利用虚拟目标值的预见控制设计(英文)

研究了预见跟踪控制问题,即控制器可利用过去、现在和未来的信息来决定所施加控制量的大小．通常的作法是通过把未来预见信息加入控制量中来实现的．提出了一种不同的作法：利用未来目标值及系统的当前状态产生一个虚拟目标值,让系统转而去跟踪这个已被事先处理过的目标值信号,从而提高了系统的控制精度同时减少了控制所需的能量．数值仿真表明了这种方法的优越性．     

多层前馈神经网络的动态规划算法

利用动态规划来训练多层前馈网络，即逐层修改网络的权值。其算法采用有关文献提出的矩阵的广义逆的正交反向传播算法，经有限次迭代即可得到每一层的最优权值。     

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。     

双线性系统随机多输入间接自适应前馈控制器及其应用

本文针对随机双线性多输入系统，提出了一种适用于具有多种扰动对象的随机多输入间接自适应前馈控制器，其特卢、是通过引入改进的广义最小方差最优控制律来克服双线性对系统的影响，该控制器采用间接算法实现，并适用于延时未知系统。它不仅具有渐近最优的控制的效果，可以对可测干扰实行有效的动静态补偿，消除稳态跟踪误差，使随机干扰对系统的影响最小，而且即使用于不稳定和（或）逆不稳定系统也具有全局收敛特性。文中还介绍了如何应用该控制器来实现多变量系统的随机间接自适应解耦控制。     

前馈神经网络复值盲均衡算法的研究

提出了一种新的前馈神经网络(N-FNN)复值盲均衡算法。新算法改变了传统均衡技术大量发送训练序列而降低系统传输的有效信息率,有效地消除码间干扰,提高了通信质量。笔者设计出新的传递函数和代价函数,利用最陡梯度下降法推导出输出层和隐层单元权值的迭代公式。通过对QAM信号进行计算机仿真,笔者提出的新算法与同类算法相比,具有均方误差收敛速度加快、误码率降低、稳态剩余误差减小等优点     

Feedforward and feedback optimal control for linear time-varying systems with persistent disturbances

1 .INTRODUCTIONIn nature ,there are various external disturbancesaffecting the performances of systems . Many con-trol problemsinvolve designing a controller capableof stabilizing a given linear system while mini mi-zing the worst-case response to some additive dis-turbances . This problemis relevant to disturbancerejection and cancellation. One application area ofinterest is flight control through wind shear ,where disturbances arise from a modal for windshear based on harmonic oscillati…     

Neural network structure identification in inflation forecasting

Neural networks (NNs) are appropriate to use in time series analysis under conditions of unfulfilled assumptions, i.e., non‐normality and nonlinearity. The aim of this paper is to propose means of addressing identified shortcomings with the objective of identifying the NN structure for inflation forecasting. The research is based on a theoretical model that includes the characteristics of demand‐pull and cost‐push inflation; i.e., it uses the labor market, financial and external factors, and lagged inflation variables. It is conducted at the aggregate level of euro area countries from January 1999 to January 2017. Based on the estimated 90 feedforward NNs (FNNs) and 450 Jordan NNs (JNNs), which differ in variable parameters (number of iterations, learning rate, initial weight value intervals, number of hidden neurons, and weight value of the context unit), the mean square error (MSE), and the Akaike Information Criterion (AIC) are calculated for two periods: in‐the‐sample and out‐of‐sample. Ranking NNs simultaneously on both periods according to either MSE or AIC does not lead to the selection of the ‘best’ NN because the optimal NN in‐the‐sample, based on MSE and/or AIC criteria, often has high out‐of‐sample values of both indicators. To achieve the best compromise solution, i.e., to select an optimal NN, the preference ranking organization method for enrichment of evaluations (PROMETHEE) is used. Comparing the optimal FNN and JNN, i.e., FNN(4,5,1) and JNN(4,3,1), it is concluded that under approximately equal conditions, fewer hidden layer neurons are required in JNN than in FNN, confirming that JNN is parsimonious compared to FNN. Moreover, JNN has a better forecasting performance than FNN.     

PMSM伺服控制的数字电流环研究

研究了永磁同步电动机（ＰＭＳＭ）伺服系统的一种新型数字电流环方案，该方案采用了规则采样法生成ＰＷＭ波的比例型电流调节器，提出用前馈补偿和变电流环增益技术才能提高电流调节性能，给出了数字仿真和实验结果。     

前向神经元网络的子波表示

基于函数逼近，对前向神经元网络中非线函数与子波变换中母函数的关系进行了分析，推出了前向神经元网络的子波表示，指出两种方法应用于Ｌ＾２（Ｒ）空间函数逼近时是一致性，最后给出了两个前向神经元网络的子波表示，函数逼近实例验证了本结论的正确性。     

线性离散系统的最优预见控制

该文对线性离散系统的最优预见控制方法进行了研究。这种方法在二次型性能指标中综合考虑跟踪误差和控制量的变化 ,在设计反馈控制器的基础上 ,利用已知的未来目标值及未来干扰信号设计前馈补偿器 ,进一步改善了系统的性能。该文讨论了最优预见控制设计方法的关键技术 ,即预见步数的选取问题 ,推导了预见步数与性能指标函数值之间的关系 ,并给出了预见步数的选取方法。