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。     

一种基于自适应控制的软实时调度算法研究

控制理论应用于软实时系统的调度问题，仅采用经典反馈控制技术存在较大的局限性。针对CPU资源实时调度模型的时变特点，提出一种基于自适应反馈控制结构的软实时调度算法，通过在线实时辨识模型的时变参数，自动校正控制器参数，使控制系统运行在期望的闭环极点，改善了实时系统的动态响应特性，同时对系统模型的参数时变具有较好的鲁棒性，提高了实时系统的稳定性和资源的利用率。     

时频差精度的时变性影响及补偿估计方法

到达时差(time difference of arrival, TDOA)和到达频差(frequency difference of arrival,FDOA)/频差无源定位体制中,定位精度取决于时频差参数的估计精度。针对微纳卫星定位系统中时变参数估计性能随累积时间增加会出现恶化的问题,分析了相对频率扩展(relative frequency companding, RFC)对频差方向复模糊函数(complex ambiguity function, CAF)峰的扩展效应,推导了无补偿的RFC对频差估计精度的影响,给出频差估计精度的衰减因子及最优累积时间。在理论分析的基础上,提出一种时变补偿的时频差估计方法,用以克服时变特性引起的时间及频率扩展效应。仿真结果表明,该方法可有效消除参数估计精度的损失,估计精度逼近非时变参数的理论极限。     

Jelinski-Moranda模型的一种新的NLS估计法

提出了一种新的基于非线性最小二乘法的软件可靠性Jelinski-Moranda(J-M)模型参数估计方法(LogLSE).给出了一种与经典的J-M模型最小二乘法等价的曲线拟合函数,推导了J-M模型的新的非线性最小二乘(NLS)参数估计公式.在标准的软件可靠性失效数据一海军战术数据系统(NTDS)和三组J-D.Musa软件可靠性数据上,利用牛顿迭代法求解参数估计的实例分析,说明了LogLSE估计优于传统的基于最大似然估计(MLE)和最小二乘估计(LsE)的J-M模型参数估计.     

基于支持向量机的无参时变过程控制方法研究

为了提高时变生产过程的监控性能,提出了基于支持向量机的时变控制图,能够根据生产过程的变化及时更新分类器模型和控制界限,并根据第二阶段的数据构建动态分类边界,以实现对时变生产过程进行有效监控.同时通过添加时间权重因子和停止更新准则,实现对模型更新速度和更新区域的调节,使所提的时变控制图能够适应不同的时变模式.最后,通过模拟数据和青霉素发酵数据进行验证,验证所提的时变控制图性能优于传统控制图.     

大系统稳态优化控制的改进新算法

引入标志算法抗干扰性能强弱的灵敏度指标，讨论了稳态优化控制两步算法（参数估计与模型优化相结合）最优性的参数灵敏度问题，特别对线性模型且具有二次性能指标控制问题的标准两步法和修正两步法的灵敏度作了分析比较．并提出了适合参数估计和模型优化中存在误差时的新算法．     

一类线性时变系统组合自适应迭代学习控制

针对一类有限时间区间上具有可重复性的BIBO稳定的一阶线性时变系统,将模型参考自适应控制方法与迭代学习相结合,提出了组合模型参考自适应迭代学习控制算法.基于Lyapunov方法推导出迭代学习控制律以及针对时变惯性参数与时不变高频增益的组合自适应参数更新律.该算法适于控制快时变系统,并使跟踪误差、参数估计误差和控制信号有界.当迭代次数趋于无穷时,跟踪误差关于有限时间区间一致收敛到零.系统仿真验证了所提控制算法的有效性.     

一种神经网络学习控制的仿真研究

提出了一神经网络学习控制器，两个递归神经网分别用于对象模型辨识和学习控制，在对象模型具有非线性时变或未知情况下，本控制方法能准确地跟踪期望的轨迹，对所提出的方法进行了仿真研究，给出了仿真结果     

非线性时变网络瞬态分析的一种新方法

基于电路理论和数值积分算法 ,导出了非线性时变LCM的通用瞬态电路模型 ,提出了非线性时变RL CM网络瞬态分析的一种新方法。采用这种方法可将非线性时变RLCM网络的瞬态分析简化为若干次线性时不变电阻性网络的直流分析。     

大系统稳态优化控制的改进瓣算法

引入标志算法抗干扰性级强弱的灵敏度指标，讨论了稳态优化控制两步算法（参数估计与模型优化相结合）最优性的参数灵敏度问题，特别对线性模型且具有二次性能指标控制问题的标准两步法和修正两步法的灵敏度作了分析比较，并提出了适合参数估计和模型优化各存在误差时的新算法．     

基于小波变换的时变长记忆SV模型估计方法研究

研究了基于小波变换的时变长记忆SV模型参数的估计方法.根据小波变换可将过程分解到不同的尺度上以及长记忆SV过程同一尺度下和不同尺度下DWT系数的近似不相关性,提出了建立局部似然函数的方法,又根据DWT系数和MODWT系数之间的关系,将局部似然函数表示为模型参数和局部小波方差估计的形式.用该方法对中国股市收益进行了时变长记忆SV模型参数的估计.     

多变量非线性系统的直接自适应模糊预测控制

对一类多变量非线性系统提出了直接自适应模糊预测控制方法,此方法首先对被控对象提出了线性时变子模型加非线性子模型的预测模型,然后直接利用模糊系统设计预测控制器,并基于时变增益自适应律对控制器中的未知向量和逼近误差估计值进行自适应调整。证明了此方法可使跟踪误差收敛到原点的一个邻域内,仿真结果验证了此方法的有效性。     

基于Smith补偿与神经网络的网络控制系统PD控制

为减小网络时延给系统控制性能带来的负面影响,把传输网络以及被控对象看作是一个时变的被控系统,用Smith补偿器对时延进行补偿,并用遗忘因子递推最小二乘法对Smith补偿器中的参数进行估计,初步减小网络传输时延给系统带来的影响。将小脑模型控制器与PD控制相结合,组成复合控制器,进一步减小由时延预估误差带给系统的控制偏差,优化系统控制效果。最后,对该控制方法进行仿真实验,结果表明该方法能有效改善系统的控制性能。     

基于车辆动力学和Kalman滤波的汽车状态软测量

针对汽车动力学控制过程中难以在线测得的横摆角速度等状态参数,根据参数软测量理论,采用Kalman滤波并结合汽车两自由度动力学模型,建立了汽车横摆角速度的线性最小均方误差估计算法。仿真计算与场地实验的结果验证了该算法的有效性,同时软测量技术的采用也为汽车控制系统的状态参数测量提供了一条可行、准确且低成本的研究思路。     

模型与实际有差异时非线性大工业过程递阶优化控制算法

针对实际非线性离散系统与它的模型之间的差异，提出了一种基于模型优化控制问题来求解实际问题最优解的递阶算法，该算法通过上级的关联预测和参数估计与下级的修正的基于模型优化子问题的迭代问题，总可以获得实际非线性离散大系统最优控制．并行计算可以节省计算时间．分析了该算法的收敛性和最优性．仿真例子说明该算法的特色．     

高阶非线性时滞系统的神经网络动态面控制

针对一类具有未知时变时滞的不确定高阶非线性系统,基于增加幂次积分方法,提出了一种非光滑状态反馈自适应神经网络动态面控制设计方案。通过构造适当的Lyapunov Krasovskii泛函处理了未知时变时滞不确定项;通过利用神经网络权值范数的适当形式幂次函数,将神经网络用于对在单步递推中所构造的未知函数进行建模;采用动态面技术,解决了“微分爆炸”问题。所提控制方案能够保证闭环控制系统的状态量和跟踪误差半全局一致终结有界。最后,仿真算例结果表明了该方案的有效性。     

基于线偏差测量的目标运动参数估计方法及仿真研究

建立了遥控制导系统目标运动方程和观测方程,为估计目标运动参数,如目标距离,目标运动速度,目标机动方向等,设计了推广卡尔曼滤波器及针对非线性观测模型和线性动态模型的自适应推广卡尔曼滤波器。进行了数学仿真,结果表明在制导系统中的目标运动参数估计方面,自适应推广卡尔曼滤波器的性能优于推广卡尔曼滤波器。     

一种自适应ESPRIT算法

运用特征子空间方法的关键在于信号或噪声子空间的估计.实际上有些信号的统计特性通常随时间变化,为得到参数的实时估计值,需要随时根据新的阵列接收数据对信号或噪声子空间进行更新.首先建立了用于信号到达主向(DOA)估计的SVD-ESPRIT算法,然后利用受限摄动分析提出了一种子空间跟踪算法.将该跟踪算法与SVD-ESFRIT算法相结合,得到的自适应ESPRIT算法可用于对时变的信号DOA进行跟踪估计.仿真计算结果验证了该算法的有效性.     

A parameter estimation based adaptive actuator failure compensation control scheme

An adaptive actuator failure compensation control scheme is developed using an indirect adaptive control method,by calculating the controller parameters from adaptive estimates of system parameters and actuator failure parameters.A key technical issue is how to deal with the actuator failure uncertainties such as failure pattern,time and values.A complete parametrization covering all possible failures is used to solve this issue for adaptive parameter estimation.A simultaneous mapping from the estimated system/failure parameters to the controller parameters is employed to make the control system capable of ensuring the desired system performance under failures,which is verified by simulation results.