最大概率控制

给出了 ARMAX 过程的一种具有单段最优性的概率控制策略,指出了它与最小方差控制策略的联系。说明了这种控制律可以通过选取控制输入使得最大概率预报器作出的预报为零得到。     

信号处理课程中时移性质的类比教学

针对信号处理课程中存在的可类比内容,本文探讨类比教学的组织方法,并以时移性质的教学为例展开讨论,其中涉及双边与单边变换中的后移和前移性质。本文推导了拉普拉斯变换、连续信号的傅里叶变换、序列的傅里叶变换和变换四种信号变换中的时域前移性质,整理出可类比内容,给出了时域前移性质类比教学的做法。     

一种两相幂次吸引律离散时间控制方法

针对一类不确定离散时间系统,提出一种新型两相幂次吸引律.在吸引律设计中,通过将跟踪误差收敛过程划分为两个不同阶段,增加误差收敛幅度并提高误差收敛速度.构造离散形式的扩张状态观测器有效补偿系统干扰,基于观测值设计两相幂次形式的离散时间控制器,提高系统鲁棒性并减小稳态误差.此外,推导出跟踪误差绝对吸引层和稳态误差带的具体表...     

最大概率命中控制

从一些工业过程中抽象出来的命中控制问题，它的控制目的是选取一允许控制，使得是最大化从每一初态出发在Ｎ段内达到目标区域的概率。文中讨论了有限过程和无限平稳过程的最优控制的存在性和动态规划算法，对一类特殊情形，指出它可以通过求解一特殊非线性方程组得到。     

不确定时滞系统的迭代学习控制算法（I）

讨论了不确定时滞系统迭代学习控制的鲁棒收敛性，在存在干扰和初始偏移的情形下，给出了较弱的收敛性充分条件，仿真结果表明，迭代学习控制算法对于抑制初始点偏移和周期干扰的影响是有效的。     

无抖振离散重复控制器的设计与实现

针对周期参考/干扰信号下的不确定离散时间系统,提出一种基于吸引律的重复控制方法,在吸引律中"嵌入"干扰抑制措施,构造理想误差动态,并基于此设计重复控制器.文中推导出单调减区域、绝对吸引层和稳态误差带边界的表达式,用于整定控制器参数和表征闭环系统的跟踪性能,并给出了跟踪误差在无干扰时收敛于原点及在干扰存在时收敛进入稳态误差带内所需最多步数的表达式.设计的重复控制器不仅能够完全抑制周期干扰信号,而且可以消除系统抖振.在电机实验装置上的应用结果表明了所提出控制方法的有效性.     

终点命中问题的一种随机控制

对于由一些工业过程抽象出来的终点命中问题,本文构造了一种随机控制模型。导出了该模型的动态规划基本方程。在一些假定条件下,证明了最优控制为一非线性方程组的解。     

基于时变RBF网络的非线性时变系统建模

在常规RBF神经网络中采用时变权值,将其应用于非线性时变系统的建模。采用减聚类算法确定网络隐含层神经元数与基函数中心参数,以迭代学习最小二乘算法修正神经网络时变权值,给出时变RBF网络的学习算法。分析表明,迭代学习最小二乘权值修正算法保证了网络时变权值的有界性,迭代误差收敛于零。仿真结果验证了该方法在非线性时变系统建模方面的有效性。     

转炉补吹脱碳的统计规律

从数理统计角度,并经过大量的数据处理,得到了一次补吹时脱碳的概率分布统计模型,即:当给定一次补吹时间 t_1和主吹终点碳为 C_1时,其一次补吹后的碳份 C_2的条件概率分布密度函数为 P_(t_1)(C_2|C_1)。同时,考虑到我国尚有大批自动测试手段不完善的转炉,故又提出了转炉补吹脱碳控制表。这种按表控制终点的方法,也有助于经验操作上升到数理统计的台阶,从而,使出钢碳的命中率得到提高。     

一类非线性系统的误差轨迹跟踪鲁棒学习控制算法

针对一类含非参数不确定性的非线性系统,提出一种鲁棒迭代学习控制算法,该算法放宽了常规迭代学习控制方法的初始定位条件,迭代初值可任意取值.基于类Lyapunov方法设计误差轨迹跟踪控制器,通过鲁棒限幅学习机制对不确定性进行估计和补偿,能够在整个作业区间上实现误差对给定期望误差轨迹的精确跟踪,期望误差轨迹根据迭代起始时刻的误差值设置.利用期望误差轨迹的衰减性状,可使系统误差在预设的时间点后收敛于原点的邻域内,邻域半径的大小可根据需要任意设置.理论分析和仿真结果表明了控制方法的有效性.