离散时滞标准神经网络模型及其应用

为了能够方便地分析离散递归神经网络（RNN）的稳定性，以及解决目前比较难的离散非线性系统的控制器的综合等问题，类似于鲁棒控制中的标准模型，提出一种新的神经网络模型——离散时滞标准神经网络模型（DDSNNM），它由离散线性动力学系统和有界静态时滞（或非时滞）非线性算子连接而成。利用不同的Lyapunov泛函和S方法推导出基于线性矩阵不等式（或非线性矩阵不等式）的DDSNNM全局渐近稳定性和全局指数稳定性的充分条件。大多数离散时滞（或非时滞）RNN稳定性分析或包含神经网络的非线性控制系统都可以转化为DDSNNM形式，从而进行稳定性分析或镇定控制。从DDSNNM应用于离散时滞细胞神经网络（CNN）的稳定性分析以及非线性控制系统的综合实例可以看出，DDSNNM不仅使得大多数RNN的稳定性判定简单易行，而且为非线性系统的控制器设计提供新的思路。     

约束切换非线性系统给出初始稳定区域的预测控制设计

有约束切换非线性系统的稳定控制是一个重要的研究问题．通常的预测控制方法可以很好的处理约束问题并使得系统稳定，但一般首先假设其中的优化问题初始可行，而对于初始稳定区域并没有具体的描述．本文针对一类输入变量受约束且状态不可测的非线性切换系统，提出了一种混合非线性预测控制方案．其主要思想是：利用李亚普诺夫函数和状态观测器，设计在预测控制器和有界反馈控制器之间适当切换的混杂控制器，以得到初始稳定区域的描述并使得子系统闭环稳定；对整个切换系统，基于状态估计，设计在各组件间平稳切换的切换律，以保证整个闭环系统的渐近稳定性．最后通过对一个化工过程实例进行仿真，验证了本文所提控制器的有效性．     

基于BPNN的电液伺服扭振试验机PID控制算法研究

弹性轴类零件液压伺服扭转振动试验概在实验过程中，由于系统非线性及负载变化或干扰因素的影响，其控制系统参数及数学模型易发生改变，导致控制效果变差。针对该试验机的控制系统，提出了基于BP神经网络（BPNN）的PID自适应控制算法。利用MATLAB／Simulink工具箱对该算法进行仿真实验。结果表明：结合了神经网络特点的智能PID控制器具有响应快、精度高、鲁棒性好和抗干扰能力强等优点，改善了控制系统的动态性能。     

区间时变时滞离散广义系统的稳定与镇定

研究了一类区间时变时滞离散广义系统的稳定与镇定问题。利用一个新构造的Lyapunov泛函和线性矩阵不等式方法，给出了使得系统正则、因果且稳定的时滞相关型稳定性新判据，并在其基础上得到了系统状态反馈镇定控制律的一个直接的设计方法。在讨论过程中，充分考虑了系统时变时滞信息，且保留了Lyapunov泛函导数中的有用项，使得结果具有较小保守性。数值实例表明了方法的有效性和优越性。     

基于干扰观测器的一类不确定非线性系统鲁棒自适应控制

本文利用干扰观测器和Backstepping方法,提出了一类不确定非线性系统的鲁棒自适应控制方案.首先,利用径向基神经网络(radial basis function neuralnetwork,RBFNN)设计干扰观测器,并通过对RBFNN参数的自适应调整来逼近系统干扰.基于干扰观测器的输出,采用Backstepping方法设计鲁棒自适应控制器.在所设计的鲁棒自适应控制器作用下,闭环系统所有信号达到半全局一致有界稳定.闭环系统稳定分析表明适当地选取设计参数可以确保所有系统状态是一致有界的.最后,仿真结果验证了所提出的鲁棒自适应控制方案的有效性.     

基于Smith预估模糊PID复合控制器的研究

针对空调房间温度被控对象的大滞后大惯性，本文提出一种预估并联型模糊PID复合控制策略。根据偏差大小及时调整模糊和PID控制的比例，利用Smith预估器进行时间补偿控制，同时在模糊控制器上并联一个积分器以消除稳态误差。在模型匹配和失配情况下进行仿真研究，结果表明：该控制器不仅具有鲁棒性好、控制精度高以及响应速度快的特点，尤其在模型失配时具有良好的稳定性，而且对于大时滞系统是一种实用而简便的控制方法。     

灰色及其改进模型在人口预测中的应用

在灰色GM（1，1）模型和优化的等维递补GM（1，1）模型的基础上，构建了灰色＋BP神经网络组合模型。对2001～2005年我国人口的变化分析后，建立人口总量模型进行预测，利用原始教据建立的灰色＋BP神经网络组合模型预测我国2008年以后五年的人口总量为13．39亿、13．49亿、13．60亿、13．7亿、13．79亿，有逐年上升的趋势。经综合误差分析和后验差检验均为“优秀”，说明该模型具有一定的应用价值。     

日径流预报贝叶斯回声状态网络方法

回声状态网络（ESN）相比传统递归神经网络，具有模型简单、参数训练速度快的特点．针对标准ESN因常采用线性回归率定模型参数容易出现过拟合问题，提出了基于贝叶斯回声状态网络（BESN）的日径流预报模型．该模型将贝叶斯理论与ESN模型相结合，通过权重后验概率密度最大化而获得最优输出权重，提高了模型的泛化能力．通过安砂和新丰江两座水库日径流预测实例表明，BESN模型是一种有效、可行的预测方法，与传统BP神经网络和ESN模型对比，进一步表明BESN模型具有更好的预测精度．     

基于特征模型的再入飞行器自适应制导律设计

文中针对航天飞机类再入飞行器对参考阻力加速度曲线的跟踪问题，设计了基于特征模型的自适应制导律．首先将线性定常系统的特征建模方法推广到单输入单输出线性时变系统，从而建立了再入飞行器的特征模型，然后对特征模型提出一种新的非线性微分黄金分割自适应控制律．当特征模型的系数属于有界闭凸集，且系数的变化速率满足一定约束条件时，文中证明了非线性微分黄金分割自适应控制系统是一致渐近稳定的．在特征模型的基础上，通过结合使用跟踪控制律、非线性微分黄金分割控制律和改进的逻辑积分控制律，设计了再入飞行器基于特征模型的自适应制导律．它克服了反馈线性化方法要求精确获得对象模型的缺点．仿真结果表明，文中设计的自适应制导律对参考阻力加速度曲线的跟踪性能明显优于反馈线性化方法．     

多机电力系统广域非线性鲁棒电压控制策略

本文针对多机电力系统提出一种广域非线性鲁棒电压控制策略.针对COI（center of inertia）坐标系下的系统数学模型,提出一种简单而巧妙的模型变换方法,将其转换为一个引入了发电机的机端电压偏差为新的状态变量的不确定线性系统,进而应用基于线性矩阵不等式（linear matrix inequality,LMI）的鲁棒控制理论设计出控制器.所提出的广域非线性鲁棒电压控制器不依赖于系统某个特定运行点,可适应系统网络参数以及运行方式的变化,保证机端电压调节精度.控制器不需要测量发电机转子角及任何变量的微分,仅需要测量发电机的机端电压、角速度、有功及无功功率.此外,控制器考虑了广域反馈信号的时滞以及部分机组未装设相量测量装置（phase measurement unit,PMU）的影响.应用PSCAD/EMTDC对某三机和四机系统进行了详细测试,仿真结果验证了控制器的良好性能.     

基于RBF神经网络的风电机组独立变桨控制

由于风速的随机性、风电机组参数的时变性以及复杂的变桨系统引起的时滞性,随着风力机桨叶长度的不断增加,叶片受力拍打振动的情况越来越严重,同时造成输出功率不稳定.为改善风机变桨系统在运行区域内的动态性能,本文依据风力机空气动力学原理、风剪切特性和塔影效应,提出了基于径向基函数(RBF)神经网络自适应独立变桨距控制方法,采用RBF神经网络逼近变桨系统未知的非线性函数,通过Lyapunov方法导出神经网络自适应率,在线调整神经网络权值来改善独立变桨系统的动态性能,最后通过设计风电机组的独立变桨控制模型进行相关实验,证明基于RBF神经网络自适应独立变桨控制系统具有良好的动态性能,可以有效稳定输出功率,降低桨叶、轮毂、机舱、塔架等风电机组关键部件的疲劳载荷.     

线性定常系统特征模型的证明

研究线性定常系统的特征建模问题，证明了多输入多输出线性定常系统的特征模型可以用二阶时变差分方程组描述，并且刻画了特征模型的建模误差，在系统不含零实部极点的情形下，在稳态和暂态时建模误差分别为0和O（h），一般情形下，分别为O（h^2）和D（h）．该证明表明特征建模与一般模型降阶方法是本质不同的，特征模型是把高阶模型的有关信息压缩到几个特征参量之中，并没有丢失系统信息．     

医用血管支架非线性扩张过程快速预测方法的研究

建立了血管支架变形影响因子与其变形结果之间的具有高度非线性识别能力的神经网络模型，通过引入学习因子η和动量因子ψ,采用附加动量项的权值修正方法，优化了网络训练算法，从而提高了网络训练速度和系统鲁棒性．结合实例对网络进行训练，并对预测误差进行了统计假设检验，检验结果表明血管支架变形神经网络智能预测结果与非线性有限元分析结果误差均值低于0．03％，训练后的网络能够较好地对血管支架变形进行预测．在此基础上，基于Pro／Toolkit工具，融合血管支架扩张变形神经网络智能预测模型，建立了血管支架力学性能快速评价工具，该系统实用性强、效率高，能大幅缩短血管支架产品开发周期     

不确定性气动弹性系统辨识及鲁棒极限环分析

模型的不确定性直接影响鲁棒颤振和极限环分析的准确性．从基于数据的角度提出考虑非线性环节和模型不确定性的鲁棒极限环分析框架．采用时域方法辨识包含非线性环节的Block—oriented结构的气动弹性系统模型集合的不确定度大小．以在线弹性结构的极点构造正交基底，将不确定性模型集合辨识问题转化为不确定性参数上下界估计的优化问题，通过求解非线性优化得到不确定性模型集合．将辨识后的无记忆非线性算子用正弦输入描述函数表示，利用线性分式变换技术对辨识后的不确定性模型进行重新建模，最后采用结构奇异值（μ）理论对系统集合进行鲁棒极限环分析．采用某二元翼段气动弹性算例验证该辨识和分析框架的准确性．结果表明辨识的不确定性的模型集合能够刻画气动弹性动力学特性．在相同速度下，考虑不确定性的模型集合的鲁棒极限环幅值比标称系统极限环幅值要小．该方法可以应用于鲁棒颤振和极限环预测．     

基于非线性自适应神经网络的刨煤机刨头位置控制系统

由于多种因素影响刨煤机刨头位置的控制，本文提出了一种基于非线性自适应神经网络的刨煤机刨头位置控制系统，该系统采用了多传感器数据融合的方法，并将其应用在前馈反馈自适应神经网络中，其结果表明，与常规PID系统相比该系统能够消除静差从而更好地跟踪参考曲线。     

模糊图灵机的逼近性与通用性

模糊图灵机是模糊算法或模糊计算的形式模型．文中研究了模糊图灵机的几种变形，这包括基于max-★复合运算的非确定型模糊图灵机（简写为NFTM★，其中★为t-模），非确定型模糊图灵机（简写为NFTM），确定型模糊图灵机（简写为DFTM），以及这些变形的多带版本．得到了以下一些结论：第1，若t-模★不满足有限生成条件，则NFTM★，NFTM和DFTM一般不等价，这里等价指的是识别相同的模糊语言．但在逼近意义下等价，也即，NFTM★可以被NFTM以任意精度逼近，并给出了相关的构造．引入了模糊递归可枚举语言与模糊递归语言的概念，并利用递归可枚举语言与递归语言对其进行层次刻画．第2，如果限制NFTM★的模糊隶属函数的取值域为单位区间[0，1]的一个固定的有限子集D3则存在通用模糊图灵机，用该通用模糊图灵机可以模拟上述类型的限制型模糊图灵机．一般地，通用模糊图灵机在逼近意义下存在，该通用模糊图灵机可以以给定精度模拟任意类型的模糊图灵机．     

基于遗传算法优化的EPS路感混合H2/H∞控制

针对电动助力转向（EPS）系统统存在系统模型、干扰等不确定性，以及对系统动态特性的要求，提出基于遗传算法的EPS系统混合H2/H∞控制器．在EPS系统及整车二自由度数学模型基础上，以转向路感、系统鲁棒性和转向稳定性为控制目标，构建系统的状态空间方程和增广被控对象矩阵，并运用H2/H∞方法极小化系统中各种干扰对被控输出的影响，并在此基础之上应用H2方法对系统进行优化，提出基于遗传算法的EPS系统混合H2/H∞控制方法.EPS系统路感仿真结果表明，基于遗传算法的EPS系统混合H2/H∞控制器，综合了H2/H∞控制和H2/H∞控制的优点，具有较好的鲁棒性能和鲁棒稳定性，可有效抑制路面随机激励、转矩传感器量测、模型参数不确定等所引起的各种干扰和噪声，使驾驶员获得满意的路感．     

机器人的鲁棒控制

主要研究了机器人系统的鲁棒控制。介绍了机器人的鲁棒控制模型后，利用最优控制问题求解鲁棒控制，这种方法降低的构造Liapunov函数的难度。只需要求解一个代数的黎卡提方程，便可得到最优控制器，而且证明了这个最优控制器也是鲁棒控制器。但又由于基于这种方法得到的控制器较复杂而难以实现，而且能得到渐近稳定的定性结果，而不能得到其平衡点的衰减速率以及平衡点的吸引域的估计。因此在本文的第三部分中应用了算子非线性测废理论。基于非线性测度方法求解的鲁棒控制器，不仅简单易求，而且克服了压缩映像原理估计压缩常数的困难，在得到系统渐近稳定性的同时得到了系统平衡点的衰减速度和吸引域的估计。最后给出了两关节机器人鲁棒控制的的实例。由于控制器设计与f（X）无关，相关结果会比较保守，可为相关设计研究提供一些参考。     

基于ARM和FPGA的雷达伺服控制器设计

高性能雷达伺服控制器是雷迭设计中的一个重要问题。在这篇文章中，采用ARM＋FPGA结构设计了一种高性能的雷达伺服控制器，设计了ARM的最小系统，在这基础上添加了必要的外围设备，包括UART、USB和以太网通信等构成能在上位机的控制下工作的嵌入式系统，简化硬件和软件设计，充分利用FPGA的硬件连接方式和ARM强大的运算和管理能力，使ARM和FPGA二者的优点相结合，兼顾速度和灵活性。实现模糊神经网络PID控制算法。实验仿真表明：该控制算法对系统具有良好的控制效果，在系统的动静态性能和鲁棒性均优于常规PID控制.     

激活函数可调的神经元模型及其有监督学习与应用

提出一种激活函数可调的新神经元模型（tunable act ivation function，简记为TAF）模型，并给出这类模型的一般形式，该模型用于多层前向神经网络MFNN时，其激活函数可借类似BP算法进行训练而求得，通过几个具体例子给出了对激活函数进行训练的算法，试验结果表明，采用TAF模型的多层前向神经网络的网络容量和性能，优于采用通常M－P模型的网络。