Wiener型非线性系统的La-RBF组合模型预测控制

针对Wiener型非线性系统,本文提出了一种基于Laguerre函数模型与RBF神经网络模型的组合模型的预测控制策略,研究结果表明该组合模型兼具两者的优点,适用范围广,对系统变时延,变阶次及变非线性都具有良好的控制效构     

一般严格反馈型非线性系统的自适应控制

研究一般严格反馈型非线性系统的控制问题．假设系统的对象模型、状态均未知,只有输出是可测的．应用自适应模糊神经推断系统辨识对象模型,状态观测器设计为Luenberger型,控制器由反步控制、变结构控制和3层神经网络直接控制综合而成．理论分析和仿真研究都说明此方案能够有效地控制只有输出可测的一般严格反馈型非线性系统．     

基于T-S模型的Chua混沌系统模糊变结构控制

针对Chua混沌系统这一复杂的非线性系统给出一种基于T-S模型的模糊变结构控制律设计。首先采用T-S模糊动态模型描述非线性系统,得到混沌系统的全局模糊模型;然后采用Lyapunov稳定性理论设计出确保模糊动态模型全局渐近稳定的变结构控制器,将模糊控制与成熟的线性变结构控制相结合,来解决非线性系统控制问题。仿真验证了方案的有效性。模糊控制器简单,规则少。     

一类非线性系统的模糊变结构控制

研究了一类非线性系统的模糊变结构控制问题，并给出了稳定性证明。通过将非线性系统化为多个精确T—S模型来建立非线性系统精确的T—S模糊模型，将模糊理论与成熟的线性变结构控制理论相结合设计一种模糊变结构控制器，用Lyapunov稳定性理论证明该控制器能确保模糊动态模型全局渐近稳定，从而使非线性系统稳定。仿真结果表明了该设计方法的有效性。     

空间零重力地面模拟系统的滑模变结构控制

针对做复杂运动的飞行器地面微重力试验环境模拟困难的问题,设计了一种新的空间微重力地面模拟系统.该系统采用剪式传动、轴承导向、电机驱动和气悬浮的组合方式来实现复杂运动微重力环境的模拟,通过力反馈控制方式来实时抵消目标的重力.首先建立系统动力学模型,考虑到试验目标本体等非线性驱动及模型本身的不确定及摩擦干扰,该控制策略采用滑模变结构控制来补偿非线性因素的影响,滑模面采用积分型切换函数从而降低了抖振,保证了系统的鲁棒性.实验结果表明,该地面试验装置对于三维空间微重力模拟能达到较高精度,且控制方法简单,易于实现,具有很高的工程应用价值.     

基于MFLNN的变参数非线性系统辨识

函数型连接神经网络的网络结构简单，计算复杂度低。该文提出了一种外积扩展型连接神经网络（MFLNN），用于辨识变参数非线性系统，仿真结果表明，MFLNN实现了变参数非线性系统的辨识，效果显著。     

水下涡轮机转子-滚动轴承非线性振动仿真

在考虑支承滚动轴承内部间隙、轴承非线性Hertz接触刚度及转子不平衡量的基础上,建立了水下涡轮机刚性水平转子系统的动力学模型;采用变步长的Rouge-Kutta-Felhberg方法对系统动力学模型进行了数值仿真,基于混沌与分岔理论分析了系统的非线性振动;研究表明,转速较低时,系统的响应以VC周期振动为主;提高转速,系统在旋转频率、VC频率的组合激励下,表现出拟周期振动;继续提高转速时,系统经历阵发性分岔进入混沌状态;研究结论对水下涡轮机系统设计具有重要意义。     

基于变权组合的突发事件网络舆情趋势预测

分析预测突发事件网络舆情的发展趋势,及时发现舆情传播过程中的潜在危机,对稳定社会发展具有重要意义.在利用Logistic曲线模型和BP神经网络构建单项预测模型的基础上,从非线性规划角度,基于误差平方和最小原则构建了变权组合预测模型,并以3起突发事件为例进行实证分析.实验结果表明,文中构建的变权组合预测模型能够较好地解决舆情的拟合预测问题,且精度更高,验证了变权组合模型的有效性和可行性.     

基于变权组合的突发事件网络舆情趋势预测

分析预测突发事件网络舆情的发展趋势,及时发现舆情传播过程中的潜在危机,对稳定社会发展具有重要意义.在利用Logistic曲线模型和BP神经网络构建单项预测模型的基础上,从非线性规划角度,基于误差平方和最小原则构建了变权组合预测模型,并以3起突发事件为例进行实证分析.实验结果表明,文中构建的变权组合预测模型能够较好地解决舆情的拟合预测问题,且精度更高,验证了变权组合模型的有效性和可行性.     

非线性相似组合大系统最优控制的逐次逼近过程

研究一类仿射非线性相似组合大系统关于二次型性能指标的最优控制问题．首先通过模型简化,将非线性相似组合大系统化为若干个准解耦的子系统;然后利用非线性系统最优控制的逐次逼近设计方法,将求解高阶强耦合的非线性两点边值问题简化为求解一族解耦的线性两点边值问题序列．该线性两点边值问题序列的解一致收敛于非线性相似组合大系统的最优控制,得到的最优控制律由线性最优控制的解析项与非线性补偿序列的极限项组成．通过截取最优控制非线性补偿序列的有限次逼近值．得到了非线性组合大系统的次优控制律．     

一类非线性相似大系统的鲁棒变结构跟踪控制

利用分析法,几何方法并与变结构理论相结合,对于由结构相同的指数最小相位系统互联而成的非线性相似组合大系统,设计了一种变结构鲁棒控制器,给出了其输出跟踪问题可解的充分条件。     

稳定分布噪声下非线性PAR系统辨识新方法

描述了稳定分布的谱表示,提出了共变谱密度的概念,得到一种基于自共变序列与共变谱的稳定分布白噪声与有色噪声的概念及其判断标准,对传统意义上的白噪声进行了广义化,依据多项式自回归（PAR）系统模型,对基于稳定白噪声输入的系统输出非线性稳定有色噪声建立其非线性PAR模型,提出基于最小P范数的EIRLP算法对非线性PAR系统进行辨识。模拟和分析表明,这种算法是一种在高斯和分数低阶 稳定分布噪声条件下具有良好韧性的非线性系统辨识方法,是对传统的二阶统计量基础上的系统辨识方法的改造与推广。     

一类对称非线性系统的约束自校正控制器

针对MIMO随机广义Hammerstein模型,从实际工程对象的物理意义出发,分析了其不能描述＂对称非线性系统＂的问题。在模型中加入控制输入的符号函数,提出一可描述＂对称非线性系统＂的MIMO随机广义Hammerstein模型。在目标函数中加入控制输入的高次项和其符号函数提出一超二次型目标函数。对控制输入加入饱和限幅限制,给出了改进的MIMO随机广义Hammerstein模型的约束自校正控制器算法,适用于开环不稳定的＂非最小相位＂系统。提出一控制策略使算法无稳态偏差,且控制输入收敛于以原点为中心的变化域内。采用约束最优化的投影梯度法和无约束最优化的变尺度算法对目标函数寻优,证明了可行域内所有点均可作为投影梯度算法的初始可行点,并证明了线性不等式约束的任意紧约束组合时其可行域即为正则域。仿真研究表明了上述研究的合理性和有效性。     

电力需求的非线性回归组合神经网络预测研究

电力需求同时具有典型的增长性和季节波动性二重趋势,从而显示出复杂的非线性组合特征。为了提高电力需求的预测精度,提出一种新的预测模型——非线性回归组合神经网络模型。该模型有效兼顾了非线性回归分析和人工神经网络的优点,与其他预测模型进行了比较,该模型明显提高了电力需求预测的精度。仿真实验表明了该模型用于电力需求预测的可行性和有效性。同时,该模型也可以作为其他类似季节型时间序列预测建模的有效工具。     

变焦遗传算法优化变增益模糊ARX模型研究

针对传统ARX模型对非线性系统模型辨识精度比较低的问题,进行了模糊模型和ARX模型相关优化算法的调查,介绍了遗传算法优化模糊模型的现状,提出采用改进变焦遗传算法优化变增益模糊ARX模型参数的方法以提高模型的辨识精度。改进的变焦遗传算法能在不同前代种群情况下更新不同数量基因,以提高搜索速度;用不同的概率选择交叉位置,可避免早熟现象,并能在较短时间内达到最优或次优解。变增益模糊ARX模型可根据非线性系统的变化改变其增益,使模型的辨识精度提高。利用改进变焦遗传算法的优点,对变增益模糊ARX模型的参数进行优化,并通过两入两出多时滞离散非线性系统进行试验仿真。试验结果证明了改进变焦遗传算法优化变增益模糊ARX模型参数的方法能提高模型辨识精度,表明了提出的优化方法的有效性,为变焦遗传算法与模糊模型的结合提供了一种途径。     

基于一致性的分布式变结构多模型方法

本文针对由雷达与红外组成的分布式传感器网络, 研究基于一致性的分布式变结构多模型方法(Distributed variable structure multiple model, DVSMM). 首先,使用无迹信息滤波(Unscented information filter, UIF)解决系统非线性的问题, 然后,将变结构交互式多模型(Variable structure interacting multiple model, VSMM)方法进行改进, 提出一类可应用于分布式状态估计的分布式变结构多模型DVSMM方法. 仿真实验结果验证了该方法的有效性.     

一种模糊滑模变结构控制方案及其在混沌系统控制中的应用

采用模糊动态模型逼近非线性系统，将非线性 系统模糊化为局部线性模型．用Lyapunov稳定性理论设计出确保模糊动态模型全局渐近稳 定的变结构控制器．应用到两类混沌系统的稳定控制中，验证了方案的有效性．模糊控制器 简单，规则少．     

未知状态模型下基于高阶容积卡尔曼滤波和神经网络的状态估计算法

针对非线性系统状态模型未知的情形,提出一种基于高阶容积卡尔曼滤波和神经网络的状态估计算法,解决了未知非线性系统模型的状态估计问题。在算法的实现过程中,首先利用神经网络对非线性系统建立状态空间模型,然后把神经网络的权重和系统的状态变量组合在一起作为新的状态变量,并采用高阶容积卡尔曼滤波对新的状态进行实时更新,从而达到神经网络对非线性系统模型的真实逼近以及对状态值的精确估计。最后的目标跟踪仿真表明,该算法具有更高的估计精度。     

一类不确定非线性系统的变结构鲁棒控制及应用

针对一类具有不确定性的非线性系统，在假定系统模型不确定性界已知的情况下，提出一个变结构鲁棒控制算法。以船舶减摇鳍非线性控制系统为例，进行变结构鲁棒自适应控制器的设计，经仿真研究表明，它可以使控制系统具有较强的鲁棒性。     

基于速度模型的改进内模控制算法

对非线性动态系统采用速度线性化方法建立全局的线性模型,速度模型的线性参变(LPV)系统由输入和输出的信息来描述,而稳态信息由偏差来表示.针对速度模型的内模控制(IMC)不能有效消除线性参变模型稳态误差的问题,提出了一种改进结构的内模控制器,以实现零稳态误差.此方法可应用于具有强非线性pH值的中和过程,仿真结果表明该方法的有效性.