基于线性矩阵不等式的不确定延迟神经网络鲁棒稳定性分析

论文研究了时变时滞的不确定延迟神经网络的鲁棒稳定性问题。系统矩阵中包含范数有界不确定性。去掉了时变延迟的导数约束,这意味着利用一种快速时变延迟是允许的。利用Lyapunov-Krasovskii函数和线性矩阵不等式(LMI)的方法,提出一些新的时滞及时滞导数相关的稳定性准则。通过给出一个数值例子,来阐述文中所提方法的有效性和创新性。     

全电坦克双向稳定系统自适应积分鲁棒控制

针对全电坦克双向稳定系统具有复杂的强非线性、强耦合性、强参数时变性等特点,提出了一种基于误差符号积分鲁棒反馈的坦克双向稳定系统自适应积分鲁棒(AIR)控制设计方法。考虑全电坦克双向稳定系统为一个耦合性的、非线性的、不确定性的动力学系统,建立面向真实的全电坦克双向稳定系统机电一体化解析动力学模型;基于Backstepping法融合自适应的思想,引入辅助误差信号设计了AIR控制器,有效衰减系统的未建模扰动;所设计的AIR控制器不需要预先知道未知扰动的上界,而是通过自适应的方法不断更新以获取其上界,降低了其工程应用的保守性;基于Lyapunov理论分析,在连续控制输入下可以保证坦克双向稳定系统获得渐进跟踪性能。通过Recurdyn-Simulink的仿真对比试验,验证所提方法的有效性。     

一类时延网络控制系統的H∞鲁棒控制

研究一类具有不确定时延的网络控制系统的H∞鲁棒控制问题。假设网络控制系统的控制器与执行器均为事件驱动，传感器为时间驱动，网络诱导时延是时变、不确定的，且小于传感器的采样周期；将此类网络控制系统的广义被控对象建模为一类具有不确定性的线性离散系统。基于Lyapunov函数和线性矩阵不等式(LMI)方法，导出了闭环系统渐近稳定且满足给定H∞性能指标的充分条件，并给出控制器的设计方法。仿真表明该方法是有效的。     

基于单隐层神经网络的空天飞行器鲁棒自适应轨迹线性化控制

研究了一种新的空天飞行器鲁棒自适应轨迹线性化飞行控制系统设计方案。利用单隐层神经网络的逼近能力在线估计系统中存在的不确定性,神经网络输出用以抵消不确定性对轨迹线性化方法控制性能的影响。鲁棒自适应控制器用以克服逼近误差,并使闭环系统具有更好的性能。严格的理论证明表明,给定的自适应调节律能够保证闭环系统跟踪误差最终收敛至任意小紧集。空天飞行器高超声速飞行条件下的仿真结果表明,即使在很恶劣的条件下,新方法仍然表现出很好的响应性能。     

非线性奇异时滞系统的鲁棒同时保性能优化控制

针对一组非线性奇异时滞系统的鲁棒同时保性能控制问题进行研究,用范数有界的不确定参数的微分方程组描述所考虑的系统;基于Lyapunov-Krasovskii泛函和线性矩阵不等式方法给出存在同时保性能控制器的充分条件;对具有线性矩阵不等式约束的凸优化问题求解,进而明确给出使得性能指标函数上界达到最优值控制器的表达式;该控制器的设计方法不仅使得奇异时滞闭环系统组正则、无脉冲、同时鲁棒稳定,而且性能函数上界最优;最后,给出算例验证该方法的有效性。     

非线性系统的自适应模糊反演控制器设计

针对一类非线性系统,考虑到系统的完全未知模型参数和扰动,提出了自适应模糊反演控制方法。首先因为模糊系统可以以任意精度渐近的逼近任意连续函数的优越性,采用自适应模糊控制理论设计模糊系统逼近系统未建模动态。然后采用反演设计方法逐步设计控制律和更新律,并用Lyapunov综合方法证明其最终一致渐进稳定。最后用仿真验证所给方法的正确性。     

一类不确定线性离散时间系统的鲁棒H2滤波

研究凸多面体不确定线性离散时间系统的鲁棒H2滤波问题。借助于线性矩阵不等式(LMI)技术,提出了一种新的扩展离散时间系统H2性能准则,在此基础上,推导出放宽的鲁棒H2滤波器存在的充分条件,能够为滤波器的设计提供更多的自由度。理论分析和仿真结果表明,与现有方法相比,该方法具有较低的保守性。     

区间对象族最优鲁棒镇定问题研究

主要研究了区间对象族的鲁棒镇定问题。区间对象族满足可镇定性条件,即每一个对象都没有不稳定的零极相消,是其鲁棒镇定问题可解的一个必要条件。本文将说明区间对象族满足可镇定性条件同时也是其鲁棒镇定问题可解的充分条件,并通过示例说明区间对象族最优鲁棒控制器的设诗过程。     

神经网络用于非线性动力学系统建模研究

文中利用先验知识和神经网络黑箱建模相结合的杂交建模方法对一类滞后非线性系统进行建模研究。由先验信息得到非线性动力系统模型的确定部分,神经网络对系统未确定部分进行建模。文中以系统恢复力网络模型和恢复力的杂交模型为例进行仿真研究,说明杂交模型物理结构明确,网络参数少,运算量小,精度较高。     

基于变采样周期的网络控制系统控制与调度协同设计

针对CAN网下的网络控制系统(NCS)，提出了一种基于网络运行状态的动态调度策略，通过在线调整控制系统的采样周期以适应网络中信息流的变化。采用动态调度策略的NCS为一变采样周期系统，将存在时延和数据包丢失的变采样周期NCS建模为一类具有参数不确定性的离散切换系统，利用Lyapunov方法研究了系统的鲁棒稳定性和控制器的设计方法。仿真结果表明所提出的综合设计方法对改善网络的运行能力和保证系统稳定性是有效的。     

基于自适应神经网络的飞控系统辨识技术研究

建立复杂的非线性飞行器辨识模型对提高系统的状态监控和控制性能具有重要意义。文中提出一种变结构的在线径向基神经网络学习算法,使用梯度下降法对网络参数进行优化。利用径向基神经网络对某型飞机非线性动力学系统进行辨识,仿真结果表明设计的算法满足在线辨识的要求。     

非线性时滞系统的鲁棒完整性容错控制

基于观测器方法，研究了一类具有状态滞后和不确定性的非线性系统的鲁棒完整性容错控制问题。非线性函数满足Lipschitz条件。利用Lyapunov稳定性理论，针对传感器发生故障情况，提出了系统渐近稳定的充分条件和相应的鲁棒完整性容错控制器的设计方法。结果以LMI形式给出，易于求解。最后的数值算例和仿真结果证明了该方法的有效性。     

基于模糊神经网络PID的串级温度控制系统研究

为解决传统PID 控制存在控制效果不够理想、性能欠佳和很难满足系统精度要求的问题,提出基于模糊 神经网络的自适应PID 控制算法对系统进行控制。采用Labview 构建模糊神经PID 控制器,对环控引气系统温度进 行动态控制,进行仿真研究,并将此控制策略与经典PID 控制进行仿真比较。结果表明：基于模糊神经网络的PID 控制算法在系统的超调量和调节时间上都小于经典PID,能提高系统的快速性和准确性,改善系统特性。     

不确定通信拓扑多智能体一致性容错控制问题研究

针对不确定通信拓扑的多智能体系统(multi-agent systems,MAS),研究带有外部有界能量干扰且任意智能体执行器可能存在故障的多智能体系统鲁棒H∞一致性容错控制问题。引入权重矩阵,通过线性变换,对多智能体系统的状态方程进行降阶,将通信拓扑不确定的多智能体系统一致性容错控制问题转变为鲁棒二次渐近稳定问题;利用Lyapunov稳定性理论及LMI方法,推导出满足各智能体状态信息渐近一致的充分条件,并给出一致性容错控制律的求解方法;通过仿真验证了所提方法的有效性。结果表明：该方法可确保不确定通信拓扑下故障MAS的稳定性,且具有一定的扰动抑制性。     

混沌细胞神经网络的自适应同步及其在保密通信中的应用

针对具有时变时滞和扰动的混沌细胞神经网络的同步问题,提出一种自适应同步方法。利用Lyapunov稳定性理论、Barbalat引理和自适应控制方法,给出易于实现的自适应同步控制律,实现了误差系统的全局渐近稳定。所得自适应同步控制律具有一定的鲁棒性。最后利用混沌掩盖技术将研究结果应用到保密通信中。数值仿真结果表明,该方法所设计的自适应控制律具有良好的控制效果。     

基于混沌理论和BP 神经网络的某基地电力短期负荷预测

为了合理安排并优先保证军事基地中的电力调度问题,提出一种基于混沌时间序列和BP神经网络相结合的电力短期负荷预测方法。根据混沌理论及神经网络方法,先基于延迟坐标相空间重构技术,再应用互信息法和饱和关联维数法,选择延迟时间石和嵌入维数m,然后用BP神经网络来实现预测,并通过对海军某基地的电网的时间负荷序列进行实测仿真。仿真结果表明：相对误差均在5％vX内,且有33．3％的误差在1％以内,证明该预测方法具有较高的预测精度和应用价值。     

有序神经网络及预测控制

基于传统单隐层BP神经网络,将有序神经网络引入到预测控制,按照先隐层后输出层的顺序,对神经元依次进行编号;编号后增加前向连接,任一节点都向序号靠后的节点有输出连接;同时增加从输入层跨越隐层直接到输出层的连接,使网络不仅有层间的前向连接,而且有层内连接和跨层连接。增加连接后,神经网络转化为一个有大量有规律前向连接的神经元群,促使网络整体化,改善网络对连续输出映射的模仿能力。仿真结果表明,该有序神经网络预测控制方法可获得理想的控制效果。     

存在时延和拓扑不确定的多弹分散化协同制导时间一致性分析

研究了固定拓扑和切换拓扑两种情况下同时存在通信时延和拓扑结构不确定的多导弹协同齐射攻击制导时间一致性问题。基于图论方法将多弹协同制导时间渐近一致性问题转化为制导时间分歧系统的渐近稳定性问题。基于Lyapunov函数方法分析了固定拓扑下分歧系统的渐近稳定性,得到了能够保证制导时间渐近一致的充分条件。将该方法拓展到动态拓扑结构切换情形,基于公共Lyapunov函数给出了充分条件。分别针对固定和切换拓扑下存在时延和时变拓扑结构不确定下的协同齐射攻击问题开展了仿真验证,得到的结果与理论分析相符。     

基于自适应神经网络的导弹引信和导引头组合系统

将子波神经网络新模型ＴＦＷＮ２成功地应用于导弹引信系统和导引头系统的信息综合处理，给出了基于自适应子波神经网络导弹引信和导引头组合系统。     

少保守性网络化控制系统鲁棒保性能容错控制

研究了一类具有参数不确定性网络化控制系统的鲁棒保性能容错控制问题。同时考虑时变时延和丢包的影响,基于状态多时延模型,推证出了确保闭环系统在执行器或传感器发生失效故障时具有鲁棒保性能容错的时滞依赖充分条件,并以求解线性矩阵不等式(LMIs)的方式给出了最优控制器的设计方法。由于新模型中引入了时延下界,且在证明过程中未进行模型转换和交叉项放大处理,加上适当自由权矩阵的引入,都减少了结果的保守性,提升了容错满意度。最后以一仿真示例验证了文中所述方法的有效性。研究了一类具有参数不确定性网络化控制系统的鲁棒保性能容错控制问题。同时考虑时变时延和丢包的影响,基于状态多时延模型,推证出了确保闭环系统在执行器或传感器发生失效故障时具有鲁棒保性能容错的时滞依赖充分条件,并以求解线性矩阵不等式(LMIs)的方式给出了最优控制器的设计方法。由于新模型中引入了时延下界,且在证明过程中未进行模型转换和交叉项放大处理,加上适当自由权矩阵的引入,都减少了结果的保守性,提升了容错满意度。最后以一仿真示例验证了文中所述方法的有效性。