一类参数不确定时滞混沌系统的反同步

针对一类不确定时滞混沌系统,基于Lyapunov稳定性理论,结合自适应控制方法,设计了自适应控制器及参数自适应律,证明了控制器和自适应律在参数不确定的情况下可实现时滞混沌系统的反同步,对不确定参数做出识别,并分析了控制调节器Ω的作用.数值仿真结果表明,该方法正确、有效.     

一类时滞Ikeda混沌系统的自适应同步研究

针对一类具有时滞的Ikeda混沌系统,研究了其自适应同步问题.所讨论的驱动和响应系统的结构不同,参数不同且部分参数未知.根据Lyapunov稳定理论及Barbalat引理,给出了自适应控制器的设计方法及参数自适应律的解析表达式.所设计的控制器实用有效,易于实现,能够使具有时滞的两个不同结构的Ikeda混沌系统渐近同步.该方法不仅适用于时滞Ikeda混沌系统,也适用于任何状态有界的连续时间时滞混沌系统的同步问题.仿真示例验证了该方法的有效性.     

基于神经网络的时变时滞系统自适应内模控制

将基于人工神经网络的时变时滞系统参数辨识算法与内模控制相结合 ,提出了时变时滞系统自适应内模控制算法 .理论分析及仿真结果表明 ,该算法能克服时滞及参数的变化 ,具有鲁棒性好、抗干扰能力强的特点     

线性时滞系统的新型自适应控制

针对一类单时滞的线性时滞系统,为对其未知的状态时滞参数进行自适应控制,基于LMI方法,采用一种基于“描述形式”的Lyapunov-Krasovskii泛函和新型的带记忆的状态反馈控制,使得参数自适应律能反映实时估计值与实际接近值之间的差值,从而突破以往自适应控制对估计值的大小限制和调整参数计算的困难,给出了一种新型的保守性较小、简便、实用的自适应律,仿真实例证明了该控制方案的有效性。     

一类不确定非线性关联时滞系统的自适应控制

讨论了一类不确定非线性关联时滞系统的自适应控制问题.系统中的时滞关联项是线性有界的,但线性界是未知的.通过引入自适应参数变量,使所设计的控制器能够很好地处理系统中的时滞关联项,从而也保证了系统的渐近稳定.数值例子和仿真证明了所设计控制器的有效性和可行性.     

一类混合时滞系统对时滞参数的自适应控制

研究了一类较为复杂的混合时滞系统——被控状态为连续形式且状态时滞参数未知,而控制输入为离散序列.在分别建立了连续与离散的模型基础上,根据已有的混合系统的稳定性定理及一种Lyapunov-Krasovskii泛函方法,提出了一种镇定系统的方法,并得到了离散形式的可用于控制输入的对未知时滞参数的自适应律.在该自适应律作用下,未知时滞参数能始终反映在带记忆状态反馈控制器中,依赖于时滞的反馈控制器存在的充分条件可通过一组线性矩阵不等式(LMIs)表示.     

一种新的时变时滞系统控制方法

把一种新的能在线估计时变时滞系统参数的辨识算法与内模控制相结合,提出了时变时滞系统自适应内模控制算法．理论分析及仿真结果表明,该方法能够克服时滞及参数的变化,具有鲁棒性好、抗干扰能力强等特点,优于Ｓｍ ｉｔｈ 预估控制器．     

基于神经网络的时变时滞系统自适应内模控制

将基于人工神经网络的时变时滞系统参数辨识算法与内模控制相结合,提出了时 滞系统自适应内模控制算法,理论分析及仿真结果表明,该算法能克服时滞及参数的变化,具有鲁棒性好,抗干扰能力的特点。     

一类不确定非线性时滞系统的自适应控制

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.     

一类双线性参数化时变时滞系统的自适应迭代学习控制

针对一类双线性参数化时变时滞系统,设计了一种新颖的自适应迭代学习控制策略,该策略利用信号置换思想与参数重组技术来有效处理系统中时变时滞项,引入微分-差分耦合型自适应律以解决系统中双线性参数化项.通过构建一个Lyapunov-Krasovskii型复合能量函数证明了跟踪误差的收敛性以及所有信号的有界性.仿真实例结果表明该策略是有效且可行的.     

多输入多输出非线性时变时延系统的自适应跟踪控制

针对多输入多输出非线性时变时延系统,提出了一种模糊自适应跟踪控制方案,该方案构建了基于模糊T-S模型的自适应时变时延模糊逻辑系统,用来逼近未知非线性时变时延函数,从而实现了对非线性系统的建模.根据跟踪误差给出了模糊逻辑系统的参数自适应律,设计了H..补偿器来抵消模糊逼近误差和外部扰动.基于Lyapunov稳定性理论,提出的控制方案保证了闭环系统的稳定性并获得了期望的H..跟踪性能,机械臂的仿真结果表明了该方案的有效性.     

非线性大滞后系统的单神经元模糊预测控制

提出一种单神经元模糊预测PID控制策略,无需对复杂控制过程建立数学模型,只要检测过程的实际输出和期望输出,通过模糊预测控制修正单神经元PID控制规则,即可对非线性大滞后系统实现自适应控制.对于大滞后扰动系统,在稳定性、快速性、鲁棒性方面明显优于常规单神经元PID控制器.仿真结果表明,该方法应用于非线性大滞后系统具有良好的控制品质.     

加窗LMS－ML自适应时间延迟估计

简述了最大似然时延估计的基本原理，从Ｒｏｔｈ处理器的自适应实现出发，发展了一种加窗ＬＭＳ－ＭＬ自适应时间延迟估计方法。这种方法以ＬＭＳ自适应信号处理技术为基础，利用自适应估计Ｒｏｔｈ处理器来得到幅度平方相干函数，进而实现最大似然时延估计，在自适应迭代过程中，对自适应滤波器的权矢量进行了加窗处理。理论分析和计算机仿真表明：这种方法在估计精度、收敛速度和计算复杂度诸方面均优于基本ＬＭＳ自适应时间延迟估计。     

基于自适应滤波方法的时变时滞基因调控网络的参数估计

本文针对具有时变时滞的基因调控网络,在存在外部噪声扰动的情况下,采用自适应滤波的方法设计自适应律,通过构造Lyapunov-Krasovskii函数判断系统的随机稳定性,从而实现网络中未知参数和未知状态的估计。仿真结果表明了该方法的有效性。     

基于动态BP算法的非线性滞后系统辨识

鉴于很多实际问题都可以转化到多示例框架下求解,多示例学习越来越受到机器学习领域内学者们的关注.提出了一个基于Logistic回归模型的多示例学习算法.首先定义了一个新的似然函数来表示每个包的标签与其示例的隐含标签之间的关系,然后利用凝聚函数把该似然函数转化为一个光滑的凹函数,从而使问题可以用常用的无约束优化方法快速求解.在一些标准数据集和一个文本分类问题上的实验结果表明,所提算法要优于其他常用多示例学习算法.     

Eckart加权的自适应时间延迟估计

提出了一种Ｅｃｋａｒｔ加权的自适应时间延迟估计方法，分析了其性能，给出了计算机模拟的结果，理论分析和计算机模拟表明；这种时和瞎估计方法不依赖于输入信号和噪声的先验知识，具有较高的估计精度。     

几种基本时间延迟估计方法及其相互关系

简要介绍了广义相关法等几种基本的时间延迟估计方法，着重分析了论证这几种方法之间的相互关系。结果表明：广义相关法与广义相位谱法是等效的，广义相关法是广义双谱法的特例，基于ＬＭＳ自适应横向滤波器的自适应法是迭代实现的广义相关法，参量模型法可以由自适应滤波器来实现。     

基于牵制控制的变时滞复杂网络自适应同步

在牵制控制的基础上,文章探讨了节点与耦合均含变时滞复杂网络的自适应同步问题.首先,利用非线性耦合常微分方程描述了一般复杂网络的动态模型,同时给出了必要的定义、假设和引理.然后,基于李雅普诺夫稳定性理论和自适应控制原理,设计了简单适当的自适应控制器,让其通过对部分节点进行牵制控制来实现整个网络的同步,并且给出网络渐近同步的充分条件.最后,通过数值实验结果很好地验证了理论的可行性与有效性.