一种多变量自适应解耦控制器的鲁棒性与暂态性分析

提出了一种新型的开环自适应解耦控制器。该控制算法将简化解耦原理应用于自适应系统，可实现静态解耦和动态近似解耦，给出了当系统存在有界扰动、未建模动态和解耦残差时的鲁棒性分析。利用动态补偿和按区域极点配置两种方法，得到了可以提高鲁棒解耦算法暂态性的一些初步结果。     

自适应遗传算法优化模糊小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络（ＦｕｚｚｙＣＭＡＣ）的隶属函数．提出一个自适应ＧＡ优化算法，并且以优化模糊小脑模型ＦｕｚｙＣＭＡＣ学习正弦曲线．仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级、比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级．自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习速度比普通ＧＡ优化的速度快且进化过程的振荡明显减小，仿真证明该方法比普通ＧＡ优化方法稳定，收敛效果好．     

神经网络自适应模糊控制器设计与应用

把神经网与模糊系统相结合，提出一种基于神经网络的自适应模糊控制器，这种控制系统由模糊神经网络控制器和模糊网络组成，具有自适应学习能力，仿真结果以及应用于温度控制系统中，其鲁棒性明显优于一般Ｆｕｚｚｙ控制。     

具有前馈环节的电弧炉电极升降自适应控制器

针对炼钢电弧炉电极调节系统的参数时变及三相间相互影响等特点，设计出一种简单且有效的电极调节控制方案。该控制方案通过引入前馈控制环节来减小三相电极间的相互影响，并在线通过累计实际输入炉内的能量值来间接地估算电弧放大系数，从而校正控制器参数。     

利用富里叶变换实现电力系统频率的测量

根据富里叶变换从受到干扰污染的输入信号中出取基波电压分量，利用电压相角的变化来测量系统频率，该方法具有很强抗干扰能力，计算简单快速，测量范围大和便于实现，通过自适应调整采样间隔，使测量频率的精度得很大提高。     

类似CMAC的模糊神经网络及其在控制中的应用

提出的一种模糊神经元网络是模糊逻辑的一种网络结构的实现。该网络由特征网络 和功能网络两部分组成。特征网络用来产生模糊规则的前件，相应于每条规则的适用度。功能 网络用来实现模糊规则的后件。最后的输出则为各模糊规则后件的加权和。该网络具有小脑模 型关节控制器（ＣＭＡＣ）的一些性质，具有神经元网络和模糊逻辑两者的优点。它既可以容易地 表示模糊和定性的知识，又具有较好的学习能力。文章同时给出了网络在控制中应用的两种实 现结构以及用作非线性映射的一个算例。     

非线性信道判决反馈递归神经网络自适应均衡器

针对存在严重符号间串扰及轻度非线性畸变的数字信道，提出了一种判决反馈递归神经网络为均衡器，它将传统的线性信道判决反馈结构巧妙地融入递归神经中，在自适应训练时用期待２信号代替判决反馈信号。     

自适应神经网络智能控制研究

本文提出用神经网络实现自适应智能控制，具有算法及结构简单的特点，在实际控制中有一定适用性     

基于神经网络的自适应控制器的研究

本文研究了神经网络控制未知动态系统的可行性，提出了几种自适应控制结构，并研究了在不同条件下各种结构的性能变化，给出了不同条件下的仿真结果及一些结果分析。图１３，参４．     

基于自校正与线性跟踪的自适应控制系统

提出一种新的自适应控制方法──基于自校正与线性跟踪的自适应控制．从系统的输入／输出完全跟踪的目标出发，根据对象的动态模型，导出自适应控制器的调节模型．对象模型的参数，采用速推最小二乘法在线估计．仿真结果表明，本系统具有对象参数变化的自适应能力．这种控制系统比较适用于被控制参数变化较慢的生产过程．