带有误差补偿的非线性系统自适应模糊控制

针对一类非线性系统提出了间接自适应模糊控制方法,该方法用模糊逻辑系统逼近未知函数,并设计误差补偿器来减少逼近误差对跟踪精度的影响。在设计等效控制时考虑其存在性,仿真证明该方法不但能使跟踪误差收敛到原点的小邻域内,而且通过适当调整设计参数,可使跟踪误差减小,收敛速度加快。仿真结果验证了此方法的有效性。     

一种自适应鲁棒跟踪模糊控制新算法

针对一类非线性不确定系统 ,在用T S模糊系统对未知聚拢不确定函数进行逼近的基础上 ,利用系统的耗散理论 ,系统地提出了一种自适应鲁棒跟踪模糊控制新算法。该算法基于一个新的Lyapunov函数 ,不仅可以使控制算法避免其它自适应控制算法中时常存在的奇异问题 ,而且还可以使自适应学习参数的数目减至最少 ,便于工程实现 ,并可确保闭环系统渐近稳定 ,系统的跟踪误差为零。经仿真研究表明 ,所提出的算法是有效的     

一类非线性MIMO系统的自适应模糊输出反馈控制

针对一类多输入多输出非线性系统设计了自适应模糊观测器和控制器。该方法不需要系统状态完全可测的条件，而是通过自适应模糊观测器估计系统的状态。采用基于状态估计的模糊基函数模型的模糊逻辑系统逼近非线性函数，并对模糊建模误差和外扰的存在采用了鲁棒补偿控制项以保证良好的观测与跟踪性能，该控制器保证了跟踪误差和观测误差的一致最终有界性。仿真结果表明所提出的方法具有良好的观测效果与跟踪效果。     

一类非仿射受扰混沌系统的自适应模糊控制

针对一类带非仿射输入的不确定受扰混沌系统,提出了带监督控制项的自适应模糊控制。该方法采用模糊逻辑系统逼近虚拟控制中的未知函数,仅要求逼近误差范数有界。模糊参数采用σ自适应律,并给出参数的有界性证明。构造Lyapunov函数证明闭环系统所有信号一致有界,跟踪误差一致渐进稳定。将Duffing-Holmes系统、Genesio系统和Sprott电路混沌系统作为仿真对象,仿真结果验证了算法的有效性。     

基于当前统计模型的机动目标自适应强跟踪算法

在当前统计模型卡尔曼滤波算法的基础上,结合升半正态形模糊分布函数特性,提出了一种加速度方差两段函数自适应调整方法,该方法能自适应逼近目标真实机动并进行准确跟踪。给出了最大加速度自调整方法,克服了模型对目标最大加速度的依赖。引入强跟踪滤波算法,增强了模型对突发机动自适应跟踪的能力。理论分析和仿真结果表明,该算法提高了机动模型和系统模式的匹配程度,增强了系统对强机动目标的跟踪能力,并保持对弱机动和非机动目标良好的跟踪性能,且具有运算量小、跟踪精度高、易于工程化实现等优点。     

基于泛函网络的多维函数逼近理论及学习算法

提出一种多维函数逼近的泛函网络逼近方法,设计了一类用于函数逼近的可分离泛函网络,给出了基于泛函网络的函数逼近学习算法。而泛函网络的参数通过解方程组得到,它们能逼近给定函数到预定的精度。仿真结果表明,这种逼近方法简单可行,具有较快的收敛速度和良好的逼近性能。     

永磁同步电机的模型参考模糊自适应控制

采用模糊基函数形式,将永磁同步电机时变参数的辨识转化为对模糊基函数权系数的辨识问题,经过离线学习和在线自适应调节的模糊估计器具有对永磁同步电机时变参数的逼近能力.利用参数跟踪误差和控制预测误差信息,设计模型参考模糊自适应速度控制器,基于Lyapunov稳定性理论分析了控制器的收敛性,仿真及dSPACE实验结果表明:所设计的永磁同步电机控制系统具有较好的参数跟踪及控制性能.     

多连杆柔性关节机械臂的神经滑模控制

钟对多连杆柔性关节机械臂,设计了基于高斯径向基函数神经网络（GRBFNN）的滑模控制器,该控制器利用神经网络的逼近能力,将各关节的切换函数作为网络的输入,控制器完全由连续的RBF神经网络实现。利用该控制器与线性二次型跟踪器以及传统滑模控制器对三连杆柔性关节机械臂进行轨迹跟踪控制仿真。仿真结果表明：线性二次型跟踪器具有一定传输时延,滑模控制器跟踪轨迹有明显抖振,而神经滑模控制器取消了切换项,消减了抖振,具有良好的跟踪效果和稳定性。     

增益符号未知的鲁棒自适应模糊控制

针对一类具有函数控制增益符号未知的不确定非线性系统,根据滑模控制原理和模糊系统的逼近能力,提出了一种自适应模糊控制器设计新方案。该方案利用Nussbaum函数的性质,取消了常用的函数控制增益符号已知这一条件。并通过引入最优逼近误差的自适应补偿项来消除建模误差和参数估计误差的影响。理论分析证明了闭环系统的有界性和跟踪误差收敛到零。仿真结果表明了该方法的有效性。     

最大值约束的广义延拓逼近GNSS码鉴相算法

针对GNSS码跟踪环高精度鉴相需求,提出了一种最大值约束的广义延拓逼近码鉴相算法,利用5个相关臂的相关结果建立广义延拓逼近模型,拟合得到相关值分布函数,进而得到码相位差。同时利用相关结果最大的相关节点对拟合的相关值分布函数进行约束,进一步提高了码相位差的估计精度和适应性。将新算法与常用的归一化超前减滞后包络鉴相算法从鉴相线性范围、牵引范围和鉴相误差三方面进行了对比。蒙特卡罗仿真和在GPS软件接收机上对实际GPS信号采样数据进行测试的结果表明，结合最大值约束的广义延拓逼近鉴相误差性能大大优于传统的归一化超前减滞后包络鉴相,可以有效地提升码鉴相器的鉴相精度。     

未知非线性系统的神经网络跟踪控制与仿真研究

应用输入／输出反馈线性化方法和李亚普诺夫方法，研究了一类具有未知非线性函数的非线性动态系统的自适应鲁棒输出跟踪控制问题。首先通过坐标变换和输入变换，将非线性系统变换为部分线性可控系统。接着采用多层前向神经网络来逼近未知非线性函数，网络的权值根据李亚普诺夫原则来在线修正，这样就克服了多神经网络控制系统中存在的稳定性问题。同时，为了减少权值学习时间，应用遗传算法预先离线训练网络权值。最后提出了一个基于神经网络建模的自适应鲁棒控制律，给出了李亚普诺夫意义下的稳定性证明。所提出的控制律可确保相应闭环系统的状态及跟踪误差一致最终有界。所给的Van der pol系统的例子说明了所提控制方案的有效性与鲁棒性。     

NAR模型的Korenberg算法及其应用

函数逼近是许多工程领域，乃至经济领域中的一个基本问题，本文深入研究了NAR（Nonlinear Autoregresive)模型的Korengberg函数逼近算法，并从实时控制角度提出了一种可行的、新的模型优化方法。在仿真实验中，对混沌信号和火炮弹道函数逼近时，得到了较好的效果。实实验结果表明，本算法具有以下4个优点；1）对不同结构的系统具有较好的适应性。2）具有较高的逼近精度。3）具有较短的计算时间。4）具有较强的抗噪声能力。可见，本算法是一种有效高实际应用价值的方法。     

一类严格反馈时滞系统的自适应输出反馈控制

针对一类单输入单输出的严格反馈时滞系统研究跟踪控制问题。该控制系统包含不确定项、输出约束、未知死区特性和未知时间延迟。首先,设计一个状态观测器来估计无法测量的系统状态;其次,利用径向基函数(radial basis function,RBF)神经网络去逼近未知的系统内部动态;同时,利用障碍李雅普诺夫(Lyapunov)函数确保输出约束及Lyapunov-Krasovskii方法消除时滞项对系统的影响;最后,基于Lyapunov稳定性理论,构造一个鲁棒自适应神经网络输出反馈控制器,并且克服了过参数问题。结果显示,设计的神经网络输出反馈控制器可以保证闭环系统中的所有信号都是半全局最终一致有界的,跟踪误差能收敛到零值小的领域内。文中通过两个例子进一步验证了提出方法的有效性。     

基于观测器的非线性系统直接自适应模糊控制

针对状态不可测的一类不确定非线性系统,利用模糊系统的逼近能力,提出一种基于观测器的直接自适应模糊控制方案。该方案通过引入观测量的调制函数,使得模糊系统的输入集在有界闭区域上,从而取消了观测量有界的假设。利用Kalman Yacubovitch Popov定理及李亚普诺夫函数,证明了闭环控制系统所有信号是有界的,跟踪误差收敛到零。仿真结果表明了该方法的有效性。     

基于动态面的自适应模糊输出反馈控制

针对一类具有未知死区和控制方向的非线性系统,基于I型模糊系统的逼近能力,提出了一种稳定自适应模糊输出反馈控制方案。该方案将动态面技术和输出反馈控制相结合,避免了过参数化问题,从而无需引入调节函数。通过理论分析证明了闭环控制系统所有信号半全局一致终结有界;且选取适当的设计常数,跟踪误差可收敛到一个小的邻域内。仿真结果表明了该方案的有效性。     

RBF网络及其在数值计算中的应用

由经典的函数逼近理论衍生的很多数值算法有共同的缺点：计算量大、适应性差，对模型和数据要求高，在实际应用中受到限制。神经网络可以被用来计算复杂输入与输出结果之间的关系，具有很强的函数逼近功能。文章阐述如何利用RBFNN进行函数逼近、求解非线性方程组以及散乱数据插值，结合MATLAB神经网络工具箱给出了数值实例，并与BP网络等方法进行了比较。应用结果表明RBFNN是数值计算的一个有力工具，与传统方法比较具有编程简单、实用的特点。     

多分辨正交多小波网络的结构与算法研究

小波网络是函数逼近的有力工具。利用多小波函数和多尺度函数的互补性,构造了一种具有分层、多分辨和局部学习特点的正交多小波神经网络。分析了该网络用于函数逼近时的性质,讨论了其结构并在此基础上给出了调整网络权系数的算法。理论分析和GHM多小波网络及db2单小波网络对几种非线性函数的仿真结果都表明,当函数具有一定的光滑性时,正交多小波神经网络的逼近性能优于正交单小波神经网络。     

考虑执行器故障的无人帆船事件触发控制

针对实际海洋环境下,无人帆船在艏向跟踪控制任务中存在的模型参数未知、控制输入频繁抖振和执行器磨损等问题,提出一种考虑执行器故障的无人帆船事件触发控制算法.首先,采用径向基函数神经网络(radius based function neural networks,RBF-NNs)对系统的未知模型参数进行在线逼近.其次,在无...     

伪随机编码调相8mm连续波雷达

为测量低空飞行目标,研制了伪随机码调相(PN-BPSK)8 mm连续波雷达.其信号模糊函数在二维(τ,ωd)平面内逼近冲击函数,有利于减小海杂波干扰和提高对目标的分辨率.目标回波信号接收,采用最大似然估值技术的雷达接收机,在正交开环的近似最大似然估值器中同时完成时延、多普勒频率估值,这种方法保证接收机能够跟踪高动态目标.通过对雷达进行模拟检测和现场试验表明,可以在信号电平有20 dB波动的条件下,实现对海面背景下高动态低信噪比,低空飞行目标的稳定跟踪测量.     

基于模糊自适应的微型飞行器姿态控制

针对一类不确定非线性系统,基于李亚普诺夫稳定性理论提出了模糊自适应算法.将系统分为标称模型和包含建模误差、参数变化、干扰及未建模动态等在内的混合干扰项,用模糊自适应控制实时逼近系统各个不确定参数,用鲁棒反馈控制消除系统的外部干扰.由于模糊自适应控制是对系统输入系数矩阵和系统函数向量的不确定部分的每一个分量进行实时逼近,所以系统控制的精确性得到了提高,有较好的鲁棒性.模糊逻辑系统的计算量相对较少,从而能够很好地完成系统输出信号的渐近跟踪.给出了控制算法的稳定性证明,并对微型飞行器的姿态控制系统进行了仿真研究,仿真结果验证了算法的有效性.