非线性系统中预测控制算法研究

本文针对工业系统中普遍存在的非线性问题，提出了一种分离查表的ＭＰＣ算法，这种算法有效地消除了非线性对系统产生的不良影响，改善了系统的控制品质。结合实例证明了这是一种正确、简单、实用的算法。     

非线性系统的一种智能PID控制算法及应用

讨论了一种基于专家知识的智能PID控制算法。根据专家知识与现场经验,实时修正PID参数,并根据系统响应的在线识别进行知识调整。两个具有明显非线性时变特性对象的仿真结果表明,该算法具有良好的控制特性与鲁棒性,可望被改进为一种实时在线的计算机控制策略而加以实施。     

基于傅里叶级数的非线性学习控制算法

提出了一种基于傅里叶级数的非线性学习控制算法。当系统的任务可重复或系统的理论输出为周期函数时,在傅里叶空间内可以将时域内的轨迹跟踪问题简化为多个独立的调节器问题,因而大大简化学习控制器的设计。在滚珠丝杠工作台上的实验表明,这种学习控制器具有很快的收敛速度和令人满意的性能。     

非线性系统自适应控制算法研究进展

非线性系统的自适应控制已成为当前控制领域的重要研究方向。通过总结近年来在非线性系统自适应控制方面所取得的成果,对非线性系统自适应控制器的一般形式和设计方法进行了分析与探讨。最后对非线性系统自适应控制的发展趋势进行了展望。     

非线性系统的自适应广义预测控制算法

将非线性系统的广义预测控制推广到自适应情况,得到了一类用Hammerstcin模型描述的非线性系统的自适应广义预测控制算法.讨论了该算法的收敛性与稳定性.     

一类非线性系统的模型预测控制算法

本文提出一个用于仿射非线系统的模型预测控制算法。首先设计一个静态的非线性状态反馈以获得Ｉ／Ｏ线性化的闭环系统；然后，对此闭环系统设计模型预测控制算法以获得良好的动态特性和抗干扰性能。本文以一个实例说明了该算法的有效性。     

四足机器人步行控制算法的研究

静态步行控制算法是利用稳定裕量(S-Margin)判别法,对采用缩放式腿部结构的四足机器人进行步行控制,保证了全过程的稳定性,并通过腿部姿态的改变自动补偿凹凸地面的影响。最后,通过实验证明了上述算法及所研究的软件的可靠性和实用性。     

基于椭球方法的约束非线性控制算法的分析与改进

基于椭球方法的约束非线性系统控制算法不能保证对所有的妆始状态点都能求得满足要求的控制量,针对这一问题,在数学分析的基础上,提出了改进算法,对某些采用椭球方法无法求取控制量的解的初始点,在改进算法中,采用了椭球与多面体任意交点求解的算法,代替了椭球方法中用椭球交集求解算法计算控制量,分析和仿真结果表明,改进算法对于任意初始状态点都能求得满足要求的控制量     

非线性系统的神经网络自学习控制

提出了一种对非线性系统的神经网络自学习控制方法,基于逆动力学控制的思想,构造了神经网络结构一致的控制器和辩识器。辨识器采用多层前向网络结构和广义Ｄｅｌｔａ学习规则算法实现了对系统逆动力学模型的动态辨识,并通过在线动态传递权值给神经网络控制器的方法实现了神经网络辨识器的神经网络控制器的有机结合,从而使整个控制系统具有很强的自适应和自学习能力,所提出的控制方案可适用于不含滞后环节和包含滞后环节的非线性     

非线性离散时间系统的迭代学习控制

针对一类非线性离散时间系统，在系统参数未知情形下，提出了一种新的开－闭环迭代学习控制律，并给出了控制律的收敛性证明和收敛条件，在新控制律中，学习增益由线性估计模型确定，因此，避免了试凑增益。由机械手实例的仿真结果及收敛性证明，表明了所提出的控制律的有效性，并对初始状态误差和参数估计误差具有良好的鲁棒特性。     

球面光学零件抛光时的瞬时压强分布

把对坐标的曲面积分用于球面光学零件的压强计算，得到了瞬时压强的分布函数，分析了工艺参数及物理尺寸对压强的影响，指出了集中加载的弊端，为抛光机床的革新设计提供了依据。     

约束非线性规划的一种算法及其收敛性

对既含等式又含不等式约束的非线性规划问题,构造出了一种算法,并证明了其全局和局部收敛性。     

非线性方程的一个信赖域迭代算法

对于信赖域子问题产生的搜索方向 ,利用一个给定的步长到达下一迭代点 ,证明了算法的全局收敛性 ,从而既避免了信赖域方法中在一次迭代多次求解信赖域子问题的困难 ,又避免了线搜索方法中为达到下一迭代点而多次调用函数值的计算 .     

非线性离散系统的学习控制方法

对非线性离散系统的学习控制方法进行了研究,引进了离散的λ（ζ）－范数,给出了新的学习控制算法,实现了不依赖于学习控制初始数据的目标跟踪问题。为离散系统的学习控制方法的顺利发展和相应基本理论的建立进行了尝试性的探索工作。     

时变系统的迭代学习控制

针对参数未确知时变系统，提出了一种新的迭代学习控制律。在新控制律中，除了引入前次学习过程误差信息外，还引入了当前学习过程误差信息。从理论上证明了新控制律的收敛性。对离散时变系统和连续时变系统的两个实例进行了仿真研究。理论分析和实例研究结果表明，所提出的新控制律具有较高的学习速度和对初始误差良好的鲁棒性。     

一类非线性系统的鲁棒控制

本文针对不确定性仿射非线性系统，通过状态生分同胚变换和反馈控制建立了系统的带有不确定性的线性化模型，分别研究了调节问题跟踪问题的鲁棒外环设计方法，所提出的算法不但能保证系统的鲁棒性，而且使闭环系统有良好的动态性能，闭环系统的全局收敛性和终结有界性得到了证明。     

非线性系统的输入输出稳定性

首先定义了较为广泛的有界增益稳定性；然后证明了有界增益稳定算子全体作成线性赋范空间；接着进一步研究了这类映射的性质，并利用算子范数给出了反馈系统内稳定的充分条件．     

深层前馈网络的单调同伦学习算法

本文研究前馈神经网络的结构以及快速二阶学习算法，首先提出一种能和适应分布网络结构的深层前馈网络模型，并利用构造性方法证明了该网络的通有逼近性质，为改进网络学习效率及大范围收敛性，提出了网络权值学习的单调同伦方法，该方法具有与牛顿法相同的二阶收敛性，数值实例显示了该方法的高效性与大范围收敛性，深层前馈网络模型具有自适应分布网络结构，高度非线性逼近性以及可实现快速学习算法等特点。     

离散非线性控制系统迭代学习（算法）的收敛性与鲁棒性

本文证明了一类含有不确定因素的ＭＩＭＯ非线性控制系统迭代学习算法的收敛性与鲁棒性。