基于支持向量机的非线性系统辨识

支持向量机（SVM）是一种基于结构风险最小化原理的学习技术，也是一种新的具有很好泛化性能的回归方法，该文利用支持向量机对非线性系统进行黑箱建模，介绍了V-SVR的基本理论，并进行了仿真实验，结果验证了所提出的方法的正确性和有效性。     

控制Lyapunov函数在自适应控制中的应用

研究了一类带有未知参数的非线性系统的自适应稳定问题,利用控制Lyapunov函数方法设计出一种自适应控制器.该控制器对系统的参数和状态的不确定性具有鲁棒性,并且能保证系统自适应稳定.     

基于鲁棒控制Lyapunov函数的非线性自适应跟踪

研究了一类带有未知参数以及扰动的多输入非线性系统的自适应跟踪问题，利用控制Lyapunov方法设计出一种自适应控制器。该控制器对系统的参数和状态的不确定性具有鲁棒性，并且能保证系统闭环全局稳定。仿真结果表明，该控制方案具有良好的跟踪性能、鲁棒性及参数辨识能力。     

精确模型匹配中的输出补偿和渐近匹配

本文提出输出动态补偿方案,并且用它来解决模型匹配问题.我们给出用输出加输入的双重补偿来实现精确模型匹配的充要条件,并讨论了其中的输出补偿器的性质,给出了最低阶物理能实现的输出补偿器的求法.文中提出渐近模型匹配的概念,更适合实际情况的需要.对于一大类的输入函数,本文给出了用常增益作为输入补偿来渐近匹配的充要条件,并提出再引进常增益输出补偿对渐近匹配的作用.     

基于控制Lyapunov函数的鲁棒自适应控制器设计

研究一类含有系统扰动,并且状态项与控制项中同时含有未知参数的非线性系统的反馈稳定问题。利用鲁棒控制Lyapunov函数方法及参数映射技术,讨论了当系统存在I型与II型自适应鲁棒控制Lyapunov函数(ARCLF)时,系统的自适应控制问题,并针对两种情况分别进行了控制器的设计。通过算例验证了所提方法的可行性。     

欠结构水下机器人的自适应位置跟踪控制器的设计

欠结构水下机器人的控制是一个具有很大难度的课题。研究了一种欠结构多方位智能机器人的跟踪问题，在机器人参数不确定及存在未知环境扰动的情况下，设计出了连续的自适应控制器，使得机器人可以自动地跟踪任意光滑的轨迹，并且跟踪误差收敛于半径为任意小的原点的邻域。Matlab仿真研究表明了该控制方案的有效性。     

最小二乘支持向量机在汽车动态系统辨识中的应用

汽车转向时动态系统参考模型对于汽车稳定性的控制有重要影响．基于最小二乘支持向量机算法，应用网络搜索和交叉验证的方法选择支持向量机参数，并将其应用于汽车转向时的非线性动态系统辨识，取得了良好的辨识效果，建立的参考模型能够较充分地描述汽车动力学行为。     

（A,B）不变子空间的结构研究及应用

本文从最小分解的角度来研究(A,B)不变子空间的结构.首次定义了线性系统的(A,B)根子空间,给出了构造这类子空间的方法,证明了任何一个(A,B)不变子空间都能分解成一些(A,B)根子空间的直和,从而得到了(A,B)不变子空间与A 不变子空间相应的几何性质.对(A,B)不变子空间来说,这种分解可能不唯一,本文给出了存在唯一分解的充分必要条件.利用此分解式给出了可配置特征结构的充分必要条件.     

线性系统的特征结构配置

本文讨论线性系统状态反馈的特征结构配置问题,给出可配置根系的必要充分条件,指出其结构特征,并用例子说明根系的选择过程及反馈矩阵的求法。