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     

时变离散系统的一种自适应算法及鲁棒性分析

针对时变离散系统,设计了一间接极点配置鲁棒自适应控制算法．用投影修正的最小二乘法辨识时变系统参数,并用极点配置法设计控制律．辨识机制的投影修正保证了闭环自适应控制系统的鲁棒稳定性．文中着重分析了自适应控制律的特性及闭环系统鲁棒稳定性,得到的结论是：如果未建模动态和平均时变充分小,则闭环系统有界输入、有界输出（ＢＩＢＯ）鲁棒稳定．文中的结果及其证明改进并发展了现有时变自适应控制理论．仿真例子验证了鲁棒性分析的正确性     

一类线性时变系统模型参考自适应迭代学习辨识

针对一类有限时间区间上具有可重复性的BIBO稳定的一阶线性时变系统,将模型参考自适应辨识方法与迭代学习相结合,提出了模型参考自适应迭代学习的参数辨识算法。利用模型参考自适应辨识方法得到时变系统参数辨识结构,针对系统可重复的特点,基于Lyapunov方法得到时变参数的迭代学习律。该算法可以辨识快时变的参数,而不需要参数时变结构的信息,并可保证参数估计误差和模型输出误差有界,且沿迭代轴逐点收敛。分析了参数收敛到真值的条件,系统仿真验证了辨识算法的有效性。     

基于径向基函数的神经网络在线辨识的PID控制

针对工业控制领域中的非线性时变系统,讨论了RBF神经网络的在线辨识的算法,并与传统的PID控制相结合,对非线性时变对象进行了仿真实验.从实验结果中得出,通过RBF神经网络的在线辨识,对PID参数在线自整定,取得了比传统PID控制更好的效果.     

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。     

多通道电液伺服系统的变结构自适应控制

针对多通道电液位置伺服系统存在的参数时变，通道间的耦合作用和外干扰等特点，提出了一种模型跟随变结构自适应控制方法，该系统具有较高的伺服跟踪精度和较强的鲁棒性，无需在线辨识。     

具有时变延迟特性的航空发动机控制方法研究

随着环境条件和工作状态的变化,航空发动机的参数将发生很大的变化,且由于燃烧延迟的存在,其还存在着时变延迟特性。而Smith控制算法通常用于定常延迟系统的控制,当被控对象参数未知且时变时,Smith控制算法就不能完全补偿时变参数对系统特性造成的影响,从而很难获得令人满意的控制效果。本文利用最速下降法和自动调整遗忘因子的最小二乘法分别在线辨识某型航空涡轴发动机的延迟时间和动态参数,并将辨识得到的参数用于Smith控制器的自适应实时调整,实现了航空涡轴发动机的实时闭环控制。仿真结果表明,该算法能够快速准确地辨识出系统参数,具有良好的跟踪性能。把该算法应用于时变延迟系统控制时,明显改善了涡轴发动机控制系统的稳定性和鲁棒性。     

一类自适应虚拟参考反馈校正法研究

针对线性未知时变系统控制器设计中离线虚拟参考反馈校正法的不足,提出了基于遗忘梯度算法的自适应虚拟参考反馈校正方法.首先,通过离线虚拟参考反馈校正法初始化控制器参数;然后,在系统运行过程中实时采集控制对象两端的输入/输出数据,构造滤波器及虚拟参考信号;最后,利用滤波数据在线辨识并实时更新控制器参数.对控制器参数收敛性进行了理论分析,并仿真验证了所提方法在控制对象特性改变情况下,具有良好的自适应性.     

基于自适应控制的非自治混沌系统的参数辨识

以自适应控制理论为基础,对非自治混沌系统的参数辨识研究,针对Duffing系统和一离心调速器混沌系统,设计了有效的自适应控制律,实现了一类非自治混沌系统所有参数准确和快速的辨识.理论分析和数值仿真都表明了所设计的参数辨识控制律有效性.     

基于变维式参数估计的自适应控制算法

本文讨论了-类时变结构系统的自适应控制问题,基于变维式参数估计算法,提出了两种相应的自适应控制算法。     

LMS算法的自适应逆控制变频调速系统

针对矢量控制变频调速系统参数鲁棒性差这一交流传动领域难题,提出基于自适应逆控制理论的感应电机变频调速新型控制结构用于增强系统参数鲁棒性;提出一种基于变论域的变步长LMS自适应滤波算法用于电机系统及其逆系统建模。研究结果表明,变论域变步长LMS算法克服了收敛速度、时变系统跟踪速度与收敛精度方面的矛盾;自适应逆控制的变频调速系统对感应电机参数摄动具有鲁棒性。     

一类时变系统模型参考自适应迭代学习控制

针对一类有限时间区间上可重复运行的有界输入有界输出稳定的一阶线性时变系统,其高频增益和惯性参数均时变,为使之能够跟踪不同的参考轨迹,将模型参考自适应控制方法与迭代学习方法相结合,提出了模型参考自适应迭代学习控制算法.基于类李雅普诺夫(Lyapunov-like)函数证明了当迭代次数趋于无穷时,跟踪误差在有限时间区间上一致收敛到零,并证明了闭环系统中参数估计和控制信号有界.系统仿真验证了所提控制算法的有效性.     

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.     

一类参数未知混沌系统的自适应控制

基于主动的Backstepping控制方法,通过引入自适应控制,在线辨识系统的参数,设计自适应控制器;对一类含有未知参数的混沌系统进行控制,使被控系统能够稳定到任意点.同时,基于Lyapunov稳定性理论,分析系统的稳定性.该控制方法对于具有严格参数反馈形式的系统,以及非严格参数反馈形式系统均适用.数值仿真结果验证了该控制方法的有效性,系统在控制器的作用下能快速稳定到期望点.     

基于神经网络的Smith补偿PID控制设计

针对工程实践中常见的纯滞后对象,在Ｓｍｉｔｈ补偿控制基础之上,利用人工神经网络的非线性映射功能对控制对象进行在线辨识,达到对时滞补偿预报的目的;利用神经网络ＰＩＤ控制器（Ａｄａｌｉｎｅ网络）代替常规控制器,实现了对时滞复杂对象的在线自适应控制;并根据ＩＴＡＥ性能指标原则对神经网络控制器参数进行整定,得到一组经验公式。仿真结果验证了本文神经网络控制方案的有效性。     

一类多模型自适应控制系统的稳定性证明

针对一类时不变或慢时变的离散时间非线性系统,首先在线性鲁棒自适应控制的基础上,给出了系统有界输入-有界输出的稳定性证明,并得到了系统有界输入-有界输出稳定的充分条件;继而将其引入到多模型切换控制中,经证明该条件可以保证间接多模型自适应切换控制的稳定,较好的兼顾了系统的稳定性和瞬态响应,从而为间接多模型自适应控制器的设计提供了理论依据.     

超混沌Liu系统的自适应广义投影同步与参数识别

本文研究超混沌Liu系统的自适应广义投影同步与参数识别问题。基于自适应反馈控制技术,在响应系统参数未知的情况下设计了非线性控制器和参数自适应律,使2个参数不匹配的超混沌Liu系统在全局范围内实现广义投影同步,可用控制增益来调整同步的速度,同时实现对未知参数的识别。应用Lyapunov稳定性理论和LaSalle不变集原理从理论上证明了结论,并通过数值仿真验证所给方法的有效性。     

可变纯滞后时变系统模型参考自适应预估控制

基于Smith预估控制和参数最优化理论,提出了可变纯滞后时变系统的模型参考自适应预估控制(MRAPC)。MRAPC由自适应预估器,自适应过程模型,自适应机构及常规控制器所组成。它大大地减少了系统中时变参数和可变纯滞后的影响,控制性能明显地强于Smith预估控制。其后给出的仿真结果证实了MRAPC的有效性。