Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Phương pháp điều khiển theo dõi ràng buộc dựa trên ánh xạ có giới hạn mà không cần điều kiện ban đầu
Tóm tắt
Dựa trên kỹ thuật backstepping, một phương pháp điều khiển theo dõi ràng buộc đã được nghiên cứu mà không yêu cầu điều kiện ban đầu cho một lớp các hệ thống phi tuyến phản hồi nghiêm ngặt với sự bão hòa của bộ thực thi và các nhiễu bên ngoài. Không giống như phương pháp điều khiển ràng buộc hiện có không có điều kiện ban đầu, phương pháp được đề xuất cung cấp một giải pháp mới mẻ khác thông qua một hàm ánh xạ phi tuyến có giới hạn, cũng như hai hàm ràng buộc hiệu suất được đề xuất mà thiết kế của chúng không liên quan đến các điều kiện theo dõi ban đầu. Thời gian thiết lập khi sai số theo dõi ràng buộc vào một vùng được xác định trước là một tham số thiết kế có thể được đặt theo bất kỳ yêu cầu hợp lý nào. Một bộ điều khiển theo dõi ràng buộc hiệu suất đã được thiết kế, và nó đảm bảo rằng sai số theo dõi của hệ thống phi tuyến vào một vùng ràng buộc xác định từ các giá trị ban đầu khác nhau không muộn hơn một thời gian thiết lập, và cả hiệu suất quá độ và ổn định của hệ thống đều được đảm bảo. Một so sánh với phương pháp hiện tại được thực hiện, và tính hiệu quả cũng như ưu điểm của phương pháp được đề xuất đã được chứng minh bằng hai ví dụ thực tiễn.
Từ khóa
#điều khiển theo dõi #ràng buộc #hệ thống phi tuyến #bão hòa bộ thực thi #nhiễu bên ngoàiTài liệu tham khảo
Wang, M., Wang, C., Shi, P., Liu, X.: Dynamic learning from neural control for strict-feedback systems with guaranteed predefined performance. IEEE Trans. Neural Netw. Learn. Syst. 27(12), 2564–2576 (2016)
Qiu, J., Sun, K., Wang, T., Gao, H.: Observer-based fuzzy adaptive event-triggered control for pure-feedback nonlinear systems with prescribed performance. IEEE Trans. Fuzzy Syst. 27(11), 2152–2162 (2019)
Shao, X., Tong, S.: Adaptive prescribed performance decentralized control for stochastic nonlinear large-scale systems. Int. J. Adapt. Control Signal Process. 32(12), 1782–1800 (2018)
Meng, W., Yang, Q., Sun, Y.: Adaptive neural control of nonlinear MIMO systems with time-varying output constraints. IEEE Trans. Neural Netw. Learn. Syst. 26(5), 1074–1085 (2015)
Wang, S., Ren, X., Na, J.: Extended-state-observer-based funnel control for nonlinear servomechanisms with prescribed tracking performance. IEEE Trans. Autom. Sci. Eng. 14(1), 98–108 (2017)
Han, S.I., Lee, J.M.: Fuzzy echo state neural networks and funnel dynamic surface control for prescribed performance of a nonlinear dynamic system. IEEE Trans. Ind. Electron. 61(2), 1099–1112 (2014)
Chen, L., Wang, Q.: Prescribed performance-barrier Lyapunov function for the adaptive control of unknown pure-feedback systems with full-state constraints. Nonlinear Dyn. 95(3), 2443–2459 (2019)
Zhang, R., Wei, C., Yin, Z.: Adaptive quasi fixed-time orbit control around asteroid with performance guarantees. Comput. Model. Eng. Sci. 122(1), 89–108 (2020)
Liang, Q., Yang, Q., Meng, W., Li, Y.: Adaptive finite-time control for turbo-generator of power systems with prescribed performance. Asian J. Control 24(4), 1597–1608 (2022)
Dai, S.L., He, S., Wang, M., Yuan, C.: Adaptive neural control of underactuated surface vessels with prescribed performance guarantees. IEEE Trans. Neural Netw. Learn. Syst. 30(12), 3686–3698 (2018)
Tee, K.P., Ge, S.S., Tay, E.H.: Barrier Lyapunov functions for the control of output-constrained nonlinear systems. Automatica 45(4), 918–927 (2009)
Zhao, S.Y., Liang, H.J., Du, P.H., Qi, S.W.: Adaptive NN finite-time tracking control of output constrained nonlinear system with input saturation. Nonlinear Dyn. 92(4), 1845–1856 (2018)
Li, H.Y., Zhao, S.Y., He, W., Lu, R.Q.: Adaptive finite-time tracking control of full state constrained nonlinear systems with dead-zone. Automatica 100, 99–107 (2019)
Xu, Z., Xie, N., Shen, H., Hu, X., Liu, Q.: Extended state observer-based adaptive prescribed performance control for a class of nonlinear systems with full-state constraints and uncertainties. Nonlinear Dyn. 105(1), 345–358 (2021)
Xie, X.J., Guo, C., Cui, R.H.: Removing feasibility conditions on tracking control of full-state constrained nonlinear systems with time-varying powers. IEEE Trans. Syst. Man Cybern. Syst. 51(10), 6535–6543 (2020)
Liu, X., Wang, H., Gao, C., Chen, M.: Adaptive fuzzy funnel control for a class of strict feedback nonlinear systems. Neurocomputing 241, 71–80 (2017)
Sui, S., Li, Y., Tong, S.: Observer-based adaptive fuzzy control for switched stochastic nonlinear systems with partial tracking errors constrained. IEEE Trans. Syst. Man Cybern. Syst. 46(12), 1605–1617 (2016)
He, W., Dong, Y.T.: Adaptive fuzzy neural network control for a constrained robot using impedance learning. IEEE Trans. Neural Netw. Learn. Syst. 29(4), 1174–1186 (2018)
Sun, W., Su, S., Wu, Y., Xia, J., Nguyen, V.: Adaptive fuzzy control with high-order barrier Lyapunov functions for high-order uncertain nonlinear systems with full-state constraints. IEEE Trans. Cybern. 50(8), 3424–3432 (2020)
Wang, C.X., Wu, Y.Q., Wang, F.H., Zhao, Y.: TABLF-based adaptive control for uncertain nonlinear systems with time-varying asymmetric full-state constraints. Int. J. Control 94(5), 1238–1246 (2021)
Liu, Y.J., Tong, S.C., Chen, C.L.P., Li, D.J.: Adaptive NN control using integral barrier Lyapunov functionals for uncertain nonlinear block-triangular constraint systems. IEEE Trans. Cybern. 47(11), 3747–3757 (2017)
Li, D., Liu, L., Liu, Y.J., Tong, S.C., Chen, C.L.P.: Fuzzy approximation-based adaptive control of nonlinear uncertain state constrained systems with time-varying delays. IEEE Trans. Fuzzy Syst. 28(8), 1620–1630 (2020)
Sun, T., Pan, Y.: Robust adaptive control for prescribed performance tracking of constrained uncertain nonlinear systems. J. Frankl. Inst. 356(1), 18–30 (2019)
Niu, B., Wang, D., Li, H., Xie, X., Alotaibi, A.D.: A novel neural-network-based adaptive control scheme for output-constrained stochastic switched nonlinear systems. IEEE Trans. Syst. Man Cybern. Syst. 49(2), 418–432 (2019)
Yin, S., Yu, H., Shahnazi, R., Adel, H.: Fuzzy adaptive tracking control of constrained nonlinear switched stochastic pure-feedback systems. IEEE Trans. Cybern. 47(3), 579–588 (2017)
Zhang, T., Wang, N., Wang, Q., Yi, Y.: Adaptive neural control of constrained strict-feedback nonlinear systems with input unmodeled dynamics. Neurocomputing 272, 596–605 (2018)
Bechlioulis, C.P., Rovithakis, G.A.: Robust adaptive control of feedback linearizable MIMO nonlinear systems with prescribed performance. IEEE Trans. Autom. Control 53(9), 2090–2099 (2008)
Zhang, J.X., Yang, G.H.: Robust adaptive fault-tolerant control for a class of unknown nonlinear systems. IEEE Trans. Ind. Electron. 64(1), 585–594 (2016)
Zhang, J.X., Yang, G.H.: Fuzzy adaptive output feedback control of uncertain nonlinear systems with prescribed performance. IEEE Trans. Cybern. 48(5), 1342–1354 (2017)
Song, Y.D., Zhou, S.: Tracking control of uncertain nonlinear systems with deferred asymmetric time-varying full state constraints. Automatica 98, 314–322 (2018)
Wang, A., Liu, L., Qiu, J., Feng, G.: Event-triggered adaptive fuzzy output-feedback control for nonstrict-feedback nonlinear systems with asymmetric output constraint. IEEE Trans. Cybern. 52(1), 712–722 (2022)
Yang, Y., Feng, G., Ren, J.: A combined backstepping and small-gain approach to robust adaptive fuzzy control for strict-feedback nonlinear systems. IEEE Trans. Syst Man Cybern. A Syst. Hum. 34(3), 406–420 (2004)
Wen, C., Zhou, J., Liu, Z., Su, H.: Robust adaptive control of uncertain nonlinear systems in the presence of input saturation and external disturbance. IEEE Trans. Autom. Control 56(7), 1672–1678 (2011)
Wang, H., Shi, P., Li, H., Zhou, Q.: Adaptive neural tracking control for a class of nonlinear systems with dynamic uncertainties. IEEE Trans. Cybern. 47(10), 3075–3087 (2017)
Ma, J., Ge, S.S., Zheng, Z., Hu, D.W.: Adaptive NN control of a class of nonlinear systems with asymmetric saturation actuators. IEEE Trans. Neural Netw. Learn. Syst. 26(7), 1532–1538 (2015)
Zhu, Q., Liu, Y., Wen, G.: Adaptive neural network control for time-varying state constrained nonlinear stochastic systems with input saturation. Inf. Sci. 527, 191–209 (2020)
Ma, L., Huo, X., Zhao, X., Zong, G.: Observer-based adaptive neural tracking control for output-constrained switched MIMO nonstrict-feedback nonlinear systems with unknown dead zone. Nonlinear Dyn. 99(2), 1019–1036 (2020)
Ge, S.S., Wang, C.: Adaptive neural control of uncertain MIMO nonlinear systems. IEEE Trans. Neural Netw. 15(3), 674–692 (2004)
Liu, Y., Liu, X., Jing, Y.: Adaptive neural networks finite-time tracking control for non-strict feedback systems via prescribed performance. Inf. Sci. 468, 29–46 (2018)
Cui, Y., Zhang, H., Wang, Y., Gao, W.: Adaptive control for a class of uncertain strict-feedback nonlinear systems based on a generalized fuzzy hyperbolic model. Fuzzy Sets Syst. 302, 52–64 (2016)
Carroll, J.J., Dawson, D.M.: Integrator backstepping techniques for the tracking control of permanent magnet brush DC motor. IEEE Trans. Ind. Appl. 31(2), 248–255 (1995)
Abad, E.C., Alonso, J.M., García, M.J.G., Garcí a-Prada, J.C.: Methodology for the navigation optimization of a terrain-adaptive unmanned ground vehicle. Int. J. Adv. Robot. Syst. 15(1), 1–11 (2018)
Corral, E., García, M.J.G., Castejon, C., Meneses, J., Gismeros, R.: Dynamic modeling of the dissipative contact and friction forces of a passive biped-walking robot. Appl. Sci. 10(7), 1–16 (2020)
Corral, E., Moreno, R., García, G., Castej óa, C.: Nonlinear phenomena of contact in multibody systems dynamics: a review. Nonlinear Dyn. 104(2), 1269–1295 (2021)
Wang, C., Hill, D.J., Ge, S.S., Chen, G.R.: An ISS-modular approach for adaptive neural control of pure-feedback systems. Automatica 42(5), 723–731 (2006)