参数未知的不同阶数混沌系统的广义投影同步

针对参数未知不同阶非自治混沌系统,先采用改进的广义投影同步和降阶方法,将不同阶数混沌系统的广义投影同步问题转化为相同阶数混沌系统间的广义投影同步问题。再利用Lyapunov稳定性理论和自适应控制方法,给出自适应控制器和参数自适应律,进而实现不同阶数混沌系统的广义投影同步,并且可以辨识驱动系统和响应系统的所有参数。数值模拟进一步证明了该方法的有效性。     

参数完全未知的一类混沌系统的广义函数延迟投影同步及参数辨识

研究了具有未知参数的一类混沌系统的广义函数延迟投影同步及参数辨识问题.基于Lyapunov稳定性定理和自适应控制方法,在驱动系统和响应系统参数完全未知的情况下,设计自适应控制器和参数更新规则,实现了一类混沌系统的广义函数延迟投影同步,同时精确地辨识出了系统的所有参数.数值仿真结果表明了该方法的有效性和可行性.     

基于滑模控制分数阶统一混沌系统的函数投影同步

研究分数阶统一混沌系统的混沌特性.基于滑模控制理论设计了一种自适应函数投影同步的控制方案.选取合适的控制器以及自适应控制律,证明分数阶误差系统为渐近稳定的,驱动-响应系统最终实现自适应修正函数投影同步,且可以对驱动系统的不确定参数进行估计.最后利用Adams-Bashforth-Moultom算法进行数值仿真,仿真结果表明该方法是有效可行的.     

Rssler超混沌系统的改进广义混合投影同步

针对Rssler超混沌系统, 采用自适应控制方法, 通过设计控制器, 研究该系统的广义混合投影同步(FSHPS). 并在此基础上, 首次提出了响应系统同时含有控制变量α时, 系统的改进广义混合投影同步(IFSHPS)运动行为, 理论分析和数值仿真验证了该同步方法的可行性.      

具有未知扇区非线性输入的混沌系统修正投影同步

研究了具有未知扇区非线性输入且含有模型不确定性和外部干扰的混沌系统的修正投影同步问题.基于Lyapunov稳定性理论和滑模控制方法,设计了具有积分环节的滑模面和自适应滑模同步控制器,实现了驱动-响应系统的修正投影同步.该方法考虑了由于执行器限制等因素引起的控制输入的非线性影响,并且在控制器的设计中,不需要预先知道扇区非线性输入函数的界值.所设计控制器不受系统模型不确定性、外界干扰和非线性输入的影响,可适用于任意混沌系统,具有很强的鲁棒性和通用性.以Lorenz混沌系统和Chen混沌系统为例的仿真研究表明该控制方法的有效性.     

Rossler超混沌系统的改进广义混合投影同步

针对R(o)ssler超混沌系统, 采用自适应控制方法, 通过设计控制器, 研究该系统的广义混合投影同步(FSHPS).并在此基础上, 首次提出了响应系统同时含有控制变量α时, 系统的改进广义混合投影同步(IFSHPS)运动行为, 理论分析和数值仿真验证了该同步方法的可行性.     

一类分数阶超混沌系统的修正函数投影同步

对一类具有未知参数的分数阶超混沌系统进行研究,当系统参数分别取某一定值时,系统表现出混沌性态.通过构造适当的响应系统,设计了一种自适应广义投影同步的控制方案.选取合适的控制器以及自适应控制率,利用分数阶微分系统的稳定性理论,证明了驱动系统和响应系统最终实现自适应广义投影同步,并可以对不确定参数进行估计.最后,利用Adams-Bashforth-Moultom算法,对文中的结论进行数值仿真,其结果说明了该方法的有效性和可行性.     

广义平移混沌系统的异结构同步

以广义平移混沌系统的两个子系统为例,基于Lyapunov稳定理论,利用自适应同步与滑模控制的方法,设计一个自适应非线性反馈控制器,以实现平移混沌系统Ⅰ与Ⅱ的异结构同步.数值仿真结果表明,该方法有效.     

基于滑膜控制和SAFNN的鲁棒混沌同步

针对带有干扰的混沌系统,进行了基于自组织自适应模糊神经网络(SAFNN)的同步控制器的设计,采用基于聚类划分的模糊神经网络,推导出模糊神经网络参数在线更新算法,并设计了神经网络结构自适应算法,从隶属度函数的生长、模糊规则的分裂和模糊规则的修剪三个方面动态调整模糊神经网络结构,摒弃了常规的试错法来调整系统的结构和参数,以便更好地满足对计算负荷和控制性能的要求,实现两者之间的平衡;最后结合滑模控制器和鲁棒控制器,对带有干扰的混沌系统进行同步控制仿真,仿真结果表明该方法有效。     

滑模控制的多混沌系统组合函数投影同步

将函数投影同步和组合同步方法相结合,研究了两个混沌驱动系统和多个混沌响应系统之间的组合函数投影同步问题。基于李雅普诺夫稳定性定理和滑模控制方法,设计了相应的滑模面和控制器,通过设计切换面和控制律,使误差系统的运动轨迹沿滑模面滑动并最终趋于稳定。该组合同步方式中,混沌驱动系统和混沌响应系统可以扩展为3个或者多个混沌系统,同步方式具有一定的通用性。控制器的设计考虑了外部干扰和抖振的影响,具有一定的鲁棒性。数值仿真结果表明:驱动系统与响应系统按照函数比例因子m(t)实现同步,同步误差e收敛于0,验证了该设计方法的可行性和正确性。     

基于RBF的TCP网络自适应滑模控制

针对TCP网络的拥塞控制问题,提出了一种基于RBF神经网络的自适应滑模控制算法.为了简化滑模控制器的设计,将系统的各个不确定参数和非线性补偿整合成一个总的不确定.考虑到网络系统的不确定性上界很难获得,使用RBF神经网络对系统不确定的上界进行自适应学习.将RBF神经网络的输出作为不确定上界的补偿,从而消除了系统的不确定带...     

小型吊舱式无人艇航向控制

针对小型吊舱式无人艇航向控制系统精度问题,考虑模型中的不确定性和风、浪干扰等未知项,设计一种基于RBF神经网络和迭代滑模算法的自适应控制器.在建立吊舱式无人艇运动数学模型基础上,采用迭代滑模算法提高收敛时间,并通过RBF神经网络权值逼近模型参数不确定项和未知扰动,最终将该算法与迭代滑模算法进行仿真比较.结果表明,所提出...     

燃料电池空气供应系统自适应神经网络滑模控制

聚合物电解质膜燃料电池(polymer electrolyte membrane fuel cell, PEMFC)空气供应系统易受参数不确定性和外部干扰的负面影响,难以实现高精度数学建模和鲁棒控制.设计了一种自适应神经网络滑模控制器,用于将PEMFC空气供应系统过氧比调节至其最优参考值,以维持最大系统输出净功率并避免氧饥饿.利用径向基函数神经网络在线逼近系统的未建模动态,而无需对外部干扰与模型参数摄动的界的先验信息.由Lyapunov理论分别推导出神经网络权值和滑模增益的自适应律,以保证闭环系统稳定性.仿真结果表明,所设计的控制器不仅改善了过氧比控制的动态行为,还有效减弱了控制输入的大幅超调和抖振.     

基于神经网络的空间柔性机械臂PID快速学习控制

针对自由漂浮柔性空间机器人的轨迹跟踪问题,提出一种径向基函数（RBF）神经网络控制策略.首先建立漂浮基柔性空间机器人的非线性动力学方程,考虑到RBF神经网络良好的逼近能力,柔性臂的非线性逆动力学模型通过RBF网络来逼近,采用PID控制器与神经网络控制器来共同保证系统稳定性,其误差代价函数由PID控制器提供,采用固定中心参数,而扩展宽度采用启发式关系确定,网络权值采用改进的最优准则算法进行调整来实现快速学习能力.仿真结果表明了这种RBF神经控制器能够达到较快的误差收敛速度.     

基于滑模PID神经网络控制的混沌同步

对于多输入多输出(multiple inputs multiple outputs,简称MIMO)混沌系统的同步问题,设计了基于误差比例-积分-微分(proportional integral derivative,简称PID)改进下的滑模径向基函数神经网络(radial basis function,简称RBF)控制方法,实现了主从统一混沌系统的同步.设计自适应RBF滑模控制器,将其用于初值不同的不确定主从统一混沌系统的同步控制中,证明了控制的Lyapunov稳定性.最后结合MATLAB仿真实验验证了所提方法的可行性与有效性.     

饱和粘土本构关系的神经网络模型

基于不同应力中径下饱和粘土的三轴试验和反问题理论，提出了用改进BP神经网络和径向基函数（RBF）神经网络这两种方法来建立粘土的本构模型。实例分析表明，两种模型对具体本构关系都能够很好逼近和预测，比较起来，径向基函数神经网络模型的稳定性好，且逼近速度快，而改进BP神经网络稳定性好，但逼近速度过慢。     

基于径向基神经网络的主动前轮转向自抗扰控制

为研究复杂环境下车辆主动前轮转向系统（AFS）稳定性问题,提出一种基于RBF神经网络的主动前轮转向自抗扰控制（ADRC）方法,通过设计RBF神经网络结构采用梯度下降法达到自抗扰控制器参数整定的目的,改善ADRC参数多整定耗时且控制效果难以保持最优的不足;针对车辆AFS定传动比的不足,设计固定横摆角速度增益的理想变传动比规则。结果表明,基于RBF神经网络的ADRC策略能够较好的实现动态跟踪主动前轮转向理想横摆角速度,同时相比ADRC抗干扰量提高了25.8%,有效抑制了横摆角速度的振荡幅值。可见该方法提高了理想横摆角速度的跟踪能力,改善了车辆的可控性和稳定性并具有良好控制精度。     

蚁群算法优化RBF神经网络的网络流量预测

传统RBF神经网络在网络流量预测过程中存在收敛速度慢、极易出现局部最优等缺点,从而导致预测精度低。采用蚁群算法优化RBF神经网络参数来进行网络流量预测。利用蚁群优化算法来训练RBF神经网络的基函数宽度和中心,简化网络结构,加快收敛速度,防止局部最优的出现,改善RBF神经网络的泛化能力。实验结果表明,相对于GA-RBF以及PSO-RBF流量预测模型,模型预测准确度更高,能够很好地描述网络流的变化规律。具有泛化能力强、稳定性良好的特点,在网络流量预测中有一定的实用价值。     

基于RBF神经网络预测方法的碱渣土工程特性分析

为了缓解纯碱行业生产快速发展与碱渣贮放的矛盾,国内碱厂主要采用贮渣池加高作为解决手段.对待建碱渣坝土样的工程特性进行预测分析,能够为坝体的后续加固加高提供科学依据.碱渣土具有复杂的物理力学性质,应用优化识别预测方法能够更好地揭示数据中各指标间的非线性关系,因此采用RBF神经网络的数据拟合能力,建立碱渣土工程特性的预测模型.通过工程算例的应用效果表明,RBF神经网络具有可调参数少、网络性能稳定和预测精度高等优点,分析了输入样本数目和宽度向量对RBF神经网络预测性能的影响,可为碱渣土工程特性的初步预测分析提供有效的决策依据.     

机器人的自适应神经全局滑模轨迹跟踪控制

针对具有不确定性的机器人系统,提出一种自适应神经全局滑模轨迹跟踪控制方案.控制器采用一种新的全局滑模面,使得系统在整个响应时间内都具有鲁棒性;并基于径向基函数神经网络自适应学习不确定性的未知上界,从而自适应调整控制律的切换增益.而且基于Lyapunov稳定性理论证明这种新型控制器能够保证机器人系统关节角位置矢量和角速度矢量的跟踪误差渐近收敛于0.仿真结果表明提出的控制策略能够使机器人系统仅在0.5 s内就实现快速的轨迹跟踪,可见该方案是可行且有效的.