离散时间菱形不确定系统的鲁棒控制器设计

对一类MIMO的菱形不确定离散时间线性系统，利用有限端点检验结果，提出一种输出反馈控制器的设计方法，导出了输出反馈增益矩阵置所满足的一组特殊非线性方程，通过求解该方程组；使有限个线性系统输出反馈LQ问题同时达到最优，从而保证菱形闭环系统是鲁棒渐近稳定的。数值例子说明了该方法的正确性。     

办公大楼的安全防范系统

安全防范系统提供音视频监控,出入口控制,移动对象监控电子巡查和应急通信等功能,已由开始的单一防盗发展为多系统多方位多层次的防盗。     

一类二阶时变非线性系统的混合自适应重复学习控制

针对含有时变和时不变未知参数的二阶非线性系统，结合Backstepping方法．提出了一种新的自适应重复学习控制方法，可处理参数在一个未知紧集内周期性快时变的非线性系统．通过引入参数周期自适应律．设计出的自适应控制策略．使跟踪误差平方在一个周期上的积分范敷渐近收敛于零．通过构造Lyapunov函数．给出了闭环系统收敛的一个充分条件．     

多变量鲁棒自适应极点配置算法

在系统具有一般不确定结构的情况下,提出了一种多变量自适应极点配置算法,解 决了多变量自适应极点配置算法的奇异性问题,证明了它的全局收敛性和稳定性.该算法构 造了一个估计参数的修正策略，保证估计模型的一致能控性,并且得到能控度的一个下界.所 需要的先验知识仅为系统的能观性指数和能控性指数的上界以及干扰上界.     

多变量自适应极点配置系统稳定的充要条件

对于多变量自适应极点配置系统给出了其稳定的充要条件，并在充分性的证明过程中构造性地提出了一种估计参数的修正策略，保证了修正参数所对应的广义Sylvester矩阵渐近一致非奇异，得到了无须能控性的稳定多变量自适应极点配置系统，解决了多变量自适应极点配置的奇异问题，所需的先验知识仅为能观性指数和不确定或干扰的上界。     

基于神经网络的鲁棒自适应滑模迭代学习控制

对一类不确定非线性系统，包括不确定性机器人，提出一种自适应鲁棒迭代学习控制方案，学习控制用于学习周期性的系统不确定性，自适应滑模控制用于抑制非周期性系统不确定性，并且利用RBF神经网络自适应学习系统不确定性的未知上界，对不确定性系统动态和有界输入拢动具有鲁棒性，通过Lyapunov直接方法，确保了对每次迭代闭环系统是一致有界的，并且沿着迭代次数的增加，跟踪误差渐近收敛于零，仿真结果表明了该方案的有效性。     

未知时变时滞非线性参数化系统自适应迭代学习控制

针对含有未知时变参数和时变时滞的非线性参数化系统,提出了一种新的自适应迭代学习控制方法.该方法将参数分离技术与信号置换思想相结合,可以处理含有时变参数和时滞相关不确定性的非线性系统.设计了一种自适应控制策略,使跟踪误差的平方在一个有限区间上的积分渐近收敛于零.通过构造Lyapunov-Krasovskii型复合能量函数,给出了闭环系统收敛的一个充分条件.给出两个仿真例子验证了控制方法的有效性.     

非线性系统有限时间稳定的一个新的充分条件

研究了一类非线性系统的有限时间稳定性．通过函数构造和变量替换的方法,给出一个新的非线性系统有限时间稳定的充分条件．该条件与现有结果相比,具有更少的保守牲．进一步,将所得的结果推广到不确定性非线性系统,通过构造Lyapunov函数方法,给出系统有限时间稳定的充分条件．仿真例子表明了所得结论的有效性．     

基于Backstepping的非一致轨迹迭代学习控制研究

针对一类在有限时间区间上可重复运行的高阶混合参数化非线性系统,利用改进Backstepping方法,将参数重组技巧和分段积分机制相结合,提出了一种混合自适应迭代学习控制算法。该算法由参数的微分-差分型自适应律和学习控制律组成,可以处理目标轨线迭代可变的跟踪问题。通过构造Lyapunov-like泛函使得跟踪误差的平方在一个有限时间区间上的积分收敛于零,同时保证所有信号均在有限时间区间内有界。仿真结果说明了所提算法的有效性。     

一类非线性参数化系统白适应重复学习控制

针对一类高阶非线性参数化系统,利用分段积分机制,提出了一种新的自适应重复学习控制方法．该方法结合反馈线性化,可以处理参数在一个未知紧集内周期性快时变的非线性系统,通过引进微分一差分混合型参数自适应律,设计了一种自适应控制策略,使广义跟踪误差在误差平方范数意义下渐近收敛于零,通过构造Lyapunov泛函,给出闭环系统收敛的一个充分条件．实例仿真结果说明了该方法的可行性．