基于神经网络的非线性随机系统的状态估计

针对惯性导航系统的特点，建立一个三层ＢＰ网络，用测量到的带有噪声的输出变量序列和状态变量作为样本，训练神经网络，经过训练的神经网络对噪声具有抑制能力，可用带有噪声有输出变量序列来估计状态变量的真值。     

子系统闭右半平面传输零点对一般二自由度控制系统闭环传递矩阵的限制

对于一般二自由度控制系统，本文讨论了当系统内稳定时，子系统闭右半平面传输零点对系统闭环传递矩阵的限制．这种限制对于闭环传递矩阵满足某些性质时施加了约束．本文的结论扩展了文献［３］的结果．     

非线性挠性结构的输出反馈变结构控制

针对在挠空间结构中挠性模态不可测的特点,仅利用输出信息设计结构控制器。把模态截断所引起的模型不精确以及非线性部分均当作模型的未知部分,采用了多个滑动平面切换的方式,先以较小的趋近时间到达一个滑动平面,在该平面上滑动一段时间,再趋向于另一个平面,以加快收敛速度,最后,具体卫星模型的仿真表明 ,该方法具有很好的控制效果。     

局部高增益分散递阶控制

讨论了分散递阶系统的局部高增益控制问题，它是用高阶导数反馈组成局部高增益回路实现解耦，提高鲁棒性从而提高系统的可靠性和精度，为分散递阶控制提供了新方法。文中在状态空间进行了一般理论分析，给出了实际例题并给出了实现无穷增益的条件（简称为Ｋ∞控制）。     

二自由度控制系统的多项式矩阵描述与完全表征

首先给出了组合系统的二自由度控制系统的多项式矩阵描述，在此基础上，利用子系统多项式矩阵分式表示，得到了二自由度控制系统完全表征的充分必要条件。所给出的结论扩展了文献「１，２」的结果。     

组合导航系统软件可靠性的神经网络静态预测

在组合导航系统大规模软件开发中，为了控制软件的质量，必须对软件模块的缺陷数进行预测，根据软件模块测试报告及软件复杂度，用神经网络方法预测了软件模块的缺陷数，结果表明：神经网络预测软件缺陷数化传统的线性回归方法具有更好的质量拟合度和估测能力。     

基于小波神经网络的非线性系统预测控制研究

提出了一种基于小波基函数神经网络的未知非线性系统的一步超前预测控制算法。该方法利用小波网络学习这个非线性系统,并且应用小波神经网络模型作为系统的预测模型,控制信号直接通过极小化期望输出值与预测输出值之间的偏差来获得,通过对一非线性系统的仿真,表明了该方法的有效性。     

飞航导弹的自建模自校正滤波控制

介绍飞航导弹自建模自校正滤波控制方法。它适用于导航飞行控制，也适用于寻的末制导控制，它可以减小对精确数学模型的依赖性．从而可适应环境的变化，提高导航控制和寻的控制的精度，因此它又可称为无模型滤波控制方法。     

卡尔曼滤波器性能分析

本文提出了用实际的估计误差协方差来评价卡尔曼滤波器的性能的思想,并针对单输入单输出系统,分析了在初始条件,误差模型部分或全部不精确已知的情况下,卡尔曼滤波器的性能,得到了一些有用的结论。     

基于神经网络的多模态控制器设计

基于神经网络所具有的定性推理和定量数值并行计算能力,以及学习记忆能力,集成非线性 多个特征模型和控制器,实现了控制系统的多模智能控制,该方法充分结构的定性知识和定量数学描述信息,实现了参数大范围变化时变系统的良好控制,最后用该方法对某型激光制导炸弹设计了一多模态控制器,仿真结果表明了该方法的优良性能。