研究现状 |
| 1.5.3 大系统理论要创新 |
| 1.6 模糊控制的研究状况 |
| 1.6.1 模糊控制的产生与发展 |
| 1.6.2 自适应模糊控制的研究现状 |
| 1.6.3 模糊控制研究面临的挑战 |
| 1.7 本文的研究内容、方法与创新点 |
| 1.7.1 本文的研究内容与目标 |
| 1.7.2 本文的研究方法与技术路线 |
| 1.7.3 本文工作的主要创新点 |
| 1.8 本论文的章节安排 |
| 第二章 模糊控制的理论基础――分散 SPC 模糊系统 |
| 2.1 引言 |
| 2.2 两种模糊系统 |
| 2.3 分散SPC 模糊系统 |
| 2.3.1 模糊规则库 |
| 2.3.2 单点模糊器 |
| 2.3.3 乘积推理器 |
| 2.3.4 中心平均解模糊器 |
| 2.3.5 分散SPC模糊系统――非线性映射 |
| 2.3.6 模糊系统的双重作用 |
| 2.4 本章小结 |
| 第三章 分散间接自适应输出反馈模糊控制 |
| 3.1 引言 |
| 3.2 基于H_∞跟踪与模糊观测器的分散IAFC |
| 3.2.1 问题描述 |
| 3.2.2 分散输出反馈设计 |
| 3.2.3 稳定性分析 |
| 3.3 基于线性观测器的分散鲁棒IAFC |
| 3.3.1 问题描述 |
| 3.3.2 分散输出反馈设计 |
| 3.3.3 总设计算法与稳定分析 |
| 3.4 控制算法的比较 |
| 3.5 实例仿真与比较 |
| 3.5.1 两种分散IAFC 算法的仿真 |
| 3.5.2 分散控制算法的仿真比较 |
| 3.6 本章小结 |
| 第四章 分散直接自适应输出反馈模糊控制 |
| 4.1 引言 |
| 4.2 基于H ∞跟踪与线性观测器的分散DAFC |
| 4.2.1 问题描述 |
| 4.2.2 分散输出反馈设计 |
| 4.2.3 稳定性分析 |
| 4.3 基于奇异扰动与HGO 的分散DAFC |
| 4.3.1 问题描述 |
| 4.3.2 分散状态反馈设计 |
| 4.3.3 分散输出反馈设计 |
| 4.4 控制方案的比较 |
| 4.5 数值仿真 |
| 4.6 本章小结 |
| 第五章 分散杂合自适应输出反馈模糊控制 |
| 5.1 引言 |
| 5.2 基于状态反馈的分散HAFC |
| 5.2.1 问题描述 |
| 5.2.2 分散HAFC 设计 |
| 5.2.3 稳定性分析 |
| 5.2.4 实例仿真 |
| 5.3 基于观测器的分散HAFC |
| 5.3.1 问题描述 |
| 5.3.2 分散HAFC 设计 |
| 5.3.3 总控制算法和稳定性分析 |
| 5.3.4 实例仿真 |
| 5.4 基于观测器的协作分散HAFC |
| 5.4.1 问题描述 |
| 5.4.2 协作分散HAFC设计 |
| 5.4.3 稳定性分析 |
| 5.4.4 数值仿真 |
| 5.5 控制方案的比较 |
| 5.6 本章小结 |
| 第六章 分散自适应模糊控制的扩展-MIMO情形 |
| 6.1 引言 |
| 6.2 分散间接自适应状态反馈设计 |
| 6.2.1 问题描述与MIMO 模糊系统 |
| 6.2.2 分散IAFC设计 |
| 6.2.3 改进的分散IAFC |
| 6.3 分散杂合自适应输出反馈设计 |
| 6.3.1 问题描述 |
| 6.3.2 分散HAFC设计 |
| 6.3.3 改进的分散HAFC |
| 6.4 控制方案的比较 |
| 6.5 数值仿真 |
| 6.6 本章小结 |
| 第七章 分散自适应模糊控制算法在工程上的应用 |
| 7.1 引言 |
| 7.2 分散控制算法在AHS 中的应用 |
| 7.2.1 现有车辆跟随控制器研究的现状及其局限性 |
| 7.2.2 改进的车辆纵向跟随控制器 |
| 7.3 分散控制算法在CSTR 中的应用 |
| 7.3.1 现有温度控制器研究的现状及其局限性 |
| 7.3.2 改进的温度控制器 |
| 7.4 分散控制算法在机器人控制中的应用 |
| 7.4.1 现有机器人分散控制研究的现状及其局限性 |
| 7.4.2 改进的机器人分散控制器 |
| 7.4.3 两足行走机器人改进的分散控制器 |
| 7.5 CSTR 温度和机器人的集中控制器 |
| 7.6 本章小结 |
| 第八章 总结与展望 |
| 8.1 全文研究总结 |
| 8.2 将来研究方向 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
| 攻读博士学位期间参加科研项目情况 |
（3）严格反馈不确定非线性时滞系统的自适应模糊控制（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 第一章 绪论 |
| 1.1 非线性系统和非线性控制简述 |
| 1.1.1 非线性系统简述 |
| 1.1.2 非线性系统控制方法简述 |
| 1.2 Backstepping 方法和动态面控制方法的发展过程 |
| 1.3 backstepping 和动态面方法在不确定时滞系统的研究进展 |
| 1.3.1 不确定非线性系统的控制 |
| 1.3.2 非线性时滞系统的控制 |
| 1.3.3 非线性关联大系统的控制 |
| 1.3.4 虚拟控制系数未知的系统的控制 |
| 1.4 论文的研究目的和意义 |
| 1.5 论文的主要工作和内容安排 |
| 第二章 控制理论的相关基础知识 |
| 2.1 引言 |
| 2.2 稳定性理论和数学基础 |
| 2.2.1 收敛性定义 |
| 2.2.2 常微分方程稳定性理论 |
| 2.2.3 时滞泛函方程稳定性理论 |
| 2.2.4 常用不等式 |
| 2.3 模糊逼近的相关知识 |
| 2.4 非线性backstepping 和动态面控制的基本理论 |
| 2.4.1 Backstepping 方法的设计原理 |
| 2.4.2 动态面控制方法的设计原理 |
| 2.5 本章小节 |
| 第三章 基于时滞代换的不确定非线性系统控制 |
| 3.1 引言 |
| 3.2 基于backstepping 的自适应模糊控制 |
| 3.2.1 系统描述 |
| 3.2.2 时滞已知的控制器设计和稳定性分析 |
| 3.2.3 时滞未知的控制器设计和稳定性分析 |
| 3.2.4 仿真研究 |
| 3.3 基于动态面技术的自适应模糊控制 |
| 3.3.1 系统描述 |
| 3.3.2 控制器设计 |
| 3.3.3 稳定性分析 |
| 3.3.4 仿真研究 |
| 3.4 本章小结 |
| 第四章 基于时滞代换的不确定非线性关联大系统控制 |
| 4.1 引言 |
| 4.2 基于backstepping 的自适应模糊分散控制 |
| 4.2.1 问题描述 |
| 4.2.2 分散backstepping 控制器设计 |
| 4.2.3 稳定性分析 |
| 4.2.4 仿真研究 |
| 4.3 基于动态面技术的自适应模糊分散控制 |
| 4.3.1 问题描述 |
| 4.3.2 分散动态面控制器设计 |
| 4.3.3 稳定性分析 |
| 4.3.4 仿真研究 |
| 4.4 本章小结 |
| 第五章 基于单逼近器的非线性时滞系统动态面控制 |
| 5.1 引言 |
| 5.2 系统描述 |
| 5.3 逼近器和观测器设计 |
| 5.4 控制器设计 |
| 5.4.1 现有的控制器 |
| 5.4.2 简化的动态面控制器设计 |
| 5.5 稳定性分析 |
| 5.6 仿真研究 |
| 5.7 本章小节 |
| 第六章 基于单逼近器的非线性时滞关联大系统分散动态面控制 |
| 6.1 引言 |
| 6.2 系统描述 |
| 6.3 逼近器和观测器设计 |
| 6.4 分散控制器设计 |
| 6.4.1 现有的控制器 |
| 6.4.2 简化的分散动态面控制器设计 |
| 6.5 稳定性分析 |
| 6.6 仿真研究 |
| 6.7 本章小节 |
| 第七章 基于时滞代换的含未知增益函数系统简化控制 |
| 7.1 引言 |
| 7.2 系统描述 |
| 7.3 控制器设计 |
| 7.4 主要结论 |
| 7.5 仿真实例 |
| 7.6 本章小节 |
| 第八章 总结和展望 |
| 8.1 本文完成的主要工作和结论 |
| 8.2 今后工作的展望 |
| 致谢 |
| 参考文献 |
| 攻读博士期间发表的论文和科研情况 |
（4）氧化铝碳分过程多重时滞非线性分散鲁棒控制方法与应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 氧化铝碳分研究现状 |
| 1.2.2 时滞大系统分散鲁棒控制研究现状 |
| 1.2.3 T-S模糊模型非线性系统控制研究现状 |
| 1.3 难点问题以及解决思路 |
| 1.4 本文的研究内容和章节安排 |
| 第二章 氧化铝连续碳分过程数学模型 |
| 2.1 连续碳分过程工艺分析 |
| 2.2 连续碳分过程多重关联时滞非线性模型 |
| 2.2.1 连续碳分过程ICSTR模型 |
| 2.2.2 连续碳分过程多重关联时滞非线性模型 |
| 2.2.3 连续碳分过程模型时滞多重性和非线性分析 |
| 2.3 模型数值计算、仿真与分析 |
| 2.4 氧化铝连续碳分过程的T-S模糊模型 |
| 2.5 碳分过程两种模型的等价性 |
| 本章小结 |
| 第三章 T-S模糊模型关联非线性大系统分散鲁棒H_∞控制 |
| 3.1 非线性系统的T-S模糊模型 |
| 3.2 关联非线性大系统的T-S模糊模型 |
| 3.3 T-S模糊模型关联非线性大系统分散跟踪控制 |
| 3.3.1 T-S模糊模型非线性关联大系统稳定分析 |
| 3.3.2 T-S模糊模型非线性大系统H_∞分散跟踪控制 |
| 3.3.3 T-S模糊模型关联非线性大系统分散状态观测器设计 |
| 3.4 数值实例 |
| 本章小结 |
| 第四章 T-S模糊模型多重关联时滞非线性大系统分散H_∞鲁棒控制 |
| 4.1 多重关联时滞非线性系统的T-S模糊模型 |
| 4.2 T-S模糊模型多重关联时滞非线性大系统分散H_∞跟踪控制 |
| 4.2.1 T-S模糊模型多重关联时滞非线性大系统稳定性 |
| 4.2.2 T-S模糊模型多重关联时滞非线性大系统H_∞分散跟踪控制 |
| 4.2.3 T-S模型多重关联时滞非线性大系统分散状态观测器 |
| 4.3 数值实例 |
| 本章小结 |
| 第五章 T-S模糊模型多重关联时滞非线性大系统的输出反馈鲁棒镇定 |
| 5.1 多重关联时滞非线性大系统T-S模糊模型 |
| 5.2 T-S模糊模型多重关联时滞非线性大系统输出反馈分散镇定 |
| 本章小结 |
| 第六章 氧化铝碳分过程T-S模糊模型分散鲁棒控制系统设计与开发 |
| 6.1 氧化铝连续碳分过程控制系统硬件结构 |
| 6.2 氧化铝连续碳分过程控制系统软件功能实现 |
| 6.3 氧化铝碳分过程T-S模糊模型分散鲁棒控制系统平台设计 |
| 6.4 智能遗传算法的氧化铝连续碳分模型参数识别 |
| 6.5 氧化铝碳分过程T-S模糊模型分散鲁棒控制器设计 |
| 6.6 系统运行结果与分析 |
| 本章小结 |
| 第七章 结束语 |
| 7.1 本文主要工作总结 |
| 7.2 有待进一步研究的问题 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表及完成论文情况 |
| 攻读博士学位期间参加科研项目情况 |
（6）不确定关联系统分散鲁棒控制理论及其应用研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究课题的提出和意义 |
| 1.2 分散鲁棒控制理论概述 |
| 1.3 分散输出反馈控制理论的发展 |
| 1.3.1 静态输出反馈的情形 |
| 1.3.2 动态输出反馈的情形 |
| 1.3.3 基于观测器的分散控制 |
| 1.4 不确定性大系统的分散鲁棒控制理论的发展 |
| 1.4.1 状态反馈的情形 |
| 1.4.2 输出反馈的情形 |
| 1.4.3 输出跟踪的情形 |
| 1.4.4 具有时滞的不确定性大系统的分散控制 |
| 1.5 分散鲁棒控制的其它方面 |
| 1.5.1 分散自适应控制 |
| 1.5.2 非线性大系统的分散鲁棒控制 |
| 1.5.3 不确定奇异大系统的分散鲁棒控制 |
| 1.6 分散鲁棒控制研究存在的问题 |
| 1.7 本论文的主要工作 |
| 第二章 不确定关联大系统分散H_∞状态反馈控制及可靠控制 |
| 2.1 引言 |
| 2.2 分散H_∞状态反馈控制 |
| 2.2.1 问题的描述 |
| 2.2.2 分散H_∞状态反馈控制 |
| 2.2.3 算例 |
| 2.3 分散可靠H_∞控制 |
| 2.3.1 问题的描述 |
| 2.3.2 主要结果 |
| 2.3.3 算例 |
| 2.4 一类状态、控制和关联含有不确定性的大系统分散状态反馈H_∞控制 |
| 2.4.1 系统描述和预备知识 |
| 2.4.2 分散鲁棒H_∞控制器的设计 |
| 2.4.3 仿真示例 |
| 2.5 本章小结 |
| 第三章 基于状态观测器的分散鲁棒H_∞控制 |
| 3.1 引言 |
| 3.2 问题的描述 |
| 3.3 分散鲁棒H_∞输出反馈镇定分析 |
| 3.4 分散鲁棒H_∞输出反馈控制器的设计 |
| 3.5 仿真示例 |
| 3.6 本章小结 |
| 第四章 关联系统分散H_∞输出反馈控制器的设计 |
| 4.1 引言 |
| 4.2 问题的描述 |
| 4.3 一种新的分散H_∞输出反馈控制器的参数化设计方法 |
| 4.4 分散H_∞输出反馈控制器的交叉迭代算法 |
| 4.5 算例 |
| 4.6 有结构不确定性大系统的分散鲁棒控制 |
| 4.6.1 问题的描述 |
| 4.6.2 不确定性大系统的分散鲁棒性能 |
| 4.6.3 分散输出反馈鲁棒控制 |
| 4.6.4 交叉迭代算法 |
| 4.6.5 算例 |
| 4.7 本章小结 |
| 第五章 具有范数界不确定性大系统分散鲁棒无源化控制:LMI方法 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 分散无源化鲁棒镇定 |
| 5.4 参数化方法 |
| 5.5 分散鲁棒输出反馈无源化控制器的设计 |
| 5.6 仿真示例 |
| 5.7 本章小结 |
| 第六章 不确定性多时滞大系统的分散H_∞状态反馈控制 |
| 6.1 引言 |
| 6.2 问题的描述及引理 |
| 6.3 分散鲁棒H_∞控制器设计 |
| 6.4 仿真研究 |
| 6.5 本章小结 |
| 第七章 不确定性时滞大系统的分散输出跟踪控制器设计 |
| 7.1 引言 |
| 7.2 一类不确定性满足匹配条件关联系统的分散鲁棒输出跟踪控制器设计 |
| 7.2.1 问题描述及引理 |
| 7.2.2 分散鲁棒输出跟踪控制器设计 |
| 7.2.3 仿真示例 |
| 7.3 具有数值界不确定性关联系统的分散鲁棒输出跟踪控制器设计 |
| 7.3.1 问题的描述 |
| 7.3.2 分散鲁棒输出跟踪控制器设计 |
| 7.3.3 仿真示例 |
| 7.4 本章小结 |
| 第八章 锌湿法冶炼浸出过程分散H_∞鲁棒控制研究 |
| 8.1 引言 |
| 8.2 浸出过程的工艺分析 |
| 8.2.1 浸出过程化学反应机理 |
| 8.2.2 影响浸出质量的主要因素 |
| 8.2.3 终点pH值的控制意义 |
| 8.3 浸出过程数学模型的建立 |
| 8.4 浸出过程分散H_∞鲁棒控制器的设计 |
| 8.4.1 浸出过程模型参数的整定 |
| 8.4.2 分散控制器的计算 |
| 8.5 控制系统仿真实现 |
| 8.6 本章小结 |
| 第九章 结束语 |
| 9.1 本文工作总结 |
| 9.2 有待进一步研究的问题 |
| 参考文献 |
| 附录 攻博期间发表的论文 |
| 致谢 |
（7）非匹配互联时滞大系统的分散自适应控制器设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 本文的研究工作 |
| 第2章 一类不确定互联时滞大系统的渐近稳定控制方案 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 控制器设计 |
| 2.4 仿真 |
| 2.5 本章结论 |
| 第3章 具有多个非对称死区输入的时滞互联非线性大系统的跟踪控制 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 自适应控制器的设计与分析 |
| 3.4 仿真 |
| 3.5 本章小结 |
| 第4章 具有时滞互联和死区输入的未知大系统分散模型参考自适应控制 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 自适应控制器的设计与分析 |
| 4.4 仿真 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 作者攻读硕士学位期间完成的论文 |
| 致谢 |
（8）几类受约束非线性系统控制及性能分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究意义 |
| 1.2 非线性系统控制背景及发展状况 |
| 1.2.1 Backstepping方法简介 |
| 1.2.2 非线性系统的自适应Backstepping发展及研究现状 |
| 1.2.3 具有约束非线性系统的自适应Backstepping研究现状 |
| 1.3 本文的主要工作及内容安排 |
| 第二章 数学和控制理论预备知识 |
| 2.1 系统稳定性相关定义和引理 |
| 2.2 模糊逻辑系统 |
| 2.3 障碍Lyapunov函数定义及相关引理 |
| 2.4 常用不等式 |
| 第三章 纯反馈系统的全状态约束固定时间自适应模糊控制 |
| 3.1 引言 |
| 3.2 纯反馈系统的固定时间全状态约束自适应模糊控制 |
| 3.2.1 问题的提出 |
| 3.2.2 控制器设计 |
| 3.2.3 主要结果 |
| 3.2.4 仿真结果 |
| 3.3 本章小结 |
| 第四章 输入饱和非三角系统的全状态约束自适应输出反馈控制 |
| 4.1 引言 |
| 4.2 基于观测器的全状态约束系统的自适应神经控制 |
| 4.2.1 问题的提出 |
| 4.2.2 控制器设计 |
| 4.2.3 主要结论及证明 |
| 4.2.4 仿真结果 |
| 4.3 本章小结 |
| 第五章 随机非三角系统的全状态约束自适应模糊控制 |
| 5.1 引言 |
| 5.2 方向未知死区输入的随机系统的全状态约束自适应模糊控制 |
| 5.2.1 问题的提出 |
| 5.2.2 控制器设计 |
| 5.2.3 主要结论及证明 |
| 5.2.4 仿真结果 |
| 5.3 本章小结 |
| 第六章 时延非三角互联系统的全状态约束自适应模糊控制 |
| 6.1 引言 |
| 6.2 全状态约束的互联时延系统的自适应容错控制 |
| 6.2.1 问题的提出 |
| 6.2.2 控制器设计 |
| 6.2.3 主要结果 |
| 6.2.4 仿真结果 |
| 6.3 对称时变全状态约束互联系统的模糊控制 |
| 6.3.1 控制器设计 |
| 6.3.2 主要结果 |
| 6.3.3 仿真结果 |
| 6.4 本章小结 |
| 第七章 非三角系统的非对称时变全状态约束自适应控制 |
| 7.1 引言 |
| 7.2 非对称时变全状态约束控制 |
| 7.2.1 问题的提出 |
| 7.2.2 自适应模糊控制器设计 |
| 7.2.3 主要结果 |
| 7.2.4 仿真结果 |
| 7.3 本章小结 |
| 第八章 总结与展望 |
| 8.1 总结 |
| 8.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）微电网的大系统递阶控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 大系统理论研究现状 |
| 1.2.2 微电网研究现状 |
| 1.3 论文主要研究内容及意义 |
| 1.3.1 论文的研究内容 |
| 1.3.2 论文的研究意义 |
| 2 大系统理论 |
| 2.1 递阶控制理论 |
| 2.1.1 拉格朗日松弛法 |
| 2.1.2 拉格朗日对偶原理 |
| 2.1.3 大系统的分解协调 |
| 2.2 分散控制理论 |
| 2.3 本章小结 |
| 3 微电网大系统协调层 |
| 3.1 微电网协调层函数模型的建立 |
| 3.1.1 微电网目标函数的建立 |
| 3.1.2 建立微电网对偶函数 |
| 3.2 改进的次梯度法在微电网中的应用 |
| 3.2.1 微电网自适应次梯度法分析 |
| 3.2.2 微电网的集结投影次梯度法分析 |
| 3.3 仿真分析 |
| 3.4 本章小结 |
| 4 微电网大系统局部决策单元 |
| 4.1 微电网子系统目标函数及约束条件 |
| 4.1.1 风力发电系统子目标及约束条件 |
| 4.1.2 光伏发电系统子目标及约束条件 |
| 4.1.3 柴油发电机子目标及约束条件 |
| 4.1.4 光热发电系统子目标及其约束条件 |
| 4.2 局部决策单元优化算法分析 |
| 4.2.1 基本粒子群算法 |
| 4.2.2 改进的量子粒子群算法 |
| 4.3 算法测试 |
| 4.4 本章小结 |
| 5 微电网大系统调度层 |
| 5.1 模型预测控制 |
| 5.1.1 模型预测控制的基本概念 |
| 5.1.2 分散式模型预测控制 |
| 5.2 微电网新能源子系统的模型预测控制 |
| 5.2.1 风力发电系统模型预测控制 |
| 5.2.2 光伏发电系统模型预测控制 |
| 5.2.3 光热发电系统模型预测控制 |
| 5.3 柴油发电机模糊PID控制 |
| 5.4 本章小结 |
| 6 仿真分析 |
| 6.1 微电网各子系统参数设定 |
| 6.2 案例分析 |
| 6.3 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（10）几类纯反馈非线性系统的H∞控制研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 主要符号对照表 |
| 1.绪论 |
| 1.1 选题背景 |
| 1.2 研究综述 |
| 1.2.1 纯反馈非线性系统控制研究 |
| 1.2.2 非线性互联大系统的控制研究 |
| 1.2.3 H_∞控制研究 |
| 1.2.4 量化输入控制研究 |
| 1.3 本文的主要工作 |
| 2.预备知识 |
| 2.1 概念和引理 |
| 2.2 本章小结 |
| 3.一类随机纯反馈非线性系统的量化自适应有界H_∞跟踪控制 |
| 3.1 引言 |
| 3.2 系统描述及控制目标 |
| 3.3 有界H_∞自适应神经跟踪控制器设计 |
| 3.4 仿真验证 |
| 3.5 本章小结 |
| 4.一类随机纯反馈非线性切换大系统的分散自适应神经有界H_∞量化控制 |
| 4.1 引言 |
| 4.2 系统描述及控制目标 |
| 4.3 分散自适应神经有界H_∞量化控制器设计 |
| 4.4 仿真验证 |
| 4.5 本章小结 |
| 5.一类扩展结构纯反馈非线性大系统的分散自适应H_∞控制 |
| 5.1 引言 |
| 5.2 系统描述及控制目标 |
| 5.3 分散自适应神经H_∞控制器设计 |
| 5.4 仿真验证 |
| 5.5 本章小结 |
| 6.结论和展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
| 作者简介 |
四、一类不确定关联大系统的局部模型跟踪控制（论文参考文献）
- [1]大系统的社区发现子系统划分与分布式预测控制[D]. 杨晓峰. 华南理工大学, 2019(06)
- [2]不确定非线性大系统分散自适应模糊控制算法与应用研究[D]. 黄益绍. 南京航空航天大学, 2009(01)
- [3]严格反馈不确定非线性时滞系统的自适应模糊控制[D]. 郭涛. 西安电子科技大学, 2009(01)
- [4]氧化铝碳分过程多重时滞非线性分散鲁棒控制方法与应用研究[D]. 邓燕妮. 中南大学, 2009(02)
- [5]一类不确定关联大系统的局部模型跟踪控制[J]. 郭建国,周凤岐,周军. 西北工业大学学报, 2004(06)
- [6]不确定关联系统分散鲁棒控制理论及其应用研究[D]. 陈宁. 中南大学, 2002(04)
- [7]非匹配互联时滞大系统的分散自适应控制器设计[D]. 杨琛. 曲阜师范大学, 2021(02)
- [8]几类受约束非线性系统控制及性能分析[D]. 张瑞. 西安电子科技大学, 2020(02)
- [9]微电网的大系统递阶控制研究[D]. 曹凯. 兰州交通大学, 2020(01)
- [10]几类纯反馈非线性系统的H∞控制研究[D]. 曹小洁. 辽宁科技大学, 2020(01)