一类隐含控制输入非线性系统的自适应控制

针对一类隐含控制输入的非线性系统,引用中值定理并利用径向基神经网络的逼近能力,提出了一种稳定自适应神经网络控制方案,以实现对一类隐含控制输入未确定非线性系统的控制。通过采用2个不同的鲁棒控制项,保证了系统中所有信号都是有界的,利用Lyapunov稳定性理论,证明了系统是稳定的,跟踪误差将收敛到零点的某个邻域内。仿真结果验证了该算法的有效性。     

一类非线性系统基于Backstepping的自适应稳定控制

针对一类未知高阶非线性系统，提出了一种基于Backstepping和神经网络的自适应稳定控制方法。利用RBF神经网络逼近未知非线性函数，不需要满足匹配条件，基于Backstepping方法调节网络权值。在控制律中引入非线性衰减项和σ-修正项保证了网络权值的稳定性，阻止了参数漂移。通过Lyapunov直接方法，证明了整个闭环系统的最终一致有界性。该方法扩展了自适应Backstepping和自适应NN控制的应用范围，适于并行计算，仿真结果表明了该算法的有效性。     

神经网络GPC在非线性三容水箱系统中的应用

从一个单输入单输出的非线性三容水箱实验过程出发，研究非线性控制问题，当前研究的目标是设计并实现一个基于神经网络广义预测控制的合适算法。仿真和对比的结果表明，对于此模型，神经网络广义预测控制优于神经网络直接逆控制，产者将应用在实际的三容水箱系统。     

一类非线性系统的无模型学习自适应控制

对于一类常见非线性离散系统，提出了其动态线性逼近的增量型模型、无模型自适应控制律和带有参数限定时域长度的参数自适应预报递推算法。实现了对时滞非线性系统的无模型学习自适应控制。通过仿真表明，该算法对于一类非线性系统实现无模型学习自适应控制是正确和有效的。     

一类大规模系统神经网络自适应控制方案设计

针对一类大规模非线性机械系统,如自动化高速公路汽车空位调节和连续搅拌反应釜等系统,设计了一套基于前向神经网络的分散自适应控制方案以实现对其有效控制．作为直接自适应控制器,神经网络被用于逼近未知函数,所设计的两个鲁棒控制项分别用于消除互连效应和干扰项．系统稳定性得到严格证明,通过仿真进一步验证了方案的有效性．     

基于CMAC和PID的非线性耦合系统解耦控制研究

为了实现多变量非线性耦合系统的解耦控制,提出了一种基于CMAC与PID的复杂关联自适应解耦控制策略,并给出了详细算法。该控制策略采用PID控制器和CMAC控制器共同构成一个复合控制器,多个复合控制器通过多输入多输出线性神经网络,实施对复杂非线性耦合对象的控制作用。由于神经网络的自适应特性,可使得耦合系统逼近参考模型,实现解耦控制。仿真结果表明,该控制策略实现了耦合系统的解耦控制,并且具有较强的抗干扰能力和鲁棒性。因此采用此控制策略能够实现多变量非线性耦合系统的解耦控制。     

采用一种新型神经网络的动态系统辨识与控制

目的研究动态系统的神经网络辨识与控制问题.方法为了减小网络的固有逼近误差,提出一种新型的神经网络模型,利用动态误差反馈来修正网络输入.结果得到了由新型网络和稳定滤波器构成的神经网络辨识模型及基于该网络模型的自适应控制方案.结论理论和仿真结果都证明了该神经网络模型能够有效地应用于一类非线性系统的控制.     

具有时变全状态约束的非线性随机切换系统的自适应神经网络控制

基于任意切换规则,以一类非线性不确定随机切换系统为研究对象,提出了一种具有时变全状态约束的自适应神经网络控制方案。在控制研究的过程中,采用神经网络对系统中的不确定项进行逼近处理。为了解决系统的约束问题,采用坐标变换技术,保证系统的所有状态均在约束界内,给出了闭环系统稳定性和收敛性的充分判据。最后的仿真实验表明所提出的控制策略能够达到较好的控制效果。本文所设计的控制策略大大提高了系统工作时的安全性。     

基于观测器的自适应神经网络Backstepping输出反馈控制

针对一类单输入单输出状态不可测非线性系统,提出一种自适应神经网络bakstepping输出反馈控制方法。首先,用神经网络逼近非线性函数,然后设计神经网络自适应观测器估计系统的状态。其次,在backstepping设计框架下,设计了自适应输出反馈控制器。最终,证明了所提出的自适应神经网络控制方法能够保证系统所有信号有界的同时,跟踪误差趋近于原点的一个小邻域内。仿真结果进一步验证了所提出方法的有效性。     

时滞离散非线性系统基于NN预测的准滑模控制

研究一类具有输入滞后的离散非线性系统的准滑模控制问题。根据滑模控制原理和神经网络的逼近能力,提出了一种基于神经网络预测的准滑模控制器设计方法,给出了神经网络预测器的自适应算法。通过理论分析和仿真结果,证明了神经网络预测器的自适应算法是收敛的,闭环准滑模控制系统是稳定的,跟踪误差可收敛到零的一个领域内。     

现代水轮发电机调速策略的发展

讨论了水轮机调速器PID控制、自适应控制和几种智能控制及非线性鲁棒控制的优缺点,指出了神经网络控制、模糊控制和PID控制相结合可以实现PID控制器参数的在线调整.针对经典的PID调节,利用改进遗传算法对参数进行了优化,实现PID参数快速调整.非线性鲁棒控制是针对水轮发电机组的非线性化模型设计的,可有效改善水电厂远距离输...     

基于神经网络的鲁棒自适应滑模迭代学习控制

对一类不确定非线性系统，包括不确定性机器人，提出一种自适应鲁棒迭代学习控制方案，学习控制用于学习周期性的系统不确定性，自适应滑模控制用于抑制非周期性系统不确定性，并且利用RBF神经网络自适应学习系统不确定性的未知上界，对不确定性系统动态和有界输入拢动具有鲁棒性，通过Lyapunov直接方法，确保了对每次迭代闭环系统是一致有界的，并且沿着迭代次数的增加，跟踪误差渐近收敛于零，仿真结果表明了该方案的有效性。     

基于PD方法的不确定机器人神经网络变结构控制

针对不确定机器人轨迹跟踪控制,提出基于PD方法自适应神经网络变结构控制律,利用RBF神经网络补偿系统参数不确定性,用滑模变结构控制器消除神经网络的逼近误差.仿真结果表明,该控制律能保证轨迹跟踪误差的快速收敛性及对参数不确定性和外部扰动的鲁棒性.     

基于小波神经网络的机械臂力/位置控制算法

基于小波神经网络,提出了一种新的受时变约束机器人力/位置控制算法。由系统约束关系推导了降阶的动力学模型,基于降阶模型设计了鲁棒小波神经网络力/位置控制算法。由Barbalat给出了系统的稳定性证明。数值仿真结果验证了本文控制算法的有效性。     

网络延时对网络控制系统的影响及其控制对策

随着网络控制系统理论及应用研究的不断进展，网络延时对网络控制系统的影响日益突出，它是恶化系统性能、导致信息不能准时到达、引起系统不稳定的重要因素．在对网络控制及其特点进行分析的基础上，研究了网络延时对网络控制系统的影响，并从减少网络延时的网络优化与调度策略、无模型智能控制策略、鲁棒控制策略等方面出发，对网络延时的控制对策进行了分析和探讨，为进一步有效地实施网络控制提供了可靠途径．     

网络延时对网络控制系统的影响及其控制对策

随着网络控制系统理论及应用研究的不断进展,网络延时对网络控制系统的影响日益突出,它是恶化系统性能、导致信息不能准时到达、引起系统不稳定的重要因素.在对网络控制及其特点进行分析的基础上,研究了网络延时对网络控制系统的影响,并从减少网络延时的网络优化与调度策略、无模型智能控制策略、鲁棒控制策略等方面出发,对网络延时的控制对策进行了分析和探讨,为进一步有效地实施网络控制提供了可靠途径.     

具有S-分布延时和脉冲控制的一类神经网络的鲁棒同步

具有脉冲的神经网络作为一种典型的混合系统在图像处理、模式识别、优化控制等实际工程中有广泛的应用。在这些应用中,要求神经网络具有鲁棒同步性质。因此,神经网络的鲁棒同步性研究受到许多学者的关注。本文将不确定非线性耦合函数引进到一般类神经网络中,通过构造适当的Lyapunov函数和运用一些不等式分析技术,研究了具有S-分布延时和脉冲控制的神经网络的鲁棒同步性质,得到了保证网络具有一般脉冲鲁棒同步的一个实用条件。     

基于神经网络的机械手鲁棒输出跟踪控制

针对一类参数未知的机械手输出跟踪鲁棒控制问题，应用输入／输出反馈线性化方法和Lyapunov稳定理论，提出了一种基于神经网络建模的机械手输出跟踪自适应鲁棒控制器，采用三层前向神经网络来逼近未知非线性函数，网络的权值依据Lyapunov稳定性进行实时修正，保证了相应闭环系统的稳定性，所提出的控制器保证了跟踪误差及相应闭环系统的状态－致最终有界，且不需预知不确定性的上界，以两自由度移动关节刚性机械手的跟踪控制问题的为例进行了仿真，结果表明所提出方法是行之有效的。     

用于DC/DC变换器的非线性控制策略综述

介绍了包括非线性PID控制、变结构控制、神经网络鲁棒控制和混沌控制等非线性控制策略在DC/DC变换器中应用,以及各种控制方法的现状和发展动态.