改进BP网络及其在传感器非线性校正中的应用

针对传统BP网络收敛速度慢、容易陷入局部最小点等问题,采用附加动量因子和自适应学习速率进行了改进,并将其用于对传感器的非线性误差进行补偿.用MATLAB语言编制相应的训练程序,仿真结果表明,在相同的条件下,改进后算法节省了大量的训练时间,同时提高了数据拟合的精度.     

一种频率依赖性迟滞的神经网络内模控制

针对压电陶瓷等智能材料存在的依赖输入频率的迟滞非线性问题,采用BP神经网络对迟滞非线性进行辨识,并通过内模控制方案来对其进行控制.在迟滞的建模上,构建了一种静态迟滞非线性环节串联一个对输入频率敏感的线性动态环节组成的Hammerstein模型.在此基础上,得出Hammerstein模型的逆模型,并通过构造的正、逆模型进行内模控制.实验结果说明,提出的建模方法与内模控制方案是有效的.     

随机时变时滞非线性马尔可夫跳跃系统故障检测问题研究

本文研究一类具有随机时变时滞及随机发生非线性(RONs)的离散时间马尔可夫跳跃系统的故障检测问题.针对多重时变时滞发生时所具有的随机特性,使用相互独立的伯努利随机过程来刻画这一现象.进一步地,在故障检测研究中考虑一类由伯努利分布白序列描述的随机非线性干扰.本文的目的是设计一个故障检测滤波器,使得整个误差动态系统满足均方指数稳定及相应的H∞性能指标.通过Lyapunov稳定性理论及随机分析技术,建立满足均方指数稳定和H∞干扰抑制的充分条件,进而使用半定程序方法求解一个凸优化问题,获取所设计的故障检测滤波器增益特性.最后,通过仿真算例证实了该设计方法的实用性和有效性.     

风扰影响下的无人机非线性广义最小方差跟踪控制

本文以鱼鹰型固定翼无人机为研究对象,基于非线性广义最小方差(nonlinear generalized minimum variance,NGMV)最优控制理论,研究了受到非线性阵风干扰影响下的无人机跟踪控制问题.首先对鱼鹰型无人机动力学模型解耦,在解耦后的横向和纵向模型上分别实现跟踪控制;然后针对阵风非线性模型的特定形式,根据NGMV理论设计了增维的非线性广义最小方差控制器,使得模型充分考虑了阵风干扰的特性.所设计的NGMV最优控制器的主要优势在于它能处理带有干扰和时滞环节的非线性系统.多组阵风扰动的仿真试验结果表明,非线性广义最小方差最优控制器具有跟踪性和收敛性.     

时延系统的自抗扰动态面控制

本文针对高阶时延系统同时存在系统不确定性和未知输入时延的情况,考虑控制器信号的复杂性问题,在动态面控制方法的基础上,引入自抗扰控制技术设计了自抗扰动态面控制器.利用反步法设计动态面控制信号,采用跟踪微分器对虚拟控制信号滤波,避免了由于对虚拟控制信号重复微分产生的"复杂性爆炸"问题;在控制信号的基础上叠加扰动补偿项,补偿项由扩张状态观测器实时在线估计产生,保证了控制信号的实时性,同时简化了控制器结构以便于实际应用.在闭环系统稳定性判别中运用李雅普诺夫理论做出详细分析.最后,数值仿真结果验证了所提出方法的有效性.     

运输机低空重装空投增益自适应滑模控制

本文针对带有不确定性且不确定性边界未知的低空重装备空投过程控制问题,提出了基于增益自适应全局滑模的飞行控制方法.该方法采用反馈线性化技术对重装空投过程模型进行线性化,解决了空投模型的强非线性问题,在此基础上,设计了切换增益自适应全局滑模控制器,保证了系统在响应全程的鲁棒性,克服了滑模到达阶段系统初始误差对切换增益自适应过程的影响.提出了一种改进的增益自适应方法,解决了滑动阶段的切换增益过度自适应问题.基于Lyapunov理论证明了控制器的稳定性和鲁棒性.仿真验证了控制方法的控制性能和优越性.     

非线性离散奇异摄动系统的组合优化控制方法的合理性分析

分析一类非线性离散奇异摄动系统的降阶组合优化控制器的合理性, 即降阶组合控制器与原始高阶优化控制器之间的关系. 基于快、慢子系统的解耦, 分别对快、慢子系统设计子优化控制器, 并进一步提出作用于原高阶系统的组合优化控制器. 对原高阶系统设计传统高阶优化控制器, 提出组合优化控制器近似等于传统高阶优化控制器的充分条件. 最后通过仿真验证了所得到结论的正确性.

     

一类非线性严格反馈系统基于干扰观测器的抗干扰控制

针对一类带有干扰的非线性严格反馈系统, 研究其抗干扰控制问题. 系统干扰满足不匹配条件, 代表一类部分信息已知的干扰. 通过设计非线性干扰观测器, 提出基于非线性干扰观测器和back-stepping 的抗干扰控制方法来补偿干扰, 该方法可以保证闭环系统所有信号是半全局最终一致有界的. 最后, 通过与现有方法的对比验证了所提出方法的正确性和有效性.

     

一类非线性系统的奇异点克服控制

针对一类非线性系统, 研究存在奇异点时的跟踪控制问题. 在采用反馈线性化方法将对象转换成标准型后, 构造线性补偿器并结合期望轨迹的高阶导数构成伪控制量. 通过引入梯度动力学方法求解控制律, 以克服在控制过程中遇到的奇异点问题. 通过稳定性分析验证了闭环系统的稳定性和跟踪误差的收敛性. 仿真结果表明, 此类控制器具有良好的控制性能, 并且能有效克服奇异点问题.

     

基于ESO的一类线性时变系统自学习滑模控制方法

针对一类线性时变系统的控制问题,提出了一种基于扩张状态观测器的自学习滑模控制方法。该方法首先设计了两种非线性光滑函数, 然后将两种光滑函数分别应用于扩张状态观测器和滑模趋近律的设计。为了进一步提高系统的自适应控制能力, 使用最速下降法对滑模控制器的增益参数进行自学习镇定。仿真结果表明了该控制方法不仅响应速度快、控制精度高, 而且有效解决了现有理论方法难以解决的问题, 因而是一种有效的不依赖于被控对象模型的LTV系统控制方法。