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．     

改进遗传规划算法在系统辨识中的应用

为了解决工业过程中数据丰富但机理不完全可知的非线性动态系统建模问题,提出了一种改进的遗传规划算法,以辨识模型结构和参数.该算法首先基于多层次辨识和反馈的基本思想,对系统进行多次辨识,直到把辨识误差缩小到可接受的范围;然后,采用最小二乘法估测模型参数,避免优良模型结构因低劣参数而被淘汰;最后,实施M估计技术,削弱强噪声对建模的影响,增强模型泛化能力.针对满足Lotka-Volterra方程的非线性动态系统进行建模仿真,试验结果表明该算法能较好地辨识满足Lotka-Volterra方程的一类非线性动态系统.     

基于自适应种群小生境算法的非线性系统辨识

针对传统神经网络非线性系统辨识算法存在收敛速度慢、易早熟、需人工设置网络结构及初始参数等问题,提出自适应小生境PSO非线性系统辨识方法。改进算法融合分层递阶算法和小生境PSO算法思想,联合优化网络结构及初始化参数,引入自适应灾变因子提高寻优精度。仿真实验表明,改进算法可提高辨识精度和收敛速度,能有效避免早熟现象,并可显著提高大空间、多峰值函数寻优效率。     

块脉冲算子及其在控制理论中的应用(Ⅱ)——非线性时变系统中时变参数的递推辨识

本文利用(Ⅰ)中所提出的块脉冲算子,来讨论非线性时变系统中时变参数的辨识问题。以两类典型的系统(双线性时变系统和多项式时变系统)为例,分别给出了时变参数的递推辨识算法及计算机模拟结果。这种算法计算简便、精度较高。本文并进一步概括出应用这种方法去获得一般非线性时变系统参数辨识算法所应遵循的步骤,为获得更广泛的非线性时变系统的参数辨识算法,提供了新的途径。     

基于群体智能算法的非线性系统参数辨识

群体智能算法是一类适用于非线性、不可微和多峰值复杂函数的优化方法.针对非线性系统的特点,在粒子群算法中,采用贪婪准则来确定全局最优粒子,并将该算法与人工蜂群算法应用于非线性系统参数辨识,辨识结果显示了两种算法对含加性噪声的NARMAX模型辨识的有效性,并为将来的研究工作提出了方向.     

一类非线性系统的监督控制

在监督控制方案下实现了一类非线性系统的输出调节，过程是全局Lipschitz的严格反馈形系统，含有不确定的定常参数，假设参数属于一个已知的、由有了个元素组成的集合、控制方案可分成控制器组和监督器两部分。根据参数的先验知识，用反传方法设计确定性等价的控制器，组成候选控制器组、监督器对参数进行在线辨识，实现控制器之间的切换，最终将过程的输出调节到零。     

遗忘漂移时变系统的辨识

遗忘漂移时变系统的辨识极为困难 ,关键在于参数模型中的矩阵 H是未知的。为解决此问题 ,提出了当 H已知时 ,采用遗忘梯度辨识算法和多新息辨识算法 ;当 H未知时 ,采用递阶辨识方法。提出的遗忘梯度算法、遗忘漂移多新息辨识和递阶辨识算法的计算量都较增广 Kalm an滤波算法小。仿真结果表明 :遗忘梯度算法估计遗忘漂移时变参数的精度优于 Kalm an滤波算法     

一类非线性连续系统的参数辨识算法

针对一类非线性连续系统的参数辨识问题，应用方块脉冲函数逼近技术，提出了一种参数递推估计算法，数字仿真结果表明了本文算法的有效性。     

一种改进人工蜂群算法的 Wiener 模型分步辨识法

为解决非线性系统 Wiener 模型参数辨识问题,提出了一种基于改进人工蜂群算法（NLJ-artificial bee colony algorithm, NABC）的分步辨识方法。NABC 算法融合了人工蜂群算法的简洁性和随机搜索算法的高精度优势,有较快的收敛速度、较强的局部求精和全局搜索能力。通过对经典测试函数的寻优,验证了 NABC 算法较其他改进方法的优势。分步辨识法解决了 Wie-ner 模型辨识过程中容易造成的误差累积问题,实现其线性和非线性部分的独立辨识。通过 pH 中和反应过程建模仿真验证了分步辨识法的有效性。     

含饱和特性的双采样率数据Hammerstein系统辨识

针对含有饱和特性的双采样率数据Hammerstein系统提出了一种新的辨识方法。首先,将含有饱和特性的静态非线性环节和线性动态环节的串联,整理成一个非线性基函数和线性动态环节的串联。在此基础上,利用辅助模型辨识原理解决数据缺失、中间未知变量、被辨识参数之间存在耦合的问题, 通过递推辨识算法利用双率采样数据辨识单率Hammerstein模型中的参数。最后,以一个含饱和特性非线性系统实例的建模来验证提出辨识算法的有效性。     

Modified Projective Synchronization of a New Hyperchaotic System with Known or Unknown Parameters

This work presents two different methods-- nonlinear control method and adaptive control approach to achieve the modified projective synchronization of a new hyperchaotic system with known or unknown parameters. Based on Lyapunov stability theory, nonlinear control method is adopted when the parameters of driving and response systems are known beforehand; when the parameters are fully unknown, adaptive controllers and parameters update laws are proposed to synchronize two different hyperchaotic system and identify the unknown parameters. Moreover, the rate of synchronization can be regulated by adjusting the control gains designed in the controllers. The corresponding simulations are exploited to demonstrate the effectiveness of the proposed two methods.     

一种非线性系统自适应辨识的新方法

研究了Volterra级数模型的非线性系统的自适应辨识问题．并提出了基于Volterra滤波器的自适应算法，讨论了步长因子的确定问题以及对算法收敛性的影响．最后给出了一个用Volterra自适应滤波器对非线性系统建模的实例，证明了这种方法的有效性．     

基于非线性耦合双稳系统的微弱信号检测研究

针对系统输入信号为低频、高频情形,以非线性耦合双稳系统为随机共振模型,分别建立自适应随机共振检测算法。选取平均信噪比增益作为衡量随机共振性能指标,设置系统参数,固定步长,自适应调节耦合系数,计算最优耦合系数。本文将非线性耦合双稳系统首次应用于多频微弱信号检测。与传统的检测方法相比,非线性耦合双稳系统能更加灵活地检测微弱信号。数值仿真结果与理论分析完全符合,为非线性耦合双稳系统在实际工程中的应用提供了参考价值。     

参数不确定的Liu混沌系统的自适应控制

研究了新型混沌系统——L iu系统的动力学行为和自适应控制问题.首先选择原系统的一部分作为子系统,在低维空间上具体分析这个系统的动力学行为,然后基于子系统分析整个系统的动力学行为.根据Lyapunov稳定性理论方法构造一个新的自适应控制器,给出了控制器及未知参数的自适应律解析式,使得全部未知参数识别和系统的控制同时取得,方法简单,控制效果好.数值模拟证明了该方法的可行性和有效性.     

严格反馈非线性系统的自适应逆最优控制

介绍了逆最优控制的基本思想，针对一类具有未知定常参数和未知时变有界扰动的严格反馈非线性系统，给出了逆最优增益配置定理，使用Backstepping算法，设计了逆最优控制器。该控制器是非线性的、连续的，且比较容易实现，仿真结果表明该控制算法的有效性。同时指出逆最优控制系统具有稳定裕度，因而具有局域鲁棒性，其稳定裕度是线性二次型最优调节器状态反馈控制在非线性系统中的推广。     

一个新超混沌系统的自适应控制与同步

研究只有一个平衡点的新超混沌系统的自适应控制与自适用同步问题.首先在假设参数完全未知的情况下,设计了一个非线性控制器,提出了相应的系统参数的自适应律,将系统控制到不稳定的平衡点.其次讨论了该超混沌系统与其自身的单向耦合同步,并提出了一种非线性耦合同步方案,找到了相应的系统参数的自适应律,使得驱动系统与响应系统达到全局完全同步.用Lyapunov函数法从理论上证明了结论的正确性,还用Matlab作了数值模拟,模拟结果表明设计是可行的.     

一种新的模糊自适应控制方法

针对未知的非线性不确定系统,提出了一种基于广义模糊双曲正切模型的模糊自适应控制方法·该方法采用广义模糊双曲正切模型作为未知的非线性对象的辨识器,以此为模糊自适应控制器提供参数自调整必需的梯度信息·通过与其他的辨识器比较,说明了广义模糊双曲正切模型辨识器具有辨识参数少,辨识复杂性较小,易于提高逼近精度的优点·自适应控制器的梯度算法使被控对象的输出能很好地跟踪期望输出·仿真结果表明,此控制方案对未知的非线性系统的输入有很强的自适应跟踪能力·     

严格反馈非线性系统的鲁棒自适应逆最优跟踪

针对具有未知定常参数和未知有界扰动的严格反馈非线性系统,结合参考信号,构造了误差系统,并解决了其逆最优控制问题.使用Backstepping算法,设计了误差系统鲁棒自适应逆最优控制器和参数自适应律,从而解决了原系统的鲁棒自适应逆最优跟踪问题,并给出性能估计.仿真结果表明该控制算法的有效性.     

一类不确定非线性系统的直接自适应模糊控制

针对一类具有未知函数增益的不确定非线性系统,基于监督控制方法并利用第二类模糊系统的通用逼近能力,提出一种新的直接自适应模糊控制设计方案.该方案通过引入最优逼近误差的自适应补偿项和新的鲁棒项,削减建模误差和参数估计误差的影响,从而在稳定性分析中取消了要求逼近误差平方可积或逼近误差的上确界已知的条件.理论分析证明了闭环系统状态有界,跟踪误差收敛到零.仿真结果表明了该方法的有效性.     

Adaptive terminal sliding mode control for high-order nonlinear dynamic systems

An adaptive terminal sliding mode control (SMC) technique is proposed to deal with the tracking problem for a class of high-order nonlinear dynamic systems. It is shown that a function augmented sliding hyperplane can be used to develop a new terminal sliding mode for high-order nonlinear systems. A terminal SMC controller based on Lyapunov theory is designed to force the state variables of the closed-loop system to reach and remain on the terminal sliding mode, so that the output tracking error then converges to zero in finite time which can be set arbitrarily. An adaptive mechanism is introduced to estimate the unknown parameters of the upper bounds of system uncertainties. The estimates are then used as controller parameters so that the effects of uncertain dynamics can be eliminated. It is also shown that the stability of the closed-loop system can be guaranteed with the proposed control strategy. The simulation of a numerical example is provided to show the effectiveness of the new method.