一类基于神经网络非线性随机系统自适应滤波

给出非线性MIMO随机系统可观性定义和条件，将非线性SISO确定性系统局部可观性理论拓展到非线性MIMO随机系统，基于这一理论在系统模型和噪声统计未知情况下，提出一类基于神经网络的非线性离散随机系统自适应滤波器的设计方法，考虑过程方程的动态特性和输出方程的静态特性，设计了动态神经网络作为系统的滤波器，前馈神经网络作为系统的输出预报器，充分利用已知观测信息训练两个神经网络，从而提高了状态估计的精度，该方法克服了扩展Kalman滤波要求模型和统计特性精确已知的不足，仿真例子验证了所提出的估计方法的有效性。     

复杂网络上具有分布式传染速率的流行病传播行为

提出一个改进的SI模型来研究分布式传染速率对复杂网络上的流行病传播的影响.与标准的SI模型不同,假定传播速率为几种典型的分布参数,如二值分布、均匀分布和指数分布.这种分布式的速率可以表示个体在传染性上的差异,这种差异可在很多真实的传染病中观察到.大量的数值仿真表明,这种分布式的传染速率能大大减小被感染结点的密度,减缓其动态传播过程,并且允许有更长的时间来采取相应的控制措施.因而,当前的研究结果对进一步理解网络上真实流行病的传播特性具有重要意义.     

PI型有约束后移限位预测控制器

基于对后移的输出预测进行约束,并优化具有比例积分结构的多步预测控制的目标函数,设计出PI型有约束后移限位预测控制器.仿真结果说明了这种方法的优良性能.     

基于神经网络的非线性前馈补偿广义预测自校正控制器

采用多层前馈网络结构进行动态建模,并用Ｄａｖｉｄｏｎ最小二乘法作为在线学习算法,将辨识后得到的模型进行线性化．基于线性化模型设计广义预测控制器。将其与非线性前馈相结合,建立了一种适合于非线性系统的前馈补偿广义预测自校正控制器．仿真结果验证了本控制器对非线性系统控制的有效性     

基于径向基网络的前馈反馈自适应控制器

对于非线性被控对象,当存在未建模动态,参数摄动或对象动力学特性时变时难以实施有效的控制,为此,我们利用径向基函数神经网络,并将前馈和反馈控制方案相结合,提出一种鲁棒性强、实时性好、能控制非最小相位系统的神经网络前馈反馈自适应控制器。仿真结果表明了该方案的优良特性。     

Global Convergence of Adaptive Generalized Predictive Controller Based on Least Squares Algorithm

Some papers on stochastic adaptive control schemes have established convergence algorithm using a least-squares parameters. With the popular application of GPC, global convergence has become a key problem in automatic control theory. However, now global convergence of GPC has not been established for algorithms in computing a least squares iteration. A generalized model of adaptive generalized predictive control is presented. The global convergebce is also given on the basis of estimating the parameters of GPC by least squares algorithm.     

TCP-RED路由队列建模与分析

用NS2构建了TCP-RED系统（网络业务流是TCP包，以RED为AQM算法），以产生模拟Internet业务流的数据。基于机理分析与数据驱动相结合的思想，建立了Internet业务流的控制模型用于研究TCP-RED系统的动态特性。从RED的分段特性出发，从切换系统的角度分析了TCP-RED系统，发现网络流量的波动是由于RED的切换特性引起的。通过根轨迹法分析了此切换系统中子系统的稳定性。提出了一种在实际网络环境中调整RED来控制流量波动（甚至混沌）的方法。本文所得的RED参数调节法基于实际网络数据的分析，而不是只依赖经验或机理分析。NS2的仿真实验证实了它的有效性。     

基于正交函数网络的不确定混沌系统的控制

提出了基于正交函数网络的不确定混沌系统的自适应控制方法．通过利用计算简单、收敛速度快的单隐层正交函数神经网络，构建了一类不确定混沌系统的控制器．利用李雅普诺夫稳定性定理得到了该网络控制器的权值更新规则并保证了权值误差和跟踪误差的有界性．该控制器不仅能够保证混沌系统以有界误差对指定轨迹进行精确跟踪，也能够使有外部扰动的混沌系统快速跟踪一个指定的轨迹．最后，利用陈氏混沌系统和Lorenz系统进行了系统仿真，结果表明了该控制器在混沌控制中的有效性。     

基于多分辨率学习的正交基小波神经网络设计

提出一种基于正交基函数的小波神经网络设计方法，采用多分辨率学习确定隐含层结构，并用收敛较快的阻尼最小二乘法训练权值．该方法可灵活调整隐含层结构，有效地克服神经网络中常见的过拟合和泛化能力差等问题．传真结果表明该方法具有逼近精度高，泛化能力好，网络结构冗余度小，参数优化收敛快等特点．     

非线性系统高阶微分反馈控制

提出了不依赖系统模型的高阶微分反馈控制思想，控制目标是系统输出及其微分和高阶微分逼近设定输入及其微分和高阶微分，极大地提高了对控制品质要求。基于这种思想设计了能高品质地提取量测信号的微分和高阶微分的高阶微分器（HOD, highorder differentiator），该HOD参数少，容易调节，并给出其稳定性、收敛性和滤波特性的证明；另外，对带有未知扰动、模型未知的非线性SISO和MIMO系统分别设计了基于HOD的高阶微分反馈自适应控制器(HODFC, high order differentials feedback adaptive controller)，给出了闭环系统稳定性和鲁棒性分析，并且实现了线性化解耦控制。