基于状态观测器的迟滞非线性系统输出反馈控制

利用Preisach模型与其边界线之间的映射关系建立了容易在线更新的迟滞模型．将模型和径向基网络相结合，针对一类动态多映射迟滞非线性系统设计了输出反馈控制器．应用LyaPunov定理得到系统控制律和神经网络权值更新律，从而保证了闭环系统的跟踪误差及网络权值偏差收敛到原点的某个有界邻域内．     

参数不确定时滞系统的鲁棒稳定性

研究一类具有参数不确定时滞系统的鲁棒稳定性问题．假定其线性部分的参数不确定性由区间摄动模武描述，非线性部分的动态不确定性由积分二次约束(IQC)描述，给出了时滞互联系统鲁棒稳定的充分条件，并根据IQC乘子的特性，将无穷维稳定性检验问题转化为一维检验或有限检验问题．     

基于观测器的非线性系统神经网络鲁棒控制

提出一类不依赖于模型的状态观测器，通过分析其根轨迹和极点要求配置合适的参数，该观测器本身是一个能提取高阶微分的高阶微分器．基于Lyapunov稳定性理论设计了使闭环系统渐近稳定，对模型变化和扰动具有鲁棒性的神经网络自适应控制器．该控制器不仅考虑了闭环系统的输出和设定输入误差的微分，而且考虑了误差的高阶微分，从而提高了控制品质．最后通过仿真例子验证了所提出理论的正确性．     

基于广义模糊双曲正切模型的自适应控制器

针对一类非线性函数未知的非线性离散系统，提出一种新的基于广义模糊双曲正切模型的参考模型自适应控制器设计方法，并利用Lyapunov稳定性理论证明了该控制器是全局渐近稳定的．仿真例子证明了该方法的有效性．     

输出反馈实现一类带不确定输入动态非线性系统的鲁棒几乎干扰解耦

研究一类带不确定输入动态非线性系统的输出反馈干扰抑制问题并基于观测器给出了输出反馈控制器 构造性的设计方法.所设计的控制器具有对可允许不确定动态的鲁棒性.不仅在L₂增益意义上抑制了干扰对输出 的影响,同时在ISS镇定意义上抑制了干扰对状态的影响.     

线性不确定系统的给定阶最优控制器设计

为避免间接法设计降阶控制器的模型近似引起的性能下降,本文在静态输出反馈控制器设计的基础上,直接设计了线性不确定系统的给定阶混合H2/H∞动态反馈控制器.利用系统内外分解方法,得到了最优降阶状态观测器.通过求解降维状态观测器的静态输出反馈,可得到降阶控制的最优反馈增益阵.给定阶控制器由两个Ric cati方程和一个Lyapunov方程参数化表示.最后,通过一个例子,说明了本文提出的给定阶控制器设计方法.     

矩阵分解的多变量模型参考自适应控制

研究了基于高频增益矩阵分解的多变量模型参考自适应控制 .为此首先基于矩阵分解构造出新的参数化方程 ,选取必然等价自适应控制律 .然后 ,引入规范化信号和类Lyapunov函数 ,获得了规范化自适应律 .并进一步给出了虚拟规范化信号的有用性质 .最后 ,严格地给出了闭环系统的稳定性和收敛性分析     

自适应模糊神经控制器在MIMO 系统中的应用研究

首先给出一种适用于MIMO系统的自适应模糊控制器，然后针对该控制器用于复杂系统时，存在模期规则过多且建立规则的时间随规则数增加呈指数增长的问题，提出了另一种适用于MIMO非线性系统的自适应模期神经控制器，该控制器采用“全逼近”的控制策略，依据李亚普诺夫方法给出了模糊神经自适应输出反馈控制律和参数自适应律，仿真研究证明了MIMO非线性系统系统的稳定性以及跟踪误差的收敛性。     

几种不稳定滞后对象的预测PID 控制

针对几种不稳定滞后过程，给出一种预测PID控制器的结构形式．该控制器具有内环和外环两种控制器：内环控制器主要用于稳定系统；外环控制器具有预测PID控制的结构形式，主要用于消除输入干扰的影响和改善控制系统的动态性能．这种控制器结构简单，可调参数少，且参数的调节方便、直观．仿真结果表明，在干扰和模型失配的情况下，此类预测PID控制器仍具有良好的控制性能和鲁棒稳定性能．     

基于HVS视觉模型下的图像降噪

描述了构建人类视觉系统(Human vision system，HVS)降噪模型的思想方法及理论依据。为了解决SureShrink及VisuShrink方法对重建图像带来的不良影响，建立了基于HVS模型的适应小波门限降噪模型，提出HVSShrink降噪策略。通过对该算法进行测试和比较，证明了使用本方法可以得到具有较好视觉效果的重建图像。