基于NNα阶逆的非线性大时延系统预测控制

针对较一般的模型未知非线性大时延系统,构造其ＮＮα阶递系统与原子系统复合成ＮＮα阶伪线性复合系统;然后将此复合系统作为被控对象,用线性预测控制方法实现有效控制,简化了预测控制器的设计,易于进行稳定性和稳态偏差分析。     

基于Bp网络的非线性系统的动态矩阵控制

利用BP网络建立非线性系统的数学模型,并将该模型和动态矩阵控制算法相结合对非线性系统进行控制,仿真结果表明该算法对一类时滞非线性具有较好的控制效果。     

基于非线性动态逆的大迎角飞行控制律设计

研究飞机大迎角飞行优化控制问题。为了用非线性动态逆方法进行大迎角飞行控制律设计,首先建立具有大迎角条件下强非线性、非定常迟滞、不对称的力与力矩等气动特性的六自由度非线性飞机模型。然后将非线性动态逆方法与奇异摄动理论相结合,并将飞机状态划分为快慢回路,分别应用非线性动态逆方法进行了飞行控制律设计。最后,通过控制分配将计算得到的三轴力矩指令转化为相应的舵面与推力矢量偏转指令,并进行了仿真验证。仿真结果表明,设计的飞行控制律具有优良的大迎角控制效果。     

连续非线性系统的神经网络α阶逆系统控制方法

对连续非线性系统,采用连续系统的设计方法,利用神经网络对非线性函数的逼近能力加上用来表征系统动态特性的若干积分器,构造工程上可实现的原系统的神经网络α阶逆系统(将α阶逆系统直接与原系统串接,构成α阶积分伪线性复合系统),并对α阶积分伪线性复合系统设计线性控制器,实现对原非线性系统的有效控制.仿真结果表明,该方法适用于较一般的线性、非线性连续系统,且结构简单,易于工程实现.     

基于动态神经网络的非线性内模控制

针对一类不确定仿射非线性系统，提出一种基于动态神经网络的非线性内模控制方法。利用该网络模型存在相对阶时可以解析求得逆模型的特点，避免了普通神经网络内模控制方案中求逆的困难。并在有建模误差的情况下，通过将非线性对象输入输出线性化，分析了闭环系统的鲁棒稳定性和稳态性能。仿真试验表明该方法是可行和有效的。     

神经网络α阶逆系统在离散非线性系统控制中的应用

给出一般离散非线性系统的神经网络α阶逆系统(将α阶逆系统与原系统直接串联起来,构成一伪线性系统,具有α阶时延性质)的结构与辨识,并研究其在非线性系统控制中的直接应用。仿真结果表明该方法具有较普遍意义,且结构简单,易于实现。     

基于预测控制方法的非线性神经网络逆控制

针对一类多输入多输出非线性被控对象,利用前向神经网络逼近原系统的逆系统,将其作为控制器,采用预测滚动优化性能指标训练该神经网络逆控制器,以克服干扰和不确定性影响,实现对多变量非线性对象的解耦控制。对某微型锅炉对象进行了控制算法仿真,结果表明,所提出的控制方法能够克服模型误差的影响,实现稳定解耦控制,且易于实现。在仿真过程中通过实验方法建立该锅炉对象的神经网络预测模型,并注意采用泛化方法采集训练样本数据和训练神经网络,以提高神经网络模型的泛化能力。     

基于逆系统方法的非线性系统内模控制

本文的目标是采用逆系统方法来达到对一类特殊的非线性连续动态系统的跟踪控制。基于高斯基函数的径向基数神经网络以其在函数逼近方面的优势而被用来逼近已知对象的α-阶积分逆系统。为了提高控制精度，我们利用内模控制来减少由于建模及扰动引起的误差作用。仿真结果表明此方法具有理想的效果和高的精度，且内模控制器设计简单。     

基于SVM逆系统的非线性系统广义预测控制

针对工业过程中普遍存在的非线性被控对象,提出了一种基于支持向量机（SVM）逆系统的广义预测控制算法。该方法根据广义预测控制基于预测模型的特点,将基于支持向量机系统辨识的方法应用于逆系统构建和广义预测控制。该方法利用SVM强大的非线性映射能力离线辨识被控非线性系统的α阶逆模型,并将辨识出的逆模型连接在原被控统之前形成一个α阶纯延时伪线性系统。然后采用广义预测控制（GPC）算法实现对构造出的伪线性系统的预测控制。仿真实验表明了该算法的有效性和优越性。     

非线性系统的神经网络自适应逆控制

提出了非线性系统的神经网络自适应逆控制方法。设计中使用了2个神经网络，经离线训练的NN1实现非线性系统的逆，在线网络NN2用于补偿逆误差和系统的动态特性变化，对一非线性系统的仿真结果表明，神经网络自适应逆控制能够提高系统的动态性能，并且具有较好的鲁棒性。     

基于逆系统方法的汽轮发电机组汽门开度非线性控制

电力系统中，汔轮发电机组的汽门开度控制是一个典型的非线性控制问题，本文应用逆系统方法设计出了便于实现的非线性控制规律。经仿真研究表明，所设计的控制律可以显著改善系统的动态性能，达到良好的控制效果。     

具有时变时滞非线性动态系统的在线时滞估计

对具有时变时滞的非线性动态系统进行时滞估计是系统辩识的一项重要课题。为估计系统的动态特性，采用了一种带外反馈的动态神经网络。如果时滞是时变的，需要研究在线时滞估计机构来跟踪时滞的变化。本提出了两种分别称之为直接和间接时滞在线估计方法，其中间接法将时滞估计看作非线性优化问题，而直接法则用神经网络构造时滞估计器来跟踪时滞的变化。最后本给出了仿真的例子。     

基于非线性动态逆的无人机编队协同控制

针对多无人机在空间机动过程中的编队形成与保持控制问题,提出一种基于非线性动态逆的无人机编队控制方法.将编队控制过程分解为两步:首先给出分布式长机状态估计算法,各编队无人机根据"相邻"无人机状态解算自身的期望运动指令;其次是设计接于非线性动态逆的编队控制器,使各无人机快速跟踪其期望指令并形成和保持稳定队形.仿真实验表明,编队长机进行空间机动过程中,各僚机能够准确估计其状态,快速形成并维持队形稳定.     

动态矩阵控制时滞补偿设计及应用

考虑到大时滞对象的难控制性与先进控制算法的应用问题，提出了一种具有时滞补偿特性的动态矩阵控制（DMC）设计方法。它能达到类似Smith补偿法一样的完全时滞补偿效果，并从理论与应用两方面证明了此设计方法的有效性。     

基于非线性动态逆的姿态跟踪控制

当遇到非线性系统时可以利用传统的控制策略将其转化为线性系统进行处理,但是当系统的非线性度很高的时候,传统的控制策略就无能为力了,为了在飞行控制领域解决上述问题,引入了动态逆控制方法。首先确定一种非线性动态逆控制规律在飞行器上的应用,同时考虑到了惯性参数的不确定性和气动力矩的不确定性,实际是一种非线性的时变系统,为了改善全局稳定性,可以通过六自由度的仿真保证系统稳定,证明控制规律的有效性。     

时滞系统神经网络逆控制研究

为了改善大时滞对象的控制效果,提出一种带时滞时间辨识的神经网络逆控制系统。利用自适应线性元件与BP网络相结合,辨识对象的时滞时间及不含时滞环节的模型,再对不含时滞的模型构造神经网络逆,并选择合适的参考模型使逆模型的输出平滑。将训练好的逆模型作为控制器,与被控对象串联形成开环控制,有效避免了闭环控制可能引起的不稳定。仿真结果表明,该控制策略能够实现系统快速平稳的输出,且能够克服时滞时间及参数变化引起的不良影响,与Smith预估控制器相比,具有较好的鲁棒性及抗干扰能力。     

一类非线性时滞大系统的自适应鲁棒控制

研究一类包含参数不确定性和关联时滞的不确定时滞组合大系统的鲁棒控制问题。利用线性矩阵不等式技术和自适应参数估计方法，设计鲁棒自适应控制器，从而保证闭环系统渐近稳定。最后给出了仿真示例，说明了该方法的有效性。     

基于支持向量机α阶逆系统方法的非线性内模控制

为了提高传统逆系统方法的鲁棒性和抗干扰能力, 提出了基于支持向量机α阶逆系统方法的非线性内模控制新方法. 该方法利用支持向量机辨识非线性系统的α阶逆模型, 并将其串连在原系统之前得到复合的伪线性系统. 对求得的伪线性系统采用内模控制方法进行控制. 仿真结果证明了该方法的有效性. 理论分析和仿真结果均表明, 该方法不依赖于系统的模型, 且较一般的逆系统方法鲁棒稳定性好, 设计简单, 跟踪精度高, 是解决非线性系统控制的一种可行的理论方法.     

一类非线性时滞系统的自适应动态面控制

本文对于一类含不确定输入时滞和干扰的非线性系统的跟踪控制问题提出了一种自适应动态面控制方案. 利用动态面控制方法避免了传统的后推设计中存在的复杂度爆炸问题. 分别构造了一个滤波器和一个虚拟观测器来产生辅助信号. 采用神经网络来逼近未知的连续函数. 跟踪误差被证明最终收敛到一个足够小的紧集. 给出了一个数字仿真示例验证了理论结果.     

多变量非线性时滞系统的内模控制

本文将单入单出非线性内模控制的设计方法推广到了含多步时滞的多入多出的非线性系统控制器设计中，对于不含纯滞后的过程，所设计的控制器能够实现所期望的常规性能。其中通过非线性滤波器的加入，能够获得当过程和模型存在失配时的鲁棒性，并使控制器结构得以实现。