一类非线性区间时滞随机系统的控制与仿真

针对一类非线性区间时滞随机系统的控制问题,提出一种基于随机模糊双曲正切模型的时滞依赖控制策略.应用随机模糊双曲正切模型对非线性随机系统进行建模,其中模型参数可用BP神经网络进行学习.提出一个新颖的Lyapunov-Krasovskii泛函进而推导出闭环系统时滞依赖均方意义渐近稳定的镇定条件.最后采用改进的Euler-Maruyama法对非线性随机微分方程进行仿真,仿真结果验证了所提出的控制策略的有效性.     

基于DSP的免损大电流开关电源研究

提出了一种基于DSP的免损大电流开关电源拓扑结构.开关电源的输入回路由串联电容及开关阵组成,输出回路由并联电容及开关阵组成,由运算速度快、计算精度高的DSP作为控制器,DSP输出可控脉冲,控制开关阵通断状态,以改变开关电源的输出.用状态平均法分析了开关电源充放电过程.对此开关电源做了计算机仿真实验,验证其输出电流可调特性.该开关电源具有输出电流可调、谐波小、体积小、损耗低的特点.     

一类具有时滞的广义Hopfield神经网络的动态分析

研究了一类具有时滞的广义Hopfield神经网络的动态行为·放宽了对Hopfield神经网络的互连结构必须为对称的要求,考虑一类具有时滞的且互连结构为非对称的广义Hopfield神经网络的稳定性问题·通过构造适当的Lyapunov泛函及扇区条件,给出了平衡点渐近稳定的充分条件·在Hopfield神经网络的设计及实现过程中,这些条件是很实用的·仿真结果进一步证明了结论的有效性·     

一类自适应观测器的故障估计性能

采用H∞跟踪性能指标,给出了一类自适应观测器的一种综合过程,通过对故障自适应律的设计和比较,得到了影响这类自适应观测器故障估计性能的几个因素·所设计的自适应观测器的故障估计误差与故障的幅值大小没有关系,而且可以通过调节H∞跟踪性能指数使故障估计误差达到任意小·仿真例子验证了理论分析的有效性·     

用单一控制器实现未知参数的Lü混沌系统的自适应同步

提出了采用一个控制器自适应同步参数全部未知的Lü混沌系统的方法.基于Lyapunov稳定理论,设计了单一控制器和参数自适应律,它改进和完善了Elabbasy等人采用三个控制器[8]及Han等人采用二个控制器[9]的工作.数值仿真结果验证了该方法的有效性和可行性.     

基于神经网络的多传感器自适应滤波及其应用

讨论了同一噪声源多传感信号神经网络自适应噪声抵消器的设计方法·利用神经网络自适应获取信息融合器LC的权系数,克服了采用基于平均法时可能失去部分信息造成信号估计误差太大的缺陷,较好地解决了多传感器信息融合的问题·该方法不仅能获得信号的最优估计而且能克服信号处理中存在模型扰动和噪声的不确定性等问题·为了检验该滤波方法的有效性,在输油管道的泄漏定位检测与诊断中,利用该滤波方法提高压力信号、流量信号等信噪比·结果表明,神经网络自适应噪声抵消器不仅实现简单,而且能快速、有效地消除流量、压力信号中的各种噪声·     

输油管道泄漏监测与定位系统的研制

利用VisualC 为软件开发平台,结合工业现场现有的测量条件和基于PC的数据采集装置,开发研制了输油管道泄漏监测与定位系统·该系统将输差检漏技术与负压波定位技术相结合,用GPS解决分布系统的采样时间同步问题,用小波变换解决被噪声污染信号的特征点提取问题,并将现场运行工况在屏幕上形象直观地显示出来·该系统应用数据库技术,实现运行数据的存储,有利于查询分析故障产生的原因·该系统反应速度快,定位精度高,工作稳定,制造成本低,并具有良好的功能扩展能力,既可用于实验仿真,又可用于工业现场监控·     

一类非线性状态观测器的设计

针对满足Lipschitz条件的非线性系统,构造了非线性状态观测器·对基于代数Riccati方程设计状态观测器增益阵的方法进行了仿真研究,针对求解代数Riccati方程需要不断调整参数而给求解问题带来的不便,采用线性矩阵不等式改进了状态观测器增益阵的选取方法,通过与两种不同构造形式的基于代数Riccati方程的观测器增益阵的求解方法的比较,仿真结果验证了基于线性矩阵不等式所构造的状态观测器增益矩阵的有效性,其比基于代数Riccati方程的方法具有更小的保守性,而且求解更加简便·最后讨论了Lipschitz常数对系统抗干扰能力的影响·     

多变量模糊推理系统的神经网络实现

以双缸连通液面Ｆｕｚｚｙ控制系统为模型，研究了多变量Ｆｕｚｚｙ推理系统的神经元网络实现问题。这里主要考虑如下二个问题：（１）ＢＰ网络在语言环境下实现多变量Ｆｕｚｚｙ推理系统的有效性；（２）神经网络结构（隐层节点个数及输出层激发函数）对推理结果的影响。仿真结果表明，在语言环境下ＢＰ网络具有很强的近似推理能力，基于ＩＦ－ＴＨＥＮ的多变量Ｆｕｚｚｙ推理系统可由一个ＢＰ网络训练学习而加以实现，从而为有效的实现多变量复杂系统的Ｆｕｚｚｙ控制奠定了基础。     

基于T-S模糊模型的Nadolschi混沌系统同步控制

为了实现一类新型混沌系统的同步控制,提出一种基于T-S模型的模糊控制方法。利用T-S模糊模型对Nadolschi混沌系统进行精确描述;采用并行分布补偿技术设计状态反馈控制器;进而将Nadolschi系统的同步控制问题转化为误差模糊系统零平衡点的镇定问题。然后,利用精确线性化的方法将误差模糊系统转换成定常系统,最后,根据线性系统理论,得出使Nadolschi混沌系统达到渐近同步的充分条件。仿真结果验证了所提方法的有效性,所设计的模糊控制器具用结构简单,规则少,控制响应速度快等优点。