神经网络动态逆在歼击机安全着陆中的控制

给出了基于神经网络动态逆的自适应跟踪控制方法,用以解决飞机着陆过程中的复杂非线性和出现舵机故障的情况.应用神经网络直接对非线性系统故障模型求逆,使得所设计的逆系统能够包含故障信息,克服了传统的控制设计中将过程模型线性化,从而将不可忽视的非线性关系用线性关系代替或忽略的弊端.对由于建模误差、不确定性因素等引起的非线性系统逆误差,通过自组织模糊小脑模型关节控制器(SOFCMAC)神经网络在线进行修正.并在此基础上对3个通道分别设计了参考模型和线性控制器,以实现对伪线性系统进行跟踪控制.通过将这种方法用于某型歼击机在着陆过程中发生平尾卡死故障控制的过程仿真,验证了该方法的可行性.     

网络控制系统的分析与建模

本文论述了网络控制系统的复杂性及当前网络控制系统建模中存在的主要缺点. 在考虑系统噪声、控制器动态及输出反馈的情况下，提出了多包传输、单包传输有数据包丢 失及多包传输有数据包丢失时网络控制系统的离散随机模型的统一的建模方法，并给出了网 络诱导时延合并定理．     

基于状态观测器的非仿射非线性系统鲁棒自适应H∞跟踪控制

针对一类非仿射非线性系统，提出了基于状态观测器的鲁棒自适应H∞跟踪控制结构．文中利用高斯径向基神经网络（RBF神经网络）在线抵消非线性模型误差，利用高增益观测器估计不能直接测量的输出导数．利用李亚普若夫稳定理论导出了系统的控制律，包括固定结构的控制律和自适应控制律两个部分，并给出了详细的理论分析和证明：在系统没有扰动时，确保跟踪误差渐近趋于零且系统的所有信号有界；存在扰动时，取得了预期的H∞跟踪性能．     

基于KICA-KFDA的集成故障识别算法

针对复杂的化工过程,提高过程监控能力,提出基于核独立成分分析（kernel independent component analysis,KICA）和核Fisher判别分析（kernel fisher discriminant analysis,KFDA）的过程监测与故障识别方法。通过利用核独立成分分析建立正常工况模型,得到检测故障信息。在发生故障的情况下,利用Fisher判别分析方法在高维的特征空间的特点和优势,可求出满足最大分离程度的核Fisher判别向量和特征向量,根据当前故障的判别向量和历史故障数据集中所含故障的最优核Fisher判别向量的相似度进行故障识别。仿真结果验证了所提方法的有效性。     

大系统的分散滤波结构及容错应用

本文综述了大系统分散滤波方法的发展过程及主要思想，并把该发展过程划分为三个阶段；并行分解卡尔曼滤波结构；分布式卡尔曼滤波结构；分散式卡尔曼滤波结构。本文指出了分散卡尔曼滤波结构非常有益于容错系统控制。     

基于H∞理论的关联大系统分散鲁棒控制

基于H∞理论提出了关联大系统分散鲁棒控制的一种新的设计方法.得到的控制器不但使闭环系统渐近稳定,而且能使闭环系统从扰动输入到被控输出的传递矩阵的H∞范数小于某个给定的扰动变小常数,并对系统参数的不确定性具有鲁棒性.     

鲁棒容错控制系统设计

本文考虑了观测器状态反馈控制系统的容错控制问题，提出了一种对传感器失效具有完整性的控制器设计方法，进而讨论了存在参数摄动的情况，给出了鲁棒容错控制器的设计步骤并用设计实例及仿真结果验证了该方法的有效性。     

一种基于粗糙约简的分形几何容错故障诊断方法

针对故障诊断中计算量大,模式分类复杂的问题,提出了一种基于粗糙集的分形容错故障诊断方法。首先对可能的诊断属性用粗糙集约简的方法进行故障特征提取;然后计算所采集的故障数据的分形维数,并用回归辨识方法得到维数序列的数学模型;利用所建立的数学模型可完成对故障的分类和故障程度的辨识。仿真结果表明了该方法的有效性。该方法解决了单独利用分形几何方法无法对故障程度进行辨识的问题,简化了计算,并为高可靠性设备的故障诊断提供了新的思路。     

基于一类局部固定核的支持向量回归建模

在考虑样本向量相似性的基础上,提出一种核函数--高斯余弦核,并证明了该核是一类局部固定核.局部固定核同时描述了样本全局和局部结构,因而高斯余弦核可将样本数据映射到信息描述更为丰富的特征空间.将该核用于Logistic混沌时间序列和煤气炉数据集的支持向量回归建模与预测,仿真结果表明所提出的方法能有效地提高预测精度,而且不增加算法的复杂度.     

一类复杂非线性系统的模糊控制

针对一类复杂非线性系统,把模糊T-S模型和自适应模糊逻辑系统结合起来,提出了一种跟踪控制方案.首先,应用模糊T-S模型对非线性系统建模,设计观测器用来观测系统状态:其次,应用基于权值、中心和宽度3个参数可调节的自适应时延模糊逻辑系统补偿器来消除建模误差和小确定性.文中证明了闭环系统满足期望的跟踪性能.示例仿真结果表明了该方案的有效性.