基于Backstepping的非一致轨迹迭代学习控制研究

针对一类在有限时间区间上可重复运行的高阶混合参数化非线性系统,利用改进Backstepping方法,将参数重组技巧和分段积分机制相结合,提出了一种混合自适应迭代学习控制算法。该算法由参数的微分-差分型自适应律和学习控制律组成,可以处理目标轨线迭代可变的跟踪问题。通过构造Lyapunov-like泛函使得跟踪误差的平方在一个有限时间区间上的积分收敛于零,同时保证所有信号均在有限时间区间内有界。仿真结果说明了所提算法的有效性。     

全局自适应神经网络跟踪控制及逼近域确定

针对自适应神经网络跟踪控制问题,提出一种确定逼近域的方法.采用参考信号取代未知非线性函数中的系统输出,神经网络用于逼近以参考信号为输入的未知不确定项.可以利用参考信号的界预先确定神经网络逼近域,再采用自适应鲁棒方法处理由于函数输入置换所引起的另一类不确定项.所得到的闭环系统是全局稳定的.仿真实例说明了该控制方法的有效性.

     

具有脉冲效应的切换随机系统的几乎必然稳定性

针对一类在切换时刻具有脉冲行为的Markov切换非线性随机系统,首先,应用切换Lyapunov函数方法研究系统的稳定性,给出系统几乎必然稳定的充分条件,该条件不依赖于系统的矩稳定性;然后,进一步对线性系统的稳定化问题进行分析与设计,对随机子系统的控制结构同时出现在方程的位移部分与扩散部分,给出相应的状态反馈增益矩阵的求解方法;最后,数值算例说明了所设计方法的有效性.

     

非线性参数化系统自适应迭代学习控制

研究一类含有未知时变参数的非线性参数化系统的学习控制问题.利用参数分离技术和信号置换思想,通过置换系统方程,合并所有时变参数为一个未知时变参数,用迭代自适应方法估计该未知参数,设计了一种自适应迭代学习控制方法,使得跟踪误差的平方在一个有限区间上的积分渐近收敛于零.通过构造一个类Lyapunov函数,给出了跟踪误差收敛和所有闭环系统信号有界的一个充分条件.仿真结果验证了该方法的有效性.     

一类不确定广义系统的非脆弱H∞控制

研究一类时变时滞不确定广义系统的非脆弱H∞控制问题。在系统矩阵、滞后状态矩阵、输入矩阵和滞后输入矩阵都具有不确定性时,带有反馈增益扰动的控制器能够保证闭环系统是正则、无脉冲、稳定的且满足性能条件。控制器的增益可通过求解一系列严格线性矩阵不等式得到。最后,数值例子说明了所给方法的有效性。     

基于光谱的天然气组分定量分析方法研究

对构成组分多、相对浓度差大、化学键相似的混合光谱进行定量分析时,存在各组分光谱谱峰交错重叠严重、高浓度占比组分光谱大量掩盖低浓度占比组分光谱等现象,导致单一组分光谱难以从混合光谱中有效分离解析。针对以上问题,该文以天然气红外光谱作为实验对象,提出一种光谱叠加性原理结合GA-SA算法的定量分析方法对天然气光谱进行解析。算法在全局搜索的基础上结合局部邻域寻优,并通过参数及流程优化,可以有效克服混合光谱求解过程中微量组分光谱寻优性差、易陷入局部极值、不具有重复性等缺点。通过对比实验证明该方法相较于其他光谱分析方法,用于天然气光谱定量分析具备更好的稳定性与重复性,预测光谱与真实光谱相关系数R2大于0.98823。     

新一代人工智能技术引领下加快发展智能制造技术、产业与应用

当前,正在进入"新互联网+大数据+人工智能+"时代,新一代人工智能技术引领下的智能制造系统是一种"新互联网+新智能制造资源/能力/产品"的人/机/物/环境/信息新型智能互联制造系统。本文阐释了新一代人工智能技术引领下的智能制造系统的内涵、体系架构、技术系统,探讨了新一代人工智能技术引领下的智能制造系统雏形初探——航天云网中的基于大数据智能技术,提出了发展新一代人工智能技术引领下的智能制造系统的若干建议,特别是重视技术、应用和产业的协调发展,在突出各国、各行业、各企业特色的同时,加强与全国、乃至全球的合作与交流,进而形成新时代下智能制造新模式、新手段和新业态。     

未知时变时滞非线性参数化系统自适应迭代学习控制

针对含有未知时变参数和时变时滞的非线性参数化系统,提出了一种新的自适应迭代学习控制方法.该方法将参数分离技术与信号置换思想相结合,可以处理含有时变参数和时滞相关不确定性的非线性系统.设计了一种自适应控制策略,使跟踪误差的平方在一个有限区间上的积分渐近收敛于零.通过构造Lyapunov-Krasovskii型复合能量函数,给出了闭环系统收敛的一个充分条件.给出两个仿真例子验证了控制方法的有效性.     

非线性系统有限时间稳定的一个新的充分条件

研究了一类非线性系统的有限时间稳定性．通过函数构造和变量替换的方法,给出一个新的非线性系统有限时间稳定的充分条件．该条件与现有结果相比,具有更少的保守牲．进一步,将所得的结果推广到不确定性非线性系统,通过构造Lyapunov函数方法,给出系统有限时间稳定的充分条件．仿真例子表明了所得结论的有效性．     

一类二阶时变非线性系统的混合自适应重复学习控制

针对含有时变和时不变未知参数的二阶非线性系统，结合Backstepping方法．提出了一种新的自适应重复学习控制方法，可处理参数在一个未知紧集内周期性快时变的非线性系统．通过引入参数周期自适应律．设计出的自适应控制策略．使跟踪误差平方在一个周期上的积分范敷渐近收敛于零．通过构造Lyapunov函数．给出了闭环系统收敛的一个充分条件．