非参数不确定性非线性系统的自适应观测器设计

本文考虑一类不确定非线性系统的自适应观测器设计问题.系统的不确定性不能参数化,这类非线性系统的观测器无法用传统方法设计.首先用神经网络对系统的不确定性进行逼近,然后利用神经网络的基函数向量对系统进行滤波变换,再由此构造自适应观测器.给出了观测误差估计.本文结果表明适当选定神经网络的逼近精度和调整观测器的设计参数可使观测误差任意地小.     

不确定随机非线性系统自适应观测器设计

考虑带非参数不确定项的随机非线性系统自适应观测器设计问题.不同于已有结果,系统的不确定项无需满足Lipschitz连续性条件,也不必要仅仅是系统输出的函数.通过设计一个带参数自适应律的非线性观测器来重构系统状态,该观测器结构简单目易于实现.应用Lyapunov稳定性理论和随机微分理论证明该观测器是最终有界的,并且它的界可以通过选取适当的参数进行调节.最后,数值仿真结果表明了该观测器的有效性.     

一类非线性系统的自适应观测器设计

在故障诊断应用中, 状态方程中的未知参数和输出方程中的未知参数分别表征执行机构故障和传感器故障, 所以研究状态方程和输出方程同时含有未知参数的自适应观测器有着实际的应用意义. 本文基于高增益观测器和自适应估计理论, 针对状态方程和输出方程同时含有未知参数的一类一致可观的非线性系统, 用构造性方法设计了一种联合估计状态和未知参数的自适应观测器. 该自适应观测器的参数估计采用时变增益矩阵, 结构形式及参数设置简单. 给出了使该自适应观测器满足全局指数收敛性的持续激励条件, 并在理论上简洁地证明了该自适应观测器的全局指数收敛性. 数值仿真结果表明该自适应观测器具有良好的快速收敛性、跟踪性等期望性能.     

基于动态神经网络的非线性组合系统自适应观测器

基于动态神经网络，对一类非线性组合系统提出一种观测器设计方法．在观测器设计中，充分考虑了神经网络逼近误差项对观测器性能的影响，增加了鲁棒控制项，并设计了相应的参数自适应律，以保证良好的观测性能．神经网络的连接权值在线调整，无需离线学习．仿真结果表明了该方法的有效性．     

基于观测器非线性不确定系统的自适应模糊控制

针对一类单输入单输出不确定非线性系统，提出一种稳定的自适应模糊控制方法，该方法不需要系统状态可测的条件，而是通过设计模糊状态观测器来估计系统的状态，证明了所提出的控制方法不但能使闭环系统稳定，而且输出误差可取得H∞跟踪控制性能，仿真结果进一步验证了该控制算法的实用性和有效性。     

非线性不确定系统的自适应观测器设计

非线性状态观测器可改善过程控制性能和故障诊断,针对一类参数不确定非线性系统提出了自适应观测器设计方法。通过微分同胚变换,将非线性系统转换为仅依赖原系统输入、输出的自适应观测器规范形式。利用自适应调节器估计未知参数,用构造的观测器实现状态的重构。Lyapunov稳定性理论分析了状态观测误差动态方程的稳定性,用来证明所设计的自适应观测器为全局渐近收敛的,既实现了系统状态的渐近重构又确保了在持续激励条件下未知参数估计以指数快速收敛到真值,并通过仿真试验。仿真结果表明提出方法的有效性。     

一类非线性系统的自适应观测器

研究一类非线性系统的观测器设计方法, 这类非线性系统满足 Lipschitz 条件且含有未知参数. 提出了全状态自适应观测器设计的新方法. 构造的观测器能保证状态估计误差及参数估计误差渐近收敛于零. 文中给出数值例验证了观测器的有效性.     

无未知参数先验信息的非线性自适应观测器设计

研究了一类具有未知参数的非线性系统自适应观测器设计问题．不同于现有结果,本文所研究的非线性系统更为。一般,已知的系统信息更少：1）系统未知参数的范数的上界未知;2）具有关于可测输出非Lipschitz连续的非线性动态;3）系统输出显式地依赖于控制输入．通过设计自适应调节器来估计未知参数范数,从而给出了不基于未知参数先验信息的非线性自适应观测器设计的新方法．所设计的观测器为令局渐近收敛的,即实现了系统状态的渐近重构,确保了未知参数估计的一致有界性．此外,在系统输出不显式地依赖于控制输入的条件下,研究了降维观测器的设计问题．仿真例子验证了本文理论结果的正确性．     

基于观测器的非线性互连系统的自适应模糊控制

针对一类不确定非线性MIMO互连系统,提出一种自适应模糊控制算法.通过设计观测器来估计系统的状态,因此不要求假设系统的状态是可测的.给出的自适应律只对不确定界进行在线调节,从而大大减轻了在线计算负担.该算法能够保证闭环系统的所有信号是一致有界的,并且跟踪误差指数收敛到一个小的零邻域内.仿真结果表明了算法的可行性.     

基于观测器的不确定非线性系统的自适应鲁棒模糊控制

针对单输入单输出不确定非线性系统提出了一种自适应鲁棒模糊控制算法.该算法通过设计观测器来估计系统的状态向量,因此不要求假设系统的状态向量是可测的.在这个算法中,主要的假设为最优逼近参数向量与标称参数向量之差的范数和逼近误差的界限是未知的.通过只对未知界限估计的调节,该算法减轻了在线计算量并且提高了系统的鲁棒性.所设计的自适应鲁棒模糊控制算法保证了闭环系统的所有信号是一致有界的并且跟踪误差估计收敛到一个小的零邻域内.仿真例子证实了所提方法的可行性.     

基于父个体相似度的自适应遗传算法

标准遗传算法在产生后代个体时采用先交叉后变异的策略,一方面当父个体非常相似时,交叉操作很难产生新的个体,影响算法对新的解空间进行搜索,从而导致种群多样性的丧失;另一方面交叉产生的优秀个体再历经变异,极有可能遭破坏而影响算法的收敛性。该文根据染色体的相似性,给出了个体相似度的概念,并在此基础上提出了依据父个体相似度的大小自适应地选择遗传算子(交叉或变异)的遗传算法。仿真实验表明,与采用常规遗传策略的遗传算法相比,新算法能显著提高解的质量和收敛速度。     

基于父个体更新的自适应遗传算法

遗传算法作为一种模仿生物自然进化过程的随机优化算法,其群体规模对算法的性能影响很大,群体规模越大,越有利于提高算法的寻优能力,但随着群体规模增大,计算量也显著增加。该文在传统自适应遗传算法整个进化过程中,分阶段对一些适应度较差的父个体进行更新,增大了搜索空间,提高了算法的寻优能力且未增加群体规模。仿真实验表明,与传统自适应遗传算法相比,该算法能显著提高解的质量和鲁棒性。     

基于遗传算法的模型参考自适应控制*

本文以连续搅拌反应釜（ＣＳＴＲ）这一非线性系统为例，介绍了根据参考模型的输出，运用遗传算法对控制的ＰＩＤ参数不断寻优，不断调整，以达到参考模型所要求的控制效果的自适应控制方法，并对改变遗传算法的几个参数对控制效果的影响进行了比较讨论。     

基于遗传编程的非线性系统辨识

为了实现对非线性系统的辨识,能够对目标系统的结构和参数进行同步辨识,将遗传编程(Genetic Programming,GP)作为辨识工具.使用基本遗传编程算法对非线性静态系统进行辨识-对电厂钢球磨煤机存煤量与产粉量之间的特性关系曲线进行辨识;使用一种改进的遗传编程算法对非线性动态系统进行辨识-对一个二阶离散非线性差分方程进行辨识.所有辨识都取得了满意的结果.遗传编程进化过程中,目标系统的结构与参数同时准确辨识,证明遗传编程非常适合于解决非线性系统辨识问题,并在算法上实现了结构辨识和参数辨识的统一.     

基于复杂适应系统的复合多层次遗传算法

针对研究复杂适应系统(CAS),建立系统模型中所遇到的困难和问题,根据复杂适应系统自身的特点、遗传算法的特点以及它们间的相似性,该文提出一种复合多层次遗传算法,分别对复杂适应系统中的模型层、Agent层和参数进行演化优化,以获得能够反应实际情况的复杂适应系统模型。文章最后指出了这一方法的进一步的研究方向。     

感应电机动态转速的非线性估计

本文给出两种观测器,一种是基于龙勃格观测器和自适应理论的转子磁通观测器,当这未知时该观测器仍具有较高的精度;另一种是转子转速的非线性观测器,在该观测器中,转子转速晃状态变量而非参数,克服了线性观测器中将转子转速作为参数带来的电机瞬变过程中转速观测不准的缺点,并在此基础上给出负载转矩的估计公式,给出了仿真结果。     

可补的非时变非线性系统的自适应控制算法

本文对确定的非线性提出了非时变非线性可补性的概念，并应用于自适应控制器算法中，以实现补偿非线性的目的。系统性能逼近于线性系统，并且保证在确定和随机的情况下，控制算法均具有大范围渐近稳定性。     

基于自适应遗传算法的软件测试用例自动生成

在软件测试中,测试成功的关键是快速、高效的生成测试用例.遗传算法是一种通过模拟自然界生物进化过程搜寻最优解的一种算法,算法通过选择、交叉和变异操作引导算法搜索方向,逐步接近全局最优解.传统遗传算法由于具有较好的全局搜索能力,因此被很多科研人员应用于测试用例生成.但遗传算法的固有缺陷"早熟收敛",容易导致算法收敛于局部最优.针对这种情况,提出一种自适应遗传算法,该算法交叉算子和变异算子可根据程序变化自动调整,随后,将改进后的算法应用于一程序的测试用例生成中.测试结果表明该算法在测试用例生成的效率和效果方面优于传统搜索算法和普通改进算法.     

一种基于隔离自适应算子的遗传算法研究

本文首先介绍了遗传算法的理论知识,阐述了基本遗传算法的优点及不足之处。然后在小生境遗传算法的基 础上,引入了隔离技术以及自适应算子,形成了一种基于隔离技术以及梯度算子的小生境遗传算法。理论及实践均表明,新的 改进的遗传算法在实际问题的解决中确实优于基本小生境遗传算法。     

一种基于遗传算法的自适应动态模糊系统的设计与实现

在我们研究的领域中，动态模糊对象是普遍存在的．因此由这些动态模糊对象组成的系统即为动态模糊系统，这类系统具有较强的自学能力和自适应能力，能随环境的变化而变化，本文借助动态模糊集和遗传算法对动态模糊系统进行研究，给出了一种动态模糊自适应系统，并进行了实例分析，实验结果表明该系统是有效的．