基于核岭回归的非线性系统辨识及其应用

利用满足Mercer条件的核函数改进线性岭回归算法,提出一种新的直接优化的非线性核岭回归算法.与SVM算法相比,该方法的特点是通过对二次损失函数的优化计算,简化了不确定参数的数量,而且由于采用直接优化计算,能有效减少建模的时间,提高计算效率.仿真实验结果和对航煤干点的软测量应用结果都验证了该算法的有效性.     

时变时滞系统的灰色预测非线性PID控制

针对时变时滞过程提出一种新的控制结构.在此控制结构中,利用遗传算法自动跟踪系统的时滞变化,由灰色预测模型根据辨识的时滞提前预测出系统的输出,而系统的预测输出与输入的偏差以及偏差变化率为非线性PID控制器的输入.仿真结果验证了这种结构能很好地满足时变时滞系统的快速动态响应和稳定性要求.     

一种基于奇异值分解的非线性滤波新算法

提出一种基于奇异值分解的无导数卡尔曼非线性滤波新算法对UKF算法进行改进.该算法利用奇异值分解作为工具,将原算法中的协方差矩阵进行奇异值分解,可以在一定程度上避免在递推过程中,由于计算误差和舍入误差而引起的协方差矩阵失去正定性,从而导致算法失效的问题.在不降低滤波精度,不增加算法复杂度的前提下,新算法具有很好的数值稳定性.实例仿真结果验证了本方法的有效性.     

基于KLD采样的自适应UPF非线性状态估计方法

针对标准UPF算法存在的计算量大、实时性差的问题,设计了一种利用KLD采样在线实时改变粒子个数的自适应UPF算法.该算法的核心思想是利用KLD采样原理,根据预测粒子在状态空间中的分布情况来在线实时的确定下一次滤波迭代所需的粒子个数,减少对滤波算法没有帮助的粒子,仅保留保证滤波估计精度所需的最少粒子个数,从而有效减小算法的运算量,提高算法的实时处理能力.最后,将自适应UPF算法与粒子滤波、标准UPF算法进行了仿真比较,仿真结果表明在保持高精度估计能力的同时,自适应UPF算法比标准UPF算法具有更好的实时性,是解决非线性非高斯系统状态估计问题的一种有效方法.     

磨矿分级过程多模型智能控制研究

提出了一种非线性多模型控制算法,在若干平衡点附近首先建立多个子模型及相应的控制器,再通过在线计算模型匹配度来适应模型参数的变化,被控对象的最终输入是各控制器输出的加权和.将其应用于磨矿分级非线性系统的控制研究,仿真结果表明,所提算法极大地改善磨矿分级系统的动态响应,并增强了系统的鲁棒性.     

一类非线性切换系统观测器设计的新方法

针对一类切换规则为时间依赖型的Lipschitz非线性切换系统,采用驻留时间方法研究了状态观测器设计问题.该切换系统同时含有可观测子系统与不可观测子系统,通过构造合适的Lyapunov函数,并利用矩阵不等式技术得到了保证状态观测器状态估计误差收敛的条件.并给出了观测器设计步骤.进一步,通过矩阵变换将观测器增益求解转化为LMI形式.最后给出了仿真算例说明了该设计方法的有效性.     

Tracking controller for robot manipulators via composite nonlinear feedback law

A composite nonlinear feedback tracking controller for motion control of robot manipulators is de-scribed. The structure of the controller is composed of a composite nonlinear feedback law plus full robot nonlinear dynamics compensation. The stability is carried out in the presence of friction. The controller takes advantage of varying damping ratios induced by the composite nonlinear feedback control, so the transient performance of the closed-loop is remarkably improved. Simulation results demonstrate the feasibility of the proposed method.     

论复杂性的基本根源——从系统科学的角度

从复杂性的一般性特征描述中分析出复杂性的产生根源：系统中多个子系统数目、子系统间的非线性相互作用、系统的进化机制、系统处于混沌的边缘、层级结构、自组织机制、适应性以及人类认识能力的局限性等。同时说明这些因素之间联系非常密切并不是彼此孤立的。     

基于综合非线性控制方法的飞行控制律研究

应用神经网络控制与动态非线性阻尼控制综合的非线性控制方法对飞行控制律进行了研究.首先使用反馈线性化方法作为基础控制律实现飞机的非线性控制,然后使用神经网络控制与动态非线性阻尼控制综合的控制方法进行补偿,以提高非线性飞控系统的鲁棒性.在以某型推力矢量飞机为对象的仿真中,当出现舵面损伤及一类舵机故障时,这种方法显示出很强的补偿能力.     

一类非线性非最小相位系统的神经网络逆控制

基于对象的逆动力学模型,提出一种RBF神经网络逆控制的在线自学习控制方案.辨识器采用RBF神经网络和最近邻聚类学习算法,实现对象逆模型的动态辨识.并引入优化策略对聚类半径进行自动调整,以保证聚类的合理性.为克服逆控制对非最小相位系统的不足,利用构造铸系统的方法,构成一种对非最小相位系统仍然有效的神经网络逆控制器.仿真实验证明该控制策略不仅能使非线性非最小相位系统具有良好的动态跟踪性能,而且具有较好的抗干扰能力.