减少辨识参数的多变量自校正控制器

采用具有定常增益的线性补偿器来限制输入个数从而获得减少辨识参数的新模型。以此模型为基础提出了多变量自校正控制器,并证明了该控制器具有全局收敛性,本文还给出了该控制器的仿真实验结果。     

基于学习的自校正控制算法

提出了一种基于学习的自校正控制算法,算法中包含一个自适应模型和多个固定模型,每一个模型都有一个相对应的控制器,在每一采样时刻,将当前时段内具有最小预测误差的模型对应的控制器的输出作为控制输入。在该算法中,自适应模型和自适应控制器的作用是确保闭环系统的稳定性和输出跟踪误差的渐近收敛性,而固定模型和固定控制器的作用是当被控对象的参数发生稳定性和输出跟踪误差的渐近收敛性,而固定模型和固定控制器的作用是当     

非线性复杂前馈系统的全局镇定控制

基于嵌套侵润函数构造了镇定器,并证明其整体收敛性,推广了该类前馈非线性系统控制器的应用范围.     

一种机械手的鲁棒学习控制器的设计

本文介绍了一种应用于机械手的鲁棒学习控制器.该控制器包括一个鲁棒反馈控制器和一个迭代学习控制器,能够抑制由于参数变化、机械非线性、非模型动态特性带来的扰动,使系统获得良好的性能.本文应用Lyapunov稳定性理论证明了控制算法的收敛性.仿真结果表明该控制器能够有效地控制机械手.     

隐式自校正动态矩阵控制器

给出了１种隐式自校正动态矩阵控制器。利用两个辨识器证明了其全局收敛性，并给出了仿真实例。     

基于学习的自校正控制算法

提出了一种基于学习的自校正控制算法 ,算法中包含一个自适应模型和多个固定模型 ,每一个模型都有一个相对应的控制器 .在每一采样时刻 ,将当前时段内具有最小预测误差的模型对应的控制器的输出作为控制输入 .在该算法中 ,自适应模型和自适应控制器的作用是确保闭环系统的稳定性和输出跟踪误差的渐近收敛性 ,而固定模型和固定控制器的作用是当被控对象的参数发生变化时 ,在自适应模型的参数估计收敛之前 ,暂时担当控制器的角色 ,以改善闭环系统的暂态响应 .证明了闭环系统的稳定性和输出跟踪误差的渐近收敛性 .仿真结果表明算法的有效性     

离散系统的鲁棒自适应控制

本文提出一种鲁棒间接自适应极点配置控制器，它利用相对死区技术使得控制器对一类未建模动态误差和恒定了界扰动具有鲁棒性。文中详细地分析了闭环系统的稳定性和收敛性，找到了保证佤渐近稳定的充分条件。     

迭代学习控制的频域分析与设计方法

为分析迭代学习控制系统的学习收敛性和收敛速度,将迭代学习控制系统抽象成一个在运行时间t和重复运行次数k上的二维系统,并在频域内对系统进行了分析,提出基于幅相曲线的学习收敛性分析方法,给出了收敛性判定定理,并将该方法应用于系统输出偏差各频率成分在重复运行次数方向上的收敛速度分析和迭代学习控制器设计.应用Matlab/Simulink进行了仿真验证,结果表明:所提出的迭代学习控制频域分析方法和收敛性判定定理是正确的,能够准确有效地用于迭代学习控制的收敛性及收敛速度分析.     

多模型自适应前馈解耦控制器

当一类非最小相位系统参数发生跳变时,针对常规自适应控制系统暂态响应差的问题,提出一种基于多模型切换的多变量直接自适应前馈解耦控制器．该控制器由多个参数已知的固定控制器和2个自适应控制器构成．多个固定参数控制器可由系统参数模型通过映射直接得到,并且和邻域一起完全覆盖控制器参数模型集．通过加权多项式矩阵的选择,消除了稳态误差,实现了解耦控制,并给出了全局收敛性分析和覆盖性证明．仿真结果表明,暂态响应和解耦效果得到了提高。     

广义预测自校正控制器的内模结构及全局收敛性

给出了基于ＣＡＲＩＭＡ模型的广义预测控制器的内模结构，分析了其闭环特性和鲁棒性，并证明了显式自交正算法的全局收敛性。     

线性方程组迭代解法平均收敛速度收敛阶的定量估计

由迭代法平均收敛速度与渐进收敛速度的关系引入近似估计法,即通过对迭代平均收敛速度取对数,然后使用数值拟合软件CurveExport1.3给出拟合函数,最终得到了Jacobi迭代法和Gauss-seidel法平均收敛速度收敛到渐进收敛速度的近似收敛阶,且该法适用于其他迭代法平均收敛速度的估计。     

统计收敛与平均收敛

证明了有界序列统计收敛必平均收敛,并给出例子说明对于无界序列的这两种收敛不相互蕴含,最后还给出了有界序列统计收敛的一个充要条件.     

预条件AOR和2PPJ迭代法收敛性的注记

分析了系数矩阵是$\emph{\textbf{M}}$-矩阵时预条件AOR和2PPJ迭代法的收敛性, 指出了已有结果的一些错误并给出了正确的收敛定理. 同时, 利用$\emph{\textbf{H}}$-分裂理论, 讨论了系数矩阵是$\emph{\textbf{H}}$-矩阵时预条件AOR的收敛性并给出了参数的收敛区间.     

内超实度量空间中的两种收敛性

用无穷小分析方法研究了内超实度量空间中与Ｑ－拓扑及Ｓ－拓扑相应的两种收敛性——Ｑ－收敛性及Ｓ－收敛性，给出了内超实度量空间中的点列、网以及函数列Ｑ－收敛与Ｓ－收敛的特征与基本性质，引进了一致Ｑ－收敛与一致Ｓ－收敛的概念，并讨论了这些收敛性在一般度量空间中的应用．     

圆域并集上施瓦茨交替法的研究

讨论了圆域并集上施瓦茨交替法的收敛速度 ,计算得到了收敛因子的具体表达式 .当两圆交集很少时 ,收敛因子接近 1 ,收敛速度将变得十分缓慢 ,对此给出了一个改进算法 ,分析了其收敛速度 ,并给出了其收敛因子的最优上界 ,然后通过数值计算验证了分析结果 .     

中国创新能力的空间非均衡及收敛性研究

以中国2001-2016年创新能力为研究对象,揭示中国创新能力的空间非均衡、地区差距及收敛性特征.采用Dagum基尼系数对中国创新能力的区域差异进行测度和分解,并通过σ收敛、β收敛和俱乐部收敛方法对中国创新能力的收敛趋势进行检验.结果表明:(1)中国创新能力在区域分布上呈现出明显的空间非均衡特征,且总体差异呈现出不断扩...     

关于模糊可测函数列几种收敛之间关系的进一步讨论

给出了基本模糊平均收敛的概念,讨论了模糊可测函数列的基本模糊平均收敛与其他几种收敛之间的关系,得到了模糊可测函数列的基本模糊平均收敛与基本依模糊测度收敛的等价关系.     

二维灰色神经网络批处理梯度算法的收敛性

灰色神经网络GNNM(2,1)是灰色系统与BP神经网络相糅合的二维神经网络,给出了灰色神经网络GNNM(2,1)的网络结构和批处理梯度算法,研究了灰色神经网络GNNM(2,1)的收敛性问题,并证明了误差函数的单调性、弱收敛性和强收敛性.     

一般Henstock积分的另一个收敛定理

给出了划分空间上一般Henstock可积列收敛的一个重要特征———弱一致可积收敛定理 ,并讨论了该定理同其他收敛定理之间的关系     

重根情形的Newton迭代法收敛性加速

基于Newton迭代法对于求重根具有线性收敛性,给出了加速其收敛的方法以及迭代公式,收敛速度得到了有效的提高。最后从数值实验加以比较,此算法是可行的。