一种基于自适应小波网络的非线性控制算法

结合动态逆和小波网络提出了一种新的非线性控制方法，根据小波网络的逼近特性，利用具有在线学习能力的小波网络来补偿动态逆的误差，建立了基于自适应小波网络的控制结构，用李雅普洛夫函数导出了网络权值的自适应调整规则，并分析了小波网络的输入。     

一种直接多变量自适应解耦控制算法

本文将广义最小方差控制策略和前馈控制策略结合进来,提出了解耦控制器并讨论了如何采用修改最小二乘辨识算法和直接方案对具有任意延时结构的一般随机多变量系统实现自适应解耦控制,本文还证明了所提出的自适应算法即使用于开环不稳定或非最小相位系统也具有整体稳定性和收敛性。     

一种新的多变量直接自适应控制算法

提出一种新的不依赖于对象数学模型的多变量直接自适应控制算法，并依据无源性定理，给出了它的ＢＩＢＯ稳定性判据，由于这种控制方法在没有对象数学模型的条件下仍具有良好的自适应性，因此特别适用于带有结构或环境不确定性的复杂非线性系统的自适应控制。     

一种全局稳定的直接预测自适应控制器

本文提出一种基于多阶段二次型滚动优化指标的预测控制算法，在假定被控系统前Ｌ个脉冲响应系数已知的条件下，用标准的自适应分析方法证明了直接预测控制算法的全局稳定性及渐近最优性。     

一种简单的渐近稳定自适应控制器

针对单调阶跃响应的单变量系统，提出一种基于简化模型的自适应预测控制算法。该算法只需辨识一个参数，大大减少了计算量。从理论上证明了它可保证闭环系统的全局渐近稳定和收敛，并定量给出了预测水平的选择范围。仿真表明此算法是有效的，甚至在时变环境下也能很好地工作。     

基于小波分析的一种自适应图像压缩编码

文章在研究近年来基于小波变换的图像压缩编码方法的基础上,提出了一种自适应的小波分解方案。即在一定的能量准则下,根据子图像的能量大小决定是否进行小波分解,并由此导出自适应小波分解树和可调压比方案,然后结合自适应小波分解树的特性,给出恰当的小波系数量化、比特分配以及各层子图像的编码方案。实验表明,该文算法广泛适用于不同特征的数字图像,在较高压缩比时仍有较好的重建图像质量,而且压缩比在一定范围内可以调节。在相近压缩比的情况下,主观视觉质量和峰值信噪比都明显优于JPEG标准。     

基于局部模型逼近的一种绳牵引并联机器人自适应径向基神经网络控制

为了保证风洞试验绳牵引并联机器人(WTT–WDPR)末端执行器的位姿,提出了一种基于局部模型逼近的自适应径向基(RBF)神经网络控制.采用牛顿–欧拉法建立了飞机模型的动力学方程,并基于动态力矩平衡方程建立了驱动系统的动力学方程.采用RBF神经网络进行了局部模型的逼近设计和控制律设计,并通过构建Lyapunov函数对系统...     

一种基于跟踪微分器的简单自适应控制算法

应用跟踪微分器在处理信号时具有较强的误差衰减能力和抗扰动能力,针对传统的简单自适应控制算法中增益调节过于简单、收敛速度慢且适应性不强的缺点,对传统的简单自适应算法进行了改进,提高了收敛速度,减小了静差。描述了该算法的结构和原理,运用Lyapunov稳定性理论和LaSalle不变性原理证明了控制算法是稳定的,跟踪误差收敛到零。计算机仿真结果验证了算法的可行性和有效性,并给出了参数选择的一般法则。     

一种多机械手(指)自适应协调控制的递推算法

提出了一种多机械手(指)的自适应协调控制递推算法.原系统的控制问题转化为各子系统的控制问题.各子系统之间的动态关联在Lyapunov意义下表示为在各分解点处的"虚功率流".机械手指的点接触问题处理成被动关节的控制问题.原系统的渐近稳定性在Lyapunov意义上得到保证.计算机数字仿真验证了理论结果.     

一种用于非线性函数逼近的小波神经网络

提出一种用于非线性函数逼近的小波神经网络，给出了网络的参数训练方法。从信息熵的概念出发，改进了网络参数训练的目标函数，并利用引入动量项的最速下降法训练网络权值、尺度因子和平移因子。仿真实验表明，该小波神经网络用于非线性函数逼近时优于同等规模的BP网络，且其训练方法亦具有收敛速度快、逼近精度高等优点。     

直接自适应控制律的输入/输出稳定性分析

1　引言一般地说 ,在控制系统模型未知的情况下 ,已有的理论方法不可避免地存在建模这一关键棘手的问题 .本文基于小增益定理[1 ] ,给出文献 [2～ 4 ]中直接自适应控制律的输入 /输出稳定性充分条件 ,该条件弱于文献 [5]中的条件 ,更具实用性 .首先给出以下有关定义 :定义 1 .对于正数 p∈ [1 ,∞ ) ,元素为可测函数 f(· ) ,且满足∫∞0 | f(t) | pdt<∞的空间 ,称为 lp 空间 .当函数 f(t)∈ lp 时 ,p∈ [1 ,∞ )有 limt→∞∫∞t | f(t) | pdt=0 .但一般的控制系统 ,其中发生的过程未必都有这种渐近性质 ,控制的目的往往是使发散的过程变…     

一类非匹配不确定性非线性系统子波网络稳定自适应控制

针对一类非匹配不确定性非线性系统,提出一种基于子波网络的稳定自适应跟踪控制方案,对子波网络逼近误差界进行自适应处理,不需要逼近误差界的先验信息,仿真结果表明所提出的方案是有效的。     

一种广义预测自适应控制的直接方法

使用正则化技术和具有死区的参数估计算法,提出一种新的广义预测自适应控制直接方法,并证明了控制算法的全局收敛性.本文提出的方法在热风炉实验装置上进行了实时控制,其结果表明控制方法的有效性.     

广义预测自适应控制的直接算法及全局收敛性分析

该文提出了广义预测自适应控制的直接方式,给出了控制算法并分析了控制算法的全局收敛性.     

一种基于小波网络的模型参考间接自适应控制方法

本文提出一种基于小波网络的模型参考间接自适应控制方法,利用两个小波神经网络作为间接自适应控制系统的控制器和辨识器来构成自适应控制系统,与一般神经网络控制系统在同等结构下进行仿真相比,小波网络的控制精度高,跟踪效果好.     

基于小波神经网络的加工过程自适应控制

把信息熵、小波分析和神经网络相结合,提出了基于小波神经网络的加工过程自适应控制系统及其自适应控制算法。提出并定义了广义熵方误差函数,在理论上证明了广义熵方误差函数的有效性。用广义熵方误差函数准则取代BP算法的均方误差准则,用自适应地搜索小波基函数和自适应地调整小波的尺度参数、平移参数和神经网络权值的方法对参数变化的切削力进行在线控制。仿真结果表明,该系统响应快,无超调,比传统的加工过程神经网络自适应控制具有更好的控制效果。     

基本积分型李亚普诺夫函数的直接自适应神经网络控制

针对一类具有下三角形函数控制增益矩阵的非线性系统,基于滑模控制原理,并利用多层神经网络的逼近能力,提出了一种直接自适应神经网络控制器设计的新方案.通过引入积分型李亚普诺夫函数及残差与逼近误差和的上界函数的自适应补偿项,证明了闭环系统是全局稳定的,跟踪误差收敛到零.     

基于模糊逻辑的一类非线性系统直接自适应控制

针对一类连续非线性不稳定系统,基于模糊逻辑提出了一种新的自适应跟踪控制方法,在此方法中,控制器由两部分组成：模糊逼近控制器（FAC）和模糊滑模补偿控制器（FSMCC）,其中,FAC利用模糊逻辑系统全局逼近理论控制器,FSMCC用于全局补偿逼近误差和系统的不确定性及消除外部干扰的影响,整个闭环控制系统在Lyapunov意义下全局渐进稳定踊跃误差收敛于零的某一领域内,最后通过示例验证了本方法的有效性。