基于自适应动态规划的未知模型非线性系统H_2/H_∞控制

提出了一种在线的自适应动态规划算法,近似求解耦合的哈密尔顿雅可比(Hamilton-Jacobi-Isaacs,HJI)方程,获得非线性系统混合H_2/H_∞控制的纳什均衡策略。通过在控制策略和干扰策略中加入已知噪声,从而不依赖系统的模型信息,得到一个求解混合H_2/H_∞控制问题的未知模型的近似动态规划算法。分别使用2个评价神经网络和2个执行神经网络,同步在线更新2个值函数、控制策略和干扰策略,神经网络未知参数通过最小二乘法进行估计。仿真结果验证了算法的可行性。     

一类非线性矩阵方程对称解的双迭代算法

传统的方程求解办法并不能算出非线性矩阵方程的对称解,故文章给出一类非线性矩阵方程对称解的双迭代算法,先以牛顿迭代算法求解方程对称解,然后,借助MCG,即修正梯度共轭法经由牛顿迭代后算得的每一步线性矩阵方程的对称解进行计算。研究结果表明,文章所提出的非线性矩阵方程的对称解是有效可取的。     

基于自适应动态规划的一类非线性系统的容错控制器设计

针对存在执行器故障的一类仿射非线性系统,基于自适应动态规划方法,提出了一种新型的容错控制器。利用故障观测器估计执行器故障,并利用故障信息构建一个改进型的性能指标函数,将容错控制问题转化为最优控制问题。同时使用策略迭代(PI)算法,通过构造评价神经网络来求解HJB方程,获得近似最优容错控制律,并且基于李雅普诺夫函数,证明该容错控制器可以确保闭环系统渐近稳定。最后,通过仿真验证了该方法的有效性。     

非线性协调控制系统状态方程的级数解

针对非线性系统,为了合理利用变量间的有益耦合、消除有害的关联,提出了具有扰动补偿的非线性协调控制原则.根据控制原则,建立了非线性协调控制系统的状态方程,基于该方程导出了对于外界扰动的完全补偿条件,进而给出了完全补偿协调控制系统非线性状态方程.采用直接试探法,求得了该方程的任意阶级数解析解,这是一种有效的非线性系统状态方程的近似求解方法.     

输出不可量测非线性系统的神经模型参考自适应控制

该文针对被控对象输出不可量测的非线性系统,引入一个便于在线辨识的扩展神经网络模型,提出一种基于前馈-反馈结构的神经网络模型参考自适应控制方法。给出了具有全局收敛性的网络训练算法,并分析了控制系统的稳定性。仿真结果表明该控制方法是有效的,而且对网络初始权值的选取及被控对象特性参数的扰动都具有良好的鲁棒性。     

不确定非线性多智能体系统的最优协同控制

针对不确定非线性多智能体系统的最优协同控制问题,提出了基于辨识-评价结构的在线自适应最优控制方案。由于存在不确定性,针对每一个智能体,分别使用一个辨识神经网络用于估计多智能体系统的动态,以及一个评价神经网络用于近似耦合哈密顿-雅可比方程的解,继而导出最优协同控制律。基于辨识-评价结构,辨识神经网络和评价神经网络可以同步调整权值。通过李雅普诺夫(Lyapunov)直接法同时保证辨识神经网络和评价神经网络的权值误差一致最终有界,及闭环系统的稳定。最后通过仿真验证了所提方案的有效性。     

基于粒子群优化的球杆系统的离散化输出调节

离散非线性输出调节问题的解很难通过求解代数方程的解获得,对于不确定性系统,往往通过逐渐逼近的方法以尽可能获得最优解,而神经网络则常被应用于这些算法之中。本文利用粒子群算法对神经网络的权值进行更新,并将之应用于球杆系统的离散化输出调节问题,通过仿真可看出其控制性能比传统的线性控制有了明显的改善。     

自适应多重网格方法的计算效率研究

多重网格方法是求解线性和非线性问题的最有效的加速迭代方法,在许多领域中得到了广泛应用.本文将自适应控制粗细网格间迭代转换技术应用于多重网格方法,建立了求解积分方程的自适应多重网格方法.以线天线为例,研究了自适应多重网格方法的计算效率,结果表明自适应多重网格方法是一种快速有效的数值技术,为大系统问题的求解提供了一种新的数值方法.     

基于动态神经网络在线辨识的PID控制

针对工业控制领域中复杂非线性时变系统和传统RBF神经网络辨识PID控制的不足,提出了一种基于聚类结合算法的动态RBF神经网络在线辨识PID自适应控制方法.通过优化的动态RBF辨识神经网络更好地描述了控制对象的动态行为,获得PID参数在线调整信息,实现系统的智能控制.仿真结果表明,与常规RBF神经网络辨识的PID控制方法相比该方法具有较高的控制精度,较快的系统响应,较强的适应性和鲁棒性.     

高阶非线性非自治系统分析研究

为了更有效的解决高阶非线性非自治系统的求解问题,提出基于等效小参数法的高阶非线性非自治系统的求解方法,应用分解法原理,通过引入谐波平衡和同阶小量相等,建立一类非线性动态系统周期解的逆算符表达的递推算法,将高阶非线性非自治系统转化成一个通用方程,然后利用Matlab开发出相应的软件系统,实现计算机自动求解。对包含sin（t）或cos（t）的非线性非自治GENESIO系统和非线性非自治COULLET系统使用等效小参数法进行详细推导,分别求解非自治GENESIO系统和非自治COULLET系统的周期解,该算法具有较高的计算精度和较大的普适性,是求解一类非线性非自治系统周期解的有效方法。     

执行器带未知不对称死区的一类仿射非线性系统的神经网络自适应控制器的设计

 本文针对一类执行器带未知死区的仿射非线性系统,提出了一种新型的神经网络自适应控制器的设计方法,该方法首先引入一个神经网络来估计对象的部分未知非线性动态行为,再基于隐函数定理构造另一个静态神经网络作为新型补偿器以补偿执行器的未知不对称的死区非线性.本文利用Lyapunov理论在给出光滑的控制律的同时严格证明了整个闭环系统的跟踪误差以及各个神经网络权参数的一致最终有界性,而且通过调节设计参数可以使系统的跟踪误差收敛到零附近的一个小邻域内.本文提出的控制方案可以保证对象在线稳定地跟踪任何光滑的目标轨迹,仿真研究表明了此控制方案的可行性和有效性.     

一种基于神经网络跟踪控制的稳定性分析

本文针对一种标准形式的未知非线性系统的输出跟踪控制构造了一种基于多层前馈神经网络的的非线性学习控制系统，并利用ＢＰ学习算法训练好的神经网络构造了一个自适应输出跟踪控制结构。     

一种新的波束形成零陷展宽算法

针对自适应波束形成器在干扰位置出现扰动时的输出性能下降问题,该文提出一种新的零陷展宽算法。该算法基于投影变换与对角加载技术的结合,首先利用投影变换技术对阵列接收数据进行预处理,结合对角加载技术,以此构造出一个新的协方差矩阵替代原来的协方差矩阵,再利用自适应波束形成技术得到零陷展宽后的波束图。仿真结果表明,该方法能有效展宽波束零陷宽度,加深零陷深度,达到抑制位置出现扰动的强干扰信号目的。该算法易于求解,对参数的选取具有较强稳健性,在低快拍条件下,依然能有效地工作,增强了自适应波束形成器稳定性。     

基于RBF神经网络的自适应反演大机动飞行控制器设计

针对飞行器在大机动飞行过程中气动参数不确定、外部未知干扰因素较多及系统建模可能存在误差等问题,设计了一种基于RBF神经网络的非线性自适应反演控制器。飞行器大机动飞行过程中的广义不确定性由RBF神经网络在线逼近,神经网络权值矩阵通过自适应律在线更新。反演设计过程中对虚拟控制律的反复求导带来的"项数膨胀"问题,通过引入一阶滤波器来解决。通过构造Lyapunov函数,证明了闭环系统所有信号均有界,并且跟踪误差指数收敛到零的一个小邻域内。对某飞行器进行了大机动飞行仿真,结果表明该控制器具有良好的跟踪效果和鲁棒性。     

基于对称约化的偏微分方程相似解研究

由于非线性系统的复杂性,对于其求解问题的研究目前还没有通用的方法,为了丰富非线性系统的求解方法,在此通过偏微分方程的决定方程确定点对称无穷小生成元,结合对称约化中的非经典Lie群法得到热方程新的相似解,并基于符号计算系统Maple给出相应的符号计算方法和实现步骤。结果表明,该算法能够有效求解PDEs的相似解,并且不需要显示地求解对应于不变曲面条件的特征方程,同时也适用于其他的发展方程。     

基于ESO的NLPID神经网络控制器的设计

针对传统PID控制自适应和抗扰能力欠佳的问题,提出了一种具有强抗扰动能力的NLPID神经网络控制方法。该方法通过扩张状态观测器对系统建模中不确定性因素以及系统的外部扰动实时观测进行前馈补偿,并与非线性PID神经网络控制相结合,实现对非线性、时变、不确定性、受未知外扰系统的最优PID自适应抗扰控制。通过Matlab仿真结果与传统PID控制对比分析,表明该方法具有优良的动态品质和静态性能,在非线性系统控制领域拥具有重要的应用价值。     

基于子空间迭代的Prony模型参数估计

 在Prony模型满足充分必要条件的非线性最小二乘最优解的基础上,给出了Prony模型基于子空间迭代的非线性最小二乘参数估计(ISNLSE).基于对最优解几何结构的认识,导出了一个合理的"收敛控制条件",并构造了一个充分有效的算法;既加深了对问题求解的认识,又大大地改进了算法的收敛性和有效性.最后,用一个简单的例子阐明这一迭代过程,其结果和"扩充的ESPRIT算法"的结果作了比较.     

全负载蜂窝网络下多复用D2D通信功率分配算法研究

针对全负载蜂窝网络中D2D通信的功率分配问题,该文提出了一种基于非合作完全信息博弈纳什均衡解的多复用D2D通信功率分配算法。以优先保证蜂窝用户通信质量与D2D用户接入率为前提,设置D2D通信系统上行链路帧结构,之后建立非合作完全信息博弈系统模型,引入定价机制到功率分配博弈模型中并分析纳什均衡解的存在性与唯一性,最后给出该模型的分布式迭代求解算法。仿真结果表明,随着D2D用户复用数量的增加,该算法在提升系统吞吐量的同时,能有效地控制系统内部干扰,大幅度降低系统总能耗。     

一种基于神经网络的自适应非线性自动舵

针对仅航向角可测量的船舶航向控制系统,提出一种基于神经网络的自适应非线性航向控制器.首先采用神经网络在线逼近系统中的未知项,并设计滑模观测器在线估计艏摇角速度;然后基于动态面控制思想设计非线性观测器-控制器.利用Lyapunov方法证明了误差变量是一致最终有界的.以某自航船模为例仿真,结果表明所提方法鲁棒性好,且操舵合理.     

基于最优控制的神经网络自适应飞行控制

针对非线性动态逆控制鲁棒性差的缺点,综合最优控制和神经网络控制,提出一种自适应非线性控制策略。首先采用非线性动态逆进行基本控制律设计,然后对由于建模误差或舵面故障等因素导致的动态逆误差,利用神经网络进行在线补偿,根据最优控制理论得到神经网络权值的自适应律,并基于Lyapunov直接法证明该自适应律的稳定性和收敛性。针对某飞机的仿真结果表明,在存在较大逆误差的情况下,所设计的控制系统具有良好的鲁棒性。