离散非线性系统的非线性传递函数递推算法

研究了基于Ｖｏｌｔｅｒｒａ级数的一类离散非线性系统的非线性传递函数的递推算法,首先讨论了几类特殊的非线性系统如纯输入、纯输出和纯交叉系统的非线性传递函数的递推算法,然后给出一般的离散非线性系统的非线性传递函数的递推算法．     

基于非线性传递函数的离散非线性控制系统稳定性研究

基于Ｖｏｌｔｅｒｒａ级数的非线性传递函数表示,首先针对一般的离散非线性多项式系统,给出了它的开环稳定性判据。然后,利用此判据,具体地讨论了几类特殊的离散非线性多项式系统,如纯输入,纯输出,纯交叉系统的开环稳定性判据,最后,用实例仿真来验证此判据的有效性。     

二阶非线性模态参数识别方法的研究

提出一个新的非线性模态参数识别的方法──曲面拟合方法．该方法根据 Ｖｏｌｔｅｒｒａ函数级数理论，在识别出非线性系统高阶传递函数的基础上，分析了非线 性高阶传递函数的分布特征，建立一个差频坐标系，对非线性高阶传递函数进行对角 化处理，进而进行整体曲面拟合（ＳＦＭ），实现非线性模态参数的识别。     

非线性系统线性化的递推算法Ⅰ

本文提出一种新的非线性系统线性化的算法。这种算法避免一次性地求解一个复杂的偏微分方程,而是采用递推算法,每次运算只涉及求解一组相同类型的常微分方程。这个递推方法比较容易将单输入控制系统获得的结论(即本文的主要结果)推广到多输入控制系统上去,而且易于获得数值解。     

非线性系统线性化的递推算法Ⅰ

本文提出一种新的非线性系统线性化的算法.这种算法避免一次性地求解一个复杂的偏微分方程,而是采用递推算法,每次运算只涉及求解一组相同类型的常微分方程.这个递推方法比较容易将单输入控制系统获得的结论(即本文的主要结果)推广到多输入控制系统上去,而且易于获得数值解.     

双线性系统非线性传递函数矩阵的计算公式

首先引进张量积运算，将MIMO双线性系统转化为一种简单的表达形式。然后，利用多维拉普拉斯变换，推导出双线性系统非线性传递函数矩阵的计算公式。它是SISO双线性系统非线性传递函数公式的推广。     

离散时间非线性系统的一种新型状态观测器

该文通过建立离散时间非线性系统的状态估计与超定非线性方程组求解之间的联系,基于高斯－牛顿算法,得到了离散时间非线性系统的一种新型状态观测器,证明了该观测器的局部收敛性,并给出了仿真结果。     

多重时滞非线性系统的自适应预测控制

针对NARX模型中一步时滞控制算法不完全适用于多重时滞的情形,提出一种在工作点处用线性的动态切平面逼近一般的非线性系统的方法,结合一种准则函数和预测器算法,提出一种自适应预测控制算法,给出了该模型下具有遗忘因子的递推最小二乘非线性参数估计算法.仿真结果表明:该控制算法品质好,参数估计算法几乎无偏,验证了自适应预测控制算法和递推参数估计算法的有效性.     

多输入非线性控制系统线性化递推算法

本篇讨论多输入非线性控制系统线性化的递推算法.采用这种算法,每一步仅需求解一个同一类型的常微分方程组.而且方程的阶次一般都比较低.而已有的方法,为了实现线性化就必需一次性地求解一个高阶次的偏微分方程组,无疑这往往是很困难的.在递推算法的实施过程中,一些非线性系统的重要性质自然地显示了出来.     

非线性系统的传递函数描述

本文定义了非线控制系统的传递函数，这种传递函数定义在由一个非交换多项式环扩张而成的商环（Ｏｒｅ定理）上用传递函数描述了非线性控制系统的三种基本联接：串联、并联与反馈。一些涉及能控与能观性的问题可以用系统的传递函数来描述。     

N—S方程的非线性Galerkin算法的稳定性

提出了求解二维非定常Ｎａｖｉｅｒ－Ｓｔｏｋｅｓ（Ｎ－Ｓ）方程的３种全离散非线性Ｇａｌｅｒｋｉｎ算法，其中空间离散由谱元非线性Ｇａｌｅｒｋｉｎ算法进行，时间离散分别由Ｅｕ－ｌｅｒ法，修正的Ｇｒａｎｋ－Ｎｉｃｏｌｓｏｎ法和两步法进行．此外还分析了这些算法的有界性和稳定性，并给了时间步长的约束条件     

一种状态信息不完整的非线性随机控制算法

针对状态信息不完整的非线性随机控制问题，基于微分动态规划思想，提出了一套次优递推算法，从理论上阐述了该算法得到的结果是一个双得控制策略，仿真结果表明，该算法具有良好的收敛性和控制精度。     

非线性随机系统的参数辨识及动态预报

鉴于含有加性噪声的指数模型描述了一类重要的非线性随机系统，本人出这类系统的参数的递推辨识算法，克服了迭代算法不能在线运行，需反复矩阵求逆的不足，当系统时变时，还采用了虚拟噪声技术来补偿因参数时变引起的建模误差，从而改善动态预报器的性能，应用这种方法，对油田采油井，注水井的套管损坏的情况进行了多步动态预报，其精度令人满意。     

基于神经网络的多变量非线性系统的广义预测控制

为了使广义预测控制的思想成功应用于多变量非线性系统,用神经网络对其进行开环解耦得到单变量非线性系统后,采用一种复合多层前馈神经网络结构作为单变量非线性系统预测模型,利用递推最小二乘法和Davidon最小二乘法作为在线学习算法,建立了一种适合多变量非线性系统的自校正广义预测控制器。     

含过程噪声Wiener系统的递推两阶段参数估计

Wiener系统属模块化非线性系统,由一个线性动态模块串联一个非线性静态模块组成,因其结构简单、实用性强,在非线性系统建模中得到广泛应用.最小二乘算法估计过程噪声扰动的Wiener系统时会带有偏估计.为了获得无偏估计,本文提出了一种递推两阶段参数估计算法.首先用FIR函数和多项式函数分别逼近系统的动态传递函数和静态反函数,随后运用递推最小二乘算法和递推辅助变量算法进行参数估计,其中的辅助变量由第一阶段的辨识结果计算得到.研究结果表明,提出的递推两阶段参数估计算法可以得到待辨识Wiener系统的无偏估计,数值仿真验证了该算法的有效性.     

随机多变量NARMAX模型的非线性递推最小二乘算法

针对随机多变量NARMAX模型存在的问题,基于线性滤波﹑谱分解定理及成型滤波器原理,将随机干扰等效在系统的输出端,提出改进的随机多变量NARMAX模型。基于辅助模型的原理,在参数估计的准则函数中加入待估参数的增量约束项和遗忘因子,并结合增广递推最小二乘算法和随机非线性递推最小二乘算法,将改进的多变量NARMAX模型转换为具有耦合的子系统,给出具有遗忘因子的,能克服算法病态的,适用于具有时变参数模型的改进随机多变量NARMAX模型的非线性递推最小二乘算法。应用在线修正参数预测滤波PID控制,仿真结果验证了算法的有效性。     

非线性随机系统具有遗忘因子的递推最小二乘法

针对NARMAX模型,结合线性滤波、谱分解定理及成型滤波器原理构成非线性随机系统模型,并将参数模型转化为脉冲响应非参数模型.依据Hankel矩阵法,在参数估计准则函数中加入待估参数的增量约束项和遗忘因子,并结合增广最小二乘递推算法,提出一种具有遗忘因子的非线性参数估计的递推最小二乘法.该算法收敛速度快,且能克服病态,适用于时变参数情形.将其应用于一种非线性自适应预测控制算法仿真中,验证了算法的有效性.     

一类非线性强迫系统的高阶传递函数研究

本文用Volterra级数法研究了含非线性电感的强迫系统,求出了它的各阶传递函数,给出并证明了这类系统高阶传递函数的几个性质。     

基于神经网络的人工肌非线性控制

运用非线性控制的逆系统方法,提出了一种基于神经网络的人工肌非线性控制方案,由原系统导出n-m阶逆系统模型,并与原系统一起构成具有反馈结构的伪线性系统,从而可方便地运用线性控制理论完成对控制系统的设计,用BP神经网络逼近逆系统模型,并借助于递推预报误差算法来训练神经网络,该算法与传统的BP算法相比具有更好的收敛特性,设计了一个具有单关节的人工肌试验系统,给出了人工肌关节跟踪正弦波和矩形波参考信号的试验结果,与传统的线性控制方案比较,基于神经网络的人工肌非线性控制方案能够得到更快的控制速度和更高的控制精度。     

基于T-S模型的离散非线性系统的迭代学习控制

针对离散T-S模糊系统的轨迹跟踪控制问题,提出了基于离散Legendre正交多项式的迭代学习算法.该方法利用离散Legendre正交多项式展开技术及其移位运算矩阵,导出了系统基于离散Legendre多项式展开的近似模型,建立了输入量与输出量之间的代数方程约束关系.在此基础上,用迭代学习的方法可修正输入量的Legendre多项式系数,所得算法可用于具有任意相对阶的离散非线性系统.仿真实例表明了该算法的有效性.