一类非线性离散时间系统的变结构控制

针对一类非线性离散时间系统，提出了一种基于神经网络趋近律的变结构控制方法。分别用两个神经网络自适应调整趋近律中的参数ε和δ，利用离散趋近控制律与离散等效控制律的偏差对网络权值进行更新，克服了常规变结构控制方法中需预先设定趋近律中参数的限制，既保留了传统趋近律设计方法的所有优点，又有效的改善了系统的动态品质，消除了系统抖振，使系统最终以理想方式在滑模面上运动。理论分析和仿真结果表明了所提出方法的有效性。     

汉字拼音首字符识别及在信息系统中的应用

本文介绍了一种汉字拼音首字符识别的原理和在VisualBasic中的具体实现 ,并阐述了该方法在信息系统中方便用户查询的应用。     

不确定性离散时间系统的积分变结构控制

本文针对不确定性离散时间系统 ,提出一种改进的离散趋近律和等效控制相结合的控制策略 ,既保持变结构控制的强鲁棒性的优点 ,又消除了系统的颤振现象。并引进积分控制 ,提高了系统的稳态精度 ,使系统获得了满意的控制性能。仿真结果表明了这一方法是可行的     

基于神经网络的全局滑模变结构控制

针对一类非线性不确定离散时间系统,提出了一种基于神经网络趋近律的全局滑模变结构控制方法。分别用两个前馈神经网络（FNNs）自适应调整趋近律中的参数ε和δ,克服了常规变结构控制方法中需要预先设定趋近律中参数的限制。在用径向基神经网络（RBFNN）对系统进行模型估计的同时,基于平移滑平面的设计方案,实现了系统的全局鲁棒滑模控制。仿真结果表明控制系统具有良好的跟踪性能,该方案使系统一开始就处于滑平面上,消除了系统抖振,具有较强的鲁棒性。     

时滞系统的鲁棒二自由度Smith预估控制

针对时滞过程控制对象 ,提出了一种鲁棒二自由度Smith预估控制方法。在常规Smith预估控制系统中 ,引入基于内模控制原理的鲁棒控制器 ,构成一种二自由度控制结构 ,能有效地抑制被控过程参数变化和干扰对系统的影响 ,使系统同时获得良好的控制性能和鲁棒性 ,克服了常规Smith预估控制的不足 ,而且控制算法简单 ,便于实际系统应用。理论分析和仿真结果表明了这种方法的有效性     

时滞不确定系统的支持向量机滑模控制

针对一类具有不确定性参数和状态时滞的系统,利用线性矩阵不等式(LMI)方法设计了滑模控制器,并且针对系统的不确定性,引入支持向量机(SVM)对其进行在线学习,获得不确定性部分的上界值,保证了系统的稳定性与鲁棒性,有效地降低了滑模控制固有的抖振现象,改善了系统的控制品质。仿真研究表明了此方法的可行性与有效性。     

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.     

线性不确定系统的模糊滑模控制

本文针对一类相坐标表示的线性不确定系统 ,根据滑模控制原理 ,提出一种基于模糊逻辑的滑模控制方法。仿真研究结果表明 ,用此方法设计的系统不但鲁棒性强 ,而且抑制抖振效果显著。     

基于观测器的深海起重机互补滑模主动升沉补偿

针对深海起重机主动升沉补偿系统的非线性时变负载特性,在互补滑模控制器的基础上利用扰动观测器补偿扰动,实现主动升沉补偿。首先,将复合扰动分为匹配扰动和非匹配扰动两部分,采用互补滑模控制器对匹配扰动进行补偿,并降低系统稳态误差;同时设计扰动观测器对非匹配扰动的导数及其一阶、二阶导数进行估计,补偿至滑模控制律。最后采用MATLAB软件对深海起重机进行建模,搭建基于扰动观测器的互补滑模控制器,在给定负载位移条件下,进行负载位移跟踪仿真研究。结果表明,所设计的控制器在不同系统参数的情况下可实现迅速和精确的补偿控制,并与PID控制器进行对比,有更好的响应速度和控制效果,与普通滑模相比可缩短到达滑平面的时间。     

永磁同步电机的分数阶全局快速滑模控制

针对一类高阶非线性系统,提出一种分数阶全局快速滑模控制策略。融合分数阶微积分理论与滑模变结构控制方法的优点,利用分数阶微积分算子设计滑平面,并应用于永磁同步电机(PMSM)速度控制器的设计,不仅加快了系统状态的收敛速度,削弱了系统的抖振,并且对外部干扰及参数摄动具有较强的鲁棒性。仿真结果表明,本文提出的分数阶滑模控制方法能够有效确保PMSM的鲁棒性、快速性和稳定性。