一类非线性系统稳态模型辨识方法

针对一类非线性系统，本文提出了一种辨识其稳态模型的新方法，并得到了稳态模型的强一致性估计。辨识输入信号为优化过程中设定点的正常阶跃变化信号。本文还研究了估计残差的渐近分布和残差收敛速度，最后的计算机数字仿真显示了该方法的有效性和实用性。     

一种改进的无模型自适应控制优化方法

针对一类复杂非线性系统提出了一种改进的无模型自适应控制(improved model-free adaptive control, IMFAC)方法,该方法通过对传统无模型自适应控制(model-free adaptive control, MFAC)方法控制器输出准则函数引入系统输出变化量来改善系统的动态性能。分析了IMFAC方法的稳定性和收敛性,并针对IMFAC方法中5个参数整定困难的问题,提出了基于灰狼优化(grey wolf optimization, GWO)算法的控制器参数优化方法(G-IMFAC)。对于GWO适应度函数中3个优化指标权重的最优分配问题,通过计算各个优化指标的信息熵来确定其权重。最后通过仿真模拟对比了G-IMFAC方法与传统MFAC方法及IMFAC方法的性能,结果表明G-IMFAC方法具有更小的超调量和更短的调节时间,进一步提高了系统的控制性能。     

一类非线性系统稳态优化新方法

本文针对多变量Ｈａｍｍｅｒｓｔｅｉｎ系统，提出了利用优化过程中设定点变化的阶跃信号，辨识系统稳定模型，从而得到稳态最优解的方法。仿真结果表明了该方法的有效性和实用性。     

基于两种模型的非线性自适应建模

研究了基于截断Ｖｏｌｔｅｒｒａ级数和双线性递归差分方程的非线性自适应建模，考虑了ＭＭＳＥ和广义ＭＭＳＥ准则，分析了各种算法的复杂性，分析结果表明，双线性模型在简洁性和计算复杂性方面的均优于截断Ｖｏｌｔｅｒｒａ级数。     

一种非线性系统的神经网络自适应控制

带有死区非线性的系统广泛存在于各个领域，特别是机械领域中．该文采用人工神经网络实现的自适应控制器对这种非线性系统进行了控制研究，MATLAB仿真结果表明，这种自适应控制器能对该类非线性系统能实行有效的控制．采用这种自适应算法由于不再需要调整参数，将使控制系统的整定变得简单．     

非线性确定性系统的鲁棒自适应控制器

NARX模型的最小预报误差自适应控制器算法，存在着控制输入偏离以原点为收敛域中心的收敛问题，严重时将出现数值发散现象，系统是BIBO不稳定的。针对这种情况，提出了一种改进的控制输入准则函数和各样自适应控制策略，给出了NARX模型基于该准则函数的一种最小预报误差自适应控制器算法，及使系统无稳态偏差选取准则函数的限制条件，解决了系统存在稳态偏差的问题，同时给出了仿真结果。     

一种全局稳定的非线性神经网络系统自适应调节器

对于一类连续时间的非线性动态系统x=f(x)+Bu+d,当系统中的非线性函数f(x)满足线性增长条件时,首先证明了f(x)中的x落入一紧集中,然后根据神经网络的逼近性质,给出了自适应调节器的设计方法.利用Lyapunov稳定性理论,证明了控制算法是全局稳定的,闭环系统状态是一致最终有界的.     

一种非线性系统自适应观测器的仿真研究方法

感应电机无速度传感器的控制系统是典型的非线性系统,非线性系统的控制和分析可采用自适应观测器的方法。但采用此方法在极点配置时会存在不稳定区域的问题。因此,应用Lyapunov稳定性原理,给出了观测器的速度辨识率,并建立一个全阶自适应状态观测器。同时,为提高非线性系统的鲁棒性,建立了一个在MAT-LAB6.5/SIMULINK环境下无速度传感器感应电机控制的仿真实验平台,提出了一种仿真研究方法。仿真结果表明,全阶自适应观测器方法在全速范围内具有很好的鲁棒性。     

多重时滞非线性系统的自适应预测控制

针对NARX模型中一步时滞控制算法不完全适用于多重时滞的情形,提出一种在工作点处用线性的动态切平面逼近一般的非线性系统的方法,结合一种准则函数和预测器算法,提出一种自适应预测控制算法,给出了该模型下具有遗忘因子的递推最小二乘非线性参数估计算法.仿真结果表明:该控制算法品质好,参数估计算法几乎无偏,验证了自适应预测控制算法和递推参数估计算法的有效性.     

一类随机系统的自适应滤波

讨论一类含时变未知参数的随机系统，给出该系统在系统状态噪声与量测噪声于有限时间区间上相关情况下的自适应渺茫皮递推公式，并给出相应的滤波算法。     

弥散非线性信道自适应均衡器

提出一种基于非线性差分方程模型的弥散非线性信道自适应均衡器。在弥散非线性信道上传送高速数据信号时，根据正文估计原理和快速正交算法，利用接收信号序列和训练序列可以迅速估计出该差分方程的基向量和权系数。所提出的自适应非线性均衡器的结构使其具有较好的自适应功能．模拟结果表明，采用这种自适应均衡器可使高速音带数据传输系统的误码性能改善３个数量级。     

模型更新的两级自适应跟踪方法

讨论了经济管理领域中经常涉及的动态数学模型的更新问题，提出了一种模型更新的两级自适应跟踪方法．当系统环境发生突然变化时，这种方法可以及时修改模型参数，并使模型具有较高的精度．     

工业过程稳态优化中的PD型迭代学习控制

论述在工业过程的稳态优化中，施行选代学习控制的思想方法．给出了一种ＰＤ型迭代学习算法，分析了算法收敛性．数字仿真结果表明这种控制方法对抑制超调，加快动态响应，减小优化过程对工业生产过程的影响是行之有效的．     

考虑风电不确定性的自适应MPC负荷频率控制方法

对风电不确定性引起的电力系统负荷频率控制变化问题展开研究.首先,对双馈风机(DFIG)虚拟惯性控制特征进行分析,构建风电参与的自动发电控制(AGC)系统模型;其次,讨论系统等效惯性时间常数H与风速变化的关联关系,描述风电不确定性对自动发电控制系统参数的影响;最后,进行自适应模型预测控制策略的设计,保证在风电输出不确定的情况下,控制器能够针对系统参数变化进行自适应调整,以保证最优的负荷频率控制效果.仿真结果表明:当风速变化而导致系统参数发生改变时,所提方法能够有效抑制高风速带来的等效惯性时间常数下降对频率控制的不利影响,并且具有更好的负荷频率控制能力.     

一种记忆元网络自适应控制方法

本文提出了一种神经网络自适应方法。该方法采用记忆元网络采用记忆元神经网络进行对象模型辩识,用单个神经元实现了自适应ＰＩＤ 控制器。被控对象输出误差经记忆元辩识网络反传后得到控制器的输出误差,以此修正控制器网络权值,由于记忆元网络无需引入延迟算子,能够逼近任意阶线性动态,保证了模型辩识的精度和误差返传的精度,神经元ＰＩＤ 控制器具有极为简单的结构与算法,保证了自适应控制的实时性,大量仿真结果表明该方法可以有效地应付非线性对象。     

基于综合算法的自适应鲁棒控制

提出了一种基于综合算法的自适应鲁棒控制器。其主要特点是：将广义最小方差控制和极点配置结合起来，籍以提高控制器的鲁棒性。数字仿真证实提高控制器的鲁棒性。数字仿真证实了所提控制方案在控制效果上明显优于通常的自适应控制器。     

工业过程稳态优化ISOPE方法的鲁棒性分析

对于大多数的实际工业过程，系统的稳态输出常常含有量测噪声．因而不可能得到系统的真实稳态输出值及过程导数真值，因而也不可能得到实际最优解。本文针对ＩＳＯＰＥ方法（系统优化和多数估计的综合方法）给出了两种评价其算法鲁棒性的指标，并考察了其算法的收敛性与次优性。最后对几种典型的ＩＳＯＰＥ方法进行了鲁棒性分析。     

Hammerstein模型的稳态辨识方法——MIMO情形

本文针对用Hammerstein模型描述的一类MIMO非线性系统 ,提出了一种稳态参数估计的辨识方法。此方法具有在稳态状态下取值 ,参数辨识简单、精确等优点。数字仿真结果说明了该方法的有效性和实用性。     

一种鲁棒自适应主动振动控制方法

针对一类在有界输入和输出扰动情况下满足正实条件的主动振动控制的鲁棒自适应控制问题，提出一种鲁棒自适应主动振动控制系统，相对于传统的模太控制方法而言、此方法根据可直接测量的输出量构成控制律，因而不需要进行模太估计。基于有限维状态空间模型得到的鲁棒自适应控制律不存在由于模态截断引起的溢出问题。     

关于气象资料四维变分同化的一类大规模非线性统计模型

把气象中的变分同化问题作为一类大规模非线性统计模型而提出 ,从数学上解释、证明了气象学使用此模型的数学原理 ,并用随机模拟加以验证 .