非线性仿射控制系统的C0镇定性

通过Lyapunov函数设计反馈控制器使得非线性仿射控制系统全局渐进稳定是一种有效的方法. 为了使得反馈控制器具有连续性, Sontag提出控制Lyapunov函数应具有小控制性, 即要求在原点连续反馈控制器存在, 该条件在实际中无法应用. 针对这一问题本文提出了聚点条件来保证反馈控制器具有连续性, 该条件直接对选择的控制Lyapunov函数进行检验, 并且聚点条件还是必要的; 文章将控制Lyapunov函数的严格不等式放宽为非严格的不等式, 提出非严格控制Lyapunov函数, 利用LaSalle定理得到: 采用满足聚点条件的非严格控制Lyapunov函数来设计连续反馈控制器, 非线性仿射控制系统是全局渐进稳定, 扩大了控制Lyapunov函数的寻找范围; 最后通过对一种带摩擦的弹簧系统进行验证.     

高速公路非线性反馈模糊逻辑匝道控制器

入口匝道控制是高速公路交通控制和智能运输系统的重要组成部分,但现有的入口匝道控制效果尚不理想.为此,本文提出一种非线性反馈方法用模糊逻辑进行入口匝道控制.建立了高速公路交通流动态模型,在此基础上,结合模糊逻辑理论设计了非线性反馈匝道控制器,根据密度误差和误差变化用模糊控制决定匝道调节率,模糊变量选用三角形隶属度函数,并制定了包含56条模糊规则的规则库,最后用MATLAB软件进行系统仿真.结果表明该控制器具有优越的动态和稳态性能,它能使高速公路主线交通流密度保持为设定的期望密度,该方法用在高速公路入口匝道控制中效果良好.     

采用GA的永磁同步电机直接转矩调速

永磁同步电机直接转矩控制受定子电阻变化影响,进而影响调速系统的精度。本文采用遗传算法动态调整直接转矩控制的调速系统控制器参数的策略,使控制器参数及转矩给定值随转速的波动而调整,克服电阻变化引起磁链控制器输出不准确,达到稳定输出转速的目的。该策略在定子电阻变化较大情况下,仍具有高控制精度。仿真结果验证了这一遗传算法永磁同步电机直接转矩控制调速系统控制策略的有效性。     

高速公路可变速度标志神经网络控制

针对高速公路可变速度控制是一个非线性时变系统,难于用数学模型准确建模这一特点,提出了神经网络控制方法.阐述了神经网络学习算法,设计了高速公路可变速度标志神经网络控制器,并对控制器进行了仿真研究.仿真结果表明,该方法切实可行,具有实用价值.     

一种以环路作为存储单元的联想记忆神经网络

文章提出了一种新型联想记忆神经网络,每个模式被存储在一个通过网络中所有神经元的环路中,连接包括逻辑状态和一组神经元编号,网络中处理和传递的信号为神经元编号组成的序列,神经元执行一组处理这种序列的符号和逻辑运算;网络记忆容量为2N-2N、完全消除了假模式、同时具有更高的记忆效率和可靠性。     

应用于回归神经网络的基于梯度的典型算法的归纳与分析

首先给出了分层全回归神经网络的一个综合形式及其状态方程,然后归纳了几种典型的基于梯度的回归神经网络训练算法,描述了算法的具体步骤,并分析比较了算法特点及相互联系,最后指出对回归神经网络尤其是其训练算法研究存在的难点及研究重点。     

智能控制中的模糊控制,神经网络控制及遗传算法（下）

回顾了模糊技术、神经网络技术和遗传算法在控制领域的应用；探讨了神经模糊技术在控制领域的应用以及遗传算法优化模糊神经网络结构的实现。     

基于谱分析的一类截尾二阶非线性模型盲辨识的方法(英)

提出一种基于自相关谱分析的对一类截尾Volterra非线性模型-二阶非线性模型进行盲辨识的算法．理论分析和计算机仿真均显示，该算法准确通用，适合于实际工程应用．     

一种多层前馈网参数可分离学习算法

目前大部分神经网络学习算法都是对网络所有的参数同时进行学习.当网络规模较 大时,这种做法常常很耗时.由于许多网络,例如感知器、径向基函数网络、概率广义回归网络 以及模糊神经网络,都是一种多层前馈型网络,它们的输入输出映射都可以表示为一组可变 基的线性组合.网络的参数也表现为二类:可变基中的参数是非线性的,组合系数是线性的. 为此,提出了一个将这二类参数进行分离学习的算法.仿真结果表明,这个学习算法加快了学 习过程,提高了网络的逼近性能.     

时滞线性系统的与时滞无关稳定性

本文利用结构奇异值概念讨论时滞线性系统的与时滞无关之渐近稳定性。本文结果表明时滞可看成某一“标称”系统的重复标量不确定摄动快。当系统具其它结构摄动时，鲁棒稳定分析可在结构奇异值方法框架上进行。