基于子空间方法的非均匀周期刷新和采样系统辨识

针对非均匀周期刷新和采样系统的建模问题, 对于含有提升变量的状态空间模型, 提出基于子空间技术的辨识方法. 首先, 通过系统的采样数据建立由Hankel 矩阵组成的扩展状态空间方程; 然后, 利用斜交投影的原理、方法和奇异值分解, 通过子空间辨识算法确定增广观测矩阵和状态向量, 通过最小二乘方法确定模型的参数矩阵; 最后, 通过仿真实例表明了所提出算法的有效性.

     

多采样率系统的辨识问题综述

在多率采样系统中, 采样间隔不均匀. 本文综述了文献中有关多率采样系统的数学模型, 如线性周期时变模型、频域模型和连续状态空间模型等. 同时对相应的辨识方法, 如提升、频域方法、子空间辨识方法等, 也进行了全面的综述. 对多率采样系统辨识中存在的一些问题, 包括辨识模型的选择、一致性问题、带约束条件的辨识方法和辨识收敛性等, 也作了深入的讨论.     

基于KRLS的非均匀采样非线性系统辨识

利用提升技术可将非均匀采样非线性系统离散化为一个多输入单输出传递函数模型,从而将系统输出表示为非均匀刷新非线性输入和输出回归项的线性参数模型,进一步基于非线性输入的估计或过参数化方法进行辨识.然而,当非线性环节结构未知或不能被可测非均匀输入参数化表示时,上述辨识方法将不再适用.为了解决这个问题,利用核方法将原始非线性数据投影到高维特征空间中使其线性可分,再对投影后的数据应用递推最小二乘算法进行辨识,提出基于核递推最小二乘的非均匀采样非线性系统辨识方法.此外,针对系统含有有色噪声干扰的情况,参考递推增广最小二乘算法的思想,利用估计残差代替不可测噪声,提出核递推增广最小二乘算法.最后,通过仿真例子验证所提算法的有效性.     

非均匀Hammerstein-Wiener 系统的递阶随机梯度辨识算法

针对一类非均匀数据采样Hammerstein-Wiener 系统, 提出一种递阶多新息随机梯度算法. 首先基于提升技术, 推导出系统的状态空间模型, 并考虑因果约束关系, 将该模型分解成两个子系统, 利用多新息遗忘随机梯度算法辨识出此模型的参数; 然后, 引入可变遗忘因子, 提出一种修正函数并在线确定其大小, 提高了算法的收敛速度及抗干扰能力. 仿真实例验证了所提出算法的有效性和优越性.

     

不确定非线性多智能体系统的分布式模糊自适应镇定控制

针对一类具有未知非线性和未知参数摄动的非线性多智能体系统, 提出一种分布式模糊自适应镇定控制方法. 基于邻接智能体信息和部分智能体的自身信息, 分别设计静态耦合和动态耦合的分布式模糊自适应控制律. 基于Lyapunov 稳定性理论, 证明了所提出的控制器能使得系统状态最终稳定于原点的邻域内. 仿真实例验证了所提出方法的有效性.

     

非均匀采样系统多新息随机梯度辨识性能分析

针对一类非均匀采样系统,提出了其输入输出表达的多新息随机梯度辨识方法．该方法将随机梯度算法中的新息项扩展为向量,有效利用了历史新息所包含的信息,从而提高辨识精度和算法的收敛速度,同时又保留了随机梯度算法计算量小的优点．仿真例子通过改变新息长度,验证了所提出辨识算法性能的优越性．     

一类非线性系统的广义模糊双曲正切模型自适应控制器设计

针对一类非线性系统的稳定控制器设计问题, 根据广义模糊双曲正切模型的万能逼近性质, 提出一种带有可调参数的广义模糊双曲正切模型的自适应控制器设计方法. 该设计方法的优点是使得自适应律的个数不依赖于广义模糊双曲正切模型的线性基函数的输出形式, 可以有效减少在线估计的参数数目, 并且能够保证被控系统的状态一致终极有界. 最后通过数值算例表明了所提出的设计方法的有效性.

     

基于拟非线性模糊模型的复杂系统模糊辨识

针对一阶Takagi-Sugeno（以下简称T-S）模型辨识复杂系统的困难，本文提出了一种新的拟非线性模糊模型。即在一阶T-S模型的基础上，再进行一次非线性映射。这种模糊模型不仅具有较高的辨识精度，而且具有良好的泛化功能。运用改进的FCM（Fuzzy-C-Means）模糊聚类方法，辨识该模糊模型的结构，与以往的方法比较，极大地简化了结构辨识的复杂性。仿真结果进一步说明了该方法的有效性。     

基于马田系统的区间Choquet 模糊积分多属性决策方法

为了扩展马田系统在模糊积分多属性决策领域中的应用, 引入区间样本描述统计量, 将传统的实数型马田系统改进为区间型马田系统, 并在此基础上提出一种基于区间数据的模糊测度计算方法. 为了便于集成区间属性值,定义区间Choquet 模糊积分算子. 实例分析表明, 所提方法能够解决属性值为区间数据的模糊积分多属性决策问题, 验证了该方法的可行性.

     

多变量系统的耦合梯度辨识算法与性能分析

针对多变量系统维数大、参数多、一般的辨识算法计算量大的问题, 基于耦合辨识概念, 推导多变量系统的耦合随机梯度算法, 利用鞅收敛定理分析算法的收敛性能. 算法的主要思想是将系统模型分解为多个单输出子系统,在子系统的递推辨识过程中, 将每个子系统的参数估计值耦合起来. 所提出算法与最小二乘算法和耦合最小二乘算法相比, 具有较少的计算量, 收敛速度可以通过引入遗忘因子得到改善. 性能分析表明了所提出算法收敛, 仿真实例验证了算法的有效性.

     

离散时间系统重复控制的理想误差动态方法

针对周期参考信号下的离散时间系统, 引入吸引律构造理想误差动态特性, 并基于理想误差动态设计重复控制器. 重复控制能够实现周期性扰动的完全抑制, 从而提高控制能.为了消除颤振现象, 以饱和函数替换重复控制器中的符号函数. 分别推导了理想误差动态方程的单调减区域、吸引层和稳态误差带的边界, 用于刻画误差动态行为, 并给出了数值仿真结果. 在逆变器装置上完成的实验进一步表明了所提出的重复控制方法的有效性.

     

基于ELM的一类MIMO仿射非线性系统的鲁棒自适应控制

针对一类多输入多输出(MIMO) 仿射非线性动态系统, 提出一种基于极限学习机(ELM) 的鲁棒自适应神经控制方法. ELM随机确定单隐层前馈网络(SLFNs) 的隐含层参数, 仅需调整网络的输出权值, 能以极快的学习速度获得良好的推广性. 在所提出的控制方法中, 利用ELM逼近系统的未知非线性项, 针对ELM网络的权值、逼近误差及外界扰动的未知上界值分别设计参数自适应律, 通过Lyapunov 稳定性分析可以保证闭环系统所有信号半全局最终一致有界. 仿真结果表明了该控制方法的有效性.

     

多智能体时滞和无时滞网络的加权分组一致性分析

针对连通二部图结构下的一阶多智能体系统, 考虑有无时滞两种情形下多智能体的加权分组一致问题. 设计一类基于竞争关系的分散协调控制协议, 利用矩阵论和代数图论等有利工具, 使得在该控制协议下, 多智能体系统均可全局收敛到任意指定的加权一致状态. 针对系统存在时滞的情形, 运用圆盘定理和广义奈氏准则, 得到系统达到收敛时可能容忍的最大时延上界. 仿真实例较好地验证了所得出结论的正确性.

     

时变线性系统同时强镇定控制器设计

在套代数框架下, 应用素分解的方法, 设计能同时强镇定两个时变线性系统的稳定控制器, 并给出了所有控制器的参数化. 应用该控制器参数化, 对某类同时鲁棒强镇定问题进行研究, 给出了两个时变线性系统可被同时强鲁棒镇定的充分条件. 针对所得的控制器设计结果给出了数值例子, 数值结果表明了该设计是有效和可行的.

     

非均匀周期采样系统的递阶最小二乘辨识方法

针对非均匀周期采样系统,通过状态空间模型离散化方法得到其输入输出表达形式.鉴于参数化后得到的辨识模型同时包含1个参数向量和1个参数矩阵,利用递阶辨识原理,将辨识模型分解为分别含有参数向量和参数矩阵的2个虚拟子系统;考虑到系统的因果约束问题,将包含参数矩阵的子系统分解为子子系统进行辨识,从而提出这类非均匀采样系统的递阶最小二乘辨识方法.仿真例子表明该算法是有效的.     

非仿射非线性系统的自主构架模糊控制器

针对SISO非仿射非线性系统,提出一种新型自主构架模糊控制器.此控制器由鲁棒控制器与自主构架模糊系统构成.模糊系统初始只含有一条规则,根据系统误差和ε完备性2条准则自主增加规则及隶属函数,从而完善模糊系统结构,逼近非线性系统不确定量.模糊系统利用\"伪模糊输出\"法对新增规则后件初始化,考虑到实际计算能力,采用替换隶属函数机制限制规则数目.通过理论推导证明了系统的稳定性,理论和半实物仿真实验验证了所提出方法的有效性.     

基于动力学特性聚类多维泰勒网的非线性系统辨识与预测

针对时变非线性系统难以建模的问题,提出了基于动力学特性聚类的多维泰勒网模型,对系统进行辨识与预测.首先讨论了多维泰勒网模型构造方法和非线性系统动力学特性聚类的定义;然后给出基于动力学特性聚类的多维泰勒网自重构算法;最后通过实例说明基于动力学特性聚类多维泰勒网在实际中应用的方法,实例结果验证了该方法的有效性.     

非正则分布参数系统的迭代学习控制

针对一类非正则分布参数系统的迭代学习控制问题进行讨论, 该类分布参数系统由抛物型偏微分方程构成. 基于非正则系统的特点, 使用D型学习律构建得到迭代学习控制律, 并基于压缩映射原理, 证明得到输出跟踪误差在??² 范数意义下沿迭代轴方向的收敛性结论. 仿真算例表明了所提出结论的有效性.