Robust adaptive backstepping control for a class of uncertain nonlinear systems based on disturbance observers

In this paper, a novel robust adaptive control scheme for a class of uncertain nonlinear systems is proposed using disturbance observer and backstepping method.Firstly, a disturbance observer is developed using radial basis function(RBF) neural network.The parameter updated law of the RBF neural network is given for monitoring subsystem disturbance well.The robust adaptive control scheme is then presented with backstepping method based on the designed disturbance observer.Semiglobal uniform ultimate bounded...     

Time-varying sliding mode control for a class of uncertain MIMO nonlinear system subject to control input constraint

To solve the regulator problem of a class of uncertain MIMO nonlinear systems subject to control input constraint, three types of time-varying sliding mode control laws are proposed. The sliding surfaces pass the initial value of the system at the initial time, and are shifted/rotated towards the predetermined ones. The controller parameters are optimized by genetic algorithm (GA). Lyapunov method is adopted to prove the stability and robustness to the parameter uncertainties and external disturbance. By me...     

基于图像纹理和小波变换的聚类分割方法

针对纹理图像,本文提出了一种基于图像纹理特征的非学习分割方法。采用小波变换和快速k-means聚类分割算法,减少了整个处理过程的运算量。为了保证分类算法的精确性,运用了总体流量变化最小（Total Variation Flow）[1]非线性去噪方法对图像进行预处理,从而将减小图像噪声污染带来的分割误差。在图像特征的提取上,运用Gabor滤波器原理生成滤波空间,并让图像通过滤波空间而生成特征向量空间。通过制定一个快速寻优策略,从而达到分割图像的目的。     

智能仪表非线性自动校正方法研究

针对智能仪表不便于进行复杂计算、内存有限和实时性要求高等特点,在比较了几种常用的非线性校正方法的基础上,通过对智能仪表的非线性特性曲线的一般性分析,运用分段直线逼近曲线的方法,给出了一种通用的智能仪表非线性自动校正算法.同时讨论了该算法的原理、修正方法及校正参数的存储结构.并详细介绍了该算法在称重仪表中的具体应用.实践证明这种算法简单、实用,效果良好.     

贝叶斯目标跟踪方法的研究

针对贝叶斯滤波过程中存在的目标跟踪问题,提出几种典型的贝叶斯滤波方法,如EKF,UKF,PF和UPF等,基于这些方法所构建的框架,对它们进行性能测试和比较,并在非线性环境下,讨论这些方法的特点,仿真实验结果表明,在非线性非高斯环境下,UPF方法的性能是最优的。     

面向对象的非线性有限元软件框架设计

阐述面向对象的非线性有限元软件框架设计,在前人成果的基础上,力求软件框架更灵活、更完善。采用模型分析方法与有限元模型分离的方式,明确描述各类之间的依赖关系以及相互之间的传递消息过程,建立非线性有限元软件的框架结构。增加有限元软件的模块化、代码的重用性和易扩展性,解决长期以来存在于非线性有限元开发的一个重要难题。     

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.