离散系统参数自适应辨识的最小二乘正交变换方法

基于最小二乘法在消除干扰方面的应用,应用矩阵变换及数值拟合的原理,充分考虑随机信号的影响,给出了一种正交变的离散差分模型自适应辨识方法,它能自动判别模型的阶,还能体现模型参数随信息更新的而实时更新的动态过程,提出了渐近消除记忆的时变离散系统参数自适应辨识方法。     

一类时变非线性离散系统的分散自适应控制

把自适应的概念和神经网络理论相结合，本文提出了采用神经网络的分散自适应控制算法。系统中的神经网络用作辨识和控制器，这个算法适用于一类时变非线性离散系统。对算法的稳定性进行了分析，仿真例也说明了算法的有效性     

一种多步递推广义预测自适应控制

提出了一种基于多步递推预测的广义预测自适应控制算法。由于本算法是利用在线辩识参数直接递推求解控制律，从而大大减少了计算量，便于在微机上用汇编语言实现。     

一种非线性模糊自适应控制方法

利用模糊逻辑,提出了一种非线性模糊自适应控制方法,其特点是利用非线性系统的估计模型已知,存在模糊逻辑系统来描述误差模型及控制作用的条件来设计控制方案及自适应调节律,在模糊逻辑系统中参数都是任意可调的,并证明了在一定条件下,该控制器能跟踪所给定的有界信号。     

一种改进型的自适应预报算法

采用一种改进型自适应预报算法,有效地解决了预测时间点与实际时间点不一致的预测问题．该算法的系统辨识技术,通过一种“复位”机制的引人,可以在确定的时间内完成参数估计及控制器、预报器的设计．自适应预报器采取基于最小二乘法的直接自适应ｄ步预报方案,利用“后退”方法实现其输出的最优预报．此外,系统通过自学习的方法使得预报模型给以较快的速率收敛．     

基于神经网络的非线性预测自整定PID控制

提出在利用前馈神经网络对非线性系统建模的基础上，对系统输出实现递推多步预测，并且结合自整定PID方法，实现非线性系统控制，神经网络在线辨识时采用学习速度较快的扩展Kalman滤波方法，仿真实验表明了该方法的有效性．     

基于Müller法的非线性系统不依赖于受控系统模型的自适应控制

用Mueller法将非线性离散系统用于基于二次插值多项式进行动态非线性逼近,给出了不依赖于受控系统模型的自适应控制算法,讨论了该算法的收敛性,通过仿真表明,该算法对一类非线性系统实现无模型自适应控制是正确和有效的。     

反馈神经网络对非自治的非线性离散系统的近似能力

人工神经网络理论是解决非线性问题的有力工具。章研究了离散型反馈神经网络模型的建立，基于带有输入的非线性离散系统的输出可以被一类反馈神经网络输出神经元的状态向量任意逼近，笔将已有的反馈神经网络近似非线性离散系统的能力从定常系统推广到时变系统，对反馈神经网络近似非线性离散系统的能力进行了扩展研究，针对于更普遍的非自治的非线性离散系统，证明了它们在有限时间段内的输出轨迹可以被反馈神经网络输出神经元的状态向量近似到任何程度。     

一种用于非最小相位离散系统的自适应控制法

提出一种用于非最小相位离散系统的自适应控制法，就是用最小二乘相似法得到相似逆系统。介绍如何避免非最小相位系统中不稳定极，零点相抵消的情况，以及在输出中消除干扰的问题。最后举例说明这种方法的可行性。     

非线性多变量离散自适应控制

为了获得一种结构简单、参数整定方便的控制策略,研究了化工过程的一种非线性自适应控制方法。该方法采用非线性多变量模型来近似化工过程的动态特性,并将一般模型控制算法(GMC)与非线性观测器结合,将被控对象模型直接嵌入到控制中,用非线性观测器来进行参数在线辨识,构成自适应控制系统。该非线性控制系统在控制没有约束的情况下,控制系统为一个线性伪二阶系统。控制器参数整定方便,其中非线性观测器整定参数只有一个。该系统用于压力容器的控制,实时控制表明非线性自适应控制系统性能良好。     

非线性变结构不确定连续系统的反馈控制

针对具有变结构且对象未知的单输入单输出的非线性系统模型的特点，基于自适应模糊，提出了一种具有投影功能的新型“扩张状态观测器”．该方法能有效跟踪变结构非线性系统的各阶状态变量，拓宽了非线性状态误差反馈控制器和自抗扰控制器的应用范围，同时给予了稳定性证明．最后，通过数值仿真验证了方法的可行性和有效性．     

一类控制方向未知的非线性系统的输出调节

非线性系统高频增益的符号表示控制方向,在实际问题中难以精确测量.为了研究控制方向未知的一类具有非线性外部系统的不确定非线性系统全局鲁棒输出调节问题,通过设计一个内模系统将鲁棒输出调节问题转化为鲁棒稳定性问题,结合Nussbaum动态增益技术、自适应控制方法、鲁棒稳定性提出了一种动态输出反馈控制器.仿真结果验证了所提出控制器的有效性.     

一类2维不确定非线性系统自适应输出反馈镇定

为了解决一类不确定非线性系统输出反馈镇定问题,首先构造了合适的状态观测器,进而基于增加幂次积分方法和自适应技术,给出了设计光滑自适应输出反馈控制器的新方法.主要理论结果表明:所设计的控制器不仅保证闭环系统的所有状态均是有界的,而且原系统的状态和观测器的状态渐近收敛到零.     

Adaptive switching control of a class of nonlinear systems based on mixed multiple models

The transient behaviors of traditional adaptive control may be very poor in general. A practically feasible approach to improve the transient performances is the adoption of adaptive switching control. For a typical class of nonlinear systems disturbed by random noises, mixed multiple models consisting of adaptive model and fixed models were considered to design the switching control law. Under certain assumptions, the nonlinear system with the switching control law was proved rigorously to be stable and optimal. A simulation example was provided to compare the performance of the switching control and the traditional adaptive control.     

一类2维不确定非线性系统自适应输出反馈镇定

为了解决一类不确定非线性系统输出反馈镇定问题，首先构造了合适的状态观测器，进而基于增加幂次积分方法和自适应技术，给出了设计光滑自适应输出反馈控制器的新方法．主要理论结果表明：所设计的控制器不仅保证闭环系统的所有状态均是有界的，而且原系统的状态和观测器的状态渐近收敛到零．     

Adaptive control using interval Type-2 fuzzy logic for uncertain nonlinear systems

A new adaptive Type-2 (T2) fuzzy controller was developed and its potential performance advantage over adaptive Type-1 (T1) fuzzy control was also quantified in computer simulation.Base on the Lyapunov method,the adaptive laws with guaranteed system stability and convergence were developed.The controller updates its parameters online using the laws to control a system and tracks its output command trajectory.The simulation study involving the popular inverted pendulum control problem shows theoretically pre...     

解析的核学习自适应单步预测控制算法

针对非线性系统,在非线性广义最小方差控制律的基础上,提出了一种基于核学习辨识模型的自适应单步预测控制（KLAOPC）算法.首先辨识出非线性系统的核学习模型,并利用Taylor近似线性化方法获得控制律.采用中值定理证明了控制律的收敛性,并利用自适应校正项来提高其控制性能.核学习辨识模型容易获得,且在小样本情况下具有较好的推广性能.KLAOPC控制律具有简单的解析形式,需要调整的参数少且计算量小,适合非线性系统的实时控制.仿真结果表明,与其他控制算法相比,KLAOPC控制器有很好的控制效果,对过程的噪声和扰动等均具有较强的自适应性和鲁棒性.     

多重时滞离散非线性系统的鲁棒预测控制

为解决一类同时存在多重状态时滞、输入时滞和非线性扰动的不确定离散非线性系统的控制问题,提出一种具有状态反馈控制结构的鲁棒模型预测控制器设计方法.首先,充分利用时滞的上下界信息构造一个改进的二次Lyapunov-Krasovskii泛函;其次,利用线性矩阵不等式(LMI)方法将min-max最优化求解困难的问题转化成具有LMI约束的凸优化问题,并给出鲁棒预测控制器存在的充分条件及其表达式.理论证明该方法设计的控制器保证闭环系统鲁棒渐进稳定.仿真算例验证了所提出方法的有效性.     

控制方向未知的非线性系统的自适应评价设计

针对一类具有未知控制方向的非仿射非线性系统,提出一种新型的基于模糊小波神经网络的鲁棒自适应评价设计.利用中值定理和Nussbaum函数处理非线性函数隐含控制输入及控制方向未知问题.采用2个具有相同模糊基函数的模糊小波神经网络(fuzzy wavelet networks, FWNs)分别实现控制单元和评价单元,FWNs的权值、扩张参数及平移参数均在线调节.为了抑制FWNs近似误差,利用自适应界化技术设计一个鲁棒项.该设计不需要控制方向及不确定项上界的先验知识.通过 Lyapunov 理论严格证明闭环系统的半全局一致最终有界稳定性.仿真结果验证所提出设计的有效性.