摘要： 爱尔兰戈尔韦大学和美国麻省理工学院研究团队详细介绍了医疗设备技术的一项突破：他们创建了一种智能植入式装置，可在给药的同时感知药物何时开始被排斥，并能借助人工智能（AI）改变形状以调整释放的药物剂量，同时还可减小疤痕组织的影响，该技术可为患者提供智能、持久、量身定制的治疗。研究团队最初开发的第一代装置，没有考虑到不同患者个体反应不同，最终导致疤痕组织将其包裹起来，妨碍了装置的应用。此次，他们利用AI技术使装置能够对植入环境作出反应，并有可能减少疤痕组织的形成而保持更长的使用寿命。

关键词： 无人艇   轨迹跟踪   信号量化   滑模控制   自适应控制  

摘要： 近年来,随着无人艇(Unmanned Surface Vehicle,USV)在科学研究、海洋资源勘探、军事等领域的应用,无人艇的运动控制问题受到了广泛关注。轨迹跟踪控制作为无人艇运动控制的重要组成部分,在船舶导航中扮演着至关重要的角色,其目标是使无人艇的状态跟踪期望的轨迹。然而,由于无人艇本身固有的复杂动力学,如系统不确定性和外界扰动,使无人艇的轨迹跟踪控制设计成为研究人员要面临的重要挑战。另一方面,随着网络通信技术的不断发展,无人艇的网络化控制问题日益成为一个前沿热点。网络控制系统中,处于不同空间位置的各组件可通过网络信道来进行信息交互,从而高效的完成控制任务。然而,通信网络信道的传输带宽是有限的,这在很大程度上影响了控制效果。量化策略虽可以有效降低对网络带宽的需求,但引入的量化误差给控制器设计和稳定性分析带来了挑战。此外,无人艇跟踪期望轨迹时对收敛性能和收敛时间具有强约束,增加了控制器的设计难度。为克服上述挑战,本文研究了在系统不确定性、外界扰动及信号量化下的无人艇轨迹跟踪控制问题,给出了有效的跟踪控制方法,主要研究内容如下:1.针对执行器传输带宽受限下的无人艇有限时间轨迹跟踪问题,考虑了系统不确定性、外界扰动及输入饱和,利用双隐层循环神经网络技术和自适应滑模方法,设计了轨迹跟踪控制律。首先,构造了一种结合了均匀量化器和对数量化器优点的切换型量化器量化输入信号以降低对执行器带宽的要求。其次,采用双隐层循环神经网络对包含有系统不确定性和外界扰动的集总不确定性在线逼近。然后,设计了一种具有增益自适应的滑模控制律来处理神经网络逼近误差、输入饱和误差以及输入量化误差。稳定性分析证明闭环系统信号是一致最终有界的。进一步,考虑了控制信号被对数量化器量化,设计了一种基于障碍函数的自适应滑模控制律,实现了无人艇对期望轨迹的跟踪,并确保了滑动变量在有限时间内进入预定界内。2.针对信道传输带宽受限下无人艇有限时间轨迹跟踪控制问题,设计了基于超螺旋观测器的连续滑模控制策略。所提出的控制策略同时考虑了输入信号和输出信号的量化来降低对闭环系统中信道传输带宽的要求。首先,针对输出信号采取均匀量化策略,而对输入信号采取迟滞量化策略以避免量化信号中的抖振。其次,考虑了无人艇速度不可测量的情况,设计了有限时间超螺旋观测器实现对速度信号的精确估计。然后,基于集总不确定性的先验上界假设,观测器的输出以及采用双曲正切函数,设计了一种连续滑模控制律,实现抖振减小的同时保证了无人艇轨迹跟踪误差系统的有限时间稳定。3.针对执行器传输带宽受限下的无人艇预定时间轨迹跟踪问题,设计了一种预定时间滑模跟踪控制律。首先,为含有系统不确定性、外界扰动以及输入量化误差的集总不确定性构建了一种较常数有界性假设更合理的状态依赖型上界假设,避免了对系统状态的先验有界约束。其次,采用预定时间预设性能控制技术,实现了对轨迹跟踪误差的暂态和稳态性能的预定时间约束。然后,通过把辅助函数和障碍函数整合进控制设计中,提出了一种基于障碍函数的滑模控制律,实现了对滑动变量的预定时间控制,并自适应的处理了集总不确定性而不产生增益过估计。更重要的是,所提控制方法适用于多种不同的量化策略,应用范围广。理论分析证明了所提控制律能保障跟踪误差和滑动变量在预定时间内收敛至预定界内且预定界与集总不确定性无关。

关键词： 包含控制   多智能体系统   鲁棒控制   非凸约束  

摘要： 随着人工智能的快速发展,分布式包含控制问题受到越来越多学者的关注,相关的研究成果大量应用于军事和民用等诸多领域。在实际应用中,由于系统自身存在的物理限制,智能体的控制输入往往会受到非凸约束。同时,由于环境存在时变性,需要考虑外部扰动和系统参数不确定性给系统输出带来的影响。本文研究了在系统控制输入非凸受限情况下具有外部扰动和系统参数不确定性的包含控制问题。主要内容如下:针对控制输入非凸受限的一阶连续系统,考虑了外部扰动和系统参数不确定性带来的影响,基于投影算子设计了一种分布式算法来解决包含控制问题以及增强抗干扰能力。首先,为了处理控制输入非凸受限带来的强非线性,利用泛函同胚思想引入比例因子将原非线性系统转化为类线性时变系统。其次,从零输入和零状态的角度,结合李亚普洛夫函数来分析系统的收敛性,在拓扑结构无向联通的情况下,给出了一阶系统非凸受限分布式鲁棒L2-L∞包含控制的稳定性条件。最后,通过数值仿真验证了算法的有效性。针对控制输入非凸受限的二阶连续系统,考虑了外部扰动和系统参数不确定性带来的影响,克服状态积分耦合困难,基于局部信息和投影算子设计了一种分布式算法来解决包含控制问题和增强抗干扰能力。首先,为解耦状态积分耦合关系,利用泛函同胚思想将原系统转化为等价非线性系统。其次,通过引入比例因子将等价非线性系统转化为类线性时变系统。然后,结合李亚普洛夫函数和凸分析理论来分析系统的收敛性以及计算比例因子的取值范围,并通过重新构建李亚普洛夫函数,在拓扑结构无向联通的情况下,给出了二阶系统非凸受限分布式鲁棒L2-L∞包含控制的稳定性条件。最后,通过数值仿真验证了算法的有效性。

关键词： 预付费系统   智能控制   负荷预测   Redis   多元信息交互  

摘要： 现有的预付费系统虽然在功能上满足了大部分居民用户的用电需求,但其在工业用户中的应用率却极低,原因是系统的开发着力于单一的缴费功能,缺乏与用户之间的信息交互,以及缺少完善的电费预警功能。针对现有预付费智能管控系统更加注重计量统计与网上缴费功能的优化,少有着重系统服务质量提升,缺少与用户间的信息交互等问题。本文将时下最常用的信息沟通方式集成进预付费智能管控系统,通过短信、微信公众号、语音电话、邮箱等交流方式,实现系统信息通知方式多元化。针对电力系统可能会面临的许多高并发场景,而现有的预付费系统对大数据量时的数据处理功能优化甚少的问题,本系的统研发集成了Redis数据库与SQL Server数据库,采用数据内存化方式实现高效精准的数据处理能力。与传统的预付费系统相比,本系统在优化缴费功能的基础之上,着重对电量预警功能进行改进,采用CNN GRU短期负荷预测模型,对用户未来几天的电量进行预估,判断用户剩余电量的使用时间,实现准确的电量预警功能,为电力营销决策提供便利。研究表明:本文所开发的智能管控系统具有用电统计、在线缴费、远程控制、电量预警及人员管理等功能。该系统使用了Redis数据处理方式,较传统系统的数据处理方式而言,在数据量10KB,样本量10000的并发情况下系统的90%响应时间提升60.9%。此外,该系统可准确预测用户的短期用电量需求,以提前告知用户电量信息。系统部署后,所部署配电台区的电费回收率提升了42.86%。上述结果也验证了文章所提系统模型的正确性,为供电企业管理工业用户电费拖欠问题提供了良好的解决方案,具有一定的创新性,也可为同类工作提供技术、理论支撑。

关键词： 微电网   频率控制   暂态稳定性   H2/H_∞鲁棒控制   海鸥算法  

摘要： “双碳”背景下,大力发展风能和太阳能等清洁能源发电成为我国的重要能源战略。风能和太阳能具有间歇性和波动性的特点,在充当主力供电源或者接入电网时容易造成频率振荡,影响供电稳定性。为了消纳更多的风、光电力,利用水电机组的快速响应和储能电池灵活高效的补偿构建微电网系统是常用的方式。由于搭建的系统存在多种不确定性,影响其稳定的一个难点是频率控制。针对这一问题,本文设计了基于多目标H理论的混合H/H鲁棒控制器,主要目标是抑制微电网暂态下的频率振荡。传统鲁棒H/H控制的经验法参数整定存在一定的局限性,无法使控制器性能达到最优。为了提升控制器的控制性能,本文将一种智能算法运用于控制器参数优化。本文所作的具体工作如下:（1）首先建立具有扰动信号的风-光-水-储微电网负荷频率控制线性模型,对水电机组和储能电池进行联合调频设计。推导出反映微电网系统特性的状态空间方程式。之后根据鲁棒多目标H理论,得到维持微电网系统稳定性能指标,将满足性能指标转化为求解H/H多目标输出反馈鲁棒控制器的条件,利用LMI工具将求解条件转化,得出影响系统控制性能的相关评价矩阵和范数权重。（2）在基本海鸥算法（SOA）中引入Logistics混沌和自适应扰动,并改变算法寻优过程中的相关参数,得到一种改进海鸥算法（ISOA）,相对于原算法初始化效率及搜索精度都得到了提高。利用ISOA对所建立的微电网中H/H鲁棒负荷频率控制器进行优化,将系统频率偏差绝对值时间积分数极小化作为算法的优化目标函数,在综合利用H/H两个范数表达的鲁棒性同时,选择反映系统性能和输出鲁棒性的相关权重矩阵,从而在满足约束的情况下,使控制器获得最优化。最后通过仿真验证所提方法的有效性。仿真结果表明:所设计的ISOA-H/H鲁棒控制器能很好的控制水电机组和储能电池的功率输出来补偿风光出力波动和负荷变化。在满足系统鲁棒性的基础上,保证了微电网在功率扰动和系统参数摄动下的频率稳定并具有满意的动态特性。

关键词： 双切换系统   自适应控制   神经网络   预设性能控制   几乎处处全局渐近稳定   几乎处处指数稳定  

摘要： 双切换系统是由确定切换子系统、随机切换子系统以及指定子系统运行的切换信号联合构成的一类切换系统。双切换系统中的切换信号有两类,一类是确定性切换信号,指定确定切换子系统的运行,这类切换信号是可设计的,表征了该类子系统的可控性。另一类是随机性切换信号,它是由随机子系统的特性决定的,通常为不可设计的。本文研究中使用Markov随机过程来描述随机切换子系统,此时随机切换信号由其转移速率确定,是随机的不可控的。双切换系统自提出以来主要被应用于具有复杂切换机制的系统建模,比如风机发电系统、网络控制系统、疫情传染模型等。随着第四代工业革命的发展,社会上对于复杂系统的控制要求也越来越高,因此对于包含不确定性、时滞等问题的双切换非线性系统的控制也需要新的手段。在总结国内外对于双切换系统的研究之后,深入学习切换控制系统的稳定性理论,结合Backstepping技术、神经网络算法、自适应控制理论、预设性能控制理论等手段,试图将切换系统的控制理论创新性地应用于双切换非线性系统中,完善双切换系统的控制稳定性理论,为实际复杂应用系统的建模与智能控制带来新的思路和方法。本文针对双切换非线性系统的研究成果总结如下:1.研究一类双切换连续时间非线性系统的稳定性问题。首先将其随机子系统用Markov随机跳跃过程进行描述,不同子系统之间的转移速率不同,这将导致在子系统切换过程中模态的遍历性消失,给系统分析带来了极大的难度。本节中首先利用概率分析方法和大数定律,解决Markov随机过程的模态遍历性消失的问题。然后分别利用能量期望最小切换方法和能量期望最速衰减方法,设计了两类确定性切换信号;通过随机多Lyapunov函数方法分别研究了双切换连续时间非线性系统在两类信号下的几乎处处全局渐近稳定性和几乎处处指数稳定性,并且给出系统稳定的充分条件。最后,通过三个数值算例,首先验证了所提方案的有效性,对几乎处处全局渐近稳定和几乎处处指数稳定的结果进行了比较,并且分析了所设计的两个不同的切换信号对系统收敛速率的影响。2.针对一类具有不确定性的双切换非线性系统,研究其自适应神经网络控制问题。利用RBF神经网络对非线性函数的逼近特性,对模型中的未知函数进行曲线拟合并建立误差动态方程。利用期望误差衰减理论设计切换规则,让双切换系统始终运行在期望误差最小的确定性子系统,最后利用Lyapunov稳定性定理,研究了双切换非线性误差系统的几乎处处全局渐近稳定性(GAS a.s.)和几乎处处指数稳定性(ES a.s.),并给出了系统稳定的充分条件。在仿真实验中研究具有两个确定子系统,每个子系统具有双模态的不确定双切换非线性系统。给定参考信号,利用该双切换系统模型对其追踪。实验结果表明,在所设计的自适应神经网络控制器和切换信号的控制下,误差具有较快的收敛速度,双切换非线性系统对于参考信号的追踪性能好。3.考虑一类同时具有不确定性和时滞的双切换连续时间非线性系统,研究其自适应神经网络预设性能控制问题。首先,基于预设性能控制理论构建误差函数,利用同胚映射进行形式转换,将误差空间由受约束空间转换到无约束空间。然后结合Backstepping技术、神经网络算法来设计控制器和自适应律。最后,利用随机多Lyapunov稳定性方法给出了系统的半全局一致最终有界的充分条件,在所设计的切换信号和控制器的共同作用下,闭环系统中的所有信号是有界的,并且在切换时刻系统状态均满足稳态和瞬态性能。最后通过数值算例仿真验证了方案的有效性,实验数据表明系统的误差始终在性能边界函数以内,达到了预先设定的性能。4.将所研究的双切换连续时间非线性系统的建模方法、稳定性分析理论与自适应控制方法应用到多回路网络控制系统中。考虑一类通信网络中具有数据包丢失,并且系统状态方程存在不确定函数的多回路网络控制系统,利用双切换非线性系统理论对其进行建模,然后利用RBF神经网络算法逼近系统中的未知函数,构建误差动态方程,根据期望误差最小准则设计切换策略,从而保证NCS的控制器调度合适的设备运行,实现系统的自适应控制。最后,通过应用案例实验验证了该方法的有效性,保证多回路网络控制系统具有良好的性能。

关键词： 混沌记忆振荡系统   滑模控制   高频   高增益   反馈线性化控制   自适应控制   Backstepping控制  

摘要： 自从美国气象学家洛伦兹在1963年发现世界上第一个混沌模型,混沌系统的相关研究开始逐步发展并成为学术研究热门。人们关注到的自然界中的很多混沌现象经过研究后都可以应用到包括医学、力学、生物、信息、经济等领域。在混沌系统的研究中可以根据绘制Lyapunov指数图和分岔图来分析混沌系统的动力学行为,为了将其控制稳定到平衡点,又诞生了很多控制方法。本文以三维Coullet系统、太阳风驱动磁层-电离层系统、双涡卷系统(都隶属于混沌记忆振荡系统)为研究对象,应用了多种控制方法对混沌记忆振荡系统存在的混沌状态进行了控制研究。具体研究内容如下:(1)对于三维Coullet系统,研究了它的混沌状态和控制问题。首先,通过绘制系统的时域波形图、混沌吸引子图、分岔图和Lyapunov指数图,验证了系统混沌现象的存在。然后采用反馈线性化控制、自适应控制、基于滑模的高频鲁棒控制和高增益鲁棒控制方法,设计了多种不同的控制器,最后通过数值仿真验证了控制器的有效性。(2)对于太阳风驱动磁层-电离层系统,研究了它的混沌状态和控制问题。首先,通过绘制系统的时域波形图、混沌吸引子图、分岔图和Lyapunov指数图,验证了系统混沌现象的存在。然后,利用基于滑模的高频鲁棒和高增益鲁棒控制和Backstepping控制方法,设计了多种不同的控制器,最后通过数值仿真验证了控制器的有效性。(3)对于双涡卷系统,研究了它的混沌状态和控制问题。首先,通过绘制系统的时域波形图、混沌吸引子图、分岔图和Lyapunov指数图,验证了系统混沌现象的存在。然后,利用基于滑模的高频鲁棒和高增益鲁棒控制和Backstepping控制方法,设计了多种不同的控制器,最后通过数值仿真验证了控制器的有效性。最后根据各种混沌控制方法的控制效果,对不同种类方法做一下比较,阐述一下它们的特点和改进方法的优势。

关键词： 电动舵机   强化学习   最优控制   自适应控制   扩张状态观测器   控制策略  

摘要： 随着电动舵机在机器人、航空航天和自动化控制等领域中的广泛应用，对其运动精度和稳定性的要求也越来越高。而在实际应用中，电动舵机受到的扰动包括但不限于负载扰动、电机转矩扰动、惯性扰动等，这些扰动对电动舵机的运动精度和稳定性都会产生较大的影响。为了实现电动舵机的精确控制，克服未知模型信息，环境未知扰动等对电动舵机的影响，本文以电动舵机的数学模型为研究对象，采用基于扩张状态观测器的强化学习控制算法进行电动舵机的控制算法研究。　　首先，对电动舵机进行了总体设计，包括针对电动舵机的选型和计算，以及无刷直流电机的换相原理。针对电动舵机的各个环节，包括无刷直流电机、伺服电机驱动器和减速传动机构，分别进行了原理介绍，特性分析和数学模型的建立。此外，本文还介绍了模拟实际工况中存在的间隙滞后的非线性扰动环节，并通过各部分模型结合，得出了整个电动舵机系统的整体数学模型。　　其次，为了观测电动舵机系统的状态，和估计包括未知负载扰动、未知摩擦扰动和模型误差在内的不确定量，本文设计了高增益扩张状态观测器。并介绍了高增益观测器的设计方法以及主要特性。并通过仿真分析了不同的增益参数对观测器输出的影响和峰值现象。为应用于电动舵机的高增益扩张状态观测器设计了合适的参数。同时给出了该高增益观测器对电动舵机的观测效果。　　最后，针对含有扰动的电动舵机系统提出了一种新型基于扩张状态观测器的强化学习抗扰控制策略。与传统的控制策略不同的是，本文将总的不确定性视为潜在的模型信息来纳入已知模型进行更新，并利用更新后的模型信息对HJB方程进行给定指标函数的最优值在线求解。为了逼近最优策略，本文讨论的策略迭代算法通过同时调整actor-critic算法中的actor网络和critic网络对相应的系数进行迭代更新，并在线求解具有更新已知动态的HJB方程。为了保证稳定性，采用了并行学习的策略，避免对于持续激励条件的依赖性。同时，对提出的基于已知动态的RL-ESO结构进行了理论分析与稳定性证明。并通过仿真验证了所提出新型强化学习控制算法的有效性。

关键词： 浮选   神经网络   遗传算法   加药参数优化   智能控制  

摘要： 浮选作为选煤领域中运行机理复杂、影响变量众多的工艺过程之一,由于其本身非线性、强耦合等特点,以及某些过程参数检测技术问题的限制,为分析浮选过程和优化浮选过程加药参数,进而提高浮选工艺效率带来了困难。对此,本文通过建立浮选过程参数检测平台,构建浮选加药参数优化模型,引入反馈补偿控制策略,对建立精确稳定的浮选加药反馈补偿智能控制系统展开研究。针对某选煤厂,展开对浮选影响变量和过程数据采集方法的研究。首先通过分析浮选过程的各变量因素,选取原煤量、煤种、入料灰分、入料流量、入料浓度、药剂添加量,以及浮精灰分和尾矿灰分作为分析浮选过程的变量。之后分析各变量的数据检测方式,采用C#语言和SQL数据库搭建浮选过程参数检测平台。对平台所采集数据集进行时间维度统一、异常值和缺失值处理。首先以浮精灰分采样整点时刻为准,统一时间维度,之后结合箱线图法和确定阈值范围法进行异常值剔除,使用EM算法和直接剔除法对缺失值进行填充和一定程度的剔除。最终数据样本有效利用率达85.25%,证明数据处理方法的有效性。展开对浮选灰分非解析预测模型的研究。针对难以建立精确的数学模型来描述浮选输入输出关系的问题,提出一种基于神经网络的浮选灰分非解析预测模型。首先确定模型输入输出变量,采用极差标准化法对数据进行标准化处理。之后,分别建立基于BP和Elman神经网络的浮选灰分非解析预测模型,两种模型结构均为“7输入,2输出”,均采用80%数据样本进行训练,20%数据样本作为测试集进行预测。结果表明,在对浮精灰分和尾矿灰分的预测精度和稳定性方面,基于Elman的预测模型具有明显优势。为实现对浮精灰分的精准控制,展开浮选加药参数优化模型的研究。首先分析实际生产现状,选取起泡剂和捕收剂添加量两个控制参数作为优化变量。之后基于Elman灰分预测模型,采用遗传算法构建模型,模型流程为:迭代更新药剂添加量,代替原数据,组成新样本输入灰分预测模型,得到优化后的药剂量和浮精灰分。分别将某时间段平均浮精灰分和某时刻浮精灰分控制在设定值附近为优化目标,两种方式优化后的均方根误差分别为0.877和0.410,表明第二种优化方式优化程度更高,且所得优化药剂量具有实际意义,证明了优化模型的有效性。基于反馈补偿控制策略,建立一套浮选加药反馈补偿智能控制系统。首先,针对优化模型及实际中各种设备所引起的药剂添加量误差,引入模糊控制设计反馈补偿控制器。之后设计控制系统的系统架构,开发完成相应上位机和下位机的系统程序设计,完成浮选加药反馈补偿智能控制系统的搭建。

关键词： 信息物理系统   自适应控制   容错控制   弹性控制   事件触发  

摘要： 信息物理系统由于在分析实际工程系统中具有重大的潜力,吸引了国内外众多学者的关注。信息物理系统是一个多维度的复杂系统,它整合了计算、网络与物理环境,涵盖了大量的内部系统工程,如嵌入式计算、独特的环境感知、网络控制与网络通信等。因此,信息物理系统需要更丰富的控制方案来维持自身的可控性。自适应控制策略由于其在控制参数更新方面的独特灵活性受到了广大研究者的青睐。然而,传统的自适应控制因需要系统的精确模型从而导致了其在应用方面遭受到一定的限制。为了打破这一约束,自适应神经网络控制与自适应模糊控制应运而生。神经网络与模糊逻辑系统有能力对系统的未知非线性特性进行逼近,从而为系统的控制器设计提供极大的便利。为了保障信息物理系统的平稳运行,提高系统的抗扰能力,本文针对内部故障与外部网络攻击存在的问题,研究了信息物理系统的控制方案设计。主要研究工作如下:(1)针对一类带有执行器故障和传感器故障的信息物理系统,开展了基于事件触发的自适应控制器设计研究。首先,通过设计神经网络状态观测器实现了对状态参数的估计,克服了系统状态参数未知对控制器设计的影响;针对多个系统之间存在的通信拓扑依赖性问题,设计了滑模观测器实现了每个跟随者对领航者输出状态的估计。然后,为了解决传统自适应控制方法中存在的微分爆炸问题,我们采用了指令滤波技术,进而减少了系统的计算负担。此外,我们设计了补偿机制和切换阈值事件触发策略,较好地解决了系统中存在的传感器与执行器故障以及通信资源浪费的问题。在此基础上,我们提出了自适应容错控制策略,使得具有执行器故障和传感器故障的信息物理系统达到领航—跟随一致性状态。(2)针对一类遭受欺骗攻击和状态时滞的信息物理系统,进行了基于事件触发的自适应弹性控制器设计研究。由于欺骗攻击、状态时滞和未知外部干扰同时出现,产生了实际系统状态不可得,控制系数未知的影响。首先,我们采用了Nussbaum增益函数代替实际控制增益,并将遭受攻击的系统变量应用于控制器设计,解除了对系统真实状态的依赖。此外,基于欺骗攻击下的系统状态构建了扰动观测器,进一步提高了系统的鲁棒性。为了克服状态时滞对系统性能的影响,在反步设计过程中构建了合适的Lyapunov-Krasovskii函数。然后,运用事件触发机制,进一步降低了系统信息遭受外部攻击的可能性。在上述的基础上,我们提出了自适应弹性控制策略,实现了带有欺骗攻击和状态时滞的信息物理系统的协同控制。(3)在内容二的基础上,我们对系统的稳态性能提出了更高的要求。针对一类欺骗攻击下带有执行器非线性滞回特性的切换信息物理系统,开展了基于事件触发的自适应模糊有限时间弹性控制器设计研究。首先,借助于模糊逻辑系统消除了系统内部的非线性不确定项,简化了系统控制器设计过程。此外,我们利用有限时间指令滤波器来消除自适应反步法带来的指数爆炸问题,提高了滤波误差的收敛速度,并且设计了滤波误差补偿系统,进一步提高了系统的控制性能。然后,我们将系统的外部扰动以及执行器的非线性特性相结合,构建合成扰动观测器,提高了系统的抗扰能力。最后,基于共同李雅普诺夫函数法,在系统动态任意切换的规则下,得出了确保闭环系统中所有信号一致有界的充分条件,并且给出了系统收敛时间的上界。