考虑时滞影响的分层非线性全局控制器的设计

提出了基于广域信息的分层控制器结构,第一层是负责计算全局信息（如功角中心、角速度中心）的广域控制器,第二层是将本地测量信号与全局信息相结合以得到控制规律的本地控制器.同时,为了克服基于线性二次调节的非线性全局控制器易受时滞影响的弊端,应用线性矩阵不等式的H∞控制理论提出了新的计及时滞影响的非线性全局综合控制器.四机系统的仿真结果表明,当考虑广域信息的时滞影响时,该控制器仍能快速平息系统的振荡,提高系统的稳定性.     

一类含有非线性不确定项的时滞超混沌系统的鲁棒同步控制

本文主要研究的是一类含有非线性不确定项的时滞超混沌系统的鲁棒同步控制问题,基于鲁棒同步控制理论,提出了一种能够消除系统的非线性项和消弱不确定扰动项的控制器,在该控制器的控制下,可使响应系统的状态全局同步于参考系统的状态。仿真事例说明了所世纪的控制器的有效性。     

一种基于神经网络算法的非线性PID控制器

针对非线性、不确定时滞对象,提出一种基于神经网络算法的非线性PID控制器。该控制器将传统PID的比例、积分和微分参数分别构造成关于误差信号的非线性函数,并将非线性比例运算单元、非线性积分运算单元和非线性微分运算单元分别作为隐层神经元的激励函数,从而构造将PID控制与神经网络控制融为一体的智能控制器。研究结果表明:采用此智能控制器有效解决了传统PID难以控制非线性对象的问题以及传统神经网络控制器隐层神经元节点数难以确定的问题,仿真结果验证了该智能控制器的有效性。     

一类不确定非线性时滞系统的白适应控制

考虑了一类不确定非线性时滞系统的自适应控制．基于Lyapunov稳定性理论和线性矩阵不等式（LMI）方法，处理了系统中的时滞项，并且巧妙地构造了自适应控制器和反馈控制器．通过估计非线性部分的未知参数，自适应控制器补偿了系统中的非线性部分，并保证了闭环系统是渐近稳定的．最后，数值例子和仿真结果验证了所设计控制器的有效性．     

非线性时滞系统的智能迭代学习控制

针对一类单输入单输出非线性时滞系统，提出了一种自适应神经网络迭代学习控制方案，神经网络用来逼近未知非线性函数和未知非线性时滞函数，放宽了传统迭代学习控制对非线性函数和非线性时滞函数的限制，拓展了迭代学习控制的应用范围．采用Lyapunov—Krasovskii函数和利用反演（Backstepping）技术设计神经网络学习律和控制律，基于Lyapunov稳定性理论，证明了闭环系统所有信号半全局一致最终有界，通过调节设计参数可以实现对目标轨线任意精度的跟踪．     

具有时滞控制的多时滞中立型非线性大系统的变结构控制（英文）

本文提出了控制回路中含有时滞的多时滞中立型非线性大型控制系统的分散变结构控制器的设计问题，在某些确定的条件下，分别讨论了控制系统的一些设计方法，根据趋近率的概念和方法，设计了局部分散变结构控制器和多层分散结构控制器。     

时滞系统H∞控制的状态空间方法

介绍时滞系统Ｈ∞控制的状态空间方法，首先给出时滞系统Ｈ∞控制问题，然后基于Ｒｉｃｃａｔｉ方程的解，分别导出了基于状态反馈和输出反馈Ｈ∞控制器及其存在的条件，详细地阐述了时滞系统Ｈ∞控制器设计的基本思路。     

一类非线性不确定时滞系统的多模型切换H∞跟踪控制

考虑了当系统存在不确定和外界干扰的情况下，一类非线性不确定时变时滞系统的多模型切换H∞跟踪控制的设计问题。利用时滞T-S模糊模型对非线性不确定时滞系统进行建模，将输入空间划分为若干个区域，在每一区域内设计局部T-S模型和控制器，这样在模糊规则数相同的情况下由于模糊论域的变小从而提高了逼近精度；在不确定性满足增益有界的条件下，得到了该类时变时滞非线性系统满足闭环稳定和H∞跟踪控制性能的充分条件，通过求解一组线性矩阵不等式(LMI)，获得模糊H∞跟踪控制律，基于Lyapunov稳定性理论，证明了在此控制律下闭环系统渐进稳定；根据所选定的变量，通过多模型切换控制，将相应的区域控制器切换为全局控制器，而其他控制器不起作用，实现对整体非线性系统的逼近与控制。     

神经网络PID控制器在VAC合成中温控制中的应用

针对醋酸乙烯合成中温过程具有时滞、非线性特征,将BP神经网络和常规PID控制器相结合,提出一种基于BP神经网络的自适应PID中温控制方案。仿真试验表明所提控制方案能有效减少扰动对中温的影响,并能够有效克服被控对象的时滞性和非线性,获得良好的控制品质。     

基于T—S模型的一类非线性系统的变结构控制算法

针对一类非线性系统，基于T—S模糊模型提出了一种变结构控制算法．采用带有非匹配参数不确定性和时变时滞的T—S模糊模型来近似代表原非线性系统，使用线性矩阵不等式设计了一个渐近稳定的滑模面，所设计的控制器能够克服时变时滞和不确定性因素的影响．仿真结果表明该算法具有良好的稳定性和鲁棒性．