奇异摄动系统的二次稳定

奇异摄动对于提高控制系统的分析与设计的精度具有重要的理论意义和应用价值。该文研究了具有快慢尺度的奇异摄动系统的鲁棒稳定性，将正常连续系统的二次稳定的概念推广到奇异摄动系统，并证明了将奇异摄动系统的二次稳定性问题转化为2个正常快慢子系统的二次稳定性问题的等价性。     

基于TAF-MFNN的奇异摄动系统的自适应控制

研究了激活函数可调的神经网络在非线性奇异摄动系统的稳定控制器设计中的应用,给出了利用激活函数可调的神经网络设计非线性奇异摄动系统的方法.网络参数通过梯度下降法进行在线学习,利用Lyapunov方法证明了反馈系统的稳定性,仿真实验验证本方法的有效性.结果表明,利用激活函数可调的神经网络具有结构简单,逼近函数能力强等特点.     

奇异摄动系统的状态反馈设计:一种统一方法

讨论Delta算子域上的奇异摄动系统的状态反馈。用直接法分别设计了快慢子系统的状态反馈控制器，利用奇异摄动理论得到该系统的复合控制器，使其达到预期的结果。所得结论将连续与离散系统的相关结果统一于Delta算子框架。     

三维奇异摄动系统平衡点分析的快慢方法

通过定义三维空间中的奇异鞍点、奇异稳定(不稳定)结点和奇异鞍结点,并基于隐函数定理和线性化技巧等,证明了具有两个快变量和一个慢变量的三维奇异摄动系统的奇异平衡点在摄动之后保持为该系统的鞍点和结点.最后,将该理论直接应用于Bazykin模型平衡点类型和局部稳定性的的判断.     

时变时滞奇异摄动系统的稳定性研究

针对时变时滞奇异摄动系统,该文用线性矩阵不等式方法给出了判定该系统稳定的充分条件.首先将此系统转化为一个与之等价的广义系统,然后基于线性矩阵不等式(LMI)方法,得到了该系统稳定且依赖于摄动参数的充分条件,为了消除由此带来的数值病态问题,该文将上述条件转化为与摄动参数无关的LMI条件.在此基础上,给出变时滞奇异摄动系统状态反馈控制器存在的充分条件,并由此得到了控制器增益.最后通过数值算例表明了上述方法的有效性.     

奇异摄动系统正实性能分析

利用广义系统模型,通过改进已有的广义系统正实引理,讨论了奇异摄动系统的正实性判断问题.利用隐函数存在定理,基于代数Riccati等式讨论了当小参数趋于零时奇异摄动系统正实性与极限系统正实性之间的关系.进一步提出了根据极限系统对奇异摄动系统的正实性进行判断的判据.算例验证了结果的有效性,为在一定条件下对奇异摄动系统的正实性进行有效判断提供了一种新的方法.     

含摄动二次指标的线性奇异摄动最优控制问题的广义系统途径

通过讨论降阶慢子系统的奇异二次指标最优控制问题 ,研究了指标含摄动的线性奇异摄动系统的最优控制问题 .在一些假定下 ,奇异摄动系统的最优性能指标逼近于降阶控制所得到的最优性能指标     

定常奇异摄动系统的概周期解

本文考虑定常的奇异摄动系统（１．１）ｄｘ／ｄｔ＝ｆ（ｘ，ｙ，ε），εｄｙ／ｄｔ＝ｇ（ｘ，ｙ，ε）及其退化 系统（１．２）ｄｘ／ｄｔ＝ｆ（ｘ，ｙ，０），０＝ｇ（ｘ，ｙ，０）．假设系统（１．２）有一个非常数的概周期解（１．３） ｘ＝ｕ（ｔ），ｕ＝Ｖ（ｔ）．当系统（１．２）关于（１．３）的第一变分方程系恰具有一个广义零特征指 数时，我们在适当的条件下证明了对充分小的ε，系统（１．１）有唯一的概周期解ｘ＝ｘ（ｔ，ε）， ｙ＝ｙ（ｔ，ε）使得当ε→ｏ时，对一切ｔ有｜｜ｘ（ｔ，ε）－ｕ（ｔ）｜｜＋｜｜ｙ（ｔ，ε）－ｖ（ｔ）｜｜→０。 在证明中，我们首先推广了法坐标变换，进而建立指数型二分法，然后把问题化为非定常系统的 相应问题，从而利用Ｋ．Ｗ．Ｃｈａｎｇ［５］的结果加以解决．     

一类线性不确定时滞系统奇异摄动界

研究了一类常见的奇异摄动时否不确定线性系统的鲁棒稳定性问题，获得了参数H∞范数有界摄动时，系统时滞有关稳定的充分条件，给出了系统稳定时，时滞г及奇异摄动参数ε的上界。应用实例表明了奇异摄动时滞不确定系统鲁棒稳定性充分条件使用的方便性。     

一类非线性奇异摄动系统的次优控制

研究一类非线性奇异摄动系统的线性二次型最优控制问题.基于奇异摄动的快慢分解理论,将系统分解为一个快子系统和一个降阶的非线性慢子系统.利用逐次逼近方法,得到了非线性慢子系统的最优控制律,进而结合快子系统的最优控制律得到了原系统的次优控制律.仿真算例表明了算法的有效性.     

基于概率神经网络的产品质量预测方法研究

对通过正交试验法采集样本数据、采用概率神经网络（PNN）对产品质量进行预测的方法进行研究．并将预测结果与反向传播神经网络（BP）预测结果进行比较。结果表明，在利用正交试验法采集的训练样本数据分别训练PNN和BP网络后发现，概率神经网络的预测准确度远远大于反向传播神经网络，显示了概率神经网络在模式识别领域的优势。     

基于小波特征提取和概率神经网络的机械故障诊断

论述了基于离散小波变换系数的特征提取和概率神经网络在机械故障诊断中的应用。该方法利用离散小波获取振动信号各有效频带的能量作为故障参数,用概率神经网络构建设备运行状态模型,根据历史数据确定故障值并设置故障参数。实验结果从应用程序对轴承故障诊断表明,相比传统方法,该方法能够有效地提取测试信号内在的重要信息内容,并增加机械整体故障诊断的准确性,在机械设备故障处理系统中有良好的应用前景。     

一种基于概率神经网络多信息融合的移动目标跟踪算法

采用概率神经网络(PNN)实现了对图像序列中移动目标——人头的跟踪.由于采用单一特征信息的跟踪算法在复杂环境中往往失效,故以头部的颜色信息模板和头部轮廓的梯度信息模板作为跟踪依据,并通过改变PNN的结构实现了图像信息的融合以及自适应模板修正.实验结果表明,基于PNN的算法在处理目标的旋转和遮挡时有着良好的效果,且具有简单、跟踪鲁棒性好等特点.     

基于概率神经网络的高压断路器故障诊断模型

针对高压断路器在线监测与故障诊断问题,提出了一种基于概率神经网络的高压断路器故障诊断模型.该模型利用Parzen窗函数和Bayes分类规则建立了前向型自监督神经网络,在分析分（合）闸线圈信号的基础上提出了高压断路器故障模型.仿真结果表明,该模型对断路器的故障模式识别过程具有训练速度快、输出误差小和收敛性好等特点.     

径向基概率神经网络结构的遗传优化

运用遗传算法(GA)来优化设计径向基概率神经网络(RBPNN)结构，优选了隐中心矢量和优化求取对应的核函数控制参数．提出的染色体编码方式，充分体现了所选隐中心矢量在模式样本空间中的数量及位置分布，同时还包含了相适应的棱函数控耕参数信息．新构造的适应度函数不仅有效地控制了网络输出的误差精度，而且还能够使得RBPNN结构优化趋于最简．将IRIS分类问题用于检验该算法的有效性并与ROLSA和MKM进行了比较研究，结果表明，GA的优化效率最高，而且GA优化后的RBPNN在推广能力方面也没有明显下降．     

基于RBF网络的混沌动力系统辨识

提出用RBF神经网络对混沌动力系统进行辨识，设计了一个三层RBF网络结构，仿真实验说明了RBF网络用于学习混沌动力系统时的基本性质。用辨识模型重建吸引子方法定性地评价辨识模型，通过计算辨识模型的Lyapunov指数定量地评价辨识模型的性能，同时推导了RBF网络模型Lyapunov指数的计算公式。仿真结果表明，该辨识模型能很好地逼近原混沌动力系统，准确地体现原混沌系统的动力学特性。     

反馈神经网络对非线性时变离散系统的近似

对反馈神经网络近似非线性离散系统的能力进行了扩展研究 ,针对于更普遍的非线性时变离散系统 ,证明了它们在有限时间段内的输出轨迹可以被反馈神经网络输出神经元的状态向量近似到任何程度。     

基于径向基函数概率神经网络的心律失常自动识别

讨论了基于径向基函数（ＲＢＦ）的概率神经网络的基本网络结构和网络的学习和运行过程,并且与ＢＰ算法的径向基神经网络进行了对比,同时也测试了网络的容错能力,结果表明,基于ＲＢＦ的概率神经网络,学习速度大大提高,同时减小了ＢＰ陷入局部极小的问题,有一定的抗噪声能力,基于ＲＢＦ的概率神经网络模型在心律失常自动识别中获得了很好的应用。     

不确定非线性组合系统基于神经网络的鲁棒控制

针对不确定非线性组合系统,基于神经网络提出了一种新的鲁棒控制器设计方法·利用神经网络逼近系统的未知扰动和互联项·首先考虑不确定非线性组合系统的标称系统并且设计相应的标称控制器;其次考虑系统的未知扰动和互连项,设计了校正控制信号并把它加入了标称控制器中,这种设计方法可以保证实际系统具有最终一致有界的特性·控制信号是光滑的且不需要预先知道神经网络连接权或模型误差的上界·最后给出一个数值的例子,仿真结果表明该方法的有效性·     

一类不确定非线性系统的神经网络鲁棒反推镇定控制

对一类不确定非线性系统,将反推控制和神经网络相结合,研究了其鲁棒渐近镇定控制问题。与通常研究中被控对象仅局限于严格反馈形式相比较,研究对象更具一般性。基于反推控制方法来构造镇定控制器,利用神经网络来逼近控制器构造过程中产生的不确定项,并提出一种新的自适应算法来在线调节神经网络权值。通过一步步适当地选取虚拟控制器的参数和神经网络权值的自适应律,最终得到的控制器使得整个闭环系统是全局渐近稳定的。