基于神经网络的时变时滞系统自适应内模控制

将基于人工神经网络的时变时滞系统参数辨识算法与内模控制相结合 ,提出了时变时滞系统自适应内模控制算法 .理论分析及仿真结果表明 ,该算法能克服时滞及参数的变化 ,具有鲁棒性好、抗干扰能力强的特点     

一类混合时变时滞混沌神经网络自适应同步研究

基于微分方程的拉萨尔不变集原理和自适应动态反馈控制技术,研究了一类带有完全未知参数和混合时变时滞的混沌神经网络的自适应同步问题,给出了保证两个具有相同结构但具有完全未知参数的时滞混沌神经网络同步的控制律的设计方法.在此自适应控制律的作用下,达到了同步与参数辨识同时进行的目的.所设计的控制律简单,易于实现.仿真示例验证了所提方法的有效性.     

时变时滞系统自适应预报鲁棒控制算法

本文提出一种适合于时变时滞系统的极点配置最优预报自校正PID鲁棒控制算法。理论证明及数字仿真的结果表明该算法具有鲁棒性好、抗干扰能力强、能够克服时变时滞和时变参数对系统性能的影响等特点。     

线性时变系统辨识的神经网络方法

构造了一种用于线性时变系统辨 神经网络,研究了它对线性时变控制系统的逼近能力。在以Ｌ＾２（０,ｔ１）;Ｒ＾ｍ的任意一个有界子集为控制函数集上,神经网络具有一致逼近线性时变系统的状态的能力,了采用标准正交系作为样本的 训练方法,按照这种方法训练后,在由这个标准正交系所生成的Ｌ＾２「Ｏ,ｔ１」;Ｒ＾）的空间上,神经网络的输出一致逼近线性时变系统的状态。     

基于LMI的非线性时变时滞神经网络自适应鲁棒控制

针对一类时变时滞非线性神经网络系统,首先运用神经网络逼近非线性函数,然后构造Lyapunov泛函,给出状态反馈控制律,以线性矩阵不等式的形式给出了系统渐近稳定的充分条件,并讨论了系统的鲁棒稳定性.最后,用数值算例说明了结果的正确性和可行性.     

时变时滞BAM神经网络系统的时滞依赖指数稳定性准则

基于Lyapunov稳定性理论和线性矩阵不等式技术，针对一类时变时滞BAM神经网络系统给出了时滞依赖的指数稳定性准则。所得到的条件可用Matlab中的LMI控制工具箱方便的求解。仿真实例进一步说明了结论的有效性。     

带有时变时滞的惯性神经网络的同步

研究了带有时变时滞的惯性神经网络的同步问题。利用一个适当的变量变换将原始系统转换为一阶微分系统,构造了含有矩阵Kronecker积的Lyapunov-Krasovskii泛函(Lyapunov-Krasovskii functional, LKF),应用Jensen不等式、倒凸不等式和线性矩阵不等式(linear matrix inequality, LMI)技术来估计LKF的导数,得到了一个新的LMI形式的同步判据并基于同步判据给出了一个误差反馈控制器的设计方法。数值仿真例子验证了所得结果的有效性。     

一种新的时变时滞系统控制方法

把一种新的能在线估计时变时滞系统参数的辨识算法与内模控制相结合,提出了时变时滞系统自适应内模控制算法．理论分析及仿真结果表明,该方法能够克服时滞及参数的变化,具有鲁棒性好、抗干扰能力强等特点,优于Ｓｍ ｉｔｈ 预估控制器．     

具有漏泄时滞和时变区间时滞的递归神经网络新的稳定性准则

研究了具有漏泄时滞和时变区间传输时滞的递归神经网络的渐近稳定性问题.基于Lyapunov-Krasovskii(L-K)稳定性理论.Jensen不等式和互惠凸方法,得到了线性矩阵不等式(LMIs)表示的新的稳定性准则.相对于现存的方法,避免利用保守性较大的中立型变换,且在构造L-K泛函时充分利用了漏泄时滞和传输时滞的关联信息,因此所得准则具有较小的保守性.数值例子验证了所得结果的有效性和较小保守性.     

具有时变时滞的中立型神经网络的稳定性分析

考虑了一类具有时变时滞的中立型神经网络.首先,利用同胚映射定理,证明了平衡点的存在唯一性.其次,通过构造Lyapunov泛函及利用Lyapunov稳定性理论,得到了平衡点全局渐近稳定的充分条件.与已有结论对比表明,针对某些系统,所得条件可作为判断其稳定性的依据.最后,通过几个数值模拟的例子验证了结论.     

含时滞的单输入单输出的非线性系统的自适应神经网络控制(英文)

对一类含时滞的单输入单输出的非线性系统提出了一种新的自适应神经网络控制方法.利用径向基神经网络来估计未知的连续函数.在设计中利用积分型Lyapunov-Krasovskii来消除未知的时滞.该文的结果的主要优点是:不仅有效地避免了控制奇异问题,也消除了对未知虚拟控制条件的限制.     

时变分数时滞系统的最优预报自适应控制算法

在用广义模型描述被控过程的基础上,本文提出一个极点配置最优预报自校正PID控制算法,该算法兼有PID和自校正,以及克服时滞的最优预报器的特点。计算机数字仿真结果表明这种控制策略对具有未知或时变分数时滞系统是非常有效的。     

三温区电加热炉的神经网络模型参考自适应控制

提出了一种基于神经网络非线性系统的模型参考自适应控制方法，通过在线训练获得反映对象动态持性的神经网络辨识器和神经网络控制器，对三温区电加热炉进行实时控制，仿真结果表明该方法的有效性及其优良性能。     

具有输入时滞的随机非线性系统的自适应神经网络控制

考虑一类具有输入时滞的随机非线性系统的自适应神经网络控制问题。通过定义含输入积分项的设计变量,将输入时滞系统转变为非时滞系统。结合神经网络控制、积分中值定理与Decoupled Backstepping技巧,针对该类系统提出一套自适应控制策略。所提出的控制器保证闭环系统的所有信号皆4阶矩半全局一致最终有界,并且跟踪误差收敛于原点附近的小邻域内。仿真实验结果验证了所提出控制策略的有效性。     

串级时滞系统最优预报自校正鲁棒控制算法

本文提出了一种适用于串级时滞系统的极点配置最优预测鲁棒自校正控制算法,它能消除闭环特征方程中的时滞项,有效地提高了系统的稳定性及抗干扰能力,具有经典串级系统难以达到的优越性能。     

一种新的电液伺服系统神经网络自适应控制

提出一种基于直接模型参考的神经网络与滑模变结构控制相结合的神经网络自适应控制方法并对电液伺服系统进行控制,仿真结果表明用该控制方法的控制系统能实现较高粗度的控制,且具有较强的鲁棒性和自适应能力,具应用价值。     

跳汰机床层松散状况递归神经网络内模控制

该文提出一种基于对角递归神经网络的内模控制系统 ,并以跳汰生产过程床层松散状况为对象进行了研究。仿真结果表明 ,该系统具有很好的动态响应 ,而且对外部扰动和模型误差具有良好的鲁棒性     

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.