KX容错观测器

本文提出了多输出系统KX观测器的一种新的设计方法.当多输出系统的某些输出测量 值不可靠时,得到的KX观测器仍能渐近重构原系统的部分状态信息,一旦那些不可靠的输 出恢复正常时,该观测器又能渐近重构原系统的所有状态的信息.     

一种具有高阶无静差特性的内模控制器

本文在内模控制的基础上提出了一种易于实现高阶无静差的控制结构，并对其鲁棒稳定性及无静差跟踪性能进行了理论研究，基于MATLAB的仿真表明：双口控制结构可实现对高速度，高加速度指令信号的高精度跟踪。     

复杂模糊分类系统的协同进化设计方法

提出一种基于协同进化算法的复杂模糊分类系统的设计方法．该方法由以下3步组成:1)利用Simba算法进行特征变量选择;2)采用模糊聚类算法辨识初始的模糊模型;3)利用协同进化算法对所获得的初始模糊模型进行结构和参数的优化．协同进化算法由三类种群组成;规则数种群,规则前件种群和隶属函数种群;其适应度函数同时考虑模型的精确性和解释性,采用三类种群合作计算的策略．利用该方法对多个典型问题进行分类,仿真结果验证了方法的有效性．     

网络控制系统中动态调度策略与控制器的综合设计

针对CAN网下的网络控制系统（NCS），提出一种动态闭环调度策略．通过网络监测器周期地在线获取当前的网络服务质量，估计当前可利用的网络带宽等参数，实时地调整控制系统的采样周期以适应网络中信息流的变化。将采用动态闭环调度策略的变采样周期NCS建模为一类具有参数不确定性的离散系统，研究了系统的鲁棒稳定性和控制器的设计方法．仿真结果表明所提出的综合设计方法对改善网络的运行能力和保证系统稳定性是有效的。     

基于聚类和遗传算法的解释性模糊模型设计

提出了一种基于模糊聚类和遗传算法构建解释性模糊模型的设计方法。定义了模糊模型的精确性指标，给出了模糊模型解释性的必要条件。然后利用模糊聚类算法和最小二乘法辨识初始的模糊模型；采用多目标遗传算法优化模糊模型；为提高模型的解释性，在遗传算法中利用基于相似性的模糊集合和模糊规则的简化方法对模型进行约简。采用该方法对Mackey-Glass系统进行建模，仿真结果验证了该方法的有效性。     

基于聚类和SVD算法的解释性模糊建模方法

提出了一种基于减法聚类算法构造解释性模糊模型的方法。首先指出模糊模型解释性的重要地位,分析影响解释性的主要因素;然后利用减法聚类算法辨识初始模糊模型,SVD算法和集合非冗余度约简初始模糊模型,从而提高其解释性;最后采用约束优化算法整体优化模型,提高其精度。PH值中和过程的模糊建模验证了该方法的有效性。     

网络控制系统反馈调度器的设计

本文提出一种基于反馈机理的网络控制系统动态调度器的设计方法.首先利用网络监测器在线获取当前的网络带宽和网络传输误差,预测下一监测器采样周期内可利用的网络带宽.然后利用网络带宽预测值和网络传输误差确定各控制回路采样周期的调节规律,并给出反馈调度器的可调度性约束.当数据包传输发生冲突时,采用MEF(Maximum Error First)作为辅助调度策略,确定数据包的发送优先级.最后通过一组仿真结果验证了所设计的反馈调度器的有效性.     

一类不确定非完整机器人的不连续自适应镇定

通过对一类质心和几何中心不重合的两轮驱动移动机器人镇定问题的研究,提出一种不连续控制律,并针对质心和几何中心距离参数未知的情况,利用自适应技术对其进行修正,利用非线性系统反馈线性化的方法,证明了所提出的控制律,能使该类型移动机器人的位姿从任意θ0≠0的初始状态指数收敛到原点.利用仿真实验验证了控制律的有效性.     

时延网络控制系统的稳定性

针对网络控制系统中存在的不确定时延 ,首先讨论了系统的建模问题 .系统中传感器采用时间驱动 ,执行器与控制器采用事件驱动 ,传感器的数据采用单包传输 .假设传输时延小于采样周期 ,网络控制系统可以建模为一类具有不确定性的线性离散时延系统 .利用Lyapunov方法 ,给出了闭环系统渐近稳定的充分条件 ,基于相应的线性矩阵不等式可行解 ,可以求解状态反馈控制律 .最后 ,用仿真例子验证了该方法的有效性     

基于Fuzzy预测器的非线性网络控制系统的时延补偿

网络控制系统中时延是影响控制性能的一个主要因素，本文提出了一种基于Fuzzy预测器的非线性网络控制系统的时延补偿方法。首先通过输入输出缓冲使时延固定，然后以对象的数学模型为基础对时延进行预测，通过Fuzzy控制器、观测器和预测器得到经过时延补偿后的控制量，最后采用分离性定理证明了基于模糊观测器、预测器及控制器设计的闭环控制系统的稳定性。仿真结果验证了算法的有效性。