一种新的模糊内模预估控制器

采用内部模型控制 估器和模糊控制器相结合,对模糊内模预估控制方法进行了研究。其方法是利用模糊预估控制器克服时滞,通过对具有纯滞后的被控过程进行的数字仿真研究,结果表明：这项研究的控制效果要优于常规ＰＩＤ控制、模糊控制（Ｆｕｚｚｙ）和内模控制（ＩＭＣ）方法。     

有数据丢包的复杂网络的鲁棒保性能状态估计

针对现实网络在数据传输中存在数据丢包和噪声干扰的特点,研究离散时间复
杂网络的鲁棒保性能状态估计问题,旨在减小数据丢包和噪声干扰对状态估计的影响. 利
用Lyapunov稳定性理论与随机分析方法,以线性矩阵不等式的形式提出了鲁棒保性能状态
估计增益矩阵存在的条件和设计准则,在满足状态估计误差均方指数收敛的前提下,能进一
步使网络的状态估计满足一定的性能指标. 仿真结果表明,鲁棒保性能状态估计器可以有效地
估计复杂网络的状态.     

MIMO系统同时镇定渐进跟踪与干扰抑制性能设计

基于稳定互质分解的同时镇定控制器参数化结果,利用消除系统稳态误差的内模原理,在SISO结果的基础上,讨论了MIMO系统满足渐进跟踪与干扰抑制性能的同时镇定控制器设计问题．     

一种非线性直升机系统的有限时间镇定

针对一个具有多输入、强耦合、非线性的CE150直升机系统,给出了一种有限时间
控制方案. 该方案首先将整个直升机模型看作一个级联系统,通过坐标变换并采用基于限时间
控制的嵌套饱和方法分别对两个子系统进行有限时间镇定;然后验证前向一致性,保证了整
个闭环系统的全局有限时间镇定. 仿真结果表明,该方案不但有效而且具有更好的收敛性和
鲁棒性.     

基于内模控制原理的光电跟踪控制系统设计

跟踪控制系统是光电测量设备实现目标自动跟踪的核心单元。系统设计中采用的控制对象数学模型与实际对象存在机理误差和参数测量误差,采用传统闭环控制法设计时控制器的参数计算依赖于模型参数,导致控制器对实际控制对象的适应能力存在局限。采用内模控制原理(IMC)进行系统设计,可简化控制器参数计算及调试过程,降低系统对控制对象参数的敏感性,改善系统的动态性能。与传统方法设计的系统进行仿真对比表明,基于内模控制原理的跟踪系统具有更强的鲁棒性和更好的模型适应性。     

鲁棒自适应PID控制器

提出一种基于灵敏度鲁棒性指标的自适应PID控制器. 通过对控制回路正常运行操作中产生的输入和输出信号的分解和拉普拉斯变换,辨识出过程对象在重要频率范围内的频率响应特性. 在此基础上用最小二乘法从幅值和相位两方面去拟合一个二阶加纯滞后传递函数,获得过程对象模型,计算出满足灵敏度指标的PID控制器参数. PID控制器的自适应过程既不需要过程对象和控制器的任何先验知识,也不用中断控制回路的正常运行. 仿真实验表明了自适应控 制器的有效性和可行性.     

对称双二叉树PTS相位搜索

为降低OFDM系统中部分传输序列的计算复杂度,提出一种对称双二叉树的相位搜索方法,将最优相位因子的搜索映射为满二叉树中代价最小通路的搜索. 通过选择中间节点数量与二叉树的搜索深度,在有效抑制OFDM峰值平均功率比的同时大幅度降低了计算复杂度. 仿真结果表明,该方法能很好地协调OFDM系统性
能和计算复杂度.     

基于PID控制的温度大滞后系统算法研究

针对温度控制系统的大滞后特点,采用Smith预估控制算法进行控制,在此基础上提出了一种改进PID控制算法.仿真结果表明改进的PID控制算法具有较强的稳定性和鲁棒性,既能有效地抑制大滞后、时变的影响,又对模型参数的变化具有很强的适应性,能取得良好的控制性能,是一种实用而简便的大滞后炉温控制方法.     

离散网络化群体系统一致性H∞控制

针对网络化群体的一致性问题给出了状态反馈H∞控制器存在的条件.通过状态分解将系统状态进行适当的分解,在此基础上结合线性矩阵不等式理论、鲁棒控制理论给出了设计H∞控制器的方法.所设计的H∞控制器可使设计后的离散群体状态达到一致,并使系统状态不一致部分为Lyapunov渐进稳定,同时满足H∞控制性能.仿真表明所得结论的正确性和有效性.     

故障条件下子空间预测控制的对偶分解

研究故障条件下子空间预测控制器的设计问题,在推导输出预测估计值后分析残差矢量的统计分布特性
及残差矢量在各个瞬时时刻处的具体形式. 针对含有等式和不等式约束条件的预测控制器最优化问题,通过对偶
运算将较复杂的约束优化转化为无约束优化问题,采用最近邻梯度法即可求得基-对偶优化问题的最优解. 最后以
直升机悬停状态为例,验证控制器设计方法的有效性.     

交流传动神经网络自适应规划控制系统的设计与仿真

将Hopfield神经网络应用于交流传动系统的自适应控制,通过神经网络来规划交流调速系统的速度控制器动态输出,使速度控制器对某些参数变化具有良好的鲁棒性.对于不可控的负载转矩,加入参数自动跟踪神经网络,构成具有参数在线跟踪功能的双神经网络自适应规划控制模式,进一步提高系统的性能.仿真结果表明,该系统具有良好的动态性能.     

基于内模结构的模糊控制器

通过对具有纯滞后被控过程进行数字仿真研究,提出了一种基于内模结构的模糊控制方法。其最大特点是引入了模糊预估器作为被控过程的内部模型,对实际过程输出起预估作用,从而消除了大时滞带来的系统不稳定。此算法的控制效果要优于常规ＰＩＤ、ＦＵＺＺＹ和ＩＭＣ控制方法＾「１」,利用该算法对电加热炉进行的炉温实时控制时也有一定的理论意义和实用价值。     

基于RBF神经网络多步预测的自适应PID控制

提出一种基于RBF神经网络多步预测的自适应PID控制算法．该算法用无局部极小的径向基函数网络对非线性系统进行在线辨识，利用多步预测误差对PID型控制器网络进行训练，从而实现PID参数的在线自适应寻优．通过对典型非线性系统的仿真研究，该控制系统具有较强的适应性和鲁棒性．     

基于RBFNN和回馈递推的新型多旋翼飞行器控制

研究了新型多旋翼飞行器的建模与轨迹跟踪控制. 建立了非线性运动学和动力学模型,并提出基于全调节径向基神经网络和回馈递推的鲁棒自适应轨迹跟踪控制策略. 首先设计了飞行器的位置误差PID控制器,用于实时消除飞行轨迹与期望轨迹的偏差,并为姿态控制环构建姿态角指令. 采用全调节径向基神经网络估计飞行器动力学模型中的复合干扰,为避免回馈递推控制器设计过程中对虚拟控制信号的繁琐求导运算,减小对解析模型的依赖度,设计了一种基于指令滤波回馈递推的飞行器姿态控制器. 该设计方法通过滤波器而非直接用解析方法对虚拟控制信号求导,大大简化了控制器的设计过程,节省了控制能量. 仿真实验表明所提出的轨迹跟踪策略的正确性和有效性.     

基于大脑情感学习的转台逆模型补偿控制

针对传统控制方法难以克服飞行仿真转台伺服系统中存在的摩擦等非线性干扰力矩问题,提出了一种基于大脑情感学习(brain emotional learning, BEL)模型的转台伺服系统复合控制方法. 在传统PI反馈控制器的基础上,设计了基于BEL模型的同结构系统逆模型辨识器和前馈补偿控制器. 通过在线辨识系统逆模型来学习BEL模型的节点权值. 理想转台模型的数值仿真和实际转台伺服系统的实验结果都表明：BEL模型学习能力强,能满足实时控制要求,基于BEL模型的复合控制策略能有效抑制摩擦力矩的影响,提高转台系统的跟踪性能.     

非线性系统的广义模糊控制

提出了一种基于T-S 模糊模型的非线性系统的鲁棒跟踪控制方案. 首先将系统的模糊模型等价变换为广义系统模糊模型,然后设定跟踪性能指标,结合线性矩阵不等式方法设计了鲁棒跟踪控制器. 该方法不仅减少了求解复杂度,而且因减弱了对待定矩阵的限制而降低了保守性. 将该方法应用于倒立摆系统,实现了角度和角速率的 精确快速跟踪控制,从而表明了方法的有效性.     

一种基于层次结构深度信念网络的音素识别方法

针对现有音素识别系统识别准确率不高、建模方法表征能力不强且易陷入局部最优解等问题,提出了一
种基于层次结构深度信念网络(deep belief network, DBN)的音素识别新方法. 该方法由基于层次结构DBN的瓶
颈特征以及基于DBN的音素分类器两部分组成：其中的瓶颈特征能够充分利用DBN能够处理长时段语音、监督
性的提取方法等特性;而基于DBN的音素分类器则具有更强的建模和表征能力. 因此,将两者结合在一起能够在
提取低维、监督性特征的同时,利用DBN更加有效地对音素后验概率进行识别. 在TIMIT数据库上进行的实验结
果表明,所提出的音素识别方法在识别正确率上相对于以往音素识别系统有较大提高.