一类多变量非线性动态系统的鲁棒自适应模糊控制

对一类非线性多变量未知动态系统,提出了一种自适应模糊控制策略,策略中采用ＩＦ－ＨＥＮＴ推理规则来构造模糊逻辑系统,实时对系统中未知函数的估计,在建模误差为零的条件下设计状态反馈控制及参数的自适应律,分析了在存在建模误差时,闭环系统的稳定性和鲁棒性。     

基于百分位值的自适应顺序形态滤波方法

针对顺序形态滤波的百分位值，在最小均方误差（ＭＳＥ）和最小平均绝对误差（ＭＡＥ）准则下，实现了自适应处理．该滤波算法不仅可以有效地抑制信号中的各种噪声，而且较好地保持了信号的几何特征。计算机仿真结果证实了滤波算法的有效性．     

前馈式有源耳罩在强干扰下误差通道建模方法

稳定性是设计自适应有源降噪耳罩过程中所必须考虑的首要问题，而误差通道模型的建模精度直接影响着系统的稳定。根据前馈结构有源降噪耳罩的特点，提出了一种简单有效的建模模型，与经典的建模模型相比，该模型能在强干扰噪声环境下获得较高的建模精度。     

前馈式有源耳罩在强干扰下误差通道建模方法

稳定性是设计自适应有源降噪耳罩过程中所必须考虑的首要问题 ,而误差通道模型的建模精度直接影响着系统的稳定。根据前馈结构有源降噪耳罩的特点 ,提出了一种简单有效的建模模型 ,与经典的建模模型相比 ,该模型能在强干扰噪声环境下获得较高的建模精度     

CDMA移动通信中基于自适应干扰消除的多用户检测

对多用户检测中的两种非线性干扰消除检测器，即串行干扰消除检测器和并行干扰消除检测器进行改进，加入自适应滤波因子，从而提高这两种算法的性能．通过Matlab仿真，仿真结果表明在同等条件下，自适应干扰消除检测器比原有干扰消除检测器在降低误码率方面有较为明显的改善，可以消除原有干扰消除算法中固有的误差累积缺陷．     

适于未建模动态对象的混合自适应控制器

基于σ校正混合自适应律设计了适合于对象具有未建模动态情况的混合自适应控制器,并且对系统的鲁棒稳定性进行了分析。仿真结果表明：σ校正混合自适应控制律使闭环系统具有鲁棒稳定性。     

低信噪比弱信号提取算法研究

采用从强背景噪声中提取话音信号的自适应噪声抵消技术——最小均方误差(LMS)入手，对该算法的性能进行了分析，针对其收敛速度慢、提取信号频带窄的缺点，提出了改进的有动量因子的自适应最小均方误差算法(MLMS)．仿真结果表明，该方法对于解决弱信号提取问题有一定效果．     

一种变步长LMS自适应滤波算法及分析

文章对已有的一些变步长LMS自适应滤波算法进行了分析,在此基础上,提出了一种新的自适应算法,并且分析了参数的取值对算法性能的影响。该算法具有快速收敛性和较小的稳态误差,而且能够快速跟踪系统的变化和不受非相关噪声的影响,仿真结果表明,该算法的性能优于已有的算法。     

LMS算法自适应噪声抵消系统参数的最佳设计

威德罗(Widrow)提出的LMS算法自适应噪声抵消系统中,由于d(j)=s(j)+n_0,带有随机噪声n_0,不再是一个理想的期望响应。这时自适应滤波器除了有由于LMS近似算法造成的权失调外,还有随机噪声的影响。本文讨论了这种随机噪声对系统性能的影响,以及如何选择系统的加权数目n,收敛因子μ这两个主要参数,使系统性能达到最佳。最后,对得出的结论进行了实验验证。     

城市供水量的预测模型研究

本文以沈阳市Ｍ水厂的月供水量预测为背景，阐明了预处理建模数据序列的必要性，并提出一种新的供水量预测方法，即一次累加－指数平滑法，在简介了一次累加－指数平滑模型和自适应过滤模型的基本原理之后，进行了实例计算与分析．研究结果表明，一次累加－指数平滑法和自适应过滤法可分别作为月供水量的短期和长期预测模型，两者的预测误差均不超过０．６９万吨．     

海洋环境下欠驱动无人艇航迹跟踪控制算法

为提高风浪流等外界环境扰动下,欠驱动无人艇航迹跟踪控制的准确性和鲁棒性,研究真实海洋环境下一类欠驱动无人艇的航迹跟踪控制问题,提出了一种基于改进视线导引算法与自适应滑模航向控制算法级联形式的欠驱动无人艇航迹跟踪控制算法,并基于李雅普诺夫理论和级联系统理论证明了当所有控制目标实现时,航迹跟踪控制系统为一致全局渐近稳定的.与传统的视线导引算法相比,改进的导引算法通过引入自适应观测器能够实现对漂角的实时估计和补偿,同时时变前视距离的设计使得无人艇的操纵更加灵活.以"海鲟03号"无人艇操纵运动模型和辨识得到的参数为基础,在MATLAB/SIMULINK软件上进行了航迹跟踪对比仿真实验,仿真结果表明:相比传统LOS导引策略下的航迹跟踪算法,控制算法动态性能更高且稳态误差较小,验证了算法的有效性和先进性;利用"海鲟03号"无人艇对所提出的控制算法进行了海上试验,结果表明在航迹跟踪控制算法的作用下,无人艇能较为准确地跟踪预先设定的期望航迹,且在整个航迹跟踪过程中,航迹误差相对较小,验证了该算法在实际工程应用中的正确性和有效性.     

Adaptive Control by Using Neural Networks

ＡｄａｐｔｉｖｅＣｏｎｔｒｏｌｂｙＵｓｉｎｇＮｅｕｒａｌＮｅｔｗｏｒｋｓ￥（郝继红）（吕强）（段运波）（许耀铭）ＨＡＯＪｉｈｏｎｇ；ＬＵＱｉａｎｇ；ＤＵＡＮＹｕｎｂｏ；ＸＵＹａｏｍｉｎｇ（Ｄｅｐｔ．ｏｆＰｏｗｅｒＥｎｇｉｎｅｅｒｉｎｇ，Ｈａｒｂｉｎｉ...     

自适应LOS制导结合MPC控制的车辆循迹优化

为提升无人驾驶车辆循迹过程的动态响应能力,确保车辆能快速且稳定地跟踪参考路线,首先基于模糊控制的思想,在传统视线(line-of-sight, LOS)制导策略中引入了时变前视距离,提出了改进后的自适应LOS制导策略,把目标轨迹的跟踪简化为目标点航向的跟踪。其次,建立车辆三自由度动力学模型,并结合自适应LOS状态方程设计路径跟踪系统的线性数学模型。最后,基于模型预测原理,使用多步预测、滚动实时优化、反馈校正等控制方式,求解出最优反馈的方向盘控制指令。本文为验证上述所提及跟踪策略的有效性,在Simulink仿真环境中分别以直线路径和曲线路径作为参考轨迹进行追踪仿真实验,结果表明:所提自适应LOS制导策略能使循迹车辆的轨迹横向误差和航向误差迅速地收敛到零,从而验证了改进LOS制导算法可以提高无人车路径跟踪的响应速度和平稳性。     

非球面部分补偿检测系统的误差分析与处理

为了实现非球面通用化、高精度检测,提出非球面部分补偿法,并进行误差分析与处理.在光学设计软件ZEMAX中对部分补偿检测系统进行系统建模并优化,分析器件姿态误差及装调精度对重构非球面面形的影响.通过对系统误差的分析,提出基于系统建模的光线追迹与误差存储相结合的系统误差处理方法,将系统误差归为由系统建模得到检测光路的误差和由误差存储得到不含检测光路的干涉仪系统的误差.通过计算机仿真及实验证明,部分补偿检测系统采用该误差处理方法去除系统误差后,可以由逆向迭代优化重构(ROR)技术重构出更精确的非球面面形.将该非球面面形与采用无像差点法得到的面形对比,结果较吻合,均方根(RMS)精度接近0.02λ(λ为波长).     

基于动态反馈的AUV水平面路径跟踪控制

针对离散自治水下机器人水平面的路径跟踪控制问题,利用水下机器人的位置和姿态角量测信息,提出神经网络自适应输出反馈控制器.所设计的控制器包括3部分,镇定水下机器人动态系统线性部分的动态反馈控制器;神经网络控制器,用来补偿水下机器人受到环境干扰引起的水动力系数变化的不确定非线性结构;补偿环境扰动和神经网络带来的重构误差的鲁棒控制器.基于离散非线性系统理论,对水下机器人水平面跟踪误差系统进行分析,得到系统的跟踪误差最终一致有界.所提出的控制方法具有对模型精确度要求低的优点,利用INFANTE水下机器人模型进行仿真分析验证了提出的控制算法的有效性.     

工业机器人可变增益自适应迭代学习控制研究

为确保执行重复运动的工业机器人位置、速度的跟踪精度,提出一种可变增益自适应迭代学习控制算法。首先在PD反馈部分增加指数可变增益来加快算法收敛速度,然后在参数自适应部分设计广义误差函数来进一步减小轨迹跟踪误差,增强系统稳定性。通过Lyapunov函数对可变增益自适应迭代学习控制算法的收敛性进行了理论证明,最后利用仿真验证了该控制算法能有效减小机器人轨迹跟踪误差,并加快算法的收敛速度。     

基于递归小脑神经网络的模糊自适应控制

为解决一类不确定非线性系统控制问题,提出了小脑神经网络模糊自适应算法.将系统分为标称模型、参数不确定部分以及包含建模误差、干扰及未建模动态等在内的混合干扰项,用模糊自适应控制实时逼近系统各个不确定参数,用鲁棒控制消除混合干扰,并设计了递归小脑模型关节控制器作为观测器来对混合干扰的上界进行实时逼近.李亚普诺夫理论证明了控制算法可使系统一致有界稳定,微飞行机器人姿态控制仿真结果表明,控制算法改善了系统的动态性能及鲁棒性,研究结论对复杂非线性系统的有效控制提供了依据.     

自适应蚁群算法在空间机器人路径规划中的应用

为了弥补传统路径规划方法缺乏足够鲁棒性的问题,采用自适应蚁群算法实现了空间机器人路径规划.针对传统蚁群算法在计算初期出现停滞的现象,修改了信息激素物质的更新方法.自适应蚁群算法根据学习次数和与最近障碍物的距离来调节信息激素物质.仿真结果表明,该算法在采用较少蚂蚁的情况下,与一般蚁群算法相比,能够快速找到理想路径.     

单轴并联式混合动力汽车能量分配的模糊控制策略研究

针对单轴并联式混合动力轿车,以混合驱动系统需求转矩和电池剩余电量（SOC）为输入,以发动机转矩为输出,构建了能量管理模糊控制器,基于ADVISOR的仿真研究表明,模糊控制策略与传统的逻辑门控制策略相比,能够更有效地降低混合动力汽车的燃油消耗和排放,更好地控制电池组SOC的变化。