多变量自适应极点配置的递推算法

本文提出一个递推计算控制器参的方法，得到具有两层迭代过程的多变量自适应极点配置算法，大幅度减少了在线计算量，同时在辩识算法中利用投影方法，证明了该算法的稳定性和收敛性。     

不确定离散时滞模糊系统的广义H2控制

针对一类利用Takagi-Sugeno（T-S）模糊模型,构建了具有状态和输入时滞的不确定离散时间非线性系统,研究了其广义H2稳定和控制器的设计问题。基于分段二次李雅普诺夫（Lyapunov）函数稳定性分析理论,设计出了分段静态输出反馈控制器,使闭环系统对于允许的不确定参数广义H2稳定。数值仿真例子验证了这种控制器的设计方法的有效性和其理论结果的正确性。     

基于切换模糊模型和分段Lyapunov函数的T-S模糊系统时滞依赖H∞控制

研究了离散时滞T-S模糊系统的H无穷控制问题. 首先, T-S模糊系统被转换成等价的切换模糊系统, 基于分段Lyapunov函数, 给出了该系统带有H无穷性能的时滞依赖稳定化控制方法. 所得结论可以用一组线性矩阵不等式表示. 由于考虑了子系统间的相互关系, 因此所得结论较以往结果具有更小的保守性. 最后, 仿真例子说明了所提方法的有效性.     

一类非线性时滞输出反馈系统的自适应控制

针对一类参数化非线性时滞输出反馈系统,提出了一种无记忆自适应跟踪控制器的设计方案.采用时滞滤波器估计系统状态,用Domination处理非线性时滞项,应用Backstepping技术设计控制器和参数自适应律.放宽了对时滞项的要求.通过构建一个Lyapunov＿Krasoviskii泛函,证明了闭环系统的稳定性,实现了对目标轨线的渐近跟踪,保证了所有信号一致有界.实例仿真说明了该方案的可行性.     

RL型三I算法

基于三I方法，结合Lukasiewicz的蕴涵算子，给出具体的RL型三I算法，对其性质做了分析，将其在特殊取值的结果与直观推理规则相比较，得出RL型三I算法是一种适合于日常直观推理算法。     

寻找多智能体系统一致性的迭代学习方法

本文利用迭代学习的方法研究了带头结点的多智能体系统的一致性问题.文中分别对单积分多智能体系统和一般的线性多智能体系统提出了迭代学习型的一致性算法.该算法对每一个从节点所设计的分布迭代学习序列可以保证从节点能完全跟随上头结点.假设头结点是全局可达的,对于有向拓扑连接图,给出了智能体达到完全一致的充分条件.最后,仿真实例说明了文中所给方法的有效性.     

全局自适应神经网络跟踪控制及逼近域确定

针对自适应神经网络跟踪控制问题,提出一种确定逼近域的方法.采用参考信号取代未知非线性函数中的系统输出,神经网络用于逼近以参考信号为输入的未知不确定项.可以利用参考信号的界预先确定神经网络逼近域,再采用自适应鲁棒方法处理由于函数输入置换所引起的另一类不确定项.所得到的闭环系统是全局稳定的.仿真实例说明了该控制方法的有效性.     

离散非线性系统最优控制迭代算法的二维分析

针对具有终端约束的离散非线性最优控制问题，运用二维系统理论对动态系统优化和参数估计集成算法作了分析．从一个新的角度论证了该算法的最优性及收敛性，并给出了该算法一个易于验证的局部收敛的充要条件和全局收敛的一个充分条件．     

未知离散非线性系统的鲁棒自适应NN控制

利用WNN(小波神经网络)逼近未知函数，将未知离散非线性系统转化为一类参数化严格反馈系统，进而对变换后的系统给出一个避免过参数化的自适应反推控制器，并证明该控制器可保证在存在参数不确定性和函数不确定性的条件下，整个自适应系统的状态全局有界，同时也可保证系统的跟踪误差落在一个大小与不确定性成比例的紧集中，仿真结果表明该控制器具有较强的鲁棒性，可适用于不同的对象。     

基于LMI的不确定关联时滞大系统对时滞参数的自适应控制

针对具有时滞的不确定关联大系统，研究了状态反馈控制器的设计问题。当时滞常数未知时，给出了对时滞参数的自适应控制方案。建立了可由线性矩阵不等式(LMI)表示的镇定条件。最后给出了仿真实例以说明该方法的有效性。