单变量耦合及自适应控制统一混沌系统的同步

针对混沌系统的控制与同步问题,对统一混沌系统的同步问题进行了理论分析,基于单变量的耦合控制与自适应控制方法分别进行了同步控制器的设计和理论证明。采用单变量控制在实现同步的过程中仅需从驱动系统传递一个状态变量到响应系统用于同步,因此具有很好的实用性。仿真验证了这两种控制方法的有效性。     

塔式起重机的神经网络滑模防摆控制

针对塔式起重机存在的负载摆动, 分析塔式起重机的动力学模型, 提出了一种基于遗传算法的塔式起重机神经网络滑模防摆控制新方法. 利用RBF神经网络输出逼近系统的不确定项, 并运用遗传算法优化滑模控制器的参数, 使得参数的收敛速度加快. 该方法削弱了滑模控制系统的高频抖振, 提高了系统的控制性能, 改善了系统的控制品质. 仿真结果表明方法的有效性和可行性.     

基于RBF神经网络的多变量系统PID解耦控制

针对工业生产过程中的多变量耦合系统采用传统控制方法不能达到满意的效果,提出了一种基于神经网络的PID解耦控制方案。在实验研究中,采用改进型动态BRF神经网络辨识器,在线辨识多变量系统的非线性时变模型,同时自动调整PID控制器各项参数,最终实现对系统的智能化解耦控制。给出了BRF神经网络的拓扑结构和算法,并对一组二变量强耦合时变系统的控制过程进行了计算机仿真,结果表明:基于BRF神经网络的PID控制不仅超调量小、响应速度快、控制精度高,而且具有很强的鲁棒性和自适应能力。该设计方案使得解耦后的多变量系统具备了良好的动、静态特性。     

Rossler系统与统一混沌系统的异结构同步

针对异结构混沌系统的同步提出了两种不同的同步方案,研究了两个不同结构的混沌系统:Rossler系统与统一混沌系统的同步。系统参数已知时采用主动控制方法,通过设计适当的主动控制器,实现了响应系统与驱动系统的渐近同步;系统参数不确定或未知时采用自适应控制方法,基于李亚普诺夫稳定性理论,得出了两异结构混沌系统同步的充分条件,设计了相应的控制器和参数自适应律,使得响应系统的状态变量渐近跟踪驱动系统的状态变量,且两个系统的参数估计值渐近收敛于其真值,仿真结果证明了两种方案的有效性。     

时变非线性系统直接自适应迭代学习控制

针对一类含有非周期时变参数化不确定性的非线性系统,设计了一种新的迭代神经网络估计器,解决了非周期时变不确定性带来的设计难题。用迭代神经网络直接对期望控制量进行整体逼近,利用Lyapunov稳定性理论和自适应迭代学习控制技术设计了控制器,并进行稳定性分析,证明了系统所有状态量有界,且输出量将收敛至期望轨迹的一个邻域内。仿真结果验证了控制器设计方案的正确性。     

电加热锅炉系统神经网络PID解耦控制器

以多输入多输出系统电加热锅炉为被控对象 ,基于神经网络 PID控制 ,提出了一种可用于带有耦合时延的多输入多输出系统的比例、积分和微分参数自整定的多输入多输出神经网络 PID解耦控制器 ,可以实现多变量系统的解耦 ,定值跟踪控制 ,并使系统具有很好的动态及稳态性能.     

阶段参数化智能调平控制系统的设计与仿真

针对受控对象柔性提升机构系统模型的强耦合、高度非线性的特点,采用阶段参数化方法处理调平控制过程的连续控制问题.基于拉格朗日理论建立提升系统的动力学模型;采用奇异摄动理论设计降低阶数的滑膜控制器;通过双对标变换将复杂的协调系统动力学方程分解成慢变子系统和快变于系统的阶段参数化控制系统.针对控制策略中选取参数的特点设计双时标变换滑膜控制器,实现控制系统的轨迹跟踪及对系统中弹性振动干扰的抑制.该控制系统从理论上缩短了系统调平时间,减少了系统需要测量的状态变量.仿真结果验证了所设计控制方法的有效性.     

基于广义预测的非线性解耦PID控制

针对一类非线性多变量离散时间动态系统,提出了基于神经网络的非线性多变量PID解耦控制方法。该控制器是由常规PID控制器与解耦补偿器、未建模动态前馈补偿器组成,而PID参数的整定是通过广义预测的方法实现的。同时给出了该控制方法的闭环系统的稳定性和收敛性分析。最后通过仿真实例验证了所提方法的有效性和可行性。     

基于极值理论的系统最大值指标评定方法

提出了基于极值理论的系统最大值指标评定与测算方法,为某些特殊领域(如航空、航天、国防)中的长周期系统的最大值指标评定提供了理论依据。首先,遵循一定的原则对系统输出的误差序列进行区组划分,取得近乎独立的最大值观测序列|其次,对最大值观测序列应用极值理论建模,取得一定重现期下的重现水平和不确定度|然后考查重现水平与最大值指标间的关系,并应用经典统计学理论完成对系统最大值指标的评定与测算|接着,给出了具体的应用实例,实验结果表明,该方法是可行的。最后,从不同角度对时间序列模型方法与极值理论方法建模求解系统最大值指标的特点进行了对比分析,并给出了相关结论。     

航空人-机复杂系统极值风险评估稳定性分析

针对航空人-机复杂系统极值风险评估中存在不确定性、难于验证的理论问题,建立了综合考虑“物理特性”、“随机性”和“非线性”的驾驶员-飞机系统和故障数学模型,通过大量仿真数据分析样本数量、评估次数以及优化算法选取对评估稳定性的影响。为提高极值分布中样本数据序列的拟合精度,针对综合评估模型提出一种随机自适应进化粒子群算法（random adaptive evolutionary particle swarm optimization,RAE-PSO）算法,实现了收敛速度和拟合精度的提高。提出了提高航空人-机系统风险评估稳定性、降低评估误差的方法步骤,并通过案例验证了方法的有效性。     

二阶输出反馈滑模极值搜索控制方法

针对一类单输入单输出(single input single output,SISO)非线性极值系统的控制问题,提出了一种二阶输出反馈滑模极值搜索控制方法。考虑到此系统的状态量不可测,利用斜坡函数作为输出量的参考跟踪信号,以系统的输出跟踪误差及其微分信号构建切换函数,设计出二阶滑模极值搜索控制律。稳定性分析证明了在任意初始条件下,该方法可使系统的输出量全局收敛至其期望极值的任意小邻域内且所有状态量均是一致范数有界。仿真结果验证了该方法的有效性。     

基于自适应神经网络的非线性系统故障诊断

针对一类模型未知及状态不可测的非线性系统,提出了基于自适应神经网络的故障诊断策略,不仅在线估计神经网络的矩阵权重,而且在线估计高斯函数的宽度和中心。该方法对系统的未知非线性特性没有特别要求,仅对神经网络提出较弱的假设条件。首先利用径向基函数(Radial Basis Function,简称RBF)神经网络构造状态观测器,估计系统的状态。然后利用另一个自适应RBF神经网络作为故障估计器,其输入是系统的估计状态(而不是系统状态),其输出为系统所发生的故障模型。利用Lyapunov稳定理论详细分析了状态误差和故障误差的收敛性,分别给出了两个神经网络的参数调整律,仿真证明了该方法的实用性和有效性。     

基于时变延迟混沌神经网络的H∞同步保密通信

针对一类含保密信息的时变延迟混沌神经网络,提出了同结构H_∞同步控制方案, 在实现同步后能有效恢复出隐藏的多路明文信号。利用线性矩阵不等式方法为同结构时变延迟混沌神经网络设计了H_∞同步控制器,在此基础上应用Lyapunov方法分析了同步误差的收敛性。当同步误差收敛时,可根据被动系统状态恢复出所传输的隐藏信号。仿真结果表明,该控制方案可以实现变时延混沌神经网络同步,并能恢复出多路明文信号。     

Robust adaptive neural network control with supervisory controller

The problem of direct adaptive neural network control for a class of uncertain nonlinear systems with unknown constant control gain is studied in this paper. Based on the supervisory control strategy and the approximation capability of multilayer neural networks (MNNs), a novel design scheme of direct adaptive neural network controller is proposed.The adaptive law of the adjustable parameter vector and the matrix of weights in the neural networks and the gain of sliding mode control term to adaptively compensate for the residual and the approximation error of MNNs is determined by using a Lyapunov method. The approach does not require the optimal approximation error to be square-integrable or the supremum of the optimal approximation error to be known. By theoretical analysis, the closed-loop control system is proven to be globally stable in the sense that all signals involved are bounded, with tracking error converging to zero.Simulation results demonstrate the effectiveness of the approach.     

基于状态观测器的非线性系统神经网络自适应控制

结合高增益观测器,针对相对阶为n的非线性系统,设计了神经网络自适应控制器。利用Lyapnov定理获得了神经网络权值的更新律和控制器的控制律,从而确保了整个闭环系统的稳定性和有界性。由于神经网络不需任何的离线训练,因而该控制器能够广泛应用于一大类非线性性系统的控制中。仿真结果验证了控制方案的有效性。     

基于神经网络的反步自适应大机动飞行控制

针对飞机大机动飞行时模型非线性和参数不确定性的特点,提出了一种基于全调节神经网络的反步自适应控制方法。飞机模型不确定部分由全调节径向基函数(radical basis function, RBF)神经网络在线补偿,控制律及神经网络参数自适应律由反步法回馈递推得到,并利用一种自适应参数策略的混沌粒子群算法优化控制器固定参数,改善动态性能,最后通过加权伪逆控制分配方法得到最终控制信号。仿真结果表明：在较大的模型气动参数不确定及控制增益矩阵未知时,所设计的控制律仍能理想地跟踪飞机大机动指令飞行,神经网络参数估计误差指数收敛到有界紧集,系统具有快速的收敛性和良好的鲁棒性。     

漏入汽轮机真空系统空气量的软测量

针对目前汽轮机真空系统漏气量的直接测量一直没有好的方法的问题，文中提出一种基于真空系统严密性试验，并结合BP网络的漏入真空系统空气量的软测量方法。该方法以影响真空下降速度的凝汽器各运行参数以及真空下降速度作为网络的输入，以常规测量方法得到的漏入真空系统空气量作为目标输出，实现对漏入真空系统空气量的软测量。数值仿真结果证明该方法可以较准确地实现在真空系统严密性试验中对漏入真空系统空气量的测量。     

含未知参数极值搜索系统预设性能控制

考虑在满足预设性能前提下的含未知参数极值搜索系统的控制问题,针对含未知参数的目标函数设计极值参考轨迹,利用性能函数进行预设性能设定,利用误差转换函数构建等效模型并针对等效模型设计反演控制器,设计未知参数的自适应估计律,使系统实现极值搜索的同时满足预设性能。仿真验证了该方法的有效性。     

LM-BP算法在金融股指预测中的参数设定

针对股价系统内部结构的复杂性、外部因素的多变性,分析了基于BP网络进行股市预测的原理,利用三层前馈神经网络对股市建立预测模型,探讨了网络的拓扑结构、隐节点个数确定的原则、样本数据的选取和预处理、初始参数的确定等问题.为了避免网络陷入局部最小点和提高网络的收敛速度,算法采用改进后的LM-BP,并与其他BP算法进行比较.以最具代表性的上证指数为例,仿真实验表明了经过对筛选后的样本学习,并对所建的预测模型进行训练后,该LM-BP算法能够对有短期上证指数走势进行有效稳定预测.     

电液系统神经网络自适应控制的研究

提出一种采用神经网络非线性系统控制的结构及原理．即采用两个ＢＰ神经网络,一个用来对被控系统进行在线辨识,另一个用做非线性自适应控制器．并对具有未知外部负载干扰的电液位置伺服系统进行了动态仿真,讨论了神经元激励函数形状因子、神经网络节点数以及神经网络训练次数对控制系统性能的影响