离散时变系统迭代域最优学习控制

针对线性时变离散系统，首次提出并研究了迭代域内线性二次型最优迭代学习控制问题。所得到的迭代学习控制方法在迭代域内是保性能最优的，其学习率不需主观选取，学习速度可通过改变性能矩阵参数进行调节。     

时滞区间广义系统的保成本控制

针对一类具有状态时滞的时滞区间广义系统,基于状态反馈研究了保性能控制问题。利用线性矩阵不等式(LMI)处理方法,得到了闭环时滞区间广义系统广义二次稳定以及闭环性能指标值有上界的充分条件。利用LMI的可行解给出了保性能控制器的设计方法。设计的控制器使得闭环时滞区间广义二次稳定,同时保证闭环性能指标值是具有上界。最后的数值例子说明了所给方法的有效性。     

二阶系统模糊变结构控制器设计及稳定性分析

采用滑模变结构控制时不可避免会产生抖振问题,尤其是对于那些变参数及具有不可测量持续扰动的系统,通过常规方法难以克服抖振对系统控制性能带来的不利影响。为此将模糊控制与滑模变结构控制相结合,设计了一种模糊变结控制器,既保持了变结构控制的鲁棒性及快速性,又能较好地消除抖振现象,并利用描述函数法分析了该控制系统的稳定性。最后通过一个具体的导弹变系数二阶控制系统的应用实例验证了该控制器的性能。     

随机可变时滞系统的渐近稳定性

讨论了一类随机可变时滞系统解的渐近稳定性。应用It 公式、半鞅收敛定理与多个Lyapunov函数建立了这类随机可变时滞系统渐近稳定性的有效判据,使实际应用中构造Lyapunov函数更为方便。同时也说明了结果包含经典的随机系统稳定性结果为其特殊情况。与经典的随机稳定性理论相比,所建立的稳定性结果无须LV负定,充分利用了随机扰动项的作用,并且从理论上解释了一个不稳定的系统有时加入适当随机扰动后反而稳定。最后,举例说明了结果的有效性     

基于泛函网络的多维函数逼近理论及学习算法

提出一种多维函数逼近的泛函网络逼近方法,设计了一类用于函数逼近的可分离泛函网络,给出了基于泛函网络的函数逼近学习算法。而泛函网络的参数通过解方程组得到,它们能逼近给定函数到预定的精度。仿真结果表明,这种逼近方法简单可行,具有较快的收敛速度和良好的逼近性能。     

基于直方图指数平滑的模糊散度图像分割

当图像灰度直方图具有多峰时,模糊散度图像分割方法的参数初始化有困难。针对这一问题,基于直方图指数平滑峰点自动检测原理,提出了一种自适应的模糊散度图像分割算法。该算法首先利用直方图指数平滑峰点自动检测原理,检测出直方图合理的波峰点和波谷点,并统计波峰的个数。然后利用检测到的波谷值初始化目标平均灰度等级搜索区间,利用波峰值初始化散度函数搜索区间,分类数由检测到的峰点个数来确定。实验结果表明,该方法更具有普遍性和适应性。     

一种非平稳卷积混合信号的自适应盲分离算法

基于多时延解相关准则并利用自然梯度原则推导出一种非平稳信号在卷积混合情况下的自适应盲分离算法，仅通过对有限个观测时延样本的相关矩阵进行Frobenius范教最小化运算得到分离矩阵，算法计算量低，可实现信号连续处理，适用于在线运算。仿真结果表明算法仅需较低的分离滤波器长度和少量的时延样本即可获得良好的分离性能。     

水声通信中多普勒频移补偿的仿真研究

在水声通信中，收发双方存在相对运动时产生的多普勒频移将严重恶化载波恢复和符号同步。因此多普勒频移补偿是水声通信的关键技术之一，并日益受到人们的重视。提出了一种全新的、适用于收发双方存在较大相对速度时的多普勒频移检测和补偿技术。同时对与之相关的模糊度函数法、数据帧插入信号的选取、信号采样率转换、插值因子的确定与插值等问题进行了研究，通过仿真试验对多普勒频移方法进行了验证，并对其性能进行了分析。     

基于LS-SVM的燃料电池控制建模的研究

由于直接甲醇燃料电池数学模型的复杂性难以满足工程上对DMFC控制系统的设计，提出一种基于最小二乘支持向量机建模算法，用具有RBF核函数的LS-SVM离线建立DMFC电堆的非线性模型；仿真和实验结果表明了该建模方法具有建模简单、模型精度高等优点，亦证明了该算法的有效性和优越性。研究结果对直接甲醇燃料电池控制系统的建模和控制具有一定的实用价值。     

基于C MEX S-函数永磁同步电机控制系统仿真建模研究

在分析永磁同步电机（PMSM）数学模型的基础上，利用C语言编写S-函数，提出了PMSM控制系统仿真建模的新方法。在Matlab／Simulink中，构造CMEX S-函数的三类简化结构，建立独立的功能模块，如PMSM本体模块、速度控制模块、电流滞环控制模块等，再进行功能模块的有机整合，搭建PMSM控制系统快速高效的仿真模型，为提高复杂系统模型的仿真速度、硬件控制器的设计与调试提供了新的思路。PMSM系统采用双闭环控制：速度环采用PI控制，电流环采用滞环电流控制。仿真结果证明了采用CMEX S-函数方式建模的快速性和有效性.