基于鲁棒控制Lyapunov函数的非线性自适应跟踪

研究了一类带有未知参数以及扰动的多输入非线性系统的自适应跟踪问题，利用控制Lyapunov方法设计出一种自适应控制器。该控制器对系统的参数和状态的不确定性具有鲁棒性，并且能保证系统闭环全局稳定。仿真结果表明，该控制方案具有良好的跟踪性能、鲁棒性及参数辨识能力。     

灰色广义预测控制系统的稳定性和鲁棒性研究

在文[1]中，针对贫信息，不确定性系统存在的不确定性，随机干扰以主系统特征参数随工作环境的变化而变化的特点，本文作者将具有广阔发展前景的灰色系统理论和广义预测控制理论结合起来，提出了一种新型的计算机控制策略；灰色广义预测控制算法（GGPC），在本文中，我们将应用IMC结构理论，对该算法的稳定性，鲁棒性进行一些初步探讨，并给出了一个生态学方面应用的例子，实例仿真结果表明：GGPC算法具有较强的干扰能力，有较好的鲁棒性以及自适应能力，通过调整参数，可以获得非常满意的动、静态性能。     

基于自适应滑模变结构的卫星天线指向伺服控制系统设计

将自适应滑模变结构方法应用于卫星天线跟踪指向控制伺服系统。电流环采用电压空间矢量脉宽调制技术驱动永磁同步伺服电机，位置环采用自适应滑模变结构控制，通过自适应方法调节控制器中等效输出控制量部分，以减小外部干扰和自身参数变化对系统的影响，提高伺服系统的鲁棒性。仿真结果表明伺服系统控制性能良好，输出稳定，具有较强的鲁棒性。     

基于混沌-神经网络模型最优控制及应用

由于非线性混沌时间序列内部确定的规律性，其重构相空间具有高精度短期预测性．为此，为了实现非线性、大时滞系统的自适应控制，文章根据具有混沌特性非线性、大时滞系统的时间序列重构相空问，计算相空间饱和嵌入维数、最大Lyapunov指数和系统的可预报尺度，并以此为指导，建立神经网络预测模型对系统作高精度的短期预测；在此基础上，通过反馈校正，将校正误差和控制增量引入性能函数寻优得最优控制决策，实现了对非线性、大时滞系统高精度的自适应预测控制．将该控制决策应用在锅炉过热汽温控制中，仿真表明该控制的有效性、快速性和鲁棒性．     

一种自适应CMAC神经网络控制器的设计与仿真

为了消除常规前馈型CMAC神经网络控制器的过学习和振荡现象，基于常规CMAC的基础上，提出了一种自适应CMAC神经网络的控制器结构。该控制器以系统动态误差和给定信号量作为CMAC的激励信号，并与自适应神经网络控制器相并联构成系统的复合控制。仿真实例表明，提出的自适应CMAC神经网络控制器具有良好的鲁棒性、抗干扰能力和自适应能力，是解决非线性和不确定性对象控制问题的一种简便有效的控制算法。     

基于混沌神经网络模型的预测控制器的设计及应用

根据具有混沌特性非线性、大时滞系统的时间序列重构相空间，计算相空间饱和嵌入维数、并以此为指导，建立混沌神经网络，即便在网络输入不完整或发生变异的情况下，该模型仍能对系统作高精度的短期预测；在此基础上，又设计了模糊神经网络预测控制器，实现了对非线性、大时滞系统高精度的自适应控制。将该控制器应用到单元机组负荷控制系统中，仿真表明了该控制有效性、快速性和鲁棒性。     

自适应灰色预测控制的稳定性与仿真研究

基于灰色预测和在线切换算法的研究,提出一种自适应灰色预测控制方法,该方法根据控制系统不同周期的输出误差值,自适应调整灰色预测控制器的预测步长,提高系统输出非平稳时间序列的光滑度,减少其随机性,以改进系统的暂态和稳态性能.并基于线性时不变对象,推导了该类自适应预测控制系统数学模型,给出其收敛的充分条件.最后,通过实例仿真分析证实了本方法控制精度高,鲁棒性强,具有良好的应用价值.     

神经网络自适应广义预测解耦控制器的设计

提出了一种神经网络补偿自适应广义预测解耦控制方案，即用神经网络逼近通道间的耦合、非线性及未建模动态，且采用了改进RLS辨识算法及用后能改善辨识效果，从而增进自适应控制的精度与鲁棒性，能解决参数不确定的非线性多变量耦合问题，给出了该算法的实现原理及步骤。理论分析和仿真结果表明，该方案是有效的。     

一种改进的自适应模糊滑模大包线飞行控制方法

提出了一种改进的自适应模糊滑模大包线飞行控制方法。该方法以经模拟退火粒子群算法优化的小波神经网络实现非线性模型的逆,能够更加细致地逼近非线性模型,并针对自适应控制的鲁棒性与瞬态性能差的缺点,将滑模控制与自适应控制相结合共同补偿逆误差,提高了自适应控制的鲁棒性与瞬态性。仿真结果表明:所设计的自适应模糊滑模大包线飞行控制器具有优良的控制性能。     

参数自整定2自由度PID全神经元实现的仿真研究

2自由度PID控制器参数整定是一个复杂而又困难的问题，本文采用全神经元方法实现了2自由度PID控制。通过权值自学习解决了参数自动整定这一难题，只要选择适当的神经元权值系数，就可以是系统的抗干扰能力和跟踪给定的能力同时达到最佳，并使系统具有自适应能力和较强的 鲁棒性。     

考虑鲁棒性成本的多模式双目标项目前摄性调度优化

研究多模式资源约束条件下的鲁棒性和成本双目标权衡问题,探讨如何在最低成本代价下最大程度地提升项目鲁棒性.首先界定研究问题,然后构建鲁棒值最大化、成本最小化的双目标调度优化模型,并将其转化为带有预算约束的单目标鲁棒值最大化子模型,针对模型设计迭代式遗传算法进行求解.随后,应用随机生成的标准算例集合进行大规模测试,对比结果...     

基于稀疏重构的TOA定位估计算法

目标在定位空间中具有稀疏特性,基于该特点提出了一种稀疏重构的时延定位算法;已有的来波到达时间(time-of-arrival, TOA)算法大部分只利用了单次TOA进行估计,其定位结果受噪声影响较大,因此进一步提出对多样本的到达时间进行联合估计,从而提高算法对噪声的稳健性,并提高算法的定位精度。与已有算法相比,所提算法的优点是定位精度更高,对噪声有更强的稳健性。仿真结果验证了所提算法的有效性。     

基于多重次渐消因子的强跟踪UKF姿态估计

针对应用于飞行器姿态确定中的乘性扩展卡尔曼滤波（multiplicative extended Kalman filter, MEKF）存在精度低、鲁棒性差的缺点,提出了一种基于多重次渐消因子的强跟踪无迹卡尔曼滤波（multiple fading factors strong tracking unscented Kalman filter, MSTUKF）算法。该滤波算法克服了单渐消因子对多变量跟踪能力差的局限性,通过引入两个多重次渐消因子对预测误差协方差阵进行调整,使得不同的滤波通道具有不同的调节能力,保证预测误差协方差阵的对称性,从而实现滤波算法强跟踪性。仿真结果表明,MSTUKF的滤波精度和鲁棒性均明显优于MEKF,能够更好地满足工程应用对精度和鲁棒性的要求。     

高精度飞行仿真转台的鲁棒自适应控制

针对高精度直流伺服系统,提出一种基于Lyapunov直接法的鲁棒模型参考自适应控制方法.在算法中,通过调节增益系数,以适应系统中参数的变化,通过引入鲁棒补偿项,实现对摩擦环节的补偿,使得在具有参数不确定性和未知非线性摩擦特性的情况下,跟踪误差渐进收敛于零.并以三轴转台为例,进行了数值仿真,其结果表明该方法的有效性和鲁棒性.     

二维GTD模型参数估计的PQ-FB-2D-ESPRIT算法

二维基于旋转不变技术信号参数估计(2D-estimating signal parameter via rotational invariance techniques, 2D-ESPRIT)算法是估计几何绕射理论(geometric theory of diffraction, GTD)模型参数的一种经典算法,但在信噪比较低的条件下, 2D-ESPRIT算法的参数估计精度明显下降,噪声鲁棒性较差。针对这一问题,提出一种极化平方前后向平滑2D-ESPRIT(polarized-quadratic-forward-backward 2D-ESPRIT, PQ-FB-2D-ESPRIT)算法,有效地提高了算法的噪声鲁棒性与参数估计性能。改进算法利用目标散射回波数据的极化信息,并通过对协方差矩阵平方处理和前后向空间平滑处理,提高了算法的参数估计性能与数据利用率,同时达到了去相关的效果。仿真结果表明,提出的PQ-FB-2D-ESPRIT算法的参数估计性能及噪声鲁棒性要优于经典2D-ESPRIT算法、前后向平滑2D-ESPRIT(forward-backward 2D-ESPRIT, FB-2D-ESPRIT)算法及平方FB-2D-ESPRIT(quadratic-FB-2D-ESPRIT, Q-FB-2D-ESPRIT)算法。基于不同算法估计得到的GTD模型参数对散射中心的定位精度进行比较,进一步验证了改进算法的优越性与有效性。     

开环和开闭环结合的机器人视觉伺服

为尽量减小视觉系统采样频率低对视觉伺服动态性能的影响,提出了视觉开环的机器人视觉系统,仅进行一次视觉采样,分析了系统的鲁棒性,并在二自由度机械手上进行了仿真实验研究,0.2秒就完成了调节过程;为进一步提高系统的鲁棒性和消除稳态误差,提出了开闭环结合的视觉伺服系统,仿真结果证明了该方法的有效性。     

性能优化的认知无线电网络安全路由选择算法

针对认知无线电网络可用频谱动态变化的特点和认知节点存在有意或无意丢包干扰问题,将跳数最少、鲁棒性强和路由安全等级高作为路由选择标准,提出了一种路由选择算法。跳数最少可简化数据传输过程;鲁棒性强可保证在可用频谱动态变化时,数据稳定传输,提高网络吞吐率;路由安全等级高可以减少由于转发节点存在的有意或无意干扰而引起的数据包丢失。给出了算法的具体实现步骤,理论分析和仿真实验表明该算法是高效和可行的。     

基于资源流网络优化的鲁棒性项目调度

针对项目执行过程中由于活动拖期导致基准调度计划不断变更的问题,从资源分配的角度构建基于资源流网络优化的鲁棒性调度计划。首先设计拖期惩罚成本指标来衡量调度计划的鲁棒性,并构建以拖期惩罚成本最小化为目标的资源流网络优化动态模型。针对该模型设计MTPC资源流网络优化算法,该算法以活动为基准,采用拖期惩罚成本最小的资源分配方案实现资源在活动节点之间的有效流动,提升调度计划的鲁棒性。最后,为验证MTPC优化算法的有效性和可行性,通过采用蒙特卡罗模拟仿真实验将MTPC优化算法与RRAS,Min-EA和MABO等3种资源分配算法进行对比分析。实验结果表明：MTPC算法在调度计划的鲁棒性,资源分配方案的稳定性以及算法的时间效率上都优于其他3种算法。MTPC算法不仅能快速有效地完成资源配置,还能通过降低活动的拖期风险提升调度计划的鲁棒性,这可以帮助项目管理者构建抗干扰能力较强的基准调度计划。     

考虑级联失效的C4ISR系统结构动态鲁棒性度量方法

在分析动态鲁棒性概念的基础上,提出了一种考虑级联失效的C⁴ISR系统结构动态鲁棒性度量方法,该方法结合不完全信息的攻击模型,设计了C⁴ISR系统结构级联失效的过程模型和动态鲁棒性值的计算方法,最后通过某一区域联合防空系统结构的案例对本文的动态鲁棒性度量方法进行仿真验证,仿真的结果证明了本文所提方法的有效性。     

基于进化计算的多目标鲁棒优化方法

工程应用中求解多目标优化问题时,所求的解既要具有较高的质量,又要满足指定的鲁棒性要求.对已有的多目标优化解的鲁棒性度量方法进行了分析,基于用户提出的严格鲁棒性要求,给出了一种严格鲁棒性度量方法并建立了求多目标鲁棒Pareto最优解的数学模型.模型归结为一个嵌套的双重优化过程,外层优化过程用于搜索高质量的解,内层优化过程用于测量候选解的鲁棒性度量指标.以进化计算作为搜索引擎,给出了实施模型的算法,仿真结果表明了方法是有效的.