自然生物动力学

人体运动是一个非常复杂的过程，涉及人体肌肉、骨骼模型、人脑控制机制以及人体和环境的复杂交互。本书从数学角度，论述了一个非线性动力学系统。这个系统当它包含几百个非线性关联变量时是无序的，但是在同样复杂的人体运动时却是有序的。书中使用微分几何、代数拓扑、非线性控制、混沌和协同学等工具，为具有神经一肌肉一骨骼的类人复杂系统建立数学、物理模型，并提供了一种方法来理解、预测、控制类人复杂系统的行为。     

基于B—P神经网络的非线性系统预测控制的研究

预测控制是以计算机为手段基于模型预测进行控制的方法,但是已有的预测控制算法通常是针对线性渐进稳定对象的,或者即使针对非线性使用了非线性模型,但由于算法过于复杂不能适用于快速系统,本文对复杂非线性系统提出了一种基于Ｂ－神经网络的预测控制方法,仿真和实际结果表明该方法的有效性和快速性,能够实现对非线性系统的实时智能优化控制。     

复杂非线性系统的动力学理论与方法

1 项目所属领域 本项目属基础力学范围,涉及非线性动力学理论中具有挑战性的主要国际前沿领域,如复杂非线性系统的振动、稳定性、分岔、混沌及控制。2 主要工作内容 在国家自然科学基金“九五”重大项目和国家973子课题等24项基金资助下,本项目建立了较高维数复杂非线性系统新的动力学理论和方法,突破了传统非线性振动理论发展的瓶颈,完善和发展了非线性振动理论,揭示了若干     

统计等效多项式非线性系统识别

在平稳激振下的一个非线振动系统，若其响应也是平衡随机过程，该系统可统计等效为一多项多非线性系统，本文介绍统计等效三次多项式的参数估计，系统的多维频率响应应函数以及多项式非线性系统响应的谱分析及谱分析。     

一类非线性系统的稳定性

研究了一类非线性系统的输入输出稳定性问题，这类系统的特点是其模型为系统输出的线性拟函数。对非线性稳定性系统，利用稳定性的线性等价原理，提出了这一类非线性系统的稳定性判据；对非线性随机系统，给出了m阶均值意义下的稳定性定义，提出了一种二阶均值下的输入输出稳定性条件，给出了几个示例说明。     

离散非线性系统的非线性传递函数推算法

研究了在基于Ｖｏｌｔｅｒｒａ级数的一类离散非线性系统的非线性传递函数的递推算法，首先讨论了几类特殊的非线性系统如纯输入，纯输出和纯交叉系统的非线性传递函数的递推算法，然后给出一般的离散非线性系统的非线性传递函数的递推算法。     

一类非线性多变量系统的模糊神经网络自适应控制

针对一类数学模型不完全确知并包含外部扰动的非线性多变量系统，提出一种模糊神经网络(FNN)自适应控制策略．用FNN模型在线辨识非线性系统的未知动态，并根据误差系统的Riccati方程，设计H∞控制，有效抑制系统的外部扰动，该控制律采用Lyapunov设计方法来保证控制系统的稳定．FNN自适应控制策略解决了传统非线性控制器理论结果形式过于复杂，实用性差的问题，拓宽了非线性理论的应用范围．     

一类带有扰动项的非线性系统的鲁棒性分析

本文针对非线性控制系统讨论其鲁棒性问题，并得到了非线性系统的鲁棒性指标，指出了非线性系统受到可加式反馈控制扰动后，只要扰动函数满足一定的约束条件，则该非线性系统能为鲁棒性稳定．     

基于神经网络的非线笥系统辨识方法

主要介绍利用多层神经网络进行非线性系统辨识的几种模型以及相应的算法，并分析和比较它们的辨识性能，为高度不确定性动态系统的综合设计提出了一种分析方法。     

基于小波和非线性含输入自回归模型的系统辨识算法

提出了一种结合小波理论和非线性含输入自回归(NARX)模型的系统辨识新算法．该算法利用小波函数有效的逼近能力避免了应用NARX模型系统辨识时确定模型结构的复杂过程，消除了通常小波网络辨识算法由于输入变量之间可能存在巨大差别而引入的严重失真，构成了一个通用、有效、不依赖于系统先验信息的非线性辨识框架．两则数据仿真表明，对于高度非线性系统，该算法可使系统估计的均方误差减少60％以上．     

一类非线性系统的自适应广义预测控制

利用Hammerstein模型描述一类非线性系统，提出了一类适用于非线性系统的自适应广义预测控制算法（NAGPC），该算法将整个控制系统分解成线性和非线性两部分考虑；在线性部分中，根据广义预测控制（GPC）算法中控制增益阵F的特点导出了一种速度较快，计算量不大的GPC改进算法。非线性部份利用插值原理给出了一种便于计算机实时计算的根值解法，并将其解作为整个系统的控制输入。仿真结果表明，NAGPC算法计算速度快，鲁棒性较强，稳定性较好。     

双线性系统非线性传递函数矩阵的计算公式

首先引进张量积运算，将MIMO双线性系统转化为一种简单的表达形式。然后，利用多维拉普拉斯变换，推导出双线性系统非线性传递函数矩阵的计算公式。它是SISO双线性系统非线性传递函数公式的推广。     

一类捕食-被捕食系统的周期解及其稳定性

对一类四维捕食-被捕食复杂系统进行了研究，运用Liapunov函数方法，研究了非线性系统的周期解及其稳定性，得到了四维捕食-被捕食非线性系统存在唯一渐近稳定的周期解的充分条件。     

求强非线性保守系统共振解的渐近法

强非线性保守系统经引入参数变换，并在一定的假设条件下可转化为弱非线性保守系统，再将其解展开为傅里叶级数，利用参数待定法可方便地求出强非线性保守系统的共振周期解．研究了Duffing方程的1／3亚谐共振和主共振周期解．这些例子表明近似解与数值解比较接近．用本文方法求强非线性保守系统共振周期解时，无须解微分方程和依靠消除永年项建立补充方程，求解过程简单，易于掌握，精度高．     

基于神经网络的非线性系统辨识方法

主要介绍利用多层神经网络进行非线性系统辨识的几种模型以及相应的算法，并分析和比较它们的辨识性能．为高度不确定性动态系统的综合设计提出了一种分析方法。     

连续混沌系统的模糊建模

混沌系统是非线性科学的新研究领域。由于其复杂性和无规律性，混沌系统的数学模型一直难于建立，利用模糊逻辑系统的插值机理将关于被控对象的模糊推理规则库转换为一类变系数非线性微分方程，从而得到连续混沌系统的数学模型，提出了控制系统中混沌被控对象的建模问题的一种方案。对Rossler系统和Iorenz系统的仿真试验表明这一建模方法有较高的逼近度。     

神经网络在非线性系统参数辨识中应用

要对非线性系统进行控制，必须掌握其模型．介绍一种辨识非线性系统模型的方法，该方法利用多层神经网络可以逼近任何非线性函数这一理论，提出针对非线性系统构造神经网络模型，并给出一种实用的BP算法．最后通过仿真实验，证明该方法切实可行．     

一种基于支持向量机的非线性系统辨识方法

提出一种新的非线性系统辨识方法,基于支持向量机回归算法,选取高斯核函数构造了从输入空间到高维特征空间的非线性映射,以避免繁琐的运算,实现对非线性系统的辨识。仿真结果表明了SVM具有很好的拟合和泛化能力,同基于神经网络的非线性系统辨识相比,其辨识和泛化性能要优于神经网络。支持向量机的使用为工业过程的系统辨识提供了一条新的途径。     

一种非线性系统的群叶状方法

通过研究等价活动标架理论与非线性系统精确解的关系,提出一种基于活动标架理论的群叶状方法来求解微分方程的精确解,并用计算机代数得到了1+1维非线性偏微分方程的变量分离的新精确解,验证了群叶状方法的有效性和便捷性。从而推广和丰富了非线性系统的研究内容,该方法也适用于其他的复杂非线性系统。     

变时滞不确定模糊系统鲁棒观测器的设计

T-S模糊模型可以对复杂非线性系统提供有效的表达方式。文中，利用模糊T-S模型对非线性不确定时滞系统进行建模，在此基础上，提出了通过模糊状态反馈和基于观测器的模糊反馈控制器镇定不确定非线性时滞系统的方法。用短阵不等式给出了模糊反馈增益和模糊观测器增益的存在的充分条件，并将这些条件转化为线性矩阵不等式（LMI）的可解性，仿真结果表明了文中所提出的模糊控制方法是有效的。