自组织临界性的经济学应用的方法论思考

通过对在组织临界性概念的扼要介绍，就其在经济学中的应用进行初步论述，从方法论角度，探讨了它能否把经济学变成一门硬科学。     

基于U-I模型的感应电机定子磁链估计的仿真研究

定子磁场定向的直接转矩控制逐渐被广泛应用于高性能异步电机调速系统。定子磁链估计精度是影响控制系统动态、稳态性能的主要因素。由于定子电阻参数变化及低通滤波器的影响，尤其低速运行时，传统定子磁链估计方法的估计精度及快速性往往很差。提出了一个全新的改进U-I模型定子磁链估计方案，不仅解决了定子电阻整定补偿问题。而且解决了低通滤波器截止频率优化补偿问题．在此基础上，建立直接转矩控制方案的仿真系统，仿真结果表明提出的方案能够使异步电机在低速到高速范围内都能得到令人满意的性能。     

机器人位置/力混合鲁棒自适应控制

提出一种机器人位置/力混合控制的鲁棒自适应算法,利用自适应算法调节机器人系统的未知参数,为了避免在外界干扰作用下引起自适应参数的漂移,在参数自适应律中引入死区,使自适应控制器具有较强的鲁棒性能,滑模控制消除了死区自适应律引起的参数误差,并且具有较强的干扰抑制能力,使机器人末端执行器能够沿环境约束运动,并与约束表面保持期望的接触力,保证了位置和力轨迹跟踪的鲁棒性与精确性。二连杆机器人的仿真分析说明了算法的有效性。     

基于模糊神经网络的动态非线性系统辨识研究

针对静态模糊神经网络对动态系统辨识精度低的特点,在5层静态模糊神经网络基础上进行了优化和改进,形成了可将暂态信息记忆于网络的动态回归层的动态模糊神经网络,来提高对动态系统的辨识能力。同时给出了参数的动态自适应学习算法。通过仿真实验,证明提出的动态模糊神经网络对动态非线性系统的辨识,可以取得较好的辨识精度,较快的网络收敛速度,为动态非线性系统的辨识提供新的思路。     

非完整移动机器人的自适应滑模轨迹跟踪控制

针对动力学模型描述的非完整移动机器人系统，研究了其在未知参数和不确定性干扰下的轨迹跟踪控制问题，基于反演技术和自适应滑模控制的思想设计了具有全局渐近稳定的轨迹跟踪控制律。谊控制律将系统分解为低阶子系统来处理，利用中间虚拟控制量和部分Lyapunov函数简化了控制器设计，并具有直观的稳定性分析．满足了移动机器人的轨迹跟踪要求，且具有设计方法简单、鲁棒性强的特点。仿真结果验证了所设计控制器的有效性和正确性。     

扑翼微型飞行器自适应鲁棒姿态控制

给出了扑翼微型飞行器姿态控制系统的数学模型,并提出了一种自适应鲁棒控制的新方法。飞行过程的复杂性使得姿态控制器的设计极具挑战性,主要困难是系统表现为非线性、不确定性、多变量参数耦合以及各种干扰。由于自适应鲁棒控制不依赖系统的精确数学模型,所以将系统分为名义模型、结构不确定性和非结构不确定性,对其分别设计直接反馈控制器、自适应控制器和鲁棒控制器,并用李亚普诺夫定理分析了系统的稳定性。仿真结果证实了所提方法的有效性。     

工程机械液压底盘试验台双马达同步的研究

提出了基于直接自适应控制和模糊控制相结合的新方法,对工程机械液压底盘试验台的单泵双马达驱动的转速同步控制进行了研究,并且对PID控制与直接自适应模糊控制方法进行了研究对比。仿真结果表明直接自适应和模糊控制相结合的方法比PID控制更能够改善系统的同步控制效果。此研究结果有助于提高试验台的控制品质。     

基于神经网络的全局滑模变结构控制

针对一类非线性不确定离散时间系统,提出了一种基于神经网络趋近律的全局滑模变结构控制方法。分别用两个前馈神经网络（FNNs）自适应调整趋近律中的参数ε和δ,克服了常规变结构控制方法中需要预先设定趋近律中参数的限制。在用径向基神经网络（RBFNN）对系统进行模型估计的同时,基于平移滑平面的设计方案,实现了系统的全局鲁棒滑模控制。仿真结果表明控制系统具有良好的跟踪性能,该方案使系统一开始就处于滑平面上,消除了系统抖振,具有较强的鲁棒性。     

永磁交流位置伺服系统串级复合滑模控制

针对某永磁同步电动机位置伺服系统负载力矩和转动惯量变化大、干扰力矩强的特点,以及统一滑模变结构控制速度限幅的难题,提出并设计了串级复合滑模变结构控制器.其中速度环通过增加积分环节来消除滑模控制的力矩抖动,位置环通过复合滑模控制的设计来消除稳态滑模控制的抖振.计算机仿真结果表明,该控制器不仅响应速度快、无超调、控制精度高,同时对负载扰动和系统参数摄动具有较强的鲁棒性.     

基于对角载入的鲁棒自适应波束形成算法

作为一种梯度自适应波束形成算法,LMS算法因简单有效而得到广泛的应用.但是在存在偏差的情况下,LMS算法的性能较差.针对上述问题,考虑信号方向向量的偏差对LMS算法性能的影响,提出了一种基于对角载入的鲁棒约束LMS算法,并对算法的对角载入因子和收敛性能进行了分析,给出了保证算法收敛的步长取值范围.该算法利用对角载入的特性,可有效的抑制各种偏差所带来的影响,收敛速度快,抗扰动性强,对信号方向向量的偏差具有较强的鲁棒性,从而可以保证阵列输出的信干噪比接近最优值.仿真实验表明,与传统约束LMS算法相比,基于对角载入的鲁棒自适应波束形成算法具有很好的性能.