一类时变非线性系统的模型偏差补偿控制

本文通过对滑模控制进行改进,提出了适用于一类时变非线性系统的模型偏差补偿控制方案,用于实现高精度的连续轨迹跟踪控制,并指出了该方案和 PID 控制方案的一些联系.     

具有间隙非线性系统的控制加权自适应控制

本文对具有间隙的非线性系统提出一种可控制开环不稳定及非最小相位系统的控制加权自适应算法,并给出了稳定性收敛性定理及其证明。仿真结果表明,该算法可明显地改善系统的控制性能。     

混沌系统的RBF神经网络非线性补偿控制

设计RBF神经网络非线性补偿控制器,提出了混沌系统线性状态反馈的复合控制方法,将可调系统混沌行为镇定到期望目标位置或者变成周期运动.用Lorenz方程作仿真实验,结果证明了该方法的有效性.     

非线性系统近似最优PD动态补偿控制

本文研究了一类基于动态补偿的非线性系统的近似最优PD控制的问题.用微分方程的逐次逼近理论将非线性系统的最优控制问题转化为求解线性非齐次两点边值序列问题,并提供了从时域最优状态反馈到频域最优PD控制器参数的优化方法,从而获取系统最优的动态补偿网络,设计出最优PD整定参数,给出其实现算法.最后仿真示例将所提出的方法与传统的线性二次型调节器（LQR）逐次逼近方法相比较,表明该方法具有良好的动态性能和鲁棒性.     

多输入单输出Wiener-Hammerstein 模型的集群辨识

讨论了集群辨识的概念和特点.针对多输入单输出Wiener-Hammerstein模型提出了一种集群辨识方法.方法的基本思想是将模型辨识问题转化为参数空间上非线性函数的最优化问题,然后采用集群智能方法对整个参数空间进行高效并行搜索以获得模型参数的最优估计.仿真结果显示了本方法的有效性.     

非线性系统多步预测控制的复合神经网络实现

提出一种基于神经网络的非线性多步预测控制,采用由线性网络和动态递归神经网络构成的复合神经网络。在此基础上将线性系统的广义预测控制器扩展为非线性系统的多步预测控制器。通过对非线性过程ＣＳＴＲ的仿真表明,该方法的稳定性和鲁棒性明显优于线性ＤＭＣ预测控制。     

非线性复合邻域人脸光照补偿

变化的光照是提高人脸正确检测率的瓶颈,提出了非线性复合邻域光照补偿方法来解决人脸检测的光照问题。非线性复合邻域光照补偿方法用对数函数做为基函数,设置的平移系数和分界值系数可以同时对过亮和偏光的图像进行补偿,引入了邻域光照补偿公式解决了传统非线性方法不能针对同一灰度值像素在不同局部应该进行不同补偿的问题。实验结果表明,该方法对过暗和过亮的人脸图像都可以进行有效的光照补偿,熵比较优于传统非线性光照补偿、Gamma校正和直方图归一化。     

具有间隙非线性系统的自适应控制*

本文对具有间隙非线性系统提出了自适应控制算法,在确定和随机情况下,控制算法都具有大范围渐近收敛性质,仿真结果表明该算法能有效地改善系统的控制性能。     

具有间隙与补偿的分线性预测控制

本文通过引入间隙非线性预补偿器,讨论了具有间隙非线性特性及白噪声干扰的系统的预测控制问题。     

基于规则的滞环非线性补偿控制

本文提出了一种基于规则的滞环非线性补偿控制算法,该算法把传统的线性反馈控制器与一个基于规则的滞环补偿器相结合,具有结构简单,易于实现的特点,文中给出了系统的整定方法及步骤。仿真研究证明了该算法对于滞环非线性系统控制的有效性。     

基于反步自适应控制的伺服系统齿隙补偿

齿隙是影响机电伺服系统动/静态性能的一个重要因素. 为了减小其不利影响, 该文以存在不确定参数的机电位置伺服系统为研究对象, 针对系统中存在的齿隙非线性, 应用反步积分方法, 通过逐步递推选择Lyapunov函数,设计了基于状态反馈的自适应控制器. 通过理论分析以及与传统PID控制的仿真结果比较表明, 该方案显著地降低了齿隙对伺服性能的影响, 提高了系统的跟踪精度和鲁棒性.     

非线性系统的一种加权自适应控制方法

非线性系统的一种加权自适应控制方法１）许向阳祝和云（浙江大学工业控制研究所杭州３１００２７）关键词自适应控制,非线性系统,间隙非线性．１）国家级工业控制技术重点实验室资助课题．收稿日期１９９５－０３－０７１引言由于非线性系统的多样性,不能用统一的模型...     

Identification of a modified Wiener-Hammerstein system and its application in electrically stimulated paralyzed skeletal muscle modeling

Electrical muscle stimulation demonstrates potential for restoring functional movement and preventing muscle atrophy after spinal cord injury (SCI). Control systems used to optimize delivery of electrical stimulation protocols depend upon mathematical models of paralyzed muscle force outputs. While accurate, the Hill-Huxley-type model is very complex, making it difficult to implement for real-time control. As an alternative, we propose a modified Wiener-Hammerstein system to model the paralyzed skeletal muscle dynamics under electrical stimulus conditions. Experimental data from the soleus muscles of individuals with SCI was used to quantify the model performance. It is shown that the proposed Wiener-Hammerstein system is at least comparable to the Hill-Huxley-type model. On the other hand, the proposed system involves a much smaller number of unknown coefficients. This has substantial advantages in identification algorithm analysis and implementation including computational complexity, convergence and also in real-time model implementation for control purposes.     

输入具有齿隙非线性特性的周期系统的自适应控制

针对一类输入含齿隙非线性动态特性的周期时变系统, 在周期不确定性可时变参数化的条件下设计自适应控制器. 对周期时变参数进行傅里叶级数展开, 并采用微分自适应律估计未知傅里叶系数和齿隙动态特性参数, 通过鲁棒方法消除截断误差和齿隙模型的有界误差项对系统性能的影响. 采用双曲函数替代符号函数确保控制器可微, 同时能有效抑制颤振. 引入Δ函数, 避免参数估计发散, 并保证系统输出渐近跟踪理想轨迹. 理论分析与仿真结果表明, 闭环系统所有信号有界.     

齿隙非线性输入系统的迭代学习控制

针对一类具有输入齿隙特性的非线性系统, 提出一种实现有限作业区间轨迹跟踪的迭代学习控制方法. 在系统不确定项可参数化的情形下, 基于类Lyapunov方法设计迭代学习控制器, 回避了常规迭代学习控制中受控系统非线性特性需满足全局Lipschitz连续条件的要求. 对未知时变参数进行泰勒级数展开, 参数估计采用微分学习律, 并在控制器设计中, 采用双曲函数处理级数展开后的余项以及齿隙特性里的有界误差项, 以保证控制器可导, 且可抑制颤振. 引入一级数收敛序列确保系统输出完全跟踪期望轨迹, 且闭环系统所有信号有界.     

BACKLASH COMPENSATION IN NONLINEAR SYSTEMS USING DYNAMIC INVERSION BY NEURAL NETWORKS

A dynamic inversion compensation scheme is presented for backlash. The compensator uses the backstepping technique with neural networks (NN) for inverting the backlash nonlinearity in the feedforward path. The technique provides a general procedure for using NN to determine the dynamic preinverse of an invertible dynamical system. A tuning algorithm is presented for the NN backlash compensator which yields a stable closed‐loop system.     

Adaptive inverse compensation for actuator backlash with piecewise time-varying parameters

Existing adaptive inverse compensation methods for cancelling actuator backlash nonlinearity are all restricted to handle constant backlash parameters. In other words, when discontinuity and time variation as both ubiquitous phenomena in practical actuators exist, such inverse compensation methods are no longer applicable theoretically. So far, no result has been reported in addressing such an issue, regardless of its importance in practice. In this paper, we solve this problem by developing a new piecewise Lyapunov function analysis and using parameter projection adaptation mechanism. Based on such approaches, an adaptive inverse compensation control scheme is designed to compensate for piecewise time-varying actuator backlash nonlinearity. It is proved that all signals of closed-loop system are ensured bounded. Moreover, the steady-state error is bounded by an adjustable scalar approaching to zero arbitrarily. Simulation also illustrates the obtained theoretical results.