一类非均匀采样非线性系统的无模型自适应控制

对一类未知的非均匀采样离散时间非线性非仿射系统,基于在受控系统当前工作点处的等价数据模型,利用输入输出数据对伪雅可比矩阵（PJM）的在线估计,设计出相应的无模型自适应控制器.所提出的控制方法具有如下特点：控制器的设计仅需要非均匀采样的输入输出数据,不包含系统模型的任何信息;控制算法计算量小,算法容易实现.最后,通过一个非均匀采样离散时间非线性系统仿真结果验证提出方法的有效性.     

基于神经网络的接收机宽带非线性行为建模

为了预测复杂电磁环境下接收机的非线性效应,文中基于实数时延径向基函数神经网络,构建了具有记忆效应的接收机非线性神经网络模型。分别采用K-均值聚类算法和正交最小二乘法对模型的隐含层中心和权值进行选取和学习,并用接收机的输入输出实测数据对模型进行训练。通过宽带信号的同相和正交两个分量对模型进行验证。模型仿真结果与实测数据相吻合,模型的归一化均方误差可达-41.88 dB。该结果表明,所构建的神经网络模型具有较快的收敛速度、良好的建模精度和泛化能力。     

基于残差预测修正的局部在线时间序列预测方法

 对于复杂的非线性和非平稳时间序列预测,基本的支持向量回归(Support Vecotr Regression,SVR)在线算法无法有效兼顾执行效率和预测精度.本文首先采用局部SVR进行时间序列建模预测,同步计算在线更新序列数据预测的残差,并采用Online SVR对残差序列进行混沌时间序列预测,将预测残差值实时补偿到局部SVR模型预测输出.实验结果表明,新方法在执行效率和预测精度方面较单一Online SVR均显著提高.     

MIMO非线性系统的多模型建模方法

针对实际工业过程中多变量系统存在着非线性、工况范围广的特点,本文提出了一种新的多模型建模方法.首先对系统调度变量进行满意模糊c均值聚类,在此基础上采用基于加权性能指标的多模型辨识算法辨识多模型系统,得到的模型在全局拟合与局部特性之间取得良好的权衡,同时能得到每个局部模型的适用域.以典型pH中和过程为对象,采用上述建模方法建立其系统多模型,仿真结果验证了该建模方法的有效性.     

基于BFO聚类算法的T-S模糊模型辨识

针对非线性系统的辨识问题,本文提出一种基于BFO聚类算法的T-S模糊模型辨识方法。首先通过BFO聚类算法自动地从已知的输入输出数据中确定模糊模型的结构和前件参数,然后用BFO算法估计模糊模型的后件参数。仿真结果表明,该方法辨识精度高,得到的模糊模型简单、模糊规则少,很好地解决了现有算法复杂、输入空间难以划分或者带来的高维问题等,因而具有很好的实用性和有效性。     

基于递阶原理的非均匀采样非线性系统的模糊辨识

针对非均匀多采样率非线性系统的建模问题,提出了基于递阶原理的模糊辨识方法.首先,分析了非线性系统在输入信号非均匀周期刷新,输出信号周期采样的情况下,非线性系统可以通过提升技术,利用多个局部线性模型加权组合的模糊模型来描述.在此基础上,利用GK模糊聚类确定模糊模型前件结构,利用基于递阶原理的递推最小二乘辨识算法辨识模糊模型后件参数.同时,通过鞅定理对辨识算法的收敛性进行了研究.最后,通过仿真实例证明了本文方法的有效性.     

基于区间二型T S模糊系统的压电迟滞特性建模

为了辨识压电驱动器中固有的迟滞特性,提出了一种基于区间二型Takagi Sugeno(T S)模糊系统的建模方案。首先,引用垂直距离公式替换传统的误差计算公式,使聚类算法与所辨识的超平面结果直接相关联,并提出了改进的区间二型模糊C回归模型(FCRM)聚类算法用于模糊空间的划分,提高了区间划分精度。其次,针对超球型高斯隶属度函数与超平面型聚类算法结构不匹配的问题,引入了与超平面相匹配的超平面隶属度函数完成模糊前件参数的辨识,并利用最小二乘法完成模糊后件参数的辨识。最后,利用上述方案完成了压电驱动器迟滞特性的建模。实验结果证明该方案是有效的。     

基于模糊聚类的改进模糊辨识方法

针对以往模糊建模方法不能很好优化模糊模型输入空间的问题,本文提出了一种基于新的目标函数的模糊聚类方法,从而使模型的输入输出空间映射空间具有逼近实际输出的能力,从而达到优化模型结构的目的.仿真实例表明,该方法能够辨识非线性系统,能显著提高建模的精度.     

基于动态模型库的多模自适应预测控制

针对非线性复杂系统,提出了一种基于动态模型库的多模自适应预测控制方法.采用最小二乘支持向量机对非线性系统进行建模,对此模型进行线性化,并将此线性化模型加入到固定模型库中,对固定模型库进行动态更新;通过一定的选择机制,从固定模型库中选择出与当前时刻系统工作点较接近的部分模型构成一个动态模型库,并基于此动态模型库重构相应的控制器.仿真结果证明了该方法的有效性.     

量化因子自整定的四旋翼飞行器模糊PID控制

针对四旋翼飞行器的非线性飞行控制模型,提出了一种新改进的量化因子自整定二维直接控制量型模糊PID控制器。通过分析量化因子与模糊控制器输入输出的模糊逻辑关系,对量化因子分别设计模糊整定器并确定了相应的模糊输入量以及模糊规则表,然后利用自整定算法实现量化因子在线实时调整。通过对四旋翼飞行器进行动力学建模以及控制通道分析,进行了姿态飞行控制仿真实验。与传统PID型模糊控制器相比,本文设计的控制器在动态响应速度及抗外界干扰性能方面效果更优。