两种基于Narendra方案的混合自适应修正方案

本文在Ｎａｒｅｎｄｒａ等人所提出的适用于理想对象的混合自适应控制方案的基础上提出了两种混合自适应方案。本文首先将Ｎａｒｅｎｄｒａ等人提出的仅适合于理想对象的控制器方案利用规范化方法推广到对象具有未建模动态情况，提出了一种修正方案，然后又针对修正方案在某些情况下收敛速度缓慢这一缺点进行分析，发现是Ｎａｒｅｎｄｒａ方案的固有缺点，于是又提出了一种变换误差模型方案，采用两种不同的敏感函数和误差测度模型…     

对象参考参数自适应时滞补偿器

基于模型参考自适应控制原理,提出对象参考参数自适应时滞补偿器,以线性大时滞不确定被控对象为参考模型综合出自适应律,使预估补偿器的参灵敏逐步逼近被控对象的参数直至相等,仿真研究表明,在参数不匹配和出现负荷扰动的情况下,参数自适应时滞补偿器均有良好的预估补偿能力。     

全系数自适应控制方法对参数慢时变对象的鲁棒性及其应用

本文研究了全系数自适应控制方法对参数慢时变对象的鲁棒稳定性。证明了存在未建模动态及有界扰动情况下，采用经投影修正的梯度算法估计标称对象，黄金分割自适应控制器仍能稳定标称对象。对含乘性不确定性的线 性慢时变对象，给出了自适应控制系统鲁棒稳定的充分条件。作为理论结果的一个应用，本文分析了液体元地点发动机工作期间卫星姿态的全系数自适应控制方案的鲁棒稳定性。     

一种面向多核的自适应并行虚拟机模型

给出了一种面向多核的自适应并行虚拟机模型。该模型以轻量级进程作为基本的调度对象,同时在指令层面上提供了对面向对象思想的支持,使得编程语言中的对象在成员方法被调用时可以动态映射为一个轻量级进程。虚拟机上程序的执行过程表现为多个对象间的消息传递,多个对象之间通过名字解析服务进行查找定位,而每个对象可以被映射到不同的内核上执行,从而使系统的并行性具有自适应性。     

自适应模糊控制的仿真研究

本文将一种在线变动模糊划分的自适应模糊控制应用在不同对象的控制仿真中，取得了良好的控制品质。对于不同对象，模糊控制器在线判断对象特征，预测控制过程所需能量，在线动态变化模糊集合的划分。控制器需人工设置的参数很少，易于实用到实际控制过程中，本文还给出了模糊控制系统稳定的一个充分条件。     

线性时变对象的鲁棒自适应控制

本文用鲁棒自适应律解决了线性慢时变对象的模型参考自适应控制问题。我们引入文献[1]的鲁棒自适应律来调节被控对象的控制器参数,并对任意有界初始条件,证明了自适应环中所有信号的有界性。与文献[2]相比,这种方案的优点是保证了对象参数关于时间已知时,跟踪误差趋于零。     

一种对象存储设备中自适应动态预取策略

在对象存储系统中,对象存储设备具有很高的智能和处理能力,它负责对象及其属性的数据组织和管理,向外提供基于对象的访问接口。每个对象均具有属性,它反映了对象的某些特征。通过为每个对象自定义一个预取属性页,对用户访问对象存储设备的规律进行智能的自我学习,从而实现一种高效的、自适应的动态预取算法,可以提高对象存储设备的预取命中率,从而提高对象存储设备的性能。     

.NET平台下自适应缓存对象替换算法

缓存是提高Web应用程序性能的一个重要手段..NET平台下提供了数据缓存与页面缓存技术,在已经实现的缓存对象的基础上,设计了一种缓存对象的自适应替换算法.算法使用了基于缓存对象的价值与被访问频率的综合优先级策略,提出了相应的缓存对象被替换规则.算法充分考虑了缓存对象之间的依赖关系对优先级的影响.从对象命中率与系统的整体响应时间两个方面测试了算法的性能,测试表明所提出算法相对于最小价值算法、最少使用频率算法有较大的改进.     

基于遗传算法的神经网络自适应控制器的研究

提出了一种基于遗传算法的神经网络自适应控制方法。该方法是针对ＢＰ算法训练神经网络控制系统时收敛速度慢、动态特性不够理想等不足，用改进的遗传算法来优化神经网络辨识器与控制器的参数，以提高控制系统的性能，仿真实验表明该控制器对于非线性、时变、滞后等对象都具有很好的控制精度、鲁棒性和动态特性。     

自适应MAC的改进算法

针对具有欠阻尼特性的被控对象，提出了自适应MAC的改进算法。改进算法采用一种紧凑模型描述对象单位脉冲响应序列，可使截取为内模的对象单位脉冲响应有限序列长度大大减小。因此，内模在线辨识及MAC的在线计算量显著减小，大大提高了自适应MAC的实时性。     

神经网络自适应控制器的设计与实现

提出了一种神经网络自适应控制器，给出了控制器的结构形式和学习算法。基于MATLAB6.1/SIMULINK环境，利用SFUNCTION模块实现该控制器，给出了具体实现的一般方法，并针对三阶纯滞后、时变非线性对象进行仿真。仿真结果表明了该算法的有效性。     

新型的Smith自适应辨识控制算法

针对参数缓慢变化的时滞对象,按照模型参考辨识的设计思想,将时滞对象看作一个被辨识过程,用广义误差e经过自适应辨识器在线调整smith预估器,使其与时滞对象的动态过程尽可能一致。利用超稳定性理论,设计出了在较大范围内被控对象参数可变的Smith自适应辨识器,并进行了仿真。结果表明,该控制算法取得了良好的控制效果,并且对于任何参数缓慢变化的时滞对象,均可用Smith自适应辨识控制算法加以控制。     

知识融合中的反馈评估和参数校正的机制

提出了一种在知识融合框架结构中建立根据应用结果进行反馈评估和参数校正的机制.相关的知识资源对象和应用需求描述通过本体论方法被表示为知识空间中的对象节点;根据知识融合的特点建立了知识对象的评价参数体系,提出了基于反馈和参数校正机制的自适应模块;分析了该模块与其他模块之间的层次关系,仿真实验说明了该机制的合理性.     

基于极点配置的多模型自适应控制

基于极点配置技术对单输入单输出离散时间被控对象提出多模型自适应控制算法，在保证稳定性的前提下，算法对被控对象参数跳变时能进行有效的控制，并提高了系统的瞬态响应。     

一种基于对象特征的自适应模糊控制

提出了一种基于对象特征的自适应模糊控制.模糊控制器在线判断对象特征,预 测控制过程所需能量;据此在线动态变动模糊集合的划分,适应不同对象的控制.控制系统动 态品质和稳定性分别在阶跃响应上升阶段和稳态调整阶段实现,兼顾两方面的要求.给出了 模糊控制系统稳定的一个充分条件.该条件通过调整控制量的模糊划分实现.     

一种在线变动模糊划分的自适应模糊控制方法

本文提出了一种在线变动模糊划分的自适应模糊控制方法。该方法在控制中基于二阶模型在线判断被控对象的特征，据此在线调整模糊控制中模糊集合的划分。模糊集合划分的在线变动与模糊控制规则共同实现控制策略，能适应对控对象的较大变化。文中给出了多种工况控制实例。     

一种新的多模型模糊自适应控制算法

模仿人的决策思路，对多模型对象提出一种新的自适应控制算法。在建立起对象的有限个模型并离线设计好对应的控制器后，算法通过在线计算模型匹配程度和控制权重来适应对象模型参数的突变。仿真结果表明，该算法简单有效，跟踪迅速，鲁棒性强。     

PB应用中窗口自适应系统环境变化

首先分析了ＰＢ开发的应用中窗口及其对象不能随系统环境改变的问题,铕给出了这一问题的详细解决方法。     

电加热微型反应器的串级自适应预估控制

针对电加热反应器这类大惯性对象,提出了一种基于参考模型的串级自适应预估控制算法,它用反应器壁温预估反应器内温,通过自适应律消除预估误差。实验表明这种算法可以很好地克服对象的惯性,对于串级大惯性对象具有很好的控制作用。     

一种改进的自适应Smith预估控制系统

在献[2]中提出的自适应Smith预估控制方法中，经过仿真发现，当实际对象增益比估计模型增益大的时候，系统响应很慢，消除稳态误差的时间很长，经过深入分析和揭示问题的实质后，提出了另一种自适应律，该方法在没有影响原来控制效果的情况下，可以提高系统的响应速度。