动态系统时变参数辨识的一种途径

本文提出了一种克服动态系统时变参数辨识所遇到的观测数据不能“充分丰富”这一本质性困难的方法。这一方法把时变参数辨识分两步来完成。首先应用多项式逼近把时变参数的离线辨识化成了非时变参数的辨识;其次以离线辨识所得的参数估值为基础,建立起它所满足的数学模型或得出时变参数一定步长的预报值。     

控制方向未知的二阶时变非线性系统自适应迭代学习控制

对一类二阶严格反馈时变非线性系统的自适应迭代学习控制问题进行了研究.系统中含有非周期时变参数化不确定性且控制方向未知.首先,提出了一种神经网络估计器,实现了对未知非周期时变非线性函数的逼近.随后,用Nussbaum函数对未知控制方向进行了自适应估计,并综合应用baCkstcpping技术和自适应迭代学习控制技术设计了控制器.所设计的控制器能保证系统所有状态量在Lpe-范数意义下有界,且系统的输出量在LT2-范数意义下收敛到期望轨迹.最后的仿真研究证明了控制器设计方法的有效性.     

非线性系统的RBF网络直接广义预测控制

针对广义预测控制(GPC)算法需要在线递推求解Diophantine方程及矩阵求逆等计算量大的缺陷,本文对参数未知非线性系统提出一种RBF网络的直接广义预测控制方法。该方法首先将非线性系统转化为时变线性系统,然后用三次样条基函数逼近系统广义误差中的时变系数,并基于广义误差估计值对控制器参数即网络权值和广义误差估计值中的未知向量进行自适应调整,然后利用RBF网络来逼近控制增量表达式。     

含有未知控制方向的非线性时滞系统学习控制

本文对于一类含有未知控制方向及时滞的非线性参数化系统,设计了自适应迭代学习控制算法.在设计控制算法过程中采用了参数分离技术和信号置换思想来处理系统中出现的时滞项,Nussbaum增益技术解决未知控制方向等问题.为了对系统中出现的未知时变参数和时不变参数进行估计,分别设计了差分及微分参数学习律.然后通过构造的Lyapunov-Krasovskii复合能量函数给出了系统跟踪误差渐近收敛及闭环系统中所有信号有界的条件.最后通过一个仿真例子说明了控制器设计的有效性.     

一种新的非线性离散时间系统的模糊辨识方法

对一类非线性离散时间系统提出一种新的模糊的辨识方法。该方法在假设逼近误差界已知的情况下,基于死区函数对模糊逻辑系统中的未知参数设计自适应学习律;在逼近误差界未知的情况下,基于时变死区函数对模糊逻辑系统中的未知参数设计自适应学习律,并对时变死区进行自适应调节。证明了所设计的自适应学习律均可使辨识误差收敛到原点的一个小邻域内。仿真结果表明了该算法的有效性。     

利用移位勒让德多项式对时变双线性系统的辨识

本文提出了利用移位勒让德(Shifted Legendrc)多项式辨识时变双线性系统的一个方法。首先,利用移位勒让德多项式展开和积分运算矩阵,把微分方程化为便于计算机计算的矩阵代数方程形式;然后解代数方程从而得到双线性系统未知时变参数的估计;最后给出了仿真例子。本文的方法不仅简化了计算,而且给出了相当精确的辨识结果。     

纸张定量水份控制系统的数学模型和参数辨识方法

本文对于纸张定量水份控制系统建立了具有未知时变随机参数的差分方程模型.利用文 献[1]的思想,对于未知参数进行了估计和预报,得到了相应的系统控制模型,进一步导出了控 制方案.经实际运行,纸张的定量水份指标控制在令人满意的范围内.     

周期时变时滞非线性参数化系统的自适应学习控制

针对一阶未知非线性参数化周期时变时滞系统, 设计了一种自适应学习控制方案. 假设未知时变参数, 时变时滞和参考信号的共同周期是已知的, 通过重构系统方程, 将包含时变时滞在内的所有未知时变项合并成为一个周期时变向量, 采用周期自适应律估计该向量. 通过构造一个Lyapunov-Krasovskii型复合能量函数证明了所有信号有界并且跟踪误差收敛. 结果被推广到一类含有混合参数的高阶非线性系统. 通过两个仿真例子说明本文所提出的控制算法的有效性.     

基于RBF神经网络的直接广义预测控制

针对广义预测控制算法需要在线递推求解 Diophantine 方程及矩阵求逆等计算量大的缺陷,对参数未知多变量非线性系统提出一种径向基函数神经网络的直接广义预测控制算法.该算法将多变量非线性系统转化为多变量时变线性系统,用三次样条基函数逼近系统广义误差向量中的时变系数,然后利用径向基神经网络来逼近控制增量表达式,并基于广义误差估计值对控制器参数向量即网络权值向量θu和广义误差估计值中的未知向量θe进行自适应调整.仿真结果验证了此算法的有效性.     

利用模糊逻辑系统实现函数逼近的仿真研究

针对不确定性非线性系统，基于Wang L X提出的模糊辨识器的设计原理,给出了基于模糊逻辑系统实现函数逼近的方法，该方法通过采用中心平均模糊消除器和隶属函数，实时地调整参数来实现未知函数、尤其是非线性函数的逼近。通过适宜选择初始参数可使模糊逻辑系统在任意精度上逼近真实系统。该文给出了实现函数逼近的具体算法、步骤和程序流程，并利用MATLAB语言编写了实现函数逼近的通用程序，在工程中可利用此通用程序实现对未知作用函数的近似估算，具有一定的工程实际使用价值。实例仿真取得了良好的效果。     

一种辨识Hammerstein模型的新方法

本文结合参数估计理论和函数逼近论中的一些理论结果,提出了一种开环辨识Hammerstein 模型的新方法.这种方法能够克服目前广泛采用的辨识Hammerstein模型的方法中的 缺点,获得模型线性动态部分参数的渐近无偏估计及无记忆非线性特性,具有接近最佳逼近 效果和较好收敛性的逼近多项式.     

一种高速的函数生成算法

本文提出了一种高速的函数生成算法——区间分割多项式逼近法,这种算法的思想是缩小函数的逼近区间,然后对缩小后的区间进行分割,在各小区间上分别用多项式逼近函数。本文提出的判断定理可用于降低逼近多项式的次数以优化逼近算法,而多项式并行算法能加快较高次数的逼近多项式的计算,这种函数算法容易实现,已用于一台数组处理机初等函数算法的设计上,取得了明显的效果。     

具有输入死区的非线性系统的鲁棒重复控制

针对一类输入含死区非线性特性的周期时变系统, 在周期时变参数不可参数化的情形下设计鲁棒重复控制器. 采用微分自适应律估计未知死区参数, 剩余的有界项通过鲁棒方法予以消除, 为避免出现颤振现象, 采用饱和函数替代符号函数. 在系统输出跟踪周期轨迹的情形下, 将非参数化不确定项转化为含周期时变参数的形式, 以达到利用周期学习律进行估计的目的. 理论分析与仿真结果表明, 采用部分饱和或全饱和学习算法均能实现输出误差有界收敛, 并保证闭环系统所有信号有界.     

时变时滞非线性系统自适应神经网络控制

对于一类具有未知时变时滞和虚拟控制系数的不确定严格反馈非线性系统,基于后推设计提出一种自适应神经网络控制方案.选取适当的Lyapunov-Krasovskii泛函补偿未知时变时滞不确定项.通过构造连续的待逼近函数来解决利用神经网络对未知非线性函数进行逼近时出现的奇异问题.通过引入一个新的中间变量,保证了虚拟控制求导的正确性.仿真算例表明,所设计的控制器能保证闭环系统所有信号是半全局一致终结有界的,且跟踪误差收敛到零的一个邻域内.     

非线性参数化系统自适应迭代学习控制

研究一类含有未知时变参数的非线性参数化系统的学习控制问题.利用参数分离技术和信号置换思想,通过置换系统方程,合并所有时变参数为一个未知时变参数,用迭代自适应方法估计该未知参数,设计了一种自适应迭代学习控制方法,使得跟踪误差的平方在一个有限区间上的积分渐近收敛于零.通过构造一个类Lyapunov函数,给出了跟踪误差收敛和所有闭环系统信号有界的一个充分条件.仿真结果验证了该方法的有效性.     

一类严格反馈非线性系统的间接自适应模糊控制

针对一类不确定严格反馈非线性系统,设计了间接自适应模糊控制方法．该方法用模糊逻辑系统逼近设计过程中的未知函数,基于时变宽度死区对模糊逻辑系统中的未知参数进行自适应调节,并对时变死区宽度设计了自适应律．证明了该方法能使闭环系统的所有信号有界,且可使跟踪误差收敛到原点的小邻域内．仿真算例验证了该方法的有效性．     

圆弧曲线段和球面曲面片的多项式逼近

鉴于现有的CAD/CAM造型系统不能处理圆和球面的隐式方程以及用三角函数所表示的参数方程,因此为了使现有的CAD/CAM造型系统能够处理圆弧、圆以及球面曲面片、球面,人们只能采用参数多项式和参数有理多项式来逼近它们。为了能更好地对圆弧曲线段和球面曲面片进行逼近,提出了一种基于最小二乘范数的参数Bézier多项式逼近方法。该方法根据在最小二乘范数L2下所定义的距离函数取最小值,首先得到了一个圆弧曲线段和球面曲面片的参数Bézier多项式逼近式,并把该逼近多项式表示成两个行列式的商的形式。如果所取圆弧曲线段或球面曲面片为圆或球面时,则可得到圆或球面的参数Bézier多项式逼近式。另外,用该方法也可得到椭圆弧曲线段和椭球面曲面片的参数Bézier多项式逼近式。最后给出了一些数值实例,数值实验结果表明,该方法是有效的。     

输入受限的非仿射无人帆船航向系统自适应动态面控制

针对输入受限和控制方向未知的无人帆船航向控制问题,考虑系统模型存在动态不确定和未知外界扰动的情况,本文提出一种基于非仿射航向运动数学模型的最小参数自适应递归滑模动态面控制策略.该策略通过Taylor展开方法将非仿射模型转化为具有线性结构的仿射时变系统,采用最小参数学习(minimal learning parameter,MLP)神经网络逼近无人帆船模型不确定部分,并利用双曲正切函数处理控制输入饱和现象,引入Nussbaum函数处理系统中未知控制方向问题,同时综合考虑帆船艏摇角速度误差和航向误差之间关系设计递归滑模动态面舵角控制律,并设计参数自适应律对神经网络逼近误差与复合干扰总和的界进行估计.选取李雅普诺夫函数证明了所设计控制器能够保证航向闭环系统内所有信号的一致最终有界性.最后,基于一艘12 m无人帆船进行仿真验证,结果表明无人帆船航向控制响应速度快,所设计的控制器能有效地处理模型不确定项和风浪等外界扰动,具有较强的鲁棒性.     

非线性时滞系统的周期自适应学习跟踪控制

针对一类参数未知的周期非线性时滞系统的输出跟踪控制问题,设计了一种周期自适应迭代学习跟踪控制算法,该方法利用信号置换的思想重组系统,并在假设未知时变参数和参考输出的周期具有已知最小公倍数的情况下,将时滞以及其他不确定的时变项合并为一个周期性的辅助时变参数新变量,进而用周期自适应算法来估计该辅助量.通过构造一个Lyapunov-Krasovskii型复合能量函数,分析了系统的收敛性,证明了经过多次重复迭代学习,所有闭环信号有界且输出跟踪误差收敛,最后通过构造数值实例进行了仿真验证.理论分析和仿真结果表明,该算法简单有效,对于非线性时滞系统的跟踪问题具有很好的控制效果.     

一类非线性系统的神经网络自适应区间观测器设计

本文研究了一类单输入单输出非线性系统的神经网络自适应区间观测器设计问题. 针对由状态和输入所描述的未知非线性函数的界不可测, 现有的区间观测器方法并未有效地处理系统含有参数不确定性的未知非线性函数. 首先, 本文构造两个径向基函数神经网络来逼近未知非线性部分, 进而分别估计系统状态的上下界; 然后, 选择合适的Lyapunov函数, 采用网络权值校正和网络误差选择机制确保所设计的误差动态系统有界和非负性, 并证明了神经网络自适应区间观测器的稳定性; 最后, 通过仿真实例验证了所提出的神经网络自适应区间观测器的有效性.