基于串联观测器的大系统强稳定方法

本文对串型大系统提出了一种新的强稳定控制方法。这种方法基于对被控系统设计串联观测器。当衩控对象开环稳定时，可对串型大系统进行强稳定控制。按照本文提出的方法，对某型歼击机设计了强稳定飞行控制系统。仿真结果表明，本文提出的方法是可行的。     

多重核学习非线性时间序列故障预报

针对非线性时间序列故障预报问题, 提出了多重核学习故障预报方法. 利用多重核学习可以减少支持向量的个数, 提高预测性能. 而且在多重核学习定义的混合核空间中运用减聚类能够提取正常原型. 最后, 将本文提出的方法应用于连续搅拌釜式反应器的故障预报, 仿真结果表明该方法能够提高故障预报的准确性与实时性.     

基于模糊模型和神经网络的多时滞不确定非线性系统的鲁棒H∞控制

针对一类具有多时滞的不确定非线性系统,提出了一种基于模糊模型和神经网络的组合控制方法.利用具有多时滞的模糊T-S模型对系统进行近似建模并给出基于线性矩阵不等式(LMI)的模糊H∞控制律.提出完全自适应RBF神经网络控制方法,通过在线自适应调整RBF神经网络的权重、函数中心和宽度,来对消系统的未知不确定性和模糊建模误差的影响,不要求系统的不确定项和模糊建模误差满足任何匹配条件或约束,并证明了闭环系统的稳定性.最后,将所提出的方法应用到一具有多时滞的非线性混沌系统,仿真结果表明了该方法的有效性.     

KX容错观测器

本文提出了多输出系统KX观测器的一种新的设计方法.当多输出系统的某些输出测量值不可靠时,得到的KX观测器仍能渐近重构原系统的部分状态信息,一旦那些不可靠的输出恢复正常时,该观测器又能渐近重构原系统的所有状态的信息.     

动态系统的鲁棒容错控制方法

本文针对有参数不确定性的动态系统设计了一种参数鲁棒故障检测器及故障向量辨识器,提出了状态向量和输出向量的校正方法.最后给出应用所提算法对飞机实现鲁棒容错控制的例子,数字仿真试验表明效果良好.     

动态系统的故障检测与容错控制

本文详尽地论述了各种容错控制方法,讨论了动态系统的各种故障检测技术及系统重构技术。     

基于RBF神经网络观测器的非线性系统鲁棒故障检测方法

针对一类仿射非线性动态系统，提出一种基于网络非线性观测器的鲁棒故障检测与隔离的新方法，采用ＲＢＦ神经网络逼近观测器系统中的非线性项，提高了状态估计的精度，证明了状态估计误差稳定且渐近收敛到零；同时提出了一种新的网络权值调整指标方法，提高了神经网络故障分类器的泛化能力，从而保证该方法对监测系统的建模 外部扰动具有良好的鲁棒性。     

基于自组织模糊CMAC网络的非线性系统鲁棒自适应跟踪控制

基于自组织模糊CMAC(SOFCMAC)神经网络,提出了一种非线性模型参考神经网络增广逆系统鲁棒自适应跟踪控制方法.该方法的特点是通过S0FCMAC神经网络在线修正由于建模误差、不确定因素等引起的非线性系统逆误差,使得系统输出准确跟踪参考模型输出.SOFCMAC的权值调整规律由Lyapunov稳定性理论导出.文中证明了非线性闭环系统的稳定性.仿真例子表明了本文方法的有效性.     

基于神经网络的模型跟随鲁棒自适应控制

针对一类复杂非线性动力学系统,提出一种基于神经网络动态补偿的模型跟随非线性鲁棒自适应控制策略.采用神经网络在线补偿控制器以克服系统的未建模动力学和非线性耦合因素的影响,从而提高了模型跟随控制的动态性能和稳态精度;当系统存在模型不确定性和外部扰动时,其输出仍能精确地跟踪期望参考模型的输出.同时给出了闭环误差系统鲁棒稳定性的证明.应用示例表明,所提方法可保证闭环系统具有良好的跟踪性能和鲁棒性,且算法简单,易于在线控制.     

多输入多输出多重时延非线性系统的白适应模糊控制

针对多输入多输出多重时延非线性系统,提出了一种自适应模糊跟踪控制方案.该方案有机综合了自适应控制和H∞控制.文中构建了一种自适应时延模糊逻辑系统用来逼近有多重时延的未知函数;设计了H∞补偿器来抵消模糊逼近误差和外部扰动.根据跟踪误差给出了参数调节规律.构造了包含时延的李雅普诺夫函数,从而证明了误差闭环系统满足期望的H∞跟踪性能.仿真结果表明了该方案的可行性.