非最小相位离散系统的模型参考自适应控制

将单输入单输出非最小相位离散时间系统的模型参考自适应控制的新方法，推广到多变量场合。讨论了如何避免了不稳定的零极点对消及如何将扰动的作用与对象的输出进行解触耦的计算机仿真结果说明了推广方法的有效性。     

非最小相位离散系统的模型参考自适应控制

将单输入单输出非最小相位离散时间系统的模型参考自适应控制的新方法（即用从最小二乘获得的近似逆系统方法）推广到多变量场合．讨论了如何避免不稳定的零极点对消及如何将扰动的作用与对象的输出进行解耦的问题．计算机仿真结果说明了推广方法的有效性．     

非最小相位系统的自适应跟踪Ⅰ:单输入单输出情况

基于最小方差预报理论和极点配置原理,作者提出一种类似于组合自校正器的自适应控制方案,消除了组合自校正器,跟踪参考信号时所发生的滞后现象,而且仍然保护了现有极点配置控制器的优点,从而克服了设计自适应控制器无法兼顾伺服跟踪性能和随机调节性能皆优的缺点。     

一类非最小相位多变量系统的自适应控制设计

本文利用一种有界输入计算方法，根据对象的左互质分解（LCF）特性，对一类多变量离散时间模型跟踪控制系统（MFCS）进行设计，进而给出相应的非最小相位系统自适应控制器的设计方法，数字仿真结果表明了这种自适应控制系统设计方法的有效性。     

一类非最小相位系统的自适应解耦控制方案

本文提出了一类非最小相位系统的自适应解耦控制方案。通过令模型具有非最小相位对角形矩阵,使对象与摸型能自适应达到完全匹配。其方法简单易行,稳定性分析非常明了。仿真结果表明这种方案是可行的。     

基于单神经元自适应PSD算法用于混沌镇定控制

为了镇定混沌系统的不稳定周期轨道,提出了一种基于单神经元自适应PSD算法的状态延迟反馈法用于混沌的镇定控制。仿真结果表明,该算法不仅能够自适应地完成控制参数的整定过程,而且具有适用范围广、镇定时间短、抗干扰能力强等优点。     

车辆单神经元模型参考自适应控制算法研究

针对智能车辆油门控制系统,提出了一种单神经元模型参考自适应控制算法.首先通过实验研究获得油门控制系统的传递函数,再以该函数获得的数学模型为依据设计了自回归滑动平均模型（NARMAX）神经网络,并对系统输出进行离线辨识和在线预测.采用免疫模糊思想改进二次型单神经元控制算法,构建基于NARMAX神经网络预测的模型参考自适应控制系统,定义了一种评价车辆纵向运动的目标函数,采用浮点遗传算法寻找各控制器的最优值.仿真结果表明,NAR-MAX神经网络可辨识和预测车辆油门系统的动力特性,与免疫模糊和二次型单神经元算法相比,单神经元模型参考自适应算法的阶跃响应速度显著提高.     

电阻炉单神经元PID自适应控制

选用单神经元自适应控制结构,采有监督Hebb学习算法实现了对电阻炉大时滞控制系统的单神经元PID控制,探讨了参数对系统性能的影响,同时,使用Matlab分别对常规PID算法、自适应单神经元PID算法进行了仿真研究与比较并对参数选择进行了仿真研究.仿真结果表明,自适应神经元结构的PID控制动态控制效果良好,具有较高的工业实用价值.     

非最小相位系统的自适应跟踪Ⅱ:多输入多输出情况

该文是文献「１」的续篇,研究非最小相位的线性随机系统对多输入多输出的情况,提高一种类似于组合自校正器的自适应控制方案,消除了该自校正器跟踪参考信号时所发生的滞后现象。理论分析和仿真结果表明所设计的自适应控制系统具有良好的伺服跟踪性能和随机调节性能。     

基于单神经元自适应PID控制的水轮机调节系统研究

文章针对水轮机的大惯性以及调节系统各环节的非线性特性,提出了一种单神经元自适应PID控制方案,并通过编制仿真程序对系统进行了仿真实验。实验结果表明,采用单神经元自适应PID控制的水轮机调节系统,使其具有更小的超调量和更好的调节性能,有效地改善了水轮机常规PID调节摆动时间长、自适应能力差等问题。     

参考模型自适应方法在主从对策中的应用

用参考模型自适应方法,处理两类参数未知的线性动态主从对策,得出相应的自适应鼓励策略,并指出了算法的收敛性。讨论建立在波波夫超稳定性与李雅普诺夫稳定性基础上。     

基于多模型自适应控制方法的FGC控制

冷连轧机动态规格变换时各机架的入口厚度一般变化较大,采用传统自适应控制的辨识算法的收敛速度不能跟随参数实际变化速度,控制效果不佳.针对这一问题,提出一种多模型自适应控制方法.通过对五机架冷连轧机进行仿真表明,多模型自适应FGC系统具有较好的控制精度、跟踪速度以及稳定性.     

基于uCOS-II的模糊自适应温度控制系统设计

针对车间温度控制系统具有非线性、滞后性和时变性等特点,提出了一种改进型的模糊自适应PID控制器。该控制器通过在线调整学习速率因子和PID参数增量,并结合积分分离思路,实现PID参数的自适应调节。仿真结果表明该控制器优于传统PID控制和传统模糊自适应PID控制。控制系统采用PIC24F作为主控芯片,结合操作系统uCOS-II的实时性、可靠性以及模糊自适应控制的非线性、时变性等特点,通过实验成功的实现对温度准确控制。     

基于模糊系统聚类学习的自适应控制算法

在自适应控制最小方差自校正控制器设计中，当被控对象的数学模型未知时，可采用模糊系统代替实际系统。提出了一种新的模糊系统的聚类学习算法，根据初始聚类中心的选取原则，可以使最终获得的聚类结果是全局近优解。该方法只需计算一遍样本间的广义距离，即可完成初步的聚类，通过迭代运算可以使聚类结果得到进一步优化。仿真结果证明了自适应控制器的控制效果。     

基于模糊控制的车辆自适应巡航系统设计

在定速巡航的基础上,结合跟车巡航功能,设计了一种自适应巡航分层控制系统,可根据行驶工况自动切换其工作模式,实现巡航系统的智能化。该系统综合考虑了跟车系统中前车车速、加速度、车距等各种因素,利用模糊控制技术的优点,提高控制系统的性能。利用Matlab仿真及硬件在环技术进行实验研究,结果表明该控制系统能够实现巡航模式的自适应切换,并且具有较高的控制精度和理想的巡航性能。     

基于模糊逻辑参考模型自适应控制系统

根据参考模型产生理想控制系统的闭环响应与实际系统的输出误差,应用模糊自适应机构代替常规的自适应机构,构成一个模型参考模糊自适应控制系统.仿真结果表明,该系统自适应能力强、能适应对象特性的大范围变化.     

基于神经模糊系统的自适应前馈-反馈控制系统设计

在前馈控制器设计思想的启发下,提出了一种基于神经模糊系统的自适应前馈-反馈控制系统。该控制系统首先把非线性过程近似为一个线性的ARX模型和一个基于神经模糊系统的线性化误差模型(FNNM)组成的合成模型,把线性化误差模型的输出看作可测量的"扰动",然后再引入前馈控制器,利用被控制过程的输入、误差模型的输出、线性ARX模型输出和系统输出值之间的误差以及被控制过程的合成模型的梯度信息对控制器参数进行在线调节,从而获得较好的控制结果。将提出的基于线性化误差模型的自适应控制系统用于简单不可逆放热反应的连续搅拌型化学反应器CSTR中,并与传统的PID控制器进行比较。仿真结果表明:这种基于神经模糊系统的自适应前馈-反馈控制器和PID控制器相比,能得到更快、更好的控制效果。     

基于RBF神经网络整定的调距桨PID控制

针对可调螺距螺旋桨采用的传统PID控制具有超调大、调节时间长等缺点,提出了一种基于RBF神经网络整定的PID控制算法.这种算法采用3输入、单输出的RBF神经网络对系统性能学习以找出最佳的PID组合,实现对调距桨螺距角的控制.仿真试验表明,基于RBF神经网络整定的PID控制效果明显优于传统的PID控制.     

基于模型参考自适应控制的穿孔轧机控制系统设计

对穿孔轧机速度控制系统进行模型的建立和简化,并针对轧制控制过程中参数变化等不确定性因素的影响,设计了基于波波夫超稳定理论的模型参考自适应控制方法,通过MATLAB仿真技术验证了该控制系统具有较好的动态控制性能和跟踪精度。     

基于反步自适应控制的运动系统死区补偿

针对机械运动系统中,死区非线性的存在严重影响系统性能的问题,以存在不确定参数的系统为研究对象,应用反步积分自适应的方法,设计基于状态反馈的自适应控制器。采用 Lyapunov 理论证明该控制器能够保证跟踪误差的有界以及闭环系统中所有信号的有界。应用 Matlab 软件进行仿真,结果表明了该方法的有效性。