基于核主成分分析与最小二乘支持向量机结合处理时间序列预测问题

探讨了最小二乘支持向量机时间序列预测的方法,提出了用核主成分分析提取主元,然后用最小二乘支持向量机进行预测.通过实验表明,这种方法得到的效果优于没有特征提取的预测.同时与主成分分析提取特征相比,用核主成分分析效果更好.     

多重采样离散时间系统的最优预见伺服控制器设计

研究了具有多重采样特点的离散时间控制系统,对这类系统给出了一种最优预见控制器的设计方法.首先利用离散时间系统提升技术,把多重采样离散时间系统转化成单一采样的扩大系统.然后利用构造扩大误差系统的方法引入积分器.再对扩大误差系统应用通常的线性二次型最优预见伺服系统设计方法设计控制器,从而得到原系统的多重采样最优预见控制器.     

多层局部回归网络的非线性系统预测模型

提出采用多层局部回归神经网络建立多变量非线性系统多步预测模型的方法,神经 网络模型可提供多步预测控制所需要的系统输出预测值及输出向量对控制向量的雅可比矩 阵．仿真试验表明这种动态神经网络的预测模型具有较高的精度．     

一种局部回归神经网络的快速算法

针对目前局部回归神经网络动态ＢＰ算法的误差导数计算复杂、收敛速度慢的缺陷,提出了一种新的快速算法、该算法是将信号流图引入动态ＢＰ算法,较好地解决了求导数的复杂性,同时采用ＢＦＧＳ算法另快了网络的收敛速度仿真结果表明了本算法的有效性。     

时滞随机系统的时滞相关稳定性

将自由权矩阵思想推广到一类时滞随机系统中,研究了其时滞相关稳定性问题.通过构造新的Lyapunov函数,引入适当的自由权矩阵,推导出系统渐近稳定的时滞相关的充分条件.所得结果完全基于线性矩阵不等式的形式给出,不需要对原系统模型进行变换.数值算例说明了方法的可行性.     

基于RBF网络的机械人鲁棒自适应控制与仿真分析

针对电机驱动机器人模型,设计了一种鲁棒自适应控制器.首先用动态RBF神经网络逼近机器人动态模型,然后设计了一个带积分器的滤波器,由滤波器系统推导出所需的理想输入电流,再以理想输入电流为目标设计电机控制器并得到最终控制律.基于Lyapunov稳定理论分析了鲁棒自适应控制器的稳定性,给出了稳定性充分条件.实例仿真结果表明,合理的选择控制器参数可使系统具有良好的动态特性和鲁棒稳定性.     

具有未知扇区非线性输入混沌系统的自适应滑模投影同步

研究了一类具有未知扇区非线性输入且含有未知不确定性和外部干扰的主从混沌系统的投影同步问题. 首先选择了一个合适的滑模面, 然后基于Lyapunov稳定性理论设计滑模控制器和自适应更新规则. 所设计的控制器不受未知不确定性和外部干扰的影响, 具有很强的鲁棒性. 通过对不确定主从Duffing-Holmes系统的仿真研究, 验证了所设计控制器的有效性.     

神经自适应动态面控制与仿真

针对一类严格反馈不确定非线性系统,提出了一种神经自适应动态面控制器的设计方案.该方案改进了动态面的虚拟输入和真实输入以减小DSC的保守性,并将不确定分解为线性参数部分和非线性参数部分,两部分分别辨识.用一个BP神经网络逼近系统中所有的非线性参数部分,所需辨识的参数较少.通过合理选取设计常数,可保证所有信号最终一致有界且跟踪误差可收敛到原点的一个小邻域内.     

不确定广义系统的保性能控制:LMI方法

针对一类含有时变、范数有界参数不确定广义系统,结合一个二次型性能指标,研究了使闭环系统保持正则、稳定和无脉冲,且闭环性能指标值不超过某个确定界的保性能控制律的设计问题.通过矩阵不等式给出了保性能控制律存在的一个充分条件,进而用线性矩阵不等式给出了保性能控制器的一个参数化表示.     

多层高维动态可拓集合及其性质

为了研究多层高维动态复杂系统矛盾问题,在n维动态可拓集合基础上,提出了多层高维动态可拓集合及其可拓域、稳定域的概念,并讨论了多层高维动态可拓集合的交、并运算.这些研究结果把可拓集合理论扩展到了更一般情况,为提出多层高维动态物元可拓集等概念提供了理论依据,使可拓学用于复杂系统概念设计成为可能.