一类非线性非最小相位系统的神经网络逆控制

基于对象的逆动力学模型,提出一种RBF神经网络逆控制的在线自学习控制方案.辨识器采用RBF神经网络和最近邻聚类学习算法,实现对象逆模型的动态辨识.并引入优化策略对聚类半径进行自动调整,以保证聚类的合理性.为克服逆控制对非最小相位系统的不足,利用构造铸系统的方法,构成一种对非最小相位系统仍然有效的神经网络逆控制器.仿真实验证明该控制策略不仅能使非线性非最小相位系统具有良好的动态跟踪性能,而且具有较好的抗干扰能力.     

基于pi-sigma神经网络的模糊建模与控制及其仿真研究

提出了一种基于高木-关野模糊系统的pi-sigma神经网络结构、学习算法,并分析了学习算法的收敛性.用这种混合型pi-sigma神经网络系统去实现模糊规则及其隶属函数的修正,从而得到模糊推理的自适应性.在设计过程中,引入Zadel模糊取乘算子,使之适合基于梯度的学习算法.最后的仿真结果表明此种网络的有效性、优越性并且在非线性建模、控制等方面有重要的应用价值.     

基于PROMETHEE法的城市道路立交型式选优研究

在城市道路或公路交通量达到一定水平时，必须采用交通的空间分离设施，通常是采用交通流的立体交叉。而立体交叉的选型问题是一个涉及多方面因素的多目标决策问题。本文引入PROMETHEE法建立了立交选型优化模型，并通过实例验证，该方法的操作性好而且适用于不同的决策环境。     

负电容在主-被动混合压电振动控制中的应用

针对压电被动振动方法中分支电路参数环境适应能力差、电路复杂和压电主动振动方法需要较高输入功率的问题,提出了一种基于负电容压电分支电路和小波变换自适应算法的振动主-被动混合控制策略.文中阐述了这种主-被动混合振动控制方法的原理,分析了被动控制效果、主动控制电压与负电容参数的关系.仿真和实验结果表明,这种主-被动混合振动控制方法能够有效抑制结构振动,其控制效果优于单独的主动控制或被动控制.     

一类通用神经网络非线性系统模型参考自适应控制

针对任意复杂的具有最小相位,滞后环节和非最小相位特性的离散非线性系统,提出一种通用的直接神经网络模型参考自适应控制.并采用具有在线学习功能的最近邻聚类算法训练RBF神经网络控制器,同时引入优化策略对聚类半径进行自动调整,并利用构造伪系统的方法构成一种对非最小相位同样有效的神经网络模型参考自适应控制器.仿真研究证明,该控制策略不仅能使多种非线性对象跟踪多种参考信号,而且抗干扰能力和鲁棒性也很好.