针对智能汽车的智能循迹控制问题,提出一种自适应神经网络动态面控制算法。该方法解决了传统反步法中的"微分爆炸"现象,考虑到动力学模型中存在的不确定项、外部干扰以及控制输入饱和受限问题,采用RBF径向基函数神经网络对其实现补偿控制。为解决控制过程中可能会出现的代数环问题,预先将RBF中的控制输入项进行低通滤波处理。设计相应的Lyapunov函数证明了闭环系统的所有误差,并将设计的控制算法与无饱和受限情况下的控制算法进行对比,仿真结果进一步验证了该控制算法的有效性和可靠性。

针对基于网络的液压伺服控制系统面临的网络延时和阀控马达建模结构不确定性问题,提出了基于Pade定理和反步推导方法合成的误差符号鲁棒积分自适应控制器。该控制器使用Pade定理近似处理时变网络引起的延时,降低延时对控制系统跟踪性能的影响,应用自适应率逼近系统结构不确定性和延时误差值,采用误差符号控制方法补偿剩余的结构不确定性。通过构造合适的Lyapunov函数,验证了闭环系统的全局稳定性,保证闭环系统所有信号的有界性和跟踪误差渐进收敛性。仿真结果表明了该控制方法的高精度跟踪性能。

将液压二次调节技术应用于大惯量回转系统可以进行制动能量的回收,本文针对基于液压二次调节技术的大惯量回转系统存在的参数不确定性以及未知的外部扰动引起的跟踪精度不足的问题,提出了预定性能自适应鲁棒控制器。将预定性能和自适应鲁棒器相结合,对大惯量回转系统存在的未知参数进行了估计,并使用Lyapunov函数严格保证了整个系统的半全局渐近稳定。仿真结果表明:相同的工况下,与PID以及普通的自适应鲁棒控制相比,本文所设计的控制器可以让大惯量回转系统有更好的跟踪精度和较高的鲁棒性。

为加强Mamdani模糊控制系统常规运行的稳定性,弱化并消除外部干扰信号造成的不稳定运算结果,设计了基于Lyapunov函数的Mamdani模糊控制系统稳定性控制模型。通过分析Mamdani模糊控制系统特征,设计了状态反馈控制器,解析了Lyapunov函数稳定控制系数,进行了模糊控制系统仿真实验。实验结果表明:运用Lyapunov函数构建Mamdani模糊控制系统稳定性模型,可降低外部信号干扰,达到稳定状态。

设计了一种基于信号微分滑模控制理论的阀控非对称缸激振器。通过对液压缸位移信号提取并对其进行微分运算求导，以此来实现无需速度和加速度的滑模控制，削弱了系统非线性对控制精度的影响，增大了电液伺服激振器的激励频率带宽。根据Lyapunov函数判据，确保了系统的稳定性。通过对对称阀控非对称缸系统的位置跟踪控制进行仿真分析，结果显示，该激振器具有良好的跟踪效果。

为提高电液负载模拟器的跟踪精度，针对其存在的大量非线性特性和模型不确定性等问题，建立了系统非线性数学模型，基于传统的误差符号积分鲁棒控制方法，融合自适应控制的思想，设计了一种自适应误差符号积分鲁棒控制方法。该方法无需获知模型不确定性的确切界，其积分鲁棒增益的取值可在线调节，更好地克服了模型不确定性对系统的影响，在舵机运动干扰作用下实现了系统的渐近稳定性能。仿真对比结果验证了该控制方法的优良性能。