一类非线性不确定中立时滞系统保性能控制

讨论了一类非线性不确定中立系统的保性能控制的问题，对于给定的性能函数及所容许的不确定和时滞，设计一个无记忆状态反馈控制律使得闭环系统是渐进稳定的，闭环系统的性能函数值不大于给定的一个数；利用φ-Procedure lemma相对简单的解决了一类带有（B＋△B（t））f（·）时变非线性扰动函数系统的无记状态反馈保性能控制律问题，最后应用线性矩阵不等式的方法给出了最优无记忆状态反馈保性能控制律的设计方法，并通过一个算例说明此方法的可行性．     

不确定非线性切换系统的事件触发保成本有限时间H∞控制

为解决不确定和非线性因素引起的切换系统的不稳定,将切换系统中的非线性函数线性化,在事件触发方案下,利用Lyapunov函数和平均驻留时间方法,研究了不确定非线性切换系统的保成本有限时间H∞控制问题。通过设计状态反馈控制器,得到了当切换闭环系统是有限时间有界且具有H∞性能时,切换系统具有保成本上界的充分条件;证明了在事件触发的过程中,不存在Zeno行为。用数值算例验证了结论的正确性和有效性。     

中立型广义系统的时滞依赖保性能控制

研究了不确定中立广义系统带有时变时滞的鲁棒保性能控制问题．基于Lyapunov函数的理论,并运用线性矩阵不等式（LMI）导出了该系统时滞依赖的保性能控制律存在的充分条件以及最小性能上界．最后,用一个数值算例来说明此方法的可行性．     

不确定离散时滞系统的鲁棒H_∞保成本控制

对一类同时具有状态时滞和输入时滞的不确定离散时滞系统, 基于Lyapunov稳定性理论和线性矩阵不等式(LMI)处理方法, 得到系统H∞保成本状态反馈控制律存在的一个充分条件, 并利用线性矩阵不等式的可行解给出H∞保成本状态反馈控制律的设计方法. 进而, 通过求解凸优化问题解决了系统最优鲁棒H∞保成本控制律的设计问题. 最后, 通过数值算例说明了该设计方法的可行性.     

一类非线性系统的自适应神经网络反推控制设计及稳定性分析

针对一类具有未知控制方向、非线性未知函数、未建模动态和动态干扰的单输入单输出非线性不确定系统,提出了一种基于后推设计的自适应神经网络的控制方法.设计中,利用RBF神经网络逼近系统的未知函数,应用非线性阻尼项抵消系统的非线性动态干扰,通过引入一个动态信号克服未建模动态,并用Nussbaum函数解决未知的虚拟控制增益问题;最终应用数学方法严格证明了整个闭环系统的所有信号是一致终结有界性.     

一类不确定非线性系统的时滞依赖的鲁棒H_∞控制(英文)

考虑了一类带时变延滞和时变范数有界参数不确定性的非线性系统的鲁棒H∞控制.利用线性矩阵不等式(LMI)给出了问题可解的一个充分条件.针对该类系统,设计了一种满秩的无记忆线性状态反馈控制器.     

基于模糊高斯基函数神经网络的滑模控制

研究了一类不确定非线性系统的滑模变结构控制,提出了一种基于模糊高斯基函数神经网络的滑模变结构控制器设计方法.模糊神经网络能以任意精度逼近非线性连续函数,因此应用自适应模糊-神经网络控制理论来逼近动态系统的非线性函数,而且将滑模控制方法与模糊-神经网络控制理论相结合,可以使控制器对系统干扰和逼近误差具有很强的鲁棒性.与常规方法相比,这种控制器不仅保证了闭环系统的稳定性,而且有效地消除了颤动现象.仿真结果表明了该方法的有效性.     

带有时滞和非线性不确定性的中立系统的鲁棒稳定性条件

研究一类带有时滞和非线性不确定性的不确定中立系统的鲁棒稳定性问题.通过选择适当的Lyapunov函数,使用Leibniz-Newton公式的变形,结合自由权矩阵思想,加入一些自由矩阵,并且利用线性矩阵不等式(LMI)技术,得到了新的带有时滞和非线性不确定性的中立系统的时滞依赖稳定性条件.最后,通过数值算例来验证此方法的可行性以及有效性.     

不确定多时滞奇异系统的H∞控制

讨论不确定多时滞奇异系统的H∞控制问题.利用线性矩阵不等式得到了使系统具有H∞性能γ的充分条件,并进一步提出了H∞状态反馈控制器的设计方法,最后用数值算例验证了结论的可靠性.     

不确定的有限时间H∞离散线性控制系统

研究了关于不确定离散线性控制系统的有限时间H∞控制问题.设计一个有限时间H∞控制可以保证闭环系统是有限时间有界(FTB)控制和降低了对输入的干扰效果输出到规定的水平,利用线性矩阵不等式给出了满足要求的控制器存在的充分条件.以线性矩阵不等式可行解的形式给出了控制器相应的参数,用数值算例验证了方法的可行性.     

指定极点区域约束线性连续系统的鲁棒控制

对于一类线性连续不确定性系统，设计一个状态反馈控制器，使闭环系统的极点位于一指定圆域中。通过求解含参数的代数Ｒｉｃｃａｔｉ方程，得到控制律的解析表示式。     

一类不确定离散时滞系统鲁棒稳定性判定与仿真

对范数有界不确定离散时滞系统,给出了鲁棒稳定性判定标准,构造相应的Lyapunov函数.采用线性矩阵不等式（LMI）技术,设计出基于LMI的状态反馈鲁棒控制器.通过仿真实例验证了该方法的正确性和有效性.     

基于神经网络的非线性大系统分散自适应控制

针对一类非线性大系统,提出了一种利用神经网络的分散输出反馈自适应控制器的设计方法.对于每一个非线性的有限维子系统,采用输出反馈线性化系统;然后利用基于神经网络的自适应补偿器逼近和补偿系统建模偏差、干扰及系统关联项.从而简化控制器设计,提高跟踪精度,并使系统具有一定的鲁棒性.仿真结果表明,所提出的算法简单,易于实现,能够使闭环系统具有良好的跟踪性能.     

采用卷筒料控制装置提高多色印刷机套印精度

印刷机上的卷筒控制技术对于改善印刷品的性能来说是一个重要的议题.多色印刷机包含了多个印刷单元,每个印刷单元的原动力都是耦合的,而信号的传播总是有所滞后.本文介绍了一种针对三色印刷机的基于信号滞后的非线性控制方法.首先,为状态变量设计了一种非线性坐标变换,可描绘出压力的原动力和印刷缺陷.然后根据新坐标,绘制出基于滞后的反馈规律,这样封闭的循环系统归于零.最后,与传统的控制方法相对比,得出一些模拟结果.     

Likelihood of achieving air quality targets under model uncertainties

Regulatory attainment demonstrations in the United States typically apply a bright-line test to predict whether a control strategy is sufficient to attain an air quality standard. Photochemical models are the best tools available to project future pollutant levels and are a critical part of regulatory attainment demonstrations. However, because photochemical models are uncertain and future meteorology is unknowable, future pollutant levels cannot be predicted perfectly and attainment cannot be guaranteed. This paper introduces a computationally efficient methodology for estimating the likelihood that an emission control strategy will achieve an air quality objective in light of uncertainties in photochemical model input parameters (e.g., uncertain emission and reaction rates, deposition velocities, and boundary conditions). The method incorporates Monte Carlo simulations of a reduced form model representing pollutant-precursor response under parametric uncertainty to probabilistically predict the improvement in air quality due to emission control. The method is applied to recent 8-h ozone attainment modeling for Atlanta, Georgia, to assess the likelihood that additional controls would achieve fixed (well-defined) or flexible (due to meteorological variability and uncertain emission trends) targets of air pollution reduction. The results show that in certain instances ranking of the predicted effectiveness of control strategies may differ between probabilistic and deterministic analyses.