自适应滑模跟踪控制研究及其应用

对模型跟踪自适应控制进行了新的探讨，提出了自适应滑模跟踪控制策略．对模型跟踪误差建立了滑动模型，实现了滑动模态控制，保证模型跟踪误差快速趋于零．该控制策略用于机械加工过程的仿真结果表明，其对机械加工过程参数变化的扰动有较好的适应性和较强的鲁棒性．     

一类非线性Markov跳跃系统的自适应跟踪

研究一类非线性Markov跳跃系统的自适应跟踪问题．首先给出了定性描述该系统跟踪控制器的充分条件，然后给出了在系统不确定情况下的自适应跟踪控制律．最后通过一个数值算例说明了所设计的自适应跟踪控制律的性能．     

基于自适应卡尔曼滤波的时变结构参数估计

在许多情况下,对于非平稳或性能随时间发生变化的结构,要求对结构的参数进行实时的跟踪与识别,此时传统的递推算法．如卡尔曼滤波等方法就不再适用,而需要采用具有一定跟踪能力的自适应递推算法．本文对自适应卡尔曼滤波方法在时变结构参数估计中的应用进行了分析,并对其跟踪性能进行了探讨．     

空基多平台多传感器机动目标自适应跟踪

在空战中，需要基于空中移动平台对机动目标进行自适应跟踪．由于机动目标“当前”统计模型符合实际目标的动力特征，所以文中基于该模型，针对空基多平台多传感器环境，推导了机动目标跟踪的状态方程和测量方程，并给出了机动目标自适应跟踪算法．Monte—Carlo仿真表明，该方法能有效地估计出机动目标的运动状态．     

基于自校正与线性跟踪的自适应控制系统

提出一种新的自适应控制方法──基于自校正与线性跟踪的自适应控制．从系统的输入／输出完全跟踪的目标出发，根据对象的动态模型，导出自适应控制器的调节模型．对象模型的参数，采用速推最小二乘法在线估计．仿真结果表明，本系统具有对象参数变化的自适应能力．这种控制系统比较适用于被控制参数变化较慢的生产过程．     

不确定Duffing混沌系统的自适应跟踪控制

研究了连续时间Duffing混沌系统在具有不确定性扰动时的自适应跟踪控制问题．基于稳定性理论,在系统存在有界扰动但扰动的界大小未知时,采用自适应控制方法,构造出一个自适应控制器,可实现系统的状态渐近跟踪预先给定的轨线．仿真进一步说明了该控制器的有效性．     

一种新型三自由度液压伺服关节的动力学模型

建立了一种新型三自由度液压伺服关节的动力学空间模型,提出了一种自适应控制补偿方法,该方法能够消除死区造成的位置跟踪误差．利用Madab对该动力学模型进行了仿真试验研究,仿真试验结果表明,死区对位置跟踪误差有直接影响,该关节的动力学系统是稳定的,采用自适应控制补偿方法,可以使位置跟踪精度误差小于0．1％,且系统输出无超调．同时,系统对负载变化不敏感,具有较强的鲁棒性．     

基于自适应轮廓匹配的视频运动车辆检测和跟踪

为了对高空拍摄的交通场景进行图像处理，实现对运动车辆的检测和跟踪，以获得车辆的运行轨迹，在固定模板的基础上，利用自适应轮廓匹配算法，结合误检判断和轮廓分解，较好地检测出了车辆轮廓，并能避免由于两辆车靠近带来的误检．将自适应轮廓匹配思想移植到车辆跟踪中，可以实现较为准确的跟踪．计算机检测和人工检测的比对实验表明，在一定的条件下，这种算法有效消除了误检和多检现象，其正确检出率达到95．01％，即使存在一定的漏检，也可以通过插值实现填充．     

变论域自适应模糊分数阶自抗扰控制器设计

提出了一种变论域自适应模糊分数阶自抗扰控制算法,用以提高分数阶系统的性能;在变论域自适应模糊控制的设计中,引入分数阶扩张状态观测器和分数阶跟踪微分器;在变论域自适应模糊分数阶自抗扰控制中,利用分数阶跟踪微分器将输入信号转化为平滑跟踪和高质量差分信号,用扩张状态观测器获取每个状态变量的估计值、不确定性的实时动态模型以及外部扰动．为了消除稳态误差,提高控制精度,提出了可变值域的扩张状态误差积分;将变论域自适应模糊分数阶自抗扰控制算法和分数阶自抗扰控制 (FADRC)算法对典型的分数阶系统进行仿真,验证了所提方案的优越性和有效性．      

自适应运动目标跟踪系统及其性能研究

提出利用非线性联合变换相关器作为核心实现自适应运动目标跟踪识别系统,给出了自适应跟踪系统对目标的跟踪原理,并对跟踪系统的跟踪性能进行了实验研究。     

仿射非线性系统的在线自适应模糊神经网络辨识与控制

针对单输入单输出非线性系统的自适应控制问题,提出了一种在线自适应模糊神经网络辨识与鲁棒控制的方法.该方法首先利用广义模糊神经网络学习算法,实时建立对象模型未知系统的逆动态模型,实现网络结构和参数的同时在线自适应.考虑到网络建模误差和外部干扰的存在,还设计了基于控制理论的鲁棒补偿器.仿真结果表明,该方法能对模型未知仿射非线性系统实现鲁棒输出跟踪.     

基于RBF逼近不确定项的机械手自适应控制研究

针对机械手控制系统中的不确定因素,提出了RBF神经网络逼近不确定项的自适应控制策略。在逆动力学计算力矩方法的基础上,设计了鲁棒自适应控制器。利用RBF神经网络对模型中的不确定项分块进行逼近,并用Lyapunov稳定性理论建立了网络权重自适应学习律,证明了系统的全局稳定性;最后进行了仿真,结果表明该方法能够有效的消除模型不确定性的影响,准确地实现了轨迹跟踪。     

基于自适应神经网络的智能故障诊断研究

探讨了动量系数和学习率自适应调整的神经网络算法,给出了动量系数和学习率的调整方法,并将此作为机械故障的特征识别方法,以频谱分析作为机械故障特征信号的提取手段,由此建立了基于自适应神经网络的旋转机械故障智能诊断系统,给出了诊断系统的训练学习方式和工作方式,通过实际测试数据的诊断结果,说明此诊断系统对故障诊断是有效的．     

模糊神经控制器在复杂系统中的应用研究

首先提出一种适用于复杂系统的自适应模糊控制器.针对该控制器在应用于复杂系统时,模糊规则过多及建立规则的时间随规则数增加而以指数规律增长的问题,提出了另一种适用于复杂系统的自适应模糊神经控制器.该控制器采用“全逼近”的控制策略,依据李亚普诺夫方法给出了模糊神经自适应输出反馈控制律及参数自适应律.仿真研究证明了复杂系统的稳定性以及跟踪误差的收敛性.     

自适应小波神经网络在故障诊断中的应用

为提高传统BP神经网络在故障诊断中的效率,提出用小波神经网络加以改进.采用动量法和学习率自适应调整结合的网络训练算法对小波网络的初始参数进行设置,提出自适应小波神经网络的故障诊断方法,详述其诊断原理,并结合实例证实了该方法应用于故障诊断的有效性.     

基于动态神经网络的轧制液温控系统的辨识

轧制液是铝箔轧制中的一种对稳定性要求很高的工艺润滑液,它不能局部受高热只能采用间接均加热,因此其控制量与温度之间是一种十分复杂的非线性关系,采用传统的建模方法难以建立其精确的数学模型.人工神经网络能够以任意精度逼近连续的非线性关系,并对复杂不确定问题具有自适应和自学习能力,为解决这一类非线性系统的辨识建模提供了新的途径.通过比较选用了一种动态递归网络来建立轧制液温控系统的辨识模型.     

自适应神经网络在短期负荷预测中的应用

采用基于混沌算法的自适应预测模型,应用于电力系统短期负荷预测.选取重构相空间中的饱和嵌入维数作为神经网络的输入节点数,适当选择非线性反馈项,能使网络的动力学在权空间具有混沌行为.通过进化算法建立一种自适应机制,使得网络能够根据学习和训练的结果优化非线性反馈项.算例表明,该算法具有很强的自适应能力和鲁棒性,精度高.     

基于神经网络的自适应故障模式分类方法

在深入研究ＡＲＴ－２神经网络结构的基础上，提出了一种基于神经网络的自适应故障模式分类方法，并应用在轴承故障诊断中，结果表明：该方法对轴承故障模式具有自学习，快速稳定的识别能力。     

A Self-Adaptive Control Method for Uncertainty Systems Based on ANN with AEP

A self-adaptive control method is proposed basedon an artificial neural network(ANN) with acceleratedevolutionary programming(AEP.) algorithm. The neuralnetwork is used to model the uncertainty process, fromwhich the teacher signals are produced online to regulate theparameters of the controller. The accelerated evolutionaryprogramming is used to train the neural network. Theexperiment results show that the method can obviouslyimprove the dynamic performance of uncertainty systems.     

基于神经网络的交叉口多相位模糊控制

根据城市交叉口交通流的特点,给出了一种交叉口多相位自适应控制算法,综合考虑相邻车道上的车队长度,利用多层BP神经网络实现了道路交叉口多相位模糊控制．仿真结果表明,文中所设计的模糊神经网络控制器能有效地减少单交叉口平均车辆延误,具有较强的学习和泛化能力,是实现交通系统智能控制的一条新途径．