十字梁实验系统的分层变结构控制

分层控制理论就是将高阶的复杂系统划分成耦合程度很低的多个低阶子系统层次,然后对每个子系统分别设计控制器并实施控制。十字梁实验系统是为控制理论研究而开发的一个高阶非线性实验平台。本文设计了分层变结构控制器,并进行了仿真,仿真结果表明,该系统具有较好的抗干扰性和鲁棒性。     

SIMSCRIPT仿真语言在混合仿真中的应用

分析了离散事件系统仿真的三种主要方法各自的特点，通过比较得出，进程交互法是适合混合仿真的离散事件系统仿真方法。接着介绍了仿真语言ＳＩＭＳＣＲＩＰＴⅡ．５的混合仿真功能，着重介绍了它对离散事件子系统的连续时间子系统仿真时间同步的支持。对多模型建模的有关参考文献中的一个实例，描述了其混合仿真模型，该混合仿真模型是多抽象层次的，与人们对建模对象的认识理接近。最后介绍了利用ＳＩＭＳＣＲＩＰＴⅡ．５对该实例     

基于2-D系统理论的变初始条件离散系统的迭代学习控制

对于具有重复运动特性的系统，迭代学习控制是一种简单有效的控制方法。为便于实时应用，所有迭代学习控制方案的设计必须在离散时间域进行。初始状态问题是学习控制设计中遇到的一个重要问题。针对具有变初始状态的离散时间系统，利用2-D线性连续．离散型系统理论设计了闭环迭代学习控制器，并给出了保证控制器收敛的充分必要条件。仿真结果证明了该方案的有效性。     

需求季节性变动的血液库存系统仿真研究

以国内某大型医院的血液库存系统为对象,建立了一个离散事件系统仿真模型,根据该血液库存系统运行的历史数据统计得到模型中参数的分布规律,通过仿真模型的重复运行得出了系统的最优订货点.考虑到该系统需求季节性变动的特征,对模型进行了改进,提出了一个预期订货点模型,仿真实验表明预期订货点策略能更有效地降低库存成本.本文的研究有助于血液库存管理措施的制定与改进,对其它易变质物品库存管理也有一定的借鉴作用.     

非线性直接灰色模型

灰色模型可用于描述复杂动态系统的性质，但这种描述往往是间接的，文中（１）提出了一个直接灰色（线性）模型，本文旨在得到一个非线性直接灰色模型。     

装配型拉动生产系统离散事件模型及扰动分析

以柔性联接装配型拉动生产系统为对象，应用极大代数法，建立了柔性联接装配型拉动生产系统的离散事件模型；并进行了系统有限扰动分析，扰动分析证明装配型拉动生产系统能有效降低库存．     

基于PID理论的平衡梁控制系统仿真与实验

平衡梁控制系统是我们研制的一种新型现代控制理论实验装置。本文通过建立系统的数学模型并对系统进行了仿真。比较了系统在ＰＩＤ控制器作用下的仿真结果和实际控制效果,最后讨论了模型的准确性和平衡梁系统的控制控制效果。     

供应链时滞系统模型及其牛鞭效应的H∞控制

在供应链管理时滞连续系统模型基础上，建立了一个供应链管理多层时滞离散系统模型，采用供应链上游库存、订货、销售、生产波动方差之和与下游客户层需求量波动方差之和的比例描述牛鞭效应，分析了多层时滞系统牛鞭效应．提出顾客末端需求波动最差条件下的H∞控制方法，以抑制牛鞭效应．这一方法本质就是供应链末端需求波动最差情况下制定供应链管理的最优决策，并且以一个供应链多层时滞系统为对象进行了供应链牛鞭效应的H∞控制仿真实验．     

离散特征点探测算法

在建立新的特征点响应函数的基础上，提出了一种特征点探测算法，算法以图像分块为基础，通过计算每一分块内的特征点，进行特征点连通集约简获得离散特征点集，实验证明，算法效率得到了较大提高，解决了使用全局特征响应阈值造成的特征点聚集和不敏感特征点被错误剔除的问题．     

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。     

非线性离散动态大系统的DISOPE关联预测递阶算法

提出了一种非线性离散动态大系统系统优化与参数估计集成的关联预测递阶算法 .在各子系统模型与实际存在差异的情况下 ,将动态系统系统优化与参数估计集成 ( DISOPE)方法与关联预测法相结合 ,得到一个上级协调 ,下级进行各子系统优化与参数估计集成的双环迭代算法 ,从模型出发通过迭代运算能得到实际系统在存在模型 -实际差异时的真实最优解 .仿真结果表明了算法的有效性和实用性.     

基于混沌-神经网络模型最优控制及应用

由于非线性混沌时间序列内部确定的规律性，其重构相空间具有高精度短期预测性．为此，为了实现非线性、大时滞系统的自适应控制，文章根据具有混沌特性非线性、大时滞系统的时间序列重构相空问，计算相空间饱和嵌入维数、最大Lyapunov指数和系统的可预报尺度，并以此为指导，建立神经网络预测模型对系统作高精度的短期预测；在此基础上，通过反馈校正，将校正误差和控制增量引入性能函数寻优得最优控制决策，实现了对非线性、大时滞系统高精度的自适应预测控制．将该控制决策应用在锅炉过热汽温控制中，仿真表明该控制的有效性、快速性和鲁棒性．     

Stabilization of discrete nonlinear systems based on control Lyapunov functions

The stabilization of discrete nonlinear systems is studied. Based on control Lyapunov functions, a sufficient and necessary condition for a quadratic function to be a control Lyapunov function is given. From this condition, a continuous state feedback law is constructed explicitly. It can globally asymptotically stabilize the equilibrium of the closed-loop system. A simulation example shows the effectiveness of the proposed method.     

基于混沌预测的模糊神经网络控制器设计及应用

由于混沌时间序列内部确定的规律性 ,其重构出混沌吸引子的相空间具有高精度短期预测性。根据非线性、大时滞系统的时间序列重构相空间 ,计算相空间的最大Lyapunov指数、饱和嵌入维数和可预报尺度 ,并以此为指导 ,对系统作高精度预测。在此基础上 ,又设计了遗传算法优化的模糊神经网络预测控制器 ,实现了对非线性、大时滞系统高精度的自适应控制。将该控制应用在锅炉过热汽温控制中 ,仿真表明该控制的有效性、准确性和鲁棒性。     

基于混沌神经网络模型的预测控制器的设计及应用

根据具有混沌特性非线性、大时滞系统的时间序列重构相空间，计算相空间饱和嵌入维数、并以此为指导，建立混沌神经网络，即便在网络输入不完整或发生变异的情况下，该模型仍能对系统作高精度的短期预测；在此基础上，又设计了模糊神经网络预测控制器，实现了对非线性、大时滞系统高精度的自适应控制。将该控制器应用到单元机组负荷控制系统中，仿真表明了该控制有效性、快速性和鲁棒性。     

经济混沌模型中一种改进的反馈控制方法

就经济系统中的一类多参数混沌模型，应用非线性动力学理论，在OGY方法的基础上，对反馈控制方法进行了改进，提出了基于预测的反馈控制方法，该方法成功地进行了多参数混沌控制，并通过两例具体的经济混沌模型，对所提出的方法进行验证。     

一类不确定离散非线性系统的边界层自适应模糊滑模控制

研究了一类不确定离散非线性系统的模糊滑模控制问题,提出了一种基于边界层模糊自适应的模糊滑模控制方法.首先,在系统非线性动态函数上界已知的条件下,给出了系统的准滑模控制律设计,证明了系统的闭环稳定性.引入一个滑模边界层可调参数,在边界层外施加准滑模控制律;在边界层内,去掉准滑模控制律,施加模糊逻辑控制.边界层参数用模糊逻辑系统进行在线自调节,消除了系统处于准滑动模态时的高频抖振.数值仿真结果证明了所设计控制律的优点和有效性.     

A 3-dimensional discrete model of housing price and its inherent complexity analysis

A discrete nonlinear model of real estate is derived, with which the evolutionary trend among government, consumers and real estate developers is described. The stability, bifurcation, and chaotic behavior of the system are also analyzed by using nonlinear dynamic method. Results show that chaos can be obtained via quasi-periodic transition and double-periodic bifurcation. The influence of dynamic evolutionary trend among stakeholder on system stability is also studied and some interesting conclusions are derived. This research can effectively explain the complex behavior of housing prices. This research is supported by the National Natural Science Foundation of China under Grant Nos. 60641006 and 70872029.     

Constrained predictive control based on T-S fuzzy model for nonlinear systems

A constrained generalized predictive control （GPC） algorithm based on the T-S fuzzy model is presented for the nonlinear system. First, a Takagi-Sugeno （T-S） fuzzy model based on the fuzzy cluster algorithm and the orthogonalleast square method is constructed to approach the nonlinear system. Since its consequence is linear, it can divide the nonlinear system into a number of linear or nearly linear subsystems. For this T-S fuzzy model, a GPC algorithm with input constraints is presented. This strategy takes into account all the constraints of the control signal and its increment, and does not require the calculation of the Diophantine equations. So it needs only a small computer memory and the computational speed is high. The simulation results show a good performance for the nonlinear systems.     

基于自适应神经模糊推理系统的非线性系统辨识

针对非线性系统辨识方法中偶然性大,精度不高,收敛速度慢,训练过程时间长的问题,提出一种基于自适应神经模糊推理系统的非线性系统辨识方法,利用模糊推理系统使规则结构化及神经网络具有很强的泛化能力相结合,具有以任意精度逼近任何线性或非线性函数的特点。对非线性系统进行辨识,仿真结果表明,ANFIS进行非线性系统辨识是可行的,其辨识精度很高。