多纸种造纸机定量控制的神经网络方法

用有限个时不变模型描述多纸种造纸机不确定系统，用神经网络方法实现了该纸机的定量控制。该方法以经过训练的神经网络控制器代替常规控制器，可同时达到对多个模型的控制，进而达到对不确定系统的控制。     

不确定多变量系统控制的多模型设计方法及其在造纸机控制中的应用

本文用有限个时不变模型描述不确定多变量系统,给出了一种鲁棒控制器频域设计方法,使得由控制器和任一模型构成的单位反馈系统都达到闭环的稳定性、渐近调节和跟踪、弱相互耦合以及期望的瞬态特性.该方法应用于造纸机的多种纸张的定量和水份控制,获得了令人满意的效果.     

不确定多变量系统控制的多模型设计方法及其在造纸机控制中的应用

本文用有限个时不变模型描述不确定多变量系统,给出了一种鲁棒控制器频域设计方 法,使得由控制器和任一模型构成的单位反馈系统都达到闭环的稳定性、渐近调节和跟踪、弱 相互耦合以及期望的瞬态特性.该方法应用于造纸机的多种纸张的定量和水份控制,获得了 令人满意的效果.     

一类非线性多变量系统的多模型自适应控制

针对一类不确定的非线性多变量离散时间动态系统,提出了一种基于切换的多模型自适应控制方法.该控制方法的特点在于以下两个方面:首先,引入一个高阶差分算子使得非线性系统的非线性项的限制条件不再要求全局有界;其次,提出的控制方法由线性自适应控制器、神经网络非线性自适应控制器以及切换机构组成:线性控制器用来保证闭环系统的输入输出信号有界,神经网络非线性控制器用来改善闭环系统的性能,基于性能指标的切换机构在每一时刻选择性能指标较好的控制器对系统进行控制.理论分析和仿真实验说明了提出的多模型自适应控制方法的有效性.     

不确定性自由漂浮空间机器人神经自适应控制

针对具有模型不确定性以及外部干扰下的自由漂浮空间机器人,采用一种整体逼近的神经网络自适应控制方法。该方法采用RBF神经网络对不同重力环境下系统模型的不确定项进行整体逼近,对系统的不确定项进行在线自适应学习。神经网络的逼近误差以及外界干扰由鲁棒项进行消除。该方法不依赖于系统模型,简化了控制系统的结构,在考虑重力等不确定项的情况下不用改变控制器也能进行控制,并且根据李亚普诺夫理论证明了所设计控制器使系统渐进稳定。在不同重力环境下进行了仿真,验证了控制方案的有效性。     

一类非线性非最小相位系统的直接自适应控制

针对一类不确定的离散时间非线性非最小相位动态系统,提出了一种基于神经网络和多模型的直接自适应控制方法．该控制方法由线性直接自适应控制器,神经网络非线性直接自适应控制器以及切换机构组成．线性控制器用来保证闭环系统输入输出信号有界,非线性控制器用来改善系统性能．切换策略通过对上述两种控制器的切换,保证闭环系统输入输出有界的同时,改善了系统性能．理论分析以及仿真结果表明了所提出的直接自适应控制方法的有效性．     

一种参数快速收敛的多变量系统神经网络PID控制

对多变量系统设计了神经网络ＰＩＤ控制，解决了多变量系统Ｐ、Ｉ、Ｄ参数难以整定的问题。基于对象模型，提出了一种新型神经网络控制器的训练方法，该方法用多步二次型性能指标函数去训练控制器的权值，从而提高了控制器参数的收敛速度和系统的响应性能，降低了各通道之间的耦合。理论分析和仿真实验表明了该方法的有效性。     

一类非线性系统的多模型神经网络解耦控制器

针对多变量非线性离散时间系统设计多模型神经网络解耦控制器，在每个平衡点处用一神经网络离线辨识非线性系统的线性部分，利用另一神经网络在线辨识非线性部分，将非线性部分视为可测干扰并采用前馈的方法予以消除，所有平衡点处得到的系统模型汇集起来构成多模型集，在每一采样时刻基于切换指标选出最优模型作为当前模型，并据此设计解耦控制器实现控制，仿真结果表明系统在多个平衡点处仍然可以得到较好的控制效果。     

基于免疫思想的多模型控制器设计及仿真研究

根据体液免疫中抗体的二官性性质，用CMAC神经网络模拟抗体的恒定区、ADALINE神经网络模拟抗体的可变区，用两种神经网络的结合近似模拟一个抗体。一个抗体可识别多个抗原，这与多模型控制中一个控制器可控制某个变化范围内的对象有着极大的相似之处。根据上述的原理，该文用两种神经网络构造出多模型控制器并结合某过热汽温对象验证了该控制器的有效性。     

二级倒立摆的状态变量合成模糊神经网络控制

为解决模糊神经网络在控制多变量系统时的规则组合爆炸问题，提出用状态变量合成模糊神经网络控制二级倒立摆。该方法既能解决具有快速、强非线性、绝对不稳定系统的控制问题，又能对状态变量可摈性质和类型分类的多变量系统，大大减少模糊神经网络控制器的规则数，有利于利用专家的控制经验。实验结果证实了该方法的控制效果好，鲁棒性强。     

造纸过程定量水分的小波神经网络PID控制

抄纸过程定量水分控制系统存在时变、时滞、非线性、不确定等特点,使得定量、水分两个指标波动幅度较大,严重地影响了成纸合格率,断纸次数多。为解决上述问题,设计了定量水分的串级控制方案,采用小波神经网络PID控制方法对定量水分控制,并建立了三层神经网络模型,输出层单元分别表示PID控制器的三个参数,用非线性小波基函数取代隐层神经元的Sigmoid函数,根据定量、水分的实际输出与期望输出之间的偏差可实时在线调整PID参数。在MATLAB上进行仿真。仿真结果表明,控制系统能较好地克服时滞、时变、非线性等干扰对定量水分的影响,实现控制精度高,能很快达到稳定,并可有效地减少断纸次数,提高造纸效率。     

基于滑模变结构的空间机器人神经网络跟踪控制

研究了在无需模型估计值的情况下不确定空间机器人轨迹跟踪问题,提出了滑模变结构的神经网络控制方案.首先基于Lyapunov理论设计了一种径向基函数（RBF）神经网络控制器来补偿系统中的未知非线性,该神经控制器能够保证闭环系统的稳定性,而通过利用饱和函数把神经网络和滑模控制结合起来的控制器来不仅可以进一步削弱滑模控制输入的抖振,且当神经网络控制器无效时仍能保证系统鲁棒性.仿真结果证明了该控制器能在初期及强干扰情况下均能达到较好的控制效果.     

基于神经网络与多模型的非线性自适应广义预测控制

针对一类不确定非线性离散时间动态系统, 提出了基于神经网络与多模型的非线性广义预测自适应控制方法. 该自适应控制方法由线性鲁棒广义预测自适应控制器, 神经网络非线性广义预测自适应控制器和切换机制三部分构成. 线性鲁棒广义预测自适应控制器保证闭环系统的输入输出信号有界, 神经网络非线性广义预测自适应控制器能够改善系统的性能. 切换策略通过对上述两种控制器的切换, 保证系统稳定的同时, 改善系统性能. 给出了所提自适应方法的稳定性和收敛性分析. 最后通过仿真实例验证了所提方法的有效性.     

基于自组织模糊CMAC神经网络的不确定系统的H∞鲁棒自适应控制

针对一类不确定系统，提出一种基于自组织模糊小脑模型（SOFCMAC）神经网络的H∞鲁棒自适应控制方法，通过设计标称系统的H∞控制器，并采用SOFCMAC神经网络在线对消系统的建模不确定性产生的误差，可保证不确定闭环稳定并具有H∞性能，证明了SOFCMAC神经网络H∞鲁棒自适应控制系统的稳定性，仿真算例表明了该方法的有效性。     

一类不确定非线性系统反步自适应神经网络控制研究

针对合有高阶不确定扰动项且不可参数线性化的一类非线性系统，采用反步递推方法设计基于多层神经网络的自适应控制器，多层神经网络可较好地逼近非线性系统，其权值能在系统先验知识不多的情况下在线调整，给出了神经网络Lyapunov意义下稳定的在线自适应律，在设计控制器的过程中，采用类加权形式Lyapunov函数，使得控制器能有效处理自适应控制奇异性问题，仿真结果表明，该控制器对系统参数的不确定性和有界干扰具有一定的鲁棒性，并能保证闭环系统全局稳定。     

具有H_∞性能的机械手神经自适应跟踪控制

针对非线性不确定机械手系统的轨迹跟踪控制问题,提出一种具有H∞性能的神经自适应控制算法;该算法为机械手系统分别设计了主控制器和监督控制器;主控制器由神经网络控制为基础,基于滑模控制原理得到神经网络权值的自适应律;基于李亚普诺夫稳定性理论和鲁棒控制设计的监督控制器,补偿自适应神经网络对系统不确定项学习的误差,同时使系统具有H∞性能;通过二自由度机械手模型进行仿真实验,仿真结果验证了方法的有效性。     

基于神经网络的广义非线性预测PID控制

针对一些复杂的非线性系统用基于线性模型的预测控制器控制效果不理想的问题，本文提出在利用前馈网络对非线性系统建模的基础上，对系统输出实现递推多步预测，并且结合非线性PID，用另一前馈神经网络作为控制器，实现对非线性系统的控制。经网络的在线辨识采用梯度法，仿真实验验证了方法的有效性。     

自适应神经变结构的机器人轨迹跟踪控制

提出一种神经网络与变结构融合的控制策略用于非线性机器人控制,该方案利用神经网络来自适应补偿不确定模型,并通过变结构控制器消除逼近误差.考虑到局部泛化网络的不足,根据其状态空间的划分,分别对3个区间采用神经网络与变结构的分级与集成控制.该方案能在控制阶段初期及网络逼近区域外使两种控制器共同起作用以保持系统的强鲁棒性,基于Lyapunov理论证明了闭环系统的全局稳定性.仿真结果进一步表明了该方法的优越性.     

可调引射混合式低压加热器的智能控制

针对可调引射混合式低压加热器是一个多输入多输出的非线性系统,具有时变和非线性特性,采用广义生长-剪枝RBF(GGAP-RBF)神经网络对其进行双变量神经网络自适应控制。该方法用GGAP-RBF网络对加热器非线性模型进行实时辨识,并将系统的Jacobian信息反馈给BP神经网络控制器,从而保证了控制器对被控对象的精确控制。通过加热器的控制对比试验,结果表明该方法能在动态条件下实现对加热器的自适应控制,并且具有较好的动静态性能。     

船舶航向控制的多滑模鲁棒自适应设计

针对带有未知虚拟控制增益和常参数不确定的非匹配不确定船舶航向非线性控制问题,设计了一种新的多滑模鲁棒自适应控制算法.该算法利用神经网络来逼近系统模型的不确定性;应用逐步递推的多滑模控制算法降低了控制器的复杂性;尤其是采用Nussbaum函数处理系统中符号未知的问题,避免了可能存在的控制器奇异值问题;然后借助Lyapunov稳定性分析方法,理论分析证明了所得闭环系统全局一致最终有界,且跟踪误差收敛到零.仿真试验结果表明,该方法具有较好的控制效果.