一类时滞分布参数系统滑动模控制器的设计

基于变结构控制理论,提出一种用变结构控制方法来消除参数不确定性对系统性能的影响。首先建立延迟为τ的系统模型,鉴于该系统具有稳定与非稳定因素,我们制定一系列标准,从而写出系统的滑动模运动方程,经过证明,确认系统模型在所给的控制律下能顺利进入滑模区域,且处于该滑动切换面之下时,控制状态是稳定的,因此达到了设计要求。经实验征明,该滑动模控制器具有普遍性。     

一类具有变时滞不确定分布参数系统的滑动模控制

研究一类不确定变时滞分布参数系统的滑动模控制问题．首先设计一种无记忆功能的变结构控制器;然后分析了在滑动模切换面上滑动模控制系统关于不确定量的不变性特征;最后给出了从任意初始位置出发的轨线到达滑动模态区的时间估计．研究表明,所设计的控制器结构简单．容易实现．     

广义分布参数扰动系统滑动模态控制

研究广义分布参数扰动系统的变结构及其一致收敛问题。通过引入滑动模态补偿器,得到了简约型变结构控制的设计方法。最后研究了系统 的动态品质,并指正了个别文献中存在的错误。     

时滞连续Hopfield神经网络的全局指数稳定性

本文采用非线性时滞微分不等式分析技巧,研究了时滞连续Hopfield神经网络的稳定性,给出在任意外界恒常输入下连续Hopfield网络的平衡态的收敛速度及全局指数稳定的若干充分判据.     

不确定时滞分布参数系统的滑动模控制

本文研究一类不确定时滞分布参数系统的滑动模控制问题，设计了滑动模控制器，分析了在滑动模切换面上滑动模控制系统关于不确定量的不变性特征。     

一类时滞线性系统的变结构控制

研究一类状态变量具有时滞的线性系统的变结构控制问题,指出传统的切换函数在时滞系统中应当是一个切换泛函,给出了在系统谱能控条件下具有稳定滑动模态的切换泛函的设计方法.并利用趋近律设计了相应的变结构控制器.得到了一般时滞系统能够变换为所需要的时滞系统的条件.     

滑动模态补偿器在变结构控制设计中的应用

借助于滑动模态补偿器，首先对一类广义控制系统提出一种变结构预测器设计方法，并且给出了具体观察器的设计，随后对一类分布参数系统与广义集中参数系统的耦合系统进行研究，讨论了其极点配置以及变结构控制器的设计等问题，由于引用了滑动模态补偿器，使得设计过程简单明了。     

时滞下忆阻突触耦合Hopfield神经网络的动力学行为分析

本文利用忆阻突触来模拟两个相邻神经元之间膜电位差引起的电磁感应电流,构造了一种时滞下四维忆阻Hopfield神经网络模型.同时研究了此系统的零平衡点稳定性以及失稳时发生Hopf分岔的条件,并分析了不同时滞以及加入固定时滞后不同忆阻耦合强度下系统动力学行为发生的变化.通过数值模拟揭示了丰富的动力学现象,如极限环、混沌吸引子等.     

具有控制时滞的离散系统的无抖振滑模控制

研究含时滞的线性离散系统的变结构控制问题. 首先将之简化为不含时滞项的线性离散系统. 然后对简化系统提出一种新的无抖振滑动模态控制算法. 该算法使滑模控制分为两个阶段,当系统轨迹在滑模某邻域以外时, 利用传统的到达控制律使系统状态轨迹单调趋近滑模面; 当系统轨迹进入该邻域内, 无抖振控制律使其轨迹一步到达滑模面. 该控制律有效地削除了由离散系统解轨迹的不连续性产生的抖振现象. 仿真结果表明了这种方法的有效性.     

时滞中立型线性系统的变结构控制

本文研究了一类时滞中立型线性的变结构控制问题,在系统谱可控的条件下给出了具有稳定的油动模态的切换泛函的构造方法,并利用渐近率的概念和方法设计了该系统的变结构控制器,得到一般时滞中立型系统可变换成所需要的时滞中立型系统的条件。     

基于神经网络补偿的机器人滑模变结构控制

针对机器人控制系统中存在的建模误差和不确定性干扰,提出了基于神经网络补偿的滑模变结构控制。该方法采用双幂次快速终端滑模控制使得系统能在有限时间内快速达到滑模面和平衡点,采用径向基函数神经网络自适应地补偿建模误差和不确定干扰,并通过李雅普诺夫直接法设计权值更新率,确保了系统的全局稳定性,有效抑制了抖震。对两关节机器人的仿真结果表明了该方法的有效性。     

基于RBF神经网络补偿的直线伺服系统滑模鲁棒跟踪控制

永磁直线伺服系统具有高速、高响应和直接驱动等优点,但负载扰动、端部效应、非线性摩擦及系统参数变化会降低系统的伺服性能.为了在保证系统的跟踪性能的基础上.消除上述不确定性因素的影响,本文提出一种将变结构控制(VSC)和径向基函数神经网络(RBFNN)相结合的鲁棒跟踪控制策略.变结构控制具有快速响应,对不确定因素的不变性的优点.但是其“抖振”现象将影响直线伺服系统的平稳性和定位精度.采用径向基函数神经网络来模拟端部效应、参数变化、摩擦和外部负载等不确定因素,引入带死区的目标函数以缩短学习过程.通过RBFNN的补偿控制来减弱“抖振”输入的程度,进一步提高系统的稳态精度.仿真结果表明,该方案对直线伺服系统不确定性有很强的鲁棒性,同时,系统具有较好的跟踪性能,大大提高了直接驱动直线伺服系统的鲁棒跟踪精度.     

Ultimate boundedness of stochastic Hopfield neural networks with time-varying delays

By employing Lyapunov functional theory as well as linear matrix inequalities, ultimate boundedness of stochastic Hopfield neural networks (HNN) with time-varying delays is investigated. Sufficient criteria on ultimate boundedness of stochastic HNN are firstly obtained, which fills up a gap and includes deterministic systems as our special case. Finally, numerical simulations are presented to illustrate the correctness and effectiveness of our theoretical results.     

用连续Hopfield网络实现无限时域上的最优控制

为避免直接采用Riccati方程求解时变系统无限域最优控制问题时的计算困难,本文提出一种基于时间连续状态连续型Hopfield网络(CTCSHNN)实现无限域动态最优控制的方法．该方法通过建立CTCSHNN能量函数与移动域控制指标间的等价关系,可在线构建CTCSHNN．理论分析表明,依据该方法设计的CTCSHNN具有稳定性,而且移动域控制量可由网络稳态输出直接产生．将该方法与滚动优化策略相结合,可实现无限时域上的闭环最优控制．仿真实验验证了理论设计的正确性与采用基于CTCSHNN的移动域控制实现无限域闭环最优控制的可行性．     

混合时滞非恒同模糊神经网络的同步控制

主要研究一类具有混合时滞的非恒同模糊神经网络的同步控制问题,基于滑模控制技术设计了一个线性反馈控制器,通过构造Lyapunov函数,对同步的充分条件进行了讨论,并给出了相应的理论证明.数值仿真结果证实了该控制器的有效性。     

Sliding mode variable structure control for visual servoing system

A visual servoing tracking controller is proposed based on the sliding mode control theory in order to achieve strong robustness against parameter variations and external disturbances. A sliding plane with time delay compensation is presented by the pre-estimate of states. To reduce the chattering of the sliding mode controller, a modified exponential reaching law and hyperbolic tangent function are applied to the design of visual controller and robot joint controller. Simulation results show that the visual servoing control scheme is robust and has good tracking performance.     

具反映扩散有限连续分布时滞细胞神经网络的全局指数稳定性

研究了具反应扩散有限连续分布细胞神经网络的平衡点的存在性及全局指数稳定性问题,提出了新的比较原理,在对神经元的激励函数的较宽松的条件下,利用同伦不变性原理获得了该系统的平衡点的存在性,利用所得的比较原理获得了该系统全局指数渐近稳定性的充分条件,而且这些条件容易检验,并举了一个数值实例以说明结论的有效性．     

具反应扩散混合时滞Cohen-Grossberg神经网络的指数耗散性

利用扩散算子特性、M-矩阵性质和不等式分析技巧,在不要求神经网络激励函数的有界性、单调性、可微性以及平均时滞有界性的弱保守条件下,研究了一类具有反应扩散混合时滞的非自治Cohen-Grossberg神经网络的实不变集、全局指数稳定性和指数耗散性,并给出了相关的充分性条件.文中所使用的方法摒弃了常规构造适当的Lyapunov泛函的方法,克服了Lyapunov泛函难构造的困难,且得到的结果扩展和改进了其他文献结果.最后给出了一个数值例子来说明所得结果的有效性.     

神经网络滑模变结构控制研究综述

综述了近年来将人工神经网络控制和滑模变结构控制相结合的研究工作．从神经网络在滑模变结构控制中不同的应用方式出发，论述了神经网络在提高和改善滑模变结构系统性能方面的理论和方法，分析了它们各自的特点与相互之间的联系．最后展望了该领域未来的研究方向．     

非匹配不确定混沌系统的RBF神经滑模同步

对于非匹配不确定混沌系统,提出一种RBF神经滑模同步方法.设计滑模切换面,并将其作为神经网络的唯一输入,网络的权值依滑模趋近条件在线确定,使得同步跟踪误差渐进到零点.该方法简化了常规神经网络控制结构的复杂性,削弱了滑模控制的抖振程度,并且同步时间较短,对参数不确定性及外干扰具有较好的鲁棒性.仿真结果验证了所提出方法的有效性.