一类非线性系统的无模型学习自适应控制

对于一类常见非线性离散系统，提出了其动态线性逼近的增量型模型、无模型自适应控制律和带有参数限定时域长度的参数自适应预报递推算法。实现了对时滞非线性系统的无模型学习自适应控制。通过仿真表明，该算法对于一类非线性系统实现无模型学习自适应控制是正确和有效的。     

基于动态线性逼近的非线性系统无模型自适应控制

对于一类常见多重时滞非线性离散系统,提出了其动态线性逼近的增量型模型,无模型自适应控制律和带有参数限定时域长度的参数自适应预报递推算法,实现了对时滞非线性系统的无模型自适应控制。该算法不用解Diophantine方程,无需矩阵运算,在线计算量很小,实时性好,具有很强的抑制噪声干扰能力。通过仿真表明,该算法对于一类非线性系统实现无模型自适应控制是正确和有效的。     

一类多重时滞非线性系统无模型学习自适应控制

对于一类常见多重时滞非线性离散系统,提出了基于动态线性逼近的增量型最小化模型,递推预测模型,无模型学习自适应控制律和带有参数限定时域长度的参数自适应预报递推算法,实现了对存在较在的多重时滞非线性系统的无模型学习自适应控制,该算法不需要受控系统的结构信息,数学,外部实验信号和训练过程,不用解Diophantine方程,无需矩阵运算,在线计算量很小,实时性好,仅用受控系统的I／O数据来设计,传统的未能模动态不存在,通过仿真表明,该算法对于一类非线性系统实现无模型自适应控制是正确和有效的。     

汽车非线性悬架系统的无模型自适应控制方法研究

针对非线性悬架系统的控制问题,建立1/2车数学模型,提出一种双输入-双输出结构的改进型无模型自适应控制方法。该方法以车身的垂直振动加速度和俯仰角加速度为反馈量,以零加速度为控制期望,前后悬架的作动力为控制器输出。工作从双输入-双输出的紧格式动态线性化模型出发,引入一种加权改进的控制准则函数,推导出控制器数学表达式,并理论分析了悬架控制系统的稳定性。不同路面和车速的控制仿真对比结果表明,该方法相比传统的无模型自适应控制能进一步降低车身垂直振动加速度、动行程、轮胎形变,以及车身的俯仰角加速度,能更好地改善车辆的行驶平顺性和操纵稳定性。     

一类非线性系统基于Backstepping的自适应稳定控制

针对一类未知高阶非线性系统，提出了一种基于Backstepping和神经网络的自适应稳定控制方法。利用RBF神经网络逼近未知非线性函数，不需要满足匹配条件，基于Backstepping方法调节网络权值。在控制律中引入非线性衰减项和σ-修正项保证了网络权值的稳定性，阻止了参数漂移。通过Lyapunov直接方法，证明了整个闭环系统的最终一致有界性。该方法扩展了自适应Backstepping和自适应NN控制的应用范围，适于并行计算，仿真结果表明了该算法的有效性。     

一类基于FNN的非线性系统自适应控制

模糊神经网络用于控制，主要是为了解决复杂的非线性、不确定、不确知系统的控制问题。由于模糊神经网络具有学习能力和自适应性，使得其能对变化的环境有自适应性，控制器也基本上不依赖于模型，针对一类非线性系统，利用模糊神经网络对系统进行建模提出一种鲁棒自适应控制方法。首先利用李雅普诺夫定理证明在一定的条件下，闭环系统必能稳定，并证明这个条件即非线性函数f(x)中的x必落入某一紧集中成立，同时考虑其控制性能，选择鲁棒控制量，使跟踪误差达到要求的性能指标。理论分析和仿真结果说明了该控制算法的可行性和有效性。     

一类非线性系统的自适应控制

文中研究了系数不等的三角型非线性系统，给出了同时包含非线性项不确定性和扰动不确定性系统的自适应控制设计过程，并证明了其稳定性，最后通过仿真示例验证了这种方法的有效性     

随机系统模型参考自适应控制

本文研究了随机系统的模型参考自适应控制问题，针对ＡＲＭＡＸ模型，给出了加权一步超前模型参考控制律及自适应控制律，且证明了自适应控制律的收敛性及闭环系统输入输出有界性。     

一类基于FNN的非线性系统自适应控制

模糊神经网络用于控制,主要是为了解决复杂的非线性、不确定、不确知系统的控制问题。由于模糊神经网络具有学习能力和自适应性,使得其能对变化的环境有自适应性,控制器也基本上不依赖于模型,针对一类非线性系统,利用模糊神经网络对系统进行建模提出一种鲁棒自适应控制方法。首先利用李雅普诺夫定理证明在一定的条件下,闭环系统必能稳定,并证明这个条件即非线性函数f(x)中的x必落入某一紧集中成立,同时考虑其控制性能,选择鲁棒控制量,使跟踪误差达到要求的性能指标。理论分析和仿真结果说明了该控制算法的可行性和有效性。     

基于SmartPro的废纸处理控制系统

结合山东某纸厂用于板纸生产的废纸处理控制系统，介绍了Hollysys公司的新一代基于PROFIBUS-DP的SmartPro系统的构成及功能，并利用SmartPro开发了友好的人机界面，用ST语言开发了打浆部分的串级控制软件。该系统受到了用户的好评。     

采用高木—关野模糊系统的自适应控制器

采用神经网络 ＢＰ算法提供信息对经验规则进行修改,用 Ｐｉ－Ｓｉｇｍａ神经网络表示的高木－关野模糊系统作为模糊控制器。对于对象模型参数变化的自适应性及系统控制规则参数的修改使控制输出能较快地跟踪系统输入。     

刀具磨损的自适应控制

本文以刀具耐用度的台劳公式为数学模型,建立了刀具磨损的自适应控制系统。通过刀具磨损检测装置,在动态切削过程中,实时检测刀具的磨损特性,自动迅速地确定与给定刀具耐用度相适应的最佳切削速度。     

基于PSD的电热油炉智能控制系统

探讨神经网络在电热油炉测控系统中的应用，建立了单神经元PSD控制算法，并通过最小二乘法辨识出了系统模型。     

一种基于输出信息的控制系统设计方法

提出一种利用系统当前输出信息预测未来输出的控制策略．针对系统模型研究了一种设计方法,并进一步推广到未知模型情况下的设计方法．     

基于自适应模糊系统的非线性系统故障诊断

提出了一种基于模糊退火的自适应模糊系统学习算法,该算法进行非线性系统建模,建模精确度高,可以收敛到全局最优点,具有良好的性能。用这种学习算法建立某伺服机构的模型,并构造基于模型的故障诊断系统,通过实验取得了较好的结果。     

自适应SDT预估控制系统的稳定性研究

研究了滞后时间系统自适应预估控制的稳定性问题,提出了三种可提高自适应可调参数的收敛速度,从而保证系统稳定性的自适应控制算法。文中还对三种算法的适用性进行了分析、比较。     

平面五杆并联机器人控制系统设计

介绍了平面五杆并联机器人控制系统设计,控制系统采用PC机为上位机、MC206X运动控制器为下位机的硬件结构和基于Windows操作系统的MotionPerfect2的软件系统．此控制系统由两个伺服电机驱动五杆机构,使平面五杆并联机器人具有更大的柔性和应用潜力．     

基于微分几何方法的非线性励磁控制规律的设计

本文利用微分几何精确线性化理论，地要用发电机的非线性方程，详细推导了非线性励磁控制决策。为实际应用提供了理论依据。