多层递归神经网络自适应控制及稳定性分析

提出一种基于多层归神经网络的自适应控制离散时间系统的方法,使用多层递归神经网络及新的动态ＢＰ算法（ＤＢＰ）描述未知系统的输入／输出关系。基于此神经网络模型,提出一种自适应控制方案,并对该方案的闭环稳定性进行了分析。     

一类非线性MIMO系统的神经网络直接自适应鲁棒解耦控制

针对一类未知非线性MIMO系统(多输入/多输出系统),应用“主导输入”的概念,基于神经网络理论提出一种直接自适应鲁棒解耦控制方法.该方法不仅保证了闭环系统的稳定,而且使外部干扰、神经网络逼近误差及输入对输出的交叉耦合对跟踪误差的影响衰减到给定的水平.     

基于观测器的非线性系统神经网络自适应控制

针对一类单输入单输出非线性不确定系统,基于状态观测器并结合自适应神经网络和滑模控制,提出一种稳定的间接自适应神经网络输出反馈控制算法.该算法不需状态可测的条件,并能保证系统稳定.仿真结果表明了该方法的有效性.     

基于CMAC和PID的非线性耦合系统解耦控制研究

为了实现多变量非线性耦合系统的解耦控制,提出了一种基于CMAC与PID的复杂关联自适应解耦控制策略,并给出了详细算法。该控制策略采用PID控制器和CMAC控制器共同构成一个复合控制器,多个复合控制器通过多输入多输出线性神经网络,实施对复杂非线性耦合对象的控制作用。由于神经网络的自适应特性,可使得耦合系统逼近参考模型,实现解耦控制。仿真结果表明,该控制策略实现了耦合系统的解耦控制,并且具有较强的抗干扰能力和鲁棒性。因此采用此控制策略能够实现多变量非线性耦合系统的解耦控制。     

轧机液压伺服系统多模型切换自适应反步控制

针对轧机液压伺服系统工作过程中弹性负载力和外负载力的跳变,基于公共Lyapunov函数方法和自适应反步控制方法,提出了一种多模型切换自适应反步控制策略.该方法结合自适应反步控制的特点和公共Lyapunov函数的设计要求,通过反步法设计了各子系统的状态反馈控制器和不确定上界参数的自适应估计器,取反步法的Lyapunov函数作为公共Lyapunov函数,保证了系统在任意切换下的渐近稳定.自适应反步法和公共Lyapunov函数方法的结合,便于公共Lyapunov函数的求取,又解决了同时存在参数跳变和参数慢时变的问题.仿真结果表明,该方法能够保证轧机液压伺服系统具有良好的动静态性能,并对参数跳变和参数慢时变具有较强鲁棒性.     

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.     

基于电流观测器的链式STATCOM反步控制方法

针对电网中链式静态同步补偿器(STATCOM)系统的非线性特性和不确定性,提出了一种基于高增益自适应观测器的链式STATCOM反步控制方法.针对STATCOM的输出电流值的估计,设计了一种基于神经网络高增益观测器,通过引入径向基函数(RBF)神经网络,对模型参数变化进行估计,通过反馈设计,对系统进行线性化处理,利用反步法实现电压控制器设计.结合李雅普诺夫的渐近稳定性理论,获得链式STATCOM输出无功电流的控制.仿真和实验结果进一步验证了控制方法的正确性和有效性.     

一类离散MIMO系统的神经网络自适应输出反馈容错控制

针对一类离散多输入多输出(MIMO)严格反馈系统,提出了基于神经网络的输出反馈容错控制.由于讨论的执行器故障类型有失效和卡死两种情况,提出了比例驱动方法,可将这两种故障类型恰当地表示出并便于控制器的设计;同时,由于此类多输入多输出系统不满足匹配条件,通过引入预测控制设计方法,可以克服这一缺陷.考虑到系统中的函数是未知的,利用神经网络具有逼近任意连续函数到任意精度的原理来估计该未知函数,由此证明了本文所提出的方法可以使得系统的所有参数及实际容错控制律均一致最终有界.通过MATLAB实验仿真,有效地验证了此方法的合理性.     

基于动态面控制的MIMO自适应神经网络控制

针对一类具有未知函数控制增益的多输入多输出(M IM O)非线性系统,基于后推设计方法和动态面控制技术,提出一种间接自适应神经网络控制方案.该方案通过引入1阶滤波器,消除了后推设计中由于反复对虚拟控制的求导而导致的复杂性问题,并避免了反馈线性化方法可能出现的控制器奇异性问题,参数估计无需使用投影算法.利用李亚普诺夫方法,证明了闭环系统半全局一致终结有界,通过适当选取设计常数,跟踪误差可收敛到原点的一个小邻域内.仿真结果表明了该方法的有效性.     

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 .     

用于机器人运动控制的通用小脑认知模块的构建

用具有神经生理学性质的小脑模型实现对机器人系统各种不同感觉协调运动的控制,这是当前机器人控制领域的一个研究热点。但针对一种控制任务就要构建一种对应的小脑模型,这种方式效率很不理想。文中以运动控制为基础,构建了一种包括所有主要细胞类型及其连接的通用小脑认知模块(General Cerebellum CognitiveModule,GCCM)。对给定的背景知识,GCCM能够通过学习生成理想输出,因而,可用于各种不同的机器人感觉运动控制任务。仿真实验证明,通过将脊髓层次上的轨迹误差检测与小脑中的记忆轨迹结合起来,嵌入的GCCM控制系统能对快速手臂延伸运动进行精确的鲁棒控制。     

降价观测器存在条件及在故障检测与诊断中的应用

研究含有广义未知输入的线性系统降价观测器存在条件.利用广义逆矩阵并构造辅助系统,将降价观测器的存在条件转化为判断辅助系统的可镇定性.通过将含有未知输入的线性系统化为含有广义未知输入系统的标准形式,将降价观测器应用于故障检测及诊断.通过在一套电气伺服系统中的仿真表明,该方法在多个故障同时发生时,可迅速实现故障检测与诊断.     

复杂条件下多智能体系统编队一致性控制

针对噪声信号使多智能体系统难以形成一致的问题,综合运用代数图理论、矩阵论等知识,结合一致性形成条件和现有的一致性协议,提出一种改进的带有噪声的一致性控制算法。该算法能够使系统状态量与控制输入量收敛到一个很小的范围,从而大大弱化噪声对系统的影响。将这种改进算法应用到多智能体编队控制中并进行仿真,仿真结果表明,采用改进的一致性控制算法后,多智能体运动轨迹波动小,轨迹曲线平滑,各运动参数趋于一致,具有良好的编队一致性。     

伪线性神经网络

给出了多输入－多输出（MIMO）的伪线性神经网络（PNN）结构与模型。PNN的构成是基于Gain-schedu-ling 控制技术与扩展线性化方法。还讨论PNN的递推预报误差的二阶学习算法（RPF）和训练过程中，并通过对多变量、强耦合的非线性加热炉的动态建模,证明了用PNN建模，效果良好，且具有训练参数少，收敛 速度快，准确性高等良好性能。     

汽车电控离合器的反馈线性化控制

以汽车机械式自动变速系统（ＡＭＴ）的离合器结合过程为研究对象,建立起以输入非线性动力传动系统数学模型。进一步主基于微分几何的反馈线性化方法,将原非线性系统等价为完全可控型线性模型。对该系统实施ＰＩＤ控制,跟踪理想整车加速度,并作了计算机仿真,仿真及分析结果表明,系统稳定、跟踪性态良好。     

基于特征结构配置的系统状态与输出控制

动态系统的反馈控制目的之一是获得期望的状态或输出动态特性.本文研究通过状态反馈特征结构配置使系统状态或输出实现这样的期望特性.首先通过矩阵的实约旦标准型与系统初值的选取获得系统状态不同的模态形式;然后给出状态反馈使系统特征根均为实根与含复根的实特征结构配置的参数化结果;进而在给定初值的情况下,通过调整特征向量矩阵的参数与新的输入获得系统状态或输出的期望特性.数值算例说明了所给的方法可以实现期望的状态或输出性能.     

基于插值算法的模糊控制在工程上的应用

提出模糊控制系统的在线插值算法，此方法克服了普通模糊控制系统因控制器输入、输出变量量化所造成的控制精度低与可能出现的稳态颤振等缺点，并将其运用于工程实际。通过系统仿真，系统性能得以明显改善。     

大功率人工神经网络模型研究

神经网络是可以对连续或断续式的输入作状态响应的动态系统。由于大、小功率的晶体管都可对连续或断续式的输入作状态响应 ,因而均可用来作为神经器件构造的基石。出于这一考虑 ,该文提出了功率神经网络的概念 ,基于功率神经网络 ,可以设计出神经变压器等全新的功率仪器设备。这些仪器设备的特点是体积小、重量轻、效率高 ,且具有学习、自适应、容错、记忆等智能功能     

电力系统神经网络逆控制中的闭环控制器设计

由于实际电力系统输入限幅、工作区域受限等因素的影响,采用神经网络逆系统方法对被控电力系统进行反馈线性化解耦后的复合系统并非理想的解耦线性系统.在对此复合系统设计闭环控制器时需要确定合理的期望响应特性.本文通过对被控电力系统的输入输出特性分析,得到线性化解耦后各子系统的主导物理特性,从而为确定合理的闭环期望响应特性提供依据.结合神经网络逆系统方法在励磁与汽门系统线性化解耦控制中的应用,本文给出了详细的设计方法与计算机仿真结果.     

Robust H∞ Filter Design for a Class of Uncertain Linear Systems with Time—delayed Measurement

A robust H∞ approach to filtering for a class of uncertain linear systems with time-delayed measurement is investigated.The parameter uncertainties are described by real time-varying norm-bounded form.A methodology is developed for designing linear filters such that the filtering process remains robustly stable and the transfer function from the disturbance inputs to error state outputs meets the prescribed H∞-bound constraints.The filter can be obtained and parameterized by solving two Riccati equations based on the lemma of robust stability for control system with delay.Simulation example proves the method to be effective and feasible.