基于Volterra级数的全解耦RLS自适应辨识算法

针对非线性系统辨识问题,提出了一种基于Volterra级数模型的非线性系统的全解耦RLS自适应辨识算法。按照Volterra伪线性组合结构,采用RLS自适应辨识和约束优化理论,导出了具有分块对角形输入相关矩阵的全解耦Volterra标准方程,据此设计了一种基于Volterra级数模型的全解耦的RLS自适应辨识算法。该算法与部分解耦的RLS自适应算法相比,显著提高了辨识过程的收敛速度和精度。仿真结果验证了该方法的有效性。     

一种基于模糊神经网络的自适应模糊辨识方法

基于改进的T-S模型，提出一种自适应模糊神经网络模型(AFNN)。首先，基于模糊竞争学习算法确定系统的模糊空间和模糊规则数，并得出每个样本对每条规则的适用程度。其次，利用卡尔曼滤波算法在线辨识AFNN的后件参数。AFNN具有结构简洁，逼近能力强，能够显著提高辨识精度，并且辨识的模糊模型简单有效。最后，将该AFNN用于非线性系统的模糊辨识，仿真结果验证了该方法的有效性。     

一种时变非线性系统的自适应逆控制仿真

对一种非线性时变系统提出了基于神经网络的自适应逆控制方案。该方案中用两个动态神经网络分别作为模型辨识器和自适应逆控制器,详细推导了在线训练自适应逆控制器的BPTM(backpropagationthroughmodel)和RTRL(realtimerecursivelearning)算法。根据大幅面喷墨打印机的结构特点,建立了打印头车架系统的时变非线性动力学模型作为仿真对象,在Matlab/Simulink平台下进行了算法仿真验证。结果表明了该方案收敛快,能有效控制该时变非线性对象。     

自适应模糊推理人工神经网络在线实时化及其应用

本文介绍一种自适应模糊推理人工神经网络的函数逼近算法，并对其进行在线实时化改造。最后将该算法与传统系统辨识方法相结合应用于复杂系统分离辨识的试验。     

运用ADE算法进行Wiener模型辨识

DE算法是一类基于种群的启发式全局搜索技术,该算法原理简单,控制参数少,鲁棒性强,具有良好的优化性能.首先利用DE算法对Wiener模型参数进行辨识,分析了算法中变异率F对辨识过程中的全局并行搜索能力和收敛速度的影响;其次运用一种自适应变异差分进化算法(ADE)进行Wiener模型参数辨识,该算法在初期变异率较高,种群具有多样性,避免过早收敛于局部最优解;在进化过程中,变异率逐渐变小,优良个体得以保留,避免最优解遭到破坏.运用ADE算法对Wiener模型的数值仿真结果表明了ADE算法在参数辨识问题中的有效性,以及较PSO算法更强的非线性系统辨识能力.与一般的DE算法相比较,ADE算法辨识到全局最优解的精度和概率有较大提高,对算法参数的敏感性降低.     

具有时变扰动不确定系统的对偶自适应控制

对一类具有参数不确定性以及时变外部输入扰动的线性系统的控制方法进行了研究 :(1)提出了一种系统参数和扰动的联合辨识实时辨识方法 ,即在不需预先知道扰动模型的情况下 ,同时估计被控对象参数与外部输入扰动 ,并根据辨识结果对输入扰动进行实时补偿 ;(2 )设计了一对偶自适应控制器 ,该控制器具有控制与学习的双重作用 ,能够克服系统参数不确定性影响 ,且防止了传统自适应系统可能有的“关断” ,“终止”和“猝发”等不良现象 ,从而增强了自适应控制系统的鲁棒性。最后通过仿真例子验证了算法的有效性。     

基于在线聚类的机器人自适应模糊建模

针对机器人这种具有时变、强耦合和不确定性的复杂非线性被控对象,提出一种基于在线聚类的模糊自适应方法用于机器人系统建模。建模过程中采用在线聚类算法辨识机器人T-S模型的前提参数,采用递推最小二乘算法(RLSE)辨识结论参数,根据过程中新的数据信息,模糊规则可以自动增加、修改和删除,实现了模型结构和参数的在线辨识和更新,而且该方法具有模型结构简单、建模速度快、精度高等优点。最后通过二自由度机器人仿真研究证明了该方法的有效性和优越性。     

基于T-S模糊模型的模型参考自适应逆控制

针对非线性系统,提出一种基于T-S模糊模型的模型参考自适应逆扰动消除控制方法。所提方法根据模糊辨识理论与模型参考自适应逆控制各自的特点,将两者相结合。首先,根据模糊系统理论,分别采用模糊对角线划分和递推最小二乘算法进行前提和结论参数辨识,离线辨识得到对象模糊模型和逆对象模糊模型。将辨识出的对象逆设为原始控制器,与被控对象串联;为了分离出系统扰动信号,将辨识出的对象模型与被控对象并联,通过被控系统与对象模型输出做比较,再通过逆对象模型反馈到系统输入端,组成扰动消除环节。用最小均方差算法在系统运行过程中在线调节逆对象模糊模型参数,使其输出误差最小。最后,使用所提方法对一混合非线性系统及输入/输出非线性系统进行仿真试验,仿真结果验证了所提方法的有效性。     

一种基于小波网络模型参考自适应控制系统的设计与应用

根据神经网络内模控制的思想,提出了一种基于小波网络的模型参考自适应控制方法。该方法选用两个小波神经网络,分别作为系统模型的辨识器和控制器。此外,为了减小系统误差,在控制器和辨识器之间加入一个小波神经网络,作为非线性自适应滤波器。仿真结果和应用实例表明了该方法的有效性和合理性。     

基于自适应CKF的恒模盲波束形成算法

针对均匀线阵,利用信号的恒模特性,与容积卡尔曼滤波相结合,提出一种新的盲自适应波束形成算法。通过对恒模算法的优化代价函数进行变换,使其满足系统状态空间模型。利用容积卡尔曼滤波算法进行自适应滤波,以实现抑制干扰和消除噪声。所提算法对状态空间模型中的系统噪声和过程噪声进行了自适应处理,免除滤波噪声参数的设置,增强了算法的通用性,并引入了收敛因子,加速系统的收敛速度。仿真结果表明了该算法的正确性和有效性。     

汽车ASS与EPS分层协调控制

以提高汽车行驶平顺性和操纵稳定性为出发点,建立了汽车ASS与EPS的整车动力学模型,提出了一种汽车ASS与EPS集成控制的方法。分别设计了ASS子系统模糊控制器与EPS子系统模糊控制器,利用分层协调控制思想建立了上层协调控制器,对两个子系统进行协调控制。仿真结果表明：采用分层协调控制策略控制的ASS与EPS集成系统可使车身垂直加速度、车身俯仰角、横摆角速度、车身侧倾角等性能参数得到优化,汽车行驶平顺性和操纵稳定性有明显改善,提高了整车综合性能。

Abstract：

Vehicle dynamics model of ASS and EPS was built.A coordination control method of vehicle ASS and EPS was presented to improve vehicle ride performance and handling stability.ASS controller and EPS controller were designed separately.The controller of ASS was designed using fuzzy logic control theory and the EPS system was designed using fuzzy logic control theory too.In order to coordinate the two subsystems,an upper coordination controller was set up based on an idea of delaminating control.The simulation results show that layered coordination control strategy can optimize the vehicle performance parameters and the vehicle integrated performance is improved obviously.     

自适应律修改的间接自适应模糊控制

针对一类不确定非线性系统提出了一种间接自适应模糊控制方法,此方法对模糊逻辑系统中的未知参数设计了一种新的自适应学习律,证明了在此自适应律作用下,不但能使跟踪误差收敛于原点的小邻域内,而且通过适当增大设计参数的值,可使跟踪误差减小。仿真结果验证了此方法的有效性。     

基于Niche的间接T-S模糊自适应控制

提出了新的基于生态系统的Niche间接T-S(Takagi-Sugeno)自适应模糊控制,将含有参数的生态位贴近度函数作为模糊规则的后件,从而构成零阶的T-S模糊控制模型。采用Lyapunov合成方法设计控制器,并使用梯度下降法优化后件参数,最后得到了后件参数的自适应律,体现了生物个体的自适应能力,引入了生态位的模糊系统具有生物个体始终朝着有利于自身方向发展的特性。因此,所建立的模糊T S系统具有更好的自适应性,可以获得更小的变动跟踪误差,并保证整个闭环系统全局稳定性。通过对生态系统的二维捕食系统的仿真验证了本方法的可行性。     

基于回归型支持向量机的液压舵机故障诊断

利用回归型支持向量机（SupportVectorRegression，SVR），设计了一个液压舵机的故障诊断系统。利用系统的可测参量，建立了基于SVR的液压舵机的全局故障检测模型。在仿真过程中发现，此方法能对电液伺服阀、位移传感器和伺服放大器的各种故障进行诊断，诊断准确度高，适用于闭环控制系统的故障检测，仿真结果验证了该方法的有效性。     

Robust attitude control of a 3DOF helicopter with multi-operation points

A 3DOF (three degrees of freedom) helicopter attitude control system with multi-operation points is described as a MIMO time-varying uncertain nonlinear system with unknown constant parameters, bounded disturbance and nonlinear uncertainty, and a robust output feedback control method based on signal compensation is proposed. A controller designed by this method consists of a nominal controller and a robust compensator. The controller is linear time-invariant and can be realized easily. Robust attitude tracking property of closed-loop system is proven and experimental results show that the designed control system can guarantee high precision robust attitude control under multi-operation points. This research is supported by the National Natural Science Foundation of China under Grant Nos. 60674017 and 60736024.     

汽车转向/防抱死制动系统的协调控制研究

协同控制结构由执行级和协调级组成。在执行级中,设计基于最佳滑移率的汽车防抱死制动可调节滑模控制器。针对滑模控制中固有抖振缺陷,自动适时调节控制参数增益以消弱抖振。此外,设计基于鲁棒自适应控制的横摆力矩控制器和主动前轮转向控制器力求改善汽车动态响应、鲁棒自适应性和稳定性。在协调级中,设计适用于复杂工况的制动力分配策略,并提出一种协调控制转向系统和制动系统的新方法。最后用仿真结果验证所设计控制算法的稳定性和有效性。     

感应电机非线性自适应鲁棒控制

基于耗散性与稳定性之间的等价关系和投影原理，设计具有L2增益的非线性白适应鲁棒器应用于感应电机控制是一种新颖的方法．针对感应电机转子电阻与负载转矩的不确定性，在设计控制器时，引入与不确定性参数相对应的可调参数。利用投影定理设计了自适应控制律，在线修正参数值，同时耗散性分析中采用了L2增益算法，使系统不但对不确定项具有鲁棒性，而且对外部干扰具有抑制作用，保证整个闭环系统的动态品质。数值仿真验证了设计方法的正确性。     

主从FitzHugh-Nagumo神经元的鲁棒输出同步控制

籽内模理论应用于混沌吸尹／子的同步控制，针对电耦合FitzHugh-Nagumo神经元中存在未知的参数和不确定的异质扰动，引入内模并设计合适的状态反馈控制器保证了主从系统的鲁棒输出同步的半局Lyapunov渐进稳定性，有效克服了系统不确定异质干扰的影响；仿真结果验证了所提控制方法的有效性。     

坦克稳定器状态补偿控制研究

基于状态观测、补偿理论，设计坦克稳定器控制系统。通过遗传算法优化控制器参数，结合Monte-Carlo随机试验方法，进行系统的性能鲁棒分析。动态仿真试验表明在考虑系统的本质非线性环节、高频低幅外扰的情况下，所设计的控制器比PI控制具有更高的精度，更小的超调量，比滑模控制具有更强的扰动抑制能力，并且克服了本质非线性环节的影响，具有快速随动、稳态无静差、扰动不敏感的性能。     

鲁棒迭代学习控制及在高精密平台中的应用

针对不确定性系统,提出一种非因果的鲁棒迭代学习控制方法。采用反馈控制和迭代学习控制分别设计并统一进行鲁棒性分析的方法,以提高系统的反馈性能和学习性能。首先采用H_∞控制方法,保证反馈部分的鲁棒稳定性;其次采用二次型优化迭代学习控制律来提高系统的学习效率;最后结合μ分析理论,对迭代学习控制系统进行鲁棒性验证,并对优化学习律的参数进行修正。该方法吸取了非因果迭代学习律学习性能好的优点,也充分利用μ分析保守性小的特点来提高系统的性能。算例结果验证了方法的有效性。