一类非线性时滞系统的H∞模糊控制器的设计——LMI方法

考虑了未知系统数据样本在复平面单位圆周上任意采样时的鲁棒辨识问题,围绕着充分利用快速傅立叶算法及更有效的利用验后信息,提出了一种有效的数据处理方式,获得了辨识算法的鲁棒收敛性.     

l1鲁棒辨识:最小二乘算法及试验设计

现有的l^1鲁棒辨识方法依赖于观测数据窗的起始时刻因而不能用来辨识时变系统,针对该问题基于最小二乘法提出了一种l^1鲁棒辨识算法．该算法与观测窗的起始时刻无关,可用于时变系统的辨识．证明了当试验输入为持续激励信号时所提出的算法为本质最优算法,进一步证明了周期持续激励序列为最优试验信号,并给出了辨识误差紧界的计算公式．最后利用提出的算法研究了慢时变系统的l^1鲁棒辨识问题．     

l1鲁棒辨识: 最小二乘算法及试验设计

现有的l¹鲁棒辨识方法依赖于观测数据自的起始时刻因而不能用来辨识时变系统, 针对该问题基于最小二乘法提出了一种l¹鲁棒辨识算法. 该算法与观测窗的起始时刻无关, 可用于时变系统的辨识, 证明了当试验输入为持续激励信号时所提出的算法为本质最优算法, 进一步证明了周期持续激励序列为最优试验信号, 并给出了辨识误差紧界的计算公式. 最后利用提出的算法研究了慢时变系统的l¹鲁棒辨识问题.     

l~1鲁棒辨识收敛性态的研究

研究ｌ~１鲁棒辨识的渐近收敛性，提出一种有效的辨识算法，并分析了该算法的可行性和收敛性。     

L1鲁棒辨识收敛性态的研究

研究Ｌ１鲁棒辨识的渐近收敛性，提出一种有效的辨识算法，并分析了该算法的可行性和收敛性。     

l1鲁棒辨识:一种递推插值方法

针对l1鲁棒辨识不能有效利用试验数据和进行在线辨识的问题,提出了一种在线递推插值辨识方法.用几何方法描述试验信息,利用系统可行集与新的试验信息所构成的半空间的包含关系判断数据信息,有效地利用了试验数据,提高了辨识精度.同时提出了一种新的计算辨识误差紧界的方法.仿真结果表明了算法的有效性和可行性.     

基于鲁棒性能的信息物理融合系统乘性攻击检测

针对信息物理融合系统乘性攻击检测的难题,本文提出两种基于鲁棒性能的乘性攻击检测与数据驱动实现策略. 首先, 利用互质分解和间隙度量理论, 建立信息物理融合系统和乘性攻击模型. 其次,利用稳定裕度性能指标, 评估乘性攻击对闭环系统稳定性能的影响,给出了稳定裕度的下界. 再次,提出基于稳定裕度和基于残差鲁棒性能的乘性攻击检测策略,并设计相应的检测阈值和检测逻辑. 进一步,利用子空间辨识方法,在线辨识稳定裕度和残差鲁棒性能,提出基于鲁棒性能的乘性攻击检测的数据驱动实现方法. 最后, 利用飞行器系统的仿真, 验证了所提出的基于鲁棒性能的乘性攻击检测方法的有效性.     

l1鲁棒辨识:一种递推插值方法

针对l¹鲁棒辨识不能有效利用试验数据和进行在线辨识的问题, 提出了一种在线递推插值辨识方法. 用几何方法描述试验信息, 利用系统可行集与新的试验信息所构成的半空间的包含关系判断数据信息, 有效地利用了试验数据, 提高了辨识精度. 同时提出了一种新的计算辨识误差紧界的方法. 仿真结果表明了算法的有效性和可行性.     

一种鲁棒的总体最小二乘自适应辨识算法

针对输入输出观测数据均含有噪声的系统辨识问题，提出了一种鲁棒的总体最小二乘自适应辨识算法．该算法在对总体最小二乘问题与向量的瑞利商及其性质研究的基础上，以被辨识系统的增广权向量的瑞利商(RQ)作为损失函数，利用梯度最陡下降原理导出权向量的自适应迭代算法，并利用随机离散学习规律对权向量模的分析修正了算法梯度，提高了算法的噪声鲁棒性，构成了一种噪声鲁棒的总体最小二乘自适应辨识算法．文中研究了该算法的收敛性能．仿真实验结果表明该算法的鲁棒抗噪性能和稳态收敛精度明显高于其它同类方法，而且可使用较大的学习因子，在较高的噪声环境下仍然保持良好的收敛性．     

基于分片线性函数逼近的非线性观测器设计

综合分片线性函数模型辨识/逼近和鲁棒观测器设计方法,研究了一大类非线性鲁棒观测器设计方法.所提出的算法能有效解决非线性系统的辨识/建模问题,并保证在一定的逼近精度下观测误差可以控制在一定的范围内,且观测误差随着逼近精度的提高而减小.     

最坏情况下l^1鲁棒辨识方法研究

系统地讨论了ＳＩＳＯ、线性时不变、指数稳定系统在最坏情况下的ｌ＾１鲁棒辨识问题。提出了系统模型集合的最小外框概念，建立了两种任意非零信号作用下ｌ＾１鲁棒辨识算法；提出了任意非零信号作用下系统的可辨识条件；证明了算法的全局收敛性和最优性。     

鲁棒自适应控制器的一种实现方法

针对线性离散系统,建立了一种鲁棒直接自适应控制器,并通过对乘积摄动项△(q^-1)的实时辨识,实现了在线修改模型结构的算法。从而实现了一种自适应与鲁棒控制器真正结合的控制器设计方法。给出了在无需持续激励(PE)的条件下控制器的鲁棒稳定△(q^-1)辨识算法的稳定性的定理;讨论了摄动项△(q^-1)的取法和对模型修正方法。仿真结果表明了该方法的可行性。     

基于分片线性函数逼近的非线性观测器设计

综合分片线性函数模型辨识/逼近和鲁棒观测器设计方法,研究了一大类非线性鲁棒观测器设计方法.所提出的算法能有效解决非线性系统的辨识/建模问题,并保证在一定的逼近精度下观测误差可以控制在一定的范围内,且观测误差随着逼近精度的提高而减小.

     

离散非线性系统Worst—Case辨识——小波逼近法

利用小波逼近的软阈方法，研究了离散非线性系统的ＷｏｒｓｔＣａｓｅ辨识问题。证明了该算法在Ｗｏｒｓｔ－Ｃａｓｅ误差下的拟最优性和光滑性；估计了该算法的Ｗｏｒｓｔ－Ｃａｓｅ误差；给出了存在鲁棒收敛的辨识算法的充要条件；最后，证明了小波网逼近算法是鲁棒收敛的。     

离散非线性系统Worst-Case辨识--小波逼近法

利用小波逼近的软阈（Ｓｏｆｔ－Ｔｈｒｅｓｈｏｌｄｉｎｇ）方法，研究了离散非线性系统的Ｗｏｒｓｔ－Ｃａｓｅ辨识问题．证明了该算法在Ｗｏｒｓｔ－Ｃａｓｅ误差下的拟最优性和光滑性；估计了该算法的Ｗｏｒｓｔ－Ｃａｓｅ误差：给出了存在鲁棒收敛的辨识算法的充要条件；最后，证明了小波网逼近算法是鲁棒收敛的．     

分散化H^∞鲁棒滤波理论研究

为改善传统分散化卡尔曼滤波器对系统模型和噪声统计特性的过分依赖性,以及解决分散化H-infinity鲁棒滤波算法的复杂性问题,深入研究了分散化H-infinity滤波的算法结构和鲁棒机理,提出一套H-infinity鲁棒信息滤波公式.通过证明,本文公式与S.H.Jin等人提出的相应公式是等价的,但相比之下更加简单、直观.在此基础上,参考分散化卡尔曼滤波算法的思想,提出一套分散化H-infinity鲁棒滤波算法.与传统算法相比,该算法更加简单、实用.仿真结果表明,新算法有效、可行.     

飞机极曲线模型和参数鲁棒辨识方法

为了有效地确定飞机极曲线，提出一种鲁棒选择模型的新方法，通过分析数据矩阵模型判定方法，采用U—D分解以避免行列式的复杂计算，从而成倍提高了计算效率，通过估计D阵元素的取值区间，得到了观测量不确定部分带来的模型辨识判据的误差上下界，依此将候选按照重要程度逐个选取，在加权最小二乘算法中，采用下界不等式逼近，得到了鲁棒辨识的新算法和收敛条件，对飞机极曲线的模型和参数进行辨识，结果表明新方法可以得到工程上满意的效果。     

基于Haar 小波变换的连续时间系统鲁棒参数辨识

给出用Ｈａａｒ小波对连续时间系统的鲁棒辨识方法。该方法在用Ｈａａｒ小波对系统输入和输入展开时,通过极小化一个鲁棒指标来减少噪声对展开系数的影响。因此对连续时间系统可获得鲁棒参数估计。仿真结果表明了该算法的有效性。     

直线伺服系统非线性自适应鲁棒控制器的优化设计

对永磁直线电动机伺服系统提出了非线性自适应鲁棒控制器的优化设计方法.在系统非线性数学模型的基础上,建立了误差系统的动态模型.将跟踪和干扰抑制归结为非线性自适应鲁棒控制器的设计问题,通过构造存储函数得到自适应鲁棒控制器的定理,以及电阻和电感的辨识算法.证明了定理给出的控制器能满足干扰抑制和系统渐近稳定,并用遗传算法对控制器的参数进行优化.仿真结果验证了该方法是有效的.     

鲁棒（Robust）谱估计算法研究

本文在估计理论,系统辨识,B. D. Martin D. Thomson工作的基础上,提出一种改进的鲁棒谱估计算法。该方法易于直接用于在线鲁棒谱估计。文中给出仿真实例。