非线性MIMO系统线性化解耦的一种新方法（Ⅱ）——离散时间系统

研究如何构造神经网络（ＮＮ）α阶时延逆系统,并将其用于ＭＩＭＯ强耦合非线性离散时间系统的线性化解耦、ＮＮα阶时延逆系统由单个静态神经网络和若干时延因子组成,将其与原系统复合可形成具有最小阶时延的伪线性解耦系统。该方法对被控系统数学模型的先验知识要求很少,不但能有效地实现对原系统的线性化解耦,且结构简单,易于工程实现。     

非线性MIMO系统线性化解耦的一种新方法(Ⅰ)——连续时间系统

给出用神经网络（ Ｎ Ｎ）α阶积分逆系统实现连续非线性 Ｍ Ｉ Ｍ Ｏ 系统线性化解耦的方法。 Ｎ Ｎα阶积分逆系统由一个静态神经网络加若干积分器构成,将其串联在原系统之前,原系统则解耦成若干个相互无关的 Ｓ Ｉ Ｓ Ｏ 伪线性积分系统。理论分析与仿真结果表明,对于精确模型未知的较一般的非线性 Ｍ Ｉ Ｍ Ｏ 系统,所给出的方法均能实现有效的线性化解耦,且结构简单,易于工程实现。     

模糊CMAC神经网络用于MIMO非线性系统的反馈线性化

针对一类多输入多输出（ＭＩＭＯ）连续时间非线性系统,应用模糊ＣＭＡＣ神经网络,给出一种状态反馈控制器,用于使状态反馈可线笥化的未知的非线性动态系统儿得要求的患 很弱的假设条件下,应用李雅普诺夫稳定性理论严格地证明了闭环系统内的所有信号为一致最终有界（ＵＵＢ）。     

飞机姿态控制系统的精确线性化解耦设计

飞机姿态运动的非线性以及横航向强耦合,增加了控制飞机姿态的难度,不利于飞机快速瞄准目标.为了提高控制姿态性能,直接将飞机姿态角解耦成舵偏角的非线住设计方法,将飞机姿态运动解耦成三个独立的线性系统,并避免气动力矩对舵面进行再次分配,使整个过程更加直观,随后对解耦的单输入单输出系统设计了跟踪控制律,并进行仿真.结果表明,所设计的控制系统姿态角的控制效果较好,并具有很高的控制精度.     

动态非线性连续时间系统的小波神经网络辨识

将小波神经网络应用于动态非线性连续时间系统的辨识, 同时为了使神经网络的训练达到全局最优和加速小波神经网络训练的收敛速度, 提出了信赖域算法, 并研究了信赖域算法的收敛性. 随后进行了算例仿真, 证明了所提辨识方法的有效性.     

离散时间非线性系统线性化的泛模型方法

考虑离散时间非线性系统线性化问题，提出一种“泛模型”方法，泛模型是具有时变参数，形成为线性的模型族，证明了工程上能实现的非线性系统，在输入－输出等价的意义下可用泛模型来描述。     

MIMO非线性系统的直接自适应控制

本文给出模型未知多输入多输出非线性系统的一种动态线性逼近方法，提出了基于该线性化方法的自适应控制律。讨论了在一定假设条件下自适应控制律的收敛性。     

一类MIMO状态可测的非线性连续系统的激励辨识方法

研究一类 MIMO 状态可测的非线性连续系统的激励辨识问题. 输入激励信号采用高斯白噪声, 均匀采样获得输出状态数据. 根据 Girsanov 定理获得系统参数的渐近无偏估计. 数值仿真试验说明了该方法的有效性并发现耦合多变量系统辨识中的 NNR 现象. 最后给出该系统的分步激励辨识算法.     

一类离散时间非线性系统的局部状态反馈解耦

讨论了一类离散时间非线性系统的解耦问题，通过在指定区域内的状态反馈，使系统达到输入－输出解耦。     

非线性MIMO系统的降维状态观测器

研究一类多输入多输出（ＭＩＭＯ）非线性时变系统的降维状态观测器设计问题,提出了一种非线性降维状态观测器设计方案,并从理论上证明了状态观测误差的指数收敛性,其中设计的降维状态观测器具有收敛速度可调的特性,最后给出了数值算例,仿真结果表明了本文方法的有效性。     

一类非线性多变量系统的解耦线性化

本文讨论了非线性多变量系统的解耦和完全线性化问题.利用微分几何理论中分布不变性的概念,提出并证明了当系统的相对阶次之和小于系统维数时,非线性解耦系统实现完全线性化并保持其解耦性不变的条件,还给出了这类系统完全线性化的具体求解方法.     

MIMO非线性系统状态估计的递推Monte-Carlo方法研究

递推蒙特·卡洛 (Monte-Carlo,MC)方法是基于系统状态和观测值概率分布的估计方法。本文首先讨论了SISO非线性系统状态估计中递推 MC方法的应用 ,在此基础上将上述状态估计方法推广到 MIMO非线性系统 ,并提出了两种不同的估计方案。仿真研究表明 ,这两种方案都可以得到较好的状态估计结果。不过 ,随机抽样数目对递推 MC估计方法的状态估计精度会产生较大影响 ,限制了该方法的进一步应用 ;本文对随机抽样数目对状态估计结果的影响进行了讨论。     

基于输入输出线性化的连续系统非线性模型预测控制

非线性约束预测控制关键是求得可行性优化解. 输入输出反馈线性化是非线性控制一种常用的方法, 其系统的初始线性输入约束转化成非线性基于状态的约束, 因而无法采用常规的二次规划(QP)求解优化问题. 针对连续状态空间模型系统, 本文提出迭代二次规划方法来寻求非线性优化解. 为了保证算法的收敛性, 系统加入另外一种迭代算法来保证其在整个预测时域上能得到可行解. 仿真控制结果表明了该方法的有效性.     

非线性系统完全线性化方法的研究

本文针对非线性系统，运用微分几何理论，提出了一种基于完全线性化的控制方法。同时还给出了这种非线性系统线性化的条件和状态变换的构造方法，将这种控制方案应用在聚合反应过程中，仿真结果表明它具有良好的跟踪能力以及较好的参数鲁棒性。     

一种非线性MIMO系统实验装置建模与LQR控制

为解决一种复杂非线性多输入多输出系统的控制器设计问题,对两自由度直升机模型的实时控制方法进行了研究.在详细分析力学和运动学的基础上,利用拉格朗日方法,比较准确地求得了系统的非线性动力学方程.经局部线性化后,设计了线性二次型最优控制器和前馈控制器.仿真和实际测试结果表明,数学模型和控制器设计正确,整个控制系统运行良好.     

多关节机器人的一种非线性反馈控制方法

本文研究了一种基于高阶线性化近似方法的机器人非线性反馈控制问题。首先,给出了多关节机器人的动力学模型,研究了一般非线性系统相对于某一标称轨迹的高阶线性近似方法,建立了高阶反馈项系数的计算公式,然后,讨论了多关节机器人的二阶近似非线性反馈控制方案。最后,给出了数字仿真结果.     

一种多变量连续时间预测控制方法

将积分作用自然引入单变量连续时间域预测控制规律,并通过结合多变量频域设计方 法--特征轨迹法,将单变量预测控制推广到多变量情况.仿真结果表明,该多变量算法是有 效的.     

连续非线性系统的迭代学习控制方法*

本文根据误差收敛准则，提出了连续非线性系统的迭代学习控制算法，给出了ＰＩＤ型学习控制算法的收效条件，实际应用表明，该方法可以逼近预定的任意轨线。     

本质非线性系统的线性化自适应滤波方法

1 引言我们知道,针对线性离散模型:X_(k-1)=φ_(k+1),_kX_k+Γ_(k+1),_kU_k+W_k Z_k=H_kX_k+V_k如作下列假设:E[W_k]=q_k,E[W_kW_i~T]=Q_k δ_(k,i),Q_k≥0E[V_k)=γ_k,E[V_kV~T_i]=R_k δ_(k,i),R_k>0{V_k}、{W_k}、{X_0}互不相关δ_(k,i)为 Kroneker δ-函数,满足下列关系:     

离散时间MIMO系统极限零点的稳定性

不稳定零点限制了系统可达到的控制性能, 当采用ZOH对一个连续系统进行离散化, 零点的稳定性不能得到保证. 针对无限初等因子次数为2或3时, MIMO系统极限零点的渐近特性和稳定条件不确知问题, 分析了在ZOH条件下, 当采样周期T→0时离散时间系统极限零点的渐近特性, 推导出了关于极限零点稳定性的线性近似公式和保证极限零点稳定的条件, 并给出了详细的证明. 所给出的定理是对Ishitobi定理的进一步扩展.