基于多模型切换的智能控制研究

针对实际对象在不同工况下的模型参数突变，提出了基于多模型切换的智能控制方法．应用自适应模型库算法来建立多个模型而无需被控对象的先验知识．在系统运行过程中，由常规自适应模型和重新赋初值自适应模型在线自动地建立多个模型及相应的控制器．在每个采样时刻根据性能评价函数来选择最佳控制器．证明了该算法能够保证闭环系统的稳定性和跟踪误差的渐近收敛性．仿真结果表明，本所提出的方法使系统的动态响应品质得到了明显的改善．     

基于即时学习算法非线性系统多模型自适应控制

针对可获得大量输入输出数据的非线性系统，提出一种改进的即时模型辨识方法，并与自校正的极点配置控制算法相结合，设计多模型自适应控制器。所提出的建模方法和相应的多模型自适应控制器能较好地逼近非线性系统的动态特性，使系统的动态响应品质得到了有效的改善。     

阶次自适应AR等效电路模型的锂电池SOC滑模观测

基于等效电路模型的一类车载动力电池剩余荷电状态(state of charge，SOC)的估算方法，其估算精度高度依赖于模型精度，模型精度又正比于模型复杂度，以至于难以较好地应用于嵌入式控制单元.提出复杂度相对较低、能够自适应确定最优模型阶次的全新等效电路模型——基于阶次自适应AR模型的车载动力电池等效电路灰箱模型.基于此灰箱模型，给出锂离子电池SOC的滑模观测器设计推导及能观性、收敛性证明.结果表明，本文提出的基于阶次自适应AR等效电路灰箱模型的滑模观测器SOC估算方法(adaptive autoregressive-sliding mode observer，AAR-SMO)具有低模型复杂度、高精度、强鲁棒性及快速收敛等性能.     

IMC跟踪模型的辨识

跟踪模型是自适应ＩＭＣ控制系统的关键模块，具有实时，精确的特殊要求。提出一种利用系统固有信号作为激励信号，使模型辨识处于强迫激励状态，加上对粗劣误差信号、分段恒值干扰信号的删除，因此，拟合模型可以达到自适应ＩＭＣ系统的要求。     

基于事例的自适应关联规则挖掘模型的研究

认为传统的关联规则挖掘模型主要是针对结构化数据，其可信度和支持度不能随环境的变化自适应调节，即缺乏自适应性，而现实中还存在大量非结构化的数据。针对传统发现模型的不足提出了一个基于事例的自适应关联规则发现模型，它不仅可以处理对非结构化数据的数据挖掘，而且还可以随着环境的变化自适应调节支持度和可信度。     

基于关联的自适应分类规则发现模型

为了对现实中的大规模数据集进行分类挖掘，提出了一个基于关联的自适应分类规则挖掘模型，研究了该模型在预处理、多层分类规则的挖掘、算法的可扩展性、效率和输入参数的自适应等方面的技术和方法．     

自适应遗传算法优化模型小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络的隶属函数，提出一个自适应ＧＡ优化算法，并且以优化模型小脑模型ＦｕｚｚｙＣＭＡＣ学习正弦曲线，仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级，比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级，自适应ＧＡ方法优化的ＦｕｚｚｙＣＭＡＣ学习速度比ＧＡ优化的速度快且乾化过程的振荡明显减小，仿真     

模型参考自适应控制系统设计--输出误差直接自适应控制

本文利用输出误差直接自适应控制算法对一具体对象的模型参考自适应控制器进行设计.首先描述了常规的模型参考自适应控制法,然后提出了一种性能更佳的模型参考自适应控制方案.对两种模型参考自适应控制方案进行了鲁棒性分析.数值仿真结果表明,与常规的模型参考自适应控制法相比,本文所提出的控制方案大大提高了系统的性能,明显减小了震荡,缩短了自适应时间.而且在有界扰动的情况下,本文所提出的改进的控制方案能够更加较好地保证系统的各项性能.     

多媒体缓冲管理综述

本文通过影响远程多媒体QOS的因素分析；探究了远程多媒体QOS的实现机制缓冲管理和分组调度；如何避免多媒体在时实播放时出现的时延抖动和分组丢失及缓冲下载缓慢或停止的状态，提出了缓冲管理和分组调度的结合是实现远程多媒体QOS保障的重要技术。     

具有降阶模型的多模型鲁棒自适应控制

针对传统鲁棒自适应控制器暂态性能差的缺点,提出了多模型鲁棒自适应控制方法.对于包含未建模动态的自适应控制系统,首先采用正则化技术把系统未建模动态转化为系统有界扰动,并利用系统低阶模型设计多模型鲁棒自适应控制器,最后证明了系统BIBO稳定以及跟踪误差有界.仿真实验说明所提出的方法能获得较好的控制效果.