一步乙醇燃烧法合成C-CeO_2超级电容器电极材料

通过硝酸铈的乙醇溶液燃烧一步合成了含有微量碳的二氧化铈纳米材料(C-CeO_2)。电化学测试结果表明,C-CeO_2纳米材料在1 A/g电流密度时的比电容为125 F/g,是相同条件下纯CeO_2纳米材料比电容(55 F/g)的2.3倍。另外,C-CeO_2纳米材料在循环充放电测试1 000次后的比电容保持率高达83%。     

输入限幅下的迭代学习控制

基于Ｌｙａｐｕｎｏｖ－ｌｉｋｅ方法,提出在有限作业区间上实现跟踪的带限幅的迭代学习控制器设 计．针对含有非参数化及部分参数化不确定性的非线性系统,设计鲁棒迭代学习控制器,但该方法 不要求已知不确定特性的范数界．针对参数化不确定非线性系统,设计自适应迭代学习控制器．在 系统满足有界输入有界状态（ＢＩＢＳ）假设条件及控制输入饱和限幅作用下,统一对上述三类系统进 行分析．理论分析结果表明：该方案可保证闭环系统中所有变量的有界性,并且跟踪误差能够在整 个作业区间上收敛到零,实现完全跟踪．仿真验证了该算法的有效性．     

无刷直流电动机的动态边界层鲁棒控制

非线性鲁棒控制技术适用于像无刷直流电动机这样的快速运动对象的控制,在提高控制精度的同时,会引发系统颤振.设计了一种具有动态边界层的非线性鲁棒控制器,分析了闭环系统的控制性能.在控制器作用下,被控系统可以较好地跟踪速度参考输入信号.不仅速度跟踪误差最终能够收敛到边界层内,而且在消除颤振现象的同时,通过减小边界层宽度提高控制精度.仿真结果验证了所提出的控制方法的有效性.     

非线性系统高阶迭学习算法

结合迭代学习控制算法中的开环和闭环方案，本文针对更一般的非线性系统，讨论高阶算法的广泛适用性。理论和仿真结构表明了高阶算法的输出跟踪和干扰抑制方面的有效性。     

概率指标的命中控制问题

本文研究了一种以命中概率为指标的随机最优控制模型。给出了该模型的动态规划方程.在一些条件下,证明了最优控制律为一非律性方程组的解。     

非线性离散时间系统迭代学习控制的稳定性分析

讨论了初始偏移对于非线性离散时间系统迭代学习控制性能的影响.提出描述选择 学习控制算法的学习律,并给出保证系统稳定性的充分条件.     

一类Wiener非线性时变系统的迭代学习辨识

针对Wiener非线性时变系统的参数辨识问题,该文提出一种基于重复轴的迭代学习算法来实现对时变甚至突变参数的估计.文中将维纳系统输出非线性部分的反函数进行多项式展开,进而构造了回归模型,未知参数及中间变量用其估计替代,分别给出了采用迭代学习梯度算法和迭代学习最小二乘算法实现时变参数辨识的方法.仿真结果表明,与带遗忘因子的递推算法和迭代学习梯度算法相比,迭代学习最小二乘算法更具有参数估计收敛速度快,辨识精度高,系统输出误差小等优势,验证了所提学习算法的有效性.     

一类不确定系统的重复学习控制方法

针对一类不确定非线性系统,结合Backstepping方法,设计重复学习控制方法.采用Lyapunov-like综合,设计重复学习控制器处理系统中的参数和非参数不确定性,可实现系统状态在整个作业区间上完全跟踪期望轨迹.分别讨论部分限幅和完全限幅学习机制,证明闭环系统中各变量的一致有界性以及跟踪误差的一致收敛性.仿真结果验证了所提出控制方法的有效性.     

一类非线性迭代学习控制系统的鲁棒收敛性

讨论了对于一类非线性动态系统施加高阶Ｄ型迭代学习算法时构成的迭代学习控制系统的鲁棒收敛性．证明了当系统初始状态逐渐固定在靠近期望初态的某一点上时，系统控制、状态、输出会收敛到相应期望轨迹的邻域内．同时，证明了在渐近理想重复初始条件下的算法收敛性．仿真结果表明，开闭环配合的学习律是克服初态偏移的一种有效途径     

带有扰动补偿的离散重复控制方法

本文提出一种基于抛物线吸引律的离散重复控制方法,用于解决离散时间系统的周期轨迹跟踪问题。该方法能有效减小系统抖振,同时通过扰动扩张状态观测技术对系统未知扰动进行有效抑制,并采用重复控制技术实现系统周期扰动的完全消除。为了刻画误差的动态性能,推导了稳态误差带、绝对吸引层、单调减区间的表达式以及跟踪误差进入稳态误差带的最小步长。通过数值仿真和永磁同步伺服电机实验,验证了所述方法的有效性。