基于微粒群算法的自适应ⅡR滤波器的优化设计

针对自适应ⅡR滤波器潜在的不稳定性和性能指标函数容易陷入局部极小点而导致性能下降等问题,用一种新的优化算法-微粒群算法来对自适应ⅡR滤波器进行优化设计,它不依赖于梯度信息,能够有效地实现自适应ⅡR滤波器参数的全局寻优,仿真结果表明用微粒群算法进行参数寻优优于遗传算法,不仅解决了自适应滤波器性能指标函数容易陷入局部极小点的问题,也解决了稳定性问题.     

基于混合Elman网络的非线性自适应逆控制

针对Elman动态递归神经网络的特点,在现有结构的基础上提出一种隐层包含径向基函数的混合Elman神经网络,给出了网络结构和训练算法,并将其应用于非线性自适应逆控制系统中.仿真实验表明该动态神经网络自适应性强,动态特性优异.此方法为实现非线性系统自适应逆控制提供了理想的途径.     

一种简便的从模型取状态MRAC系统离散方案

本文提出了一种从模型取状态 MRA 系统简便的离散化方案,此方案对可测扰动具有很强的鲁棒性。     

具有可变参考模型的模型参考自适应控制系统

本文提出一种具有可变参考模型的自适应控制系统的结构。系统采用双环控制。自适应环采用现有的稳定性方案。另外,从参考模型的各状态引反馈信号到整个系统的输入端,可改变参考模型的参数或使参考模型满足某一最优性能指标。参考模型的变化等效为系统参考输入的变化,因而不影响自适应系统的稳定性。文中给出了仿真结果。同时指出这种结构在改进误差响应的动特性上具有一定的灵活性。     

一种从参考模型取状态的MRACS设计方法

本文在被控对象是稳定的假设条件下,将文献[1]中提出的方法推广到相对阶数 n~*≤2 的n阶系统,即使用参考模型的状态代替被控对象的状态设计自适应控制系统。简化了自适应控制系统的结构,提高了系统的抗噪声干扰能力。数字仿真结果表明被控对象能较好地跟随参考模型的输出。     

线性时变对象的鲁棒自适应控制

本文用鲁棒自适应律解决了线性慢时变对象的模型参考自适应控制问题。我们引入文献[1]的鲁棒自适应律来调节被控对象的控制器参数,并对任意有界初始条件,证明了自适应环中所有信号的有界性。与文献[2]相比,这种方案的优点是保证了对象参数关于时间已知时,跟踪误差趋于零。     

利用输入输出测量值设计控制系统的新方法

针对自适应控制的实际应用情况 ,在已有自适应模型的基础上 ,通过严密的数学推导 ,提出一种设计 MRAC系统的新算法。该算法不必引入增广误差信号而得到自适应控制律 ,简单而又实用 ,并且便于工程实现。仿真结果验证了所提出方法的有效性。     

微粒群算法优化设计自适应滤波器

针对自适应IIR滤波器潜在的不稳定性和性能指标函数容易陷入局部极小点而导致性能下降等问题,用一种新的优化算法-微粒群算法来对其进行优化设计,仿真结果表明用微粒群算法进行参数寻优不仅解决了自适应滤波器性能指标函数容易陷入局部极小点的问题,亦解决了稳定性问题.     

基于正交神经网络的无刷直流电机控制器设计

提出了基于正交神经网络的无刷直流电动机自适应控制器设计方案,并以永磁无刷直流电机(BDCM)构成伺服系统作为对象进行了仿真实验,研究了该控制器的控制性能.仿真表明控制器能实现被控对象模型的在线控制,并且可以较快地处理电机非线性、变参数的影响,具有较强的鲁棒性和抗干扰能力.