基于神经网络的非线性预测函数控制

给出了一种新的神经网络多步预估器结构,建立了CSTR过程的人工神经元网络的动态模型,并在此基础上提出了基于人工神经元网络模型的非线性预测函数控制算法．给出了非线性预测函数控制的具体实施步骤．计算机仿真表明。人工神经元网络模型的精度已满足预测控制的需要。该控制系统比常规PID控制器具有更好的控制效果．     

一种用于在线控制的快速高精度估计器

研究了一种用于非线性动态系统参数估值的有偏估计器,它包含了2个容易调整的参数,调整后的估计器在处理具有近似奇异设计矩阵问题时表现了很强的稳健性(Roubstness),实验表明,所研究的估计器在收敛速度及估计精度两方面都远比最小二乘估计器和岭估计器优越。     

基于粒子群优化的神经网络容错控制算法

针对一类非线性系统的传感器故障,将故障诊断与容错控制方法相结合,提出了一种容错控制方法。用BP网络建立传感器故障模型,并用粒子群算法来训练BP网络的参数,在线估计系统的状态和故障参数。然后将故障参数与修正的Bayes分类算法相结合,对传感器故障在线检测、分离和估计,通过补偿算法,实现容错控制。对连续搅拌釜式反应器（CSTR）的仿真结果表明,该方法收敛性好,对传感器故障具有很强的容错能力。     

非线性系统传感器偏差的自适应故障检测与分离方法

针对一类具有模型不确定性且状态部分可测的非线性系统,提出了一种基于鲁棒自适应技术的传感器偏差故障检测与分离方法。所提出的故障检测与分离方法是由一个故障检测估计器和一组故障分离估计器完成的,其中每一个故障分离估计器对应一种类型的传感器偏差故障。对于某一故障分离估计器如果它的的输出估计误差中至少一项的绝对值超过相应的自适应阈值,则这个故障发生的可能性被排除,即可分离故障。在系统存在模型不确定性和状态部分可测的情况下,应用自适应技术来估计未知的传感器偏差故障并分析了故障分离器的稳定性。仿真算例证明了所提出的鲁棒自适应故障检测与分离方法的有效性。     

非线性估计器RB（β，γ）的渐近正态性

在“一类具有可调参数有偏估计器的稳健性（Ｒｏｂｕｓｔｎｅｓｓ）”一文的基础上，进一步研究了非线性估计器ＲＢ（β、γ）在满足一定条件下所具有的渐近正态收敛性问题。这种渐近正态性与稳健性一起，从理论上证明了估计器ＲＢ（β、γ）在收敛速度及估计精度方面都远比最小二乘估计器和岭估计器优越。     

无刷直流电动机系统的一种摩擦补偿方法研究

针对无刷直流电动机系统的非线性数学模型特点,提出了一种简单的摩擦补偿方法。该方法首先利用输入输出线性化方法将原系统模型转化为一种简单的线性模型,然后给出一种非线性摩擦估计器实时估计系统中的库仑摩擦值,最后利用摩擦前馈补偿方法对其进行补偿。仿真结果表明该方法可以有产地抑制无刷直流电动机系统中的摩擦影响。     

基于粒子群优化算法的功放预失真处理

根据功率放大器的记忆非线性特性,给出一种基于粒子群优化算法的预失真处理方法。选取记忆非线性多项式作为预失真器模型,用粒子群优化算法对多项式的系数进行最优估计,获得预失真器模型参数。分别对连块Wiener模型和记忆多项式模型这两种经典功率放大器模型进行预失真处理,结果表明,所给方法对记忆非线性功放的线性化效果良好,可正确判别发送信号。     

由飞行试验数据估计飞机状态参数的非线性观测器

本文介绍一种由飞行试验数据估计不可测量或不可精确测量的飞机状态参数的精确的非线性观测器。这是一种同时估计迎角及侧滑角的纵横向运动耦合的具有线加速度反馈的非线性观测器。由飞行试验数据估计结果证实,这种观测器不仅在各种机动飞行下具有很好的估计特性(其迎角及侧滑角的估计误差均低于0.2°),而且具有很好的抗大气紊流干扰及抗工作点(飞行状态)变化的稳健性(Robustness)。因此,它为飞行试验数据分析提供了一个较高精度实用的估计器。     

非线性系统未知时变参数的模型算法学习辨识

针对一类非线性系统的未知时变参数,提出了一种模型算法学习辨识方法。该方法主要是利用系统模型估计出了辨识参数的偏差,利用这一参数偏差的估计来修正辨识参数,不断进行迭代。并严格证明了系统经过迭代学习后,辨识器的输出能够完全跟踪参数真值,同时得到了该算法收敛的范数形式充分条件。该方法不仅可以实现非线性系统未知时变参数在有限时间区间上的完全辨识,而且还克服了传统迭代学习辨识器中凭借经验选取学习增益的盲目性,加快了参数辨识器的收敛速度。仿真结果验证了该方法的有效性。     

一类非线性系统的快速鲁棒故障诊断

结合在线估计器和滑模观测器方法，基于所给出的一种新的自适应学习算法，提出了一种针对非线性不确定系统的鲁棒故障诊断方法．滑模观测器可以消除建模不确定性的影响以得到准确的状态估计，而在线估计器可以实时估计故障的大小．在此，基于李亚普诺夫函数，在理论上证明了所给出的状态和参数估计误差都是一致有界的；针对三容水箱DTS200所做的仿真实验，其结果验证了该方法的可行性．研究结果表明，由于滑模项的引入，使得该方法的故障检测时间大大缩短，其性能比Polycarpou所提出的在线估计器方法的性能要好．     

高精度永磁直线同步伺服系统鲁棒位置控制器的设计

介绍了高精度、微进给永磁直线交流同步电机（PMLSM）驱动系统鲁棒位置控制器的设计，首先，在空载情况下，由静态实验获得非线性摩擦系数模型，通过前馈摩擦补偿器补偿非线性摩擦，其次，由递推最小二乘估计器RLS和负载扰动力观测器构成的估计器，用它来估计动子质量，粘滞摩擦系数和负载扰动力，设计积分－比例IP位置控制器以满足跟踪指令和抑制扰动，将观测的负载扰动力前馈，进一步增强系统的鲁棒性。     

电弧炉电极系统双模控制策略研究及应用

针对交流电弧炉电极控制系统具有非线性时变、多变量、强耦合及存在随机干扰的特点,采用基于最近邻聚类方法的径向基函数(RBF)神经网络快速学习算法,通过实时在线辨识,建立电弧炉电极系统的精确逆模型并用于控制,实现了将具有强耦合特性的多变量输入/输出(MIMO)系统解耦成单个独立的伪线性对象,并提出一种基于RBF神经网络逆控制与比例微分(P/D)控制相结合的双模控制策略。应用结果证实了该控制策略具有快速适应对象和过程变化的能力及较强的鲁棒性。     

小型航天器浸入与不变自适应反步姿态跟踪

针对具有惯性张量不确定性、外干扰及饱和限制的小型航天器非线性姿态跟踪问题,将反步法和系统浸入与流形不变理论相结合,提出了分块自适应约束控制结构．航天器姿态模型由修正罗德里格参数进行全局非奇异描述．在设计反步控制器时,引入指令滤波器和修正跟踪误差信号以施加系统状态和执行器的饱和限制,同时较容易地获得虚拟控制导数．为提高反步控制器的鲁棒性和性能,利用基于不变流形的非线性观测器对时变的系统“总干扰”进行在线估计补偿．由于不变流形方法使得估计误差具有指定的一致稳定动态,因而该分块自适应控制器比传统的自适应反步控制器更容易调节,且性能不受未知的估计律动态的影响．李亚普诺夫直接方法证明了估计误差有界性和闭环系统输入状态稳定．数值仿真表明,与传统方法相比,所提出的控制器结构具有更高的姿态跟踪性能和干扰估计精度．     

非线性系统的多模型鲁棒控制器设计

在互质分解框架下,定义了闭环系统中算子的图及其鲁棒边界的概念,并给出了反馈系统稳定的充要条件.通过对非线性系统中多个平衡点的线性化模型进行最优鲁棒控制器设计,使之具有最大的广义稳定裕度.将各线性闭环系统的鲁棒稳定边界用于对子控制器输出信号的加权,从而得到全局控制器的输出.仿真实验表明,该方法不仅可以较好地跟踪设定值,而且具有较强的抗干扰能力.     

基于改进最近邻聚类的机械手神经网络逆控制

机械手具有非线性时变、多变量、强耦合的特性,在机械手系统可逆的基础上,设计一种机械手的神经网络逆控制方案。通过神经网络逆辨识建立机械手的神经网络逆模型,把神经网络逆模型作为控制器模型与原机械手串联,构成一个伪线性动态模型,把非线性问题转化为线性问题。其中,辨识器和控制器均采用RBF神经网络结构,网络学习采用具有在线学习功能的最近邻聚类学习算法。仿真结果验证了本方案的有效性和可行性。     

非线性神经网络自适应控制及其在导弹中的应用

研究了用神经网络控制未知动态特性的非线性系统。基于神经网络学习系统的反向动态特性，调整控制网络的参数，使控制系统具有自适应的特性。网络学习采用误差反向传播算法，仅需要对象的输入输出值。对含有非线性环节的系统，该方法取得较好的效果。     

船用核动力装置二回路PID神经网络解耦控制研究

直流蒸发器的船用核动力装置是一个非线性、时变及多变量强耦合的被控对象.针对该被控对象设计了改进型PID神经网络控制系统,用于船用核动力装置多变量解耦控制,该神经网络控制器不需要对系统进行辨识,在调整权值的学习过程中使控制系统具有良好的解耦控制性能.仿真结果表明,直流蒸发器压力和汽轮机转速控制之间协调性好,并具有响应速度快、鲁棒性好等特点.     

预测模型的单神经元PI控制器

针对工业过程和实际控制对象的慢时变非线性的特点 ,设计了一种预测模型的单神经元 PI控制器。采用单神经元 PI控制算法与神经网络预测模型相结合的控制策略 ,用 PI控制规律来确定控制器的输出。用一个自适应神经元网络作为非线性系统的预测模型 ,估计下一步的输出值 ;用一个单神经元实现 PI控制来优化下一步的控制。利用 Matlab/Sim ulink工具对 PI控制器和预测模型的单神经元 PI控制器进行比较仿真实验 ,其控制对象为典型的非线性系统。仿真实验表明 :预测模型的单神经元 PI控制器具有结构简单 ,计算速度快 ,鲁棒性好等特点     

一种非最小相位系统控制方法

针对非最小相位系统提出了一种非线性控制方法。利用一种非线性函数对常规PID控制的三个控制项分别进行非线性修正,形成一种非线性PID控制器,并结合这一控制器的直观物理意义,在状态平面上通过旋转该控制器来改变闭环系统的负零点个数,以适应非最小相位系统的控制需求。仿真结果表明,与线性PID控制器相比,本文方法在减小负调幅值的同时缩短了系统调节时间,较好地解决了非最小相位的控制问题。