基于神经网络的一类非仿射非线性系统的H_∞控制

利用隐函数定理和泰勒公式及中值定理,将非仿射非线性系统转变为仿射非线性系统,设计一个基于神经网络的控制器,该控制器由等效控制器和H∞控制器组成,能有效的保证闭环系统的稳定及跟踪误差渐近收敛于零,并且使干扰对系统的影响衰减到指定的性能指标.     

具滞后的离散广义双线性系统的稳定控制分析

针对两类不同形式的滞后离散广义双线性系统的稳定控制问题进行了讨论．首先通过构造广义Lyapunov函数的方法,对其中一类形式的闭环系统稳定性问题进行分析,给出了系统零解E-渐近稳定的充分条件．在此条件基础上,利用等价变换和等价系统的方法,得到了该闭环系统Lyapunov意义下渐近稳定的充分条件．然后,研究了另一形式的滞后离散广义双线性系统稳定控制存在的条件,并给出了使闭环系统局部渐近稳定的充分条件．     

一类非线性时滞系统控制器的设计

研究了一类非线性时滞系统的状态反馈控制器的设计问题.利用Lyapunov稳定性定理和LMI技术,给出了非线性时滞系统在所设计的状态反馈控制器的控制下指数稳定的充分条件.     

基于GEP的层次有序BP神经网络优化

BP神经网络(BP-NN)因其自适应性、容错性和较强的泛化能力而得到广泛的研究及应用,但在实际应用中,却常常出现收敛速度慢、易陷入局部最优等问题.该文的新算法利用基因表达式编程(GEP)具有的良好全局搜索能力,对神经网络结构、权值及阈值进行优化;结合反向传播算法(BP)的局部搜索能力,有效提高了神经网络的性能;针对传统GEP设计神经网络会使网络结构失去层次性的问题,提出基于增加结构域染色体编码方法的GEP层次有序BP神经网络优化算法(GEPO-NN),保证网络结构层次有序符合人脑分层处理模型:最后,通过仿真实验对比GEP和遗传算法(GA)对BP神经网络的优化性能.结果表明,GEPO-NN有明显的性能提高.     

BP神经网络的双重优化的改进研究

目前,在交通、农业以及相关数据挖掘等领域应用最为广泛的BP网络模型是较为重要的一种神经网络算法模型,但其性能一直达不到理想状态。BP神经网络收敛性、预测精度一般,并且容易陷入局部最优解,这些缺点需不断改善。针对上述提到问题提出采用动态自学习影响因子和改进网络激活函数两者相结合的一种改进BP网络算法。实验表明,提出改进BP网络方案能够大幅度提升BP神经网络的收敛效率以及精度。     

基于线性矩阵不等式的广义系统非脆弱混合H2／H∞优化控制

研究了广义系统非脆弱混合H2/H∞优化控制问题. 目的是设计一个带扰动的状态反馈控制器, 使得闭环广义系统满足容许性及H∞范数界的同时使得H2范数极小. 基于线性矩阵不等式给出了该控制器存在的一个充分条件, 同时给出了控制器的设计方法和闭环系统H2范数的极小上界.     

不确定广义系统的鲁棒非脆弱H∞控制

研究状态反馈控制器增益具有摄动的一类不确定广义系统的鲁棒非脆弱H∞控制问题.分别对控制器增益具有加法式摄动和乘法式摄动两种情形加以讨论,并通过对系统广义二次能稳定且满足H∞范数界这一性质的研究而得到解决.控制器的设计可通过求解一组线性矩阵不等式得到.     

一类区间速率连续Petri网的可达稳态分析

连续Petri网已被证明为诸多系统的有效描述工具,而系统性能分析与连续Petri网的稳态有密切关系.本文讨论了一类区间速率连续Petri网(Interval speed Continuous Petri Nets,简称ICPN)的可达稳态问题.通过分析区间速率连续Petri网的使能与引发语义证明了一类区间速率连续Petri网在最大引发模式下可达稳态的有关定理.研究表明这类区间速率连续Petri网在最大引发模式下其可达稳态及最终速率仅与各个迁移的区间速率有关,而与初始标识无关,从而避免了因构造演变图而产生状态爆炸的问题.     

一类混合中立型时滞微分方程解的振动性

该文对一类混合中立型时滞微分方程作了一些研究，得到了方程所有解振动的充分条件的代数判据。     

不确定广义系统非脆弱混合H2/H∞优化控制

针对不确定广义系统非脆弱混合H 2/H∞优化控制问题,对控制器增益具有加法式摄动和乘法式摄动两种情形采用线性矩阵不等式方法研究其充分条件,并设计满足要求的鲁棒非脆弱混合H 2/H∞状态反馈控制器,使得闭合系统在满足H∞性能的前提下极小化H 2范数的上界.