非零初值的模型参考自适应控制

对于系统{x=Ax Bu,x(0)=x0,y=c^Гx，在x0≠0的情况下考虑了模型参考自适应控制（MRAC）的性质，证明了：（1）闭环系统所有信号有界；（2）跟踪误差收敛于零；（3）在持续激励的条件征参数估计收敛于真值。     

ASVG自适应控制模型及其暂态仿真研究

提出了一种新型静止无功发生器自适应控制器用于抑制发电机功角振荡,该控制器采用最小方差控制策略、运用一种较为简单的参数预估器得到ＡＳＶＧ脉冲宽度控制角,以改变ＡＳＶ交流侧电压值,从而给系统提供无功补偿,根据系统工况,控制器参数由自适应规律自动调整。仿真结果表明,该控制方法可以有效地改善电力系统的暂态稳定性和电压稳定性。     

模糊神经网络模型参考自适应控制

给出了一种基于模糊神经网络的模型参考自适应控制方案。首先,构造了一种运用递推预报误差（ＲＰＥ）算法的多层前向神经网络,并用其对被控对象建模,然后,又构造了一种模糊神经网络控制器（ＦＮＮＣ）。从而为一类难以建立精确数学模型的非线性被控对象提供了一种新的自适应控制方法,信息结果验证了其有效性。     

模型参考自适应控制系统设计--输出误差直接自适应控制

本文利用输出误差直接自适应控制算法对一具体对象的模型参考自适应控制器进行设计.首先描述了常规的模型参考自适应控制法,然后提出了一种性能更佳的模型参考自适应控制方案.对两种模型参考自适应控制方案进行了鲁棒性分析.数值仿真结果表明,与常规的模型参考自适应控制法相比,本文所提出的控制方案大大提高了系统的性能,明显减小了震荡,缩短了自适应时间.而且在有界扰动的情况下,本文所提出的改进的控制方案能够更加较好地保证系统的各项性能.     

非线性系统的模型参考自适应控制

讨论了一类非线性系统的自适应模型跟随控制问题,首先给出了系统的描述,然后研究了该系统模型跟随控制的存在条件,最后,在保证局部稳定性的前提下,讨论了自适应控制系统的设计,仿真实例说明这种方法对较小范围的扰动抑制是很有效的。     

状态时滞系统模型参考鲁棒自适应控制

考虑一类状态时滞系统模型参考鲁棒自适应控制问题,针对状态连续时滞动态系统,首先提出一个关键假设,然后基于该假设,应用Lyapunov稳定性理论给出一种直接鲁棒自适应控制算法．该算法保证闭环系统是实用稳定的(所有信号最终一致有界)．且与时滞无关．因此,结果可以应用于带有时滞不确性的动态系统、最后,数值仿真示例表明算法的有效性．     

一种模型参考自适应控制的稳定性和最优性

在文献[5]的基础上，对于更一般的多变量随机系统，提出了一种模型参考自适应控制算法。同文献[5]相比，我们将噪声{wn}有界的假设条件放宽为||wn||＝O（n^d/2)（其中d为一大于0的常数），并证明了这种模型参考自适应控制器的稳定性及最优性；同时考虑了闭环系统参数估计的相容性问题。     

全数字高性能模型参考自适应控制直流调速系统

提出了一种采用模型参考自适应控制的高性能直流调速系统，为了实现宽范围调速，克服低速时流断续的非线性影响，采用了主回路中串联可关断可控硅的方法，整个系统由８０３１单片机组成，实现了全数字化，具有成本低，可靠性高，易于实现等特点，结果表明：系统能获得良好的静、动态性能，可满足高性能调速指标的要求。     

非最小相位离散系统的模型参考自适应控制

将单输入单输出非最小相位离散时间系统的模型参考自适应控制的新方法（即用从最小二乘获得的近似逆系统方法）推广到多变量场合．讨论了如何避免不稳定的零极点对消及如何将扰动的作用与对象的输出进行解耦的问题．计算机仿真结果说明了推广方法的有效性．     

永磁同步电机的神经网络模型参考自适应控制研究

本文介绍了一种基于BP神经网络的正弦波永磁同步电机(PMSM)智能控制方法。同传统的PID控制相比较,基于神经网络的智能控制具有自学习、适应环境变化等优点。将BP神经网络模型参考自适应控制应用于PMSM,其仿真结果表明这种智能控制具有很强的鲁棒性、良好的动态和稳态特性。     

基于模型参考自适应的直线电机转速辨识

针对直线永磁同步电动机全闭环控制系统易受干扰、降低系统性能指标、存在不稳定因素等问题,提出了基于模型参考的自适应模糊神经网络在线辨识方法,用梯度法实时修正模糊控制器的输入和输出隶属度参数,建立了模型参考自适应模糊神经网络速度伺服系统模型,给出了模糊神经网络控制器的设计方法.仿真和实验结果表明:该方法提高了速度检测装置的分辨率和动态响应能力,系统具有很强的鲁棒性.     

基于粒子群优化的BP神经网络模型参考自适应控制系统

将粒子群优化的BP神经网络作为模型,参考自适应控制系统的控制器,把参考模型输出与系统实际输出的均方误差作为PSO-BP神经网络的适应函数,通过PSO算法强大的搜索性能使自适应控制系统的均方误差最小化.仿真实例结果表明,基于粒子群优化算法的BP神经网络自适应控制系统收敛快、精度高,有较好的网络的泛化和适应能力,能够很好地控制系统的输出跟随参考模型的输出.     

神经网络模型参考自适应控制算法研究

分析了基于BP算法的神经网络模型参考自适应控制器对大惯性环节被控对象的控制效果,发现该算法使控制器存在严重的“过学习”现象,为避免这一现象,设计了一种新的误差函数结构,得到改进的BP算法,针对一个存在大惯性环节的线性时变系统,对比分析了神经网络模型参考自适应控制器在采用传统的BP算法和改进的BP算法时得到的不同控制效果。     

感应电动机模型参考自适应辨识及其应用

针对直接转矩控制的感应电动机调速系统由于电机参数变化引起的低速特性不稳定问题，推导了一种基于感应电动机直接转矩控制系统的定子磁链自适应辨识方法。根据磁链的辨识值计算出电磁转矩；并讨论了感应电动机部分参数变化时引起磁链变化导致的转速动态变化和自适应律调节器中参数的调节规律，最后给出了在MATLAB／SIMULINK环境下的仿真结果，证明所提出方案可以较好地解决直接转矩控制的调速系统在低速范围内的静差问题。     

基于Kp=L2D2S2矩阵分解的多变量自适应控制

本文针对矩阵分解的多变量自适应控制,提出了具有噪声与未建模动态系统的鲁棒自适应控制问题.在高频增益矩阵分解的基础上,得到等价自适应控制律,通过重新定义虚拟规范化信号,对多变量的MRAC方案进行了理论分析,并证明了闭环系统的稳定性和收敛性.最后仿真验证了该方案是可行的.     

一类复杂系统的分布式模型参考自适应控制

针对一类子系统相关联的复杂多输入多输出系统 ,提出了一种在多输入子系统中采用基于Lyapunov函数的模型参考自适应控制 (MRAC)的方法 .其中各个子系统建模为线性多输入系统 ,并假设各子系统的参数均为未知 ,各子系统之间存在相互影响 .通过理论推导和计算机仿真证明了该控制方法的可行性和有效性 .     

自适应控制汽车疲劳模拟试验研究

目的在于建立一种新的疲劳模拟时域控制方法。疲劳模拟试验系统本质上是一个自动控制跟踪系统。提出利用最小方差自校正控制器来控制试验台跟踪期望响应信号。在微机上对算法编程,实现了实时控制。用理论算例模拟各种复杂工况验证了算法推导和编程的正确性。最后在Ｔ型梁振动台架上进行试验,可以达到很高模拟精度,满足疲劳模拟试验要求,证明这种方法是实用的。     

新型自适应控制器的设计及仿真

对控制性能要求较高、不能直接应用自适应控制理论构成自适应控制系统,可引入δ变换取代z变换,利用零极点配置和最小二乘法,设计一种新型的自适应控制器,解决了z变换可能产生不稳定零点的自适应控制问题。仿真结果表明,系统固有频率ω和阻尼比ζ的变化范围分别在105-210 rad/s、0.1-0.2,各参数存在较大摄动,但系统的稳态精度和响应速度几乎未受影响。该新型自适应控制器能够较好地抑制系统各参数的摄动,设计方法实用、有效。     

应用神经网络的非参数模型自适应控制

 提出了一种应用神经网络的非参数模型自适应控制方案,该方案仅用受控系统的I/O数据来设计控制器,并与神经网络自适应控制方案进行了仿真比较,仿真结果表明了该方案的有效性和优越性.