电液伺服系统滑动模态变结构控制

针对泵控电液伺服系统，用优化方式确定切换函数，用到达条件确定为结构控制律，从实际应用的观点出发，设计了降维观测器，用以观测火炮俯仰速度，再用这种估计的状态构造切换函数，解决变结构控制问题。仿真与试验表明，基于最优化方法设计的滑动模态变结构控制系统, 对外部干扰和参数不确定性具有强的鲁棒性，已成功应用于系统复杂、环境复杂和控制性能要求高的火炮电液伺服系统中，大大优于传统的PID控制系统。     

一种基于LQ/变结构控制的多模型组合控制

针对一类含有参数跳变的非线性时变系统,提出了一种基于LQ与变结构控制的多模型组合控制方法.该方法在多模型及其切换的框架下,将全局鲁棒控制与多模型局部控制相结合,从而达到和保持整个系统的良好性能.首先,采用变结构控制理论设计全局鲁棒控制器,将被控系统的状态带到多模型局部控制器的作用区域以内.其次,在不同的特征点设计LQ固定控制器,按照一定的切换指标在局部固定模型中选择最佳固定模型以及相应的控制器将输出误差减小为零.仿真实验的结果表明了该方法的有效性.     

基于动态逆的大空域靶弹高度控制系统设计

针对纵向运动模型,提出了一种采用神经网络自适应逆控制设计靶弹高度控制系统的方法。该方法利用神经网络经离线训练实现非线性系统的逆,通过基于变结构控制的方法得到控制律自适应的补偿逆误差和系统的动态特性变化引起的误差。通过对大空域靶弹的全弹道仿真表明,该控制方法具有较好的控制能力和较强的鲁棒性。     

严格反馈型随机非线性系统输出反馈滑模控制

研究了一类带有不确定性参数的严格反馈型随机非线性系统的输出反馈镇定问题,主要是采用变结构滑模控制方法(SMC)来设计镇定控制器。首先根据系统的结构和输出状态构造了随机非线性状态观测器,并针对结构参数的不确定性,采用梯度自适应调节律,然后基于系统的观测状态选择滑动模切换流形,给出了不含噪声激励的变结构控制律,并证明滑动模的可达性和闭环系统滑模运动的稳定性,最后讨论了滑模控制的抖振抑制问题。通过系统仿真,与其它鲁棒控制方法进行比较,证明了本方法不仅能够有效地镇定该类随机非线性系统,并且具有一些更好的控制性能。     

一类非线性系统的模糊变结构控制方案

针对一类特殊非线性系统的模糊变结构控制及稳定性问题,通过将非线性系统化为多个精确T S模型来建立非线性系统精确的T S模糊模型,将模糊理论与成熟的线性变结构控制理论相结合设计出一种模糊变结构控制器,提出了使全局模糊模型稳定的充分条件,并用Lyapunov稳定性理论证明该控制器能确保模糊动态模型全局渐近稳定,从而使非线性系统稳定。仿真结果表明了该设计方法的有效性。     

网络控制系统结构下的非线性系统建模与仿真

针对非线性系统往往具有不确定性,结构复杂、建模困难和不适于网络条件下仿真研究的问题,提出了一种网络控制系统结构下非线性系统建模与仿真的方法.在对弹簧连接的双倒立摆耦合非线性系统模型及其通信网络进行Matlab/Simulink模块化建模的基础上,利用鲁棒控制器将对象模型的不确定性和网络时延的不确定性进行了综合处理.仿真结果表明,该方法不仅降低了非线性系统建模的复杂性,而且为研究网络控制系统结构下非线性系统的动态特性提供了条件.     

一类非线性系统的新型增益调度变结构跟踪控制

针对一类参数不确定非线性系统的增益调度变结构跟踪控制,以切换函数作为调度变量,同时考虑系统稳态误差的指标要求,对滑动平面系数、边界层厚度以及控制器系数进行调度,得到了一种新型的增益调度变结构控制策略。不仅消除了系统颤振,减少了系统能耗,提高了系统的控制性能,使得系统能够快速进入并获取稳定的滑动模态,而且使跟踪系统能够满足稳态误差指标的要求。仿真算例验证了所提控制策略的有效性。     

一类非线性大系统的鲁棒变结构观测器

研究了一类具有结构和参数不确定性的非线性关联大系统状态观测器设计问题。在假定非线性系统的线性部分是可观测、不确定性和关联项满足Lipschitz条件的情况下,利用变结构控制的思想提出了一种非线性状态观测器设计方案,并证明了该观测器的指数收敛特性。所设计的观测器对结构和参数不确定性具有较强的鲁棒性。最后给出仿真研究说明了所提方法的有效性。     

不确定非线性系统变结构模糊自适应鲁棒控制

考虑一类不确定非线性系统的鲁棒控制器设计问题,在假设系统不确定性函数结构未知的情况下,利用模糊系统对不确定性函数进行逼近,将获得的模糊系统函数作为系统不确定性界函数。在此基础上,提出了一种变结构模糊自适应鲁棒控制算法,该算法在确保系统的滑动模态超平面为渐近可达的前提下,在线对系统模型的控制增益参数和不确定性函数的界参数进行估计。最后以船舶减摇鳍非线性控制系统为例,进行了变结构鲁棒自适应模糊控制器的设计。仿真研究表明,所提出的算法是有效的。     

基于RBF神经网络变结构控制的齿隙和摩擦补偿

齿隙和摩擦是齿轮传动系统中制约运动控制精度不可避免的非线性现象,常规的PTD控制难以达到较好的控制品质,变结构控制是解决非线性系统控制问题的一种有效方法.基于滞环齿隙模型和集合摩擦模型,建立了齿轮传动系统动力学模型.采用径向基函数(Radial Basis Function,RBF)神经网络和变结构原理构成复合控制器,对系统齿隙、摩擦进行了补偿.仿真分析了分别采用PID控制、增益固定变结构控制以及RBF神经网络变结构控制的补偿效果.结果表明,RBF神经网络变结构控制降低了增益固定变结构控制的抖振现象,控制精度优于PID控制.     

基于聚类方法和神经网络的非线性系统多模型自适应控制

针对具有参数跳变的非线性系统,联合聚类算法和神经网络提出新的多模型自适应控制方法。首先对系统的输入输出数据进行模糊聚类,然后基于递推最小二乘法建立多个固定模型。为提高系统的暂态性能,同时建立两个自适应模型,并在此基础上设计鲁棒自适应控制器。此外,为了补偿系统的非线性部分,建立非线性预测模型,并设计非线性神经网络自适应控制器。所提方法可使控制切换系统具有稳定性保证。最后,通过性能指标对控制器进行平滑切换。仿真结果表明,所提方法能够保证系统具有良好的控制性能。     

基于神经网络的一类非线性系统的变结构控制

在已知名义系统的基础上 ,将小脑关节模型控制器 (CMAC)神经网络用于一类状态反馈可线性化的多输入多输出连续时间非线性系统的变结构控制中。利用自适应技术估计了估计误差的大小 ,减小了系统的不确定性 ,并利用模糊控制技术调整了变结构增益 ,改善了系统的性能。在很弱的假设条件下 ,应用Lyapunov稳定性定理证明了闭环系统内的所有信号为均匀最终有界。算法在导弹控制系统中的应用进一步证明了本文方法的有效性。     

基于小波-NAR神经网络的气象要素时间序列预测与天气指数彩虹期权估值

本文基于小波-NAR神经网络技术,提出气象要素时间序列预测与天气指数彩虹期权估值的原理与方法,同时采用2000-2014年悉尼日均气温和日降雨量数据,进行气象预测与天气期权估值.结果显示:小波-NAR神经网络因灵活的非线性动态结构较好地反映了气象变化特征,其预测与估值效果优于其他模型;该天气期权价值形成中的非线性特征取决于五种经济效应.科学预测天气和估计天气期权价值,开发天气衍生品,可挖掘天气不确定性的经济价值,弱化其对天气敏感产业的影响.     

基于Davidon算法的神经元自适应控制器

通常的神经网络逆元自适应控制器存在两个缺陷 ,一是训练算法收敛过慢 ;二是无法控制非最小相位系统 ,因而限制了其使用范围。利用Davidon最小二乘法训练多层前馈网络 ,用于逼近被控对象的逆模型 ,并利用构造伪系统的方法 ,构成一种对非最小相位系统仍然有效的神经网络逆元自适应控制器。仿真结果表明了该方法的有效性     

基于多模型结构的非线性鲁棒自适应跟踪控制

针对复杂的非线性系统,提出一种基于多模型结构的鲁棒自适应控制方法,使得系统可以在不同的运行环境下跟踪给定的信号.由多个线性模型和一个模糊模型及其相应的控制器构成基本的多模型控制系统,再引入动态结构自适应神经网络以保证系统的稳定性及抑制由频繁切换引起的噪声.最后,对某小型飞机进行全包络飞行跟踪控制的仿真,验证所提控制方法是有效的.     

基于神经网络的伺服系统控制研究

采用神经网络方法设计伺服系统逆动态控制器。判定了一类非线性伺服系统的可逆性。设计开环和闭环网络权值训练方案,使用Ａｌｏｐｅｘ随机学习算法在线训练对象逆动态模型。进行了基于反馈误差学习方法的伺服系统实时控制器设计,仿真结果表明神经网络方法辨识和控制伺服系统的有效性。     

一种混沌神经网络及其在优化计算中的应用

研究了一种具有混沌特性的神经网络 ,该网络具有瞬态混沌响应 ,类似于Hopfield网络的结构 ,但有比Hopfield网络更加丰富的动力学特征、更强的全局搜索能力。通过把混沌动力学与收敛动力学相结合 ,使网络逐渐由混沌神经网络向Hopfield网络过渡 ,达到控制混沌的目的 ,并且提供一个在全局最优解附近的初值 ,有效地解决了Hopfield网络的局部极值问题。该网络模型可以用来解决复杂的非线性优化问题。     

OUTPUT VARIABLE STRUCTURE CONTROL FOR TIME-INVARIANT LINEAR TIME-DELAY SINGULAR SYSTEM

Synthesis and design of output variable structure controller for time-invariant linear timedelay singular system are studied. In the case that the system is regular and the system index is one, switching function with integral compensator and variable structure controller are designed, which guarantee that the sliding mode is asymptotically stable and the solution trajectory of the system arrives at the switching manifold in limited time. The design method is applicable to the systems which can be regularized. Finally, a numerical example is given to demonstrate effectiveness and simplicity of the design method.     

模糊推理和神经网络的集成在故障诊断中的研究

以故障诊断的理论和方法为基础 ,综合运用人工智能、模糊理论和神经网络理论 ,对复杂电子装备的故障诊断问题进行了研究。提出了模糊推理和神经网络的集成方法 ,介绍了集成的综合系统的基本结构和工作原理 ,描述了模糊故障诊断模型和改进的神经网络BP算法     

复杂系统的变结构分析

传统的变结构研究方法都是建立在模型基础上的,变结构分析主要集中在系统运动模型中参数的变化或变量的增减问题上。这种传统的分析方法只限于人们对未知系统的模型结构有一个大致的了解,在一 旬先验假设的条件下才能进行。但是在系统建模之前,人们很难预先知道系统的运行的模型形式。对复杂系统而言,传统的变结构分析方法就难以秦效。特别地,对非线性向量时间序列系统而言,系统内部动态均衡结构的变化不仅具有空间结构,而且具有一定的时间结构。针对这种实际情况,本文提出了一种新的变结构分析思想,利用神经网络技术对系统的运行规律的结构变化情况进行了分析。利用上海股市数据进行了实证研究,证实了所提方法的可行性。