控制方向未知的二阶时变非线性系统自适应迭代学习控制

对一类二阶严格反馈时变非线性系统的自适应迭代学习控制问题进行了研究.系统中含有非周期时变参数化不确定性且控制方向未知.首先,提出了一种神经网络估计器,实现了对未知非周期时变非线性函数的逼近.随后,用Nussbaum函数对未知控制方向进行了自适应估计,并综合应用baCkstcpping技术和自适应迭代学习控制技术设计了控制器.所设计的控制器能保证系统所有状态量在Lpe-范数意义下有界,且系统的输出量在LT2-范数意义下收敛到期望轨迹.最后的仿真研究证明了控制器设计方法的有效性.     

改进的和声搜索在矿井通风优化中的应用

根据矿井通风网络风流按需分配的要求,应用和声搜索算法对矿井通风系统网络的非线性规划数学模型进行优化计算,采用罚函数法对约束方程及限制条件进行转化和处理,改进的和声搜索算法克服了传统的通风网络优化控制算法的某些局限性;通过对示例通风网络的优化模型进行求解.仿真结果显示,优化后单风机通风网络总能耗降低了3225W,其下降幅度约为3.81%,多风机通风网络总能耗降低了17779W,其下降幅度约为6.76%,改进后的和声搜索算法可以很快收敛于最优值,取得了不错的优化效果.     

8098单片机控制的舵机通用测试仪

介绍了以８０９８单片机为核心的舵机通用测试仪的硬件电路结构和软件设计原理。该测试仪能够实现自动给定各类控制信号,自动控制航空面偏转,自动测量与显示测试结果等功能,极大地提高了测试的自动化程度。     

基于参数辨识的导弹块对角控制器

针对利用解析逆解技术设计的导弹块对角控制系统存在的主要问题－鲁棒性差，提出了利用小脑模型关节控制器（ＣＭＡＣ）神经网络来辨识导弹的几个重要的空气动力参数，证明了估计误差、权误差有界，在此基础上用解析逆解设计方法设计了导弹的块角控制器。仿真结果表明了本文算法所设计的系统具有响应快、精度高和鲁棒性强等优点。     

多涡卷超混沌系统自适应滑模同步控制

研究了一类多涡卷超混沌系统的同步控制问题,同时考虑了不确定项和未知扰动的情况,提出了一种自适应滑模控制方案。综合利用滑模控制技术和自适应控制技术,消除了系统不确定性和未知扰动的影响,对于不确定性和未知扰动具有较好的鲁棒性。利用Lyapunov稳定性理论证明了系统同步误差渐近收敛到一个原点的小邻域内,系统渐近稳定。仿真结果验证了该方法的有效性。     

弹性高超声速飞行器预设性能精细姿态控制

将反演控制技术、预设性能控制和神经网络相结合,研究设计巡航飞行的高超声速飞行器精细姿态控制器。研究中考虑了高超声速飞行器弹性形变对飞行攻角的影响,引入诱发攻角的概念来刻画气动弹性对飞行器的影响;在考虑弹性的情况下,利用预设性能的设计来满足精细姿态控制的指标要求,同时可以兼顾系统的瞬态性能;利用全局调节动态神经网络在线逼近诱发攻角方程中的未知项,利用Lyapunov稳定性理论得到神经网络权值、中心点和影响范围的自适应调节律,引入鲁棒项来处理神经网络逼近误差的影响,最终设计出考虑气动弹性情况下的高超声速飞行器预设性能精细姿态控制器。通过Lyapunov稳定性理论证明了系统的稳定性以及闭环系统所有信号均有界,仿真分析验证了所设计的控制器能够使系统跟踪误差满足预设性能的要求,以此实现姿态精细控制。     

控制方向未知的不确定系统预设性能自适应神经网络反演控制

对一类控制方向未知的不确定严格反馈非线性系统的预设性能自适应神经网络反演控制问题进行了研究.系统中含有时变非匹配不确定项且控制方向未知.首先,提出了一种新的误差转化方法,放宽了对初始误差已知的限制;随后,利用径向基函数(radial basis function,RBF)神经网络及跟踪微分器分别实现了对未知函数和虚拟控制量导数的逼近,并综合运用Nussbaum函数和反演控制技术设计了控制器.所设计的控制器能保证系统内所有信号有界且输出误差满足预设的瞬态和稳态性能要求.最后的仿真研究验证了控制器设计方法的有效性.     

协同进化扩展紧致量子进化算法

为了提高量子进化算法的全局收敛性能, 基于协同进化的思想, 并结合扩展紧致遗传算法, 提出了协同进化扩展紧致量子进化算法(CECQEA). 该算法利用多粒度机制进行量子染色体的旋转, 并依据边缘积模块(MPM) 进行交叉和变异以避免优良模式的破坏; 在每一个子种群内对个体依据MPM进行自调整操作, 同时进行种群的分裂、合并及优良个体的迁移操作. 通过对算法收敛性的分析可看出, CECQEA 能够收敛到满意解集; 经基准函数以及背包问题的仿真测试分析可看出, 算法收敛效果更加明显.     

不确定分数阶多涡卷混沌系统自适应重复学习同步控制

研究了不确定分数阶多涡卷混沌系统的自适应重复学习同步控制问题.通过利用滞环函数,设计了一类参数可调的分数阶多涡卷混沌系统.针对这类分数阶多涡卷混沌系统,在考虑非参数化不确定性、周期时变参数化不确定性、常参数化不确定性和外部扰动情况下,提出了一种重复学习同步控制方案.利用自适应神经网络技术补偿了系统中的函数型不确定性,通过自适应重复学习控制技术处理了周期时变参数化不确定性,并利用自适应鲁棒学习项处理了神经网络逼近误差和干扰的影响,实现了主系统和从系统的完全同步.综合利用分数阶频率分布模型和类Lyapunov复合能量函数方法证明了同步误差的学习收敛性.数值仿真验证了所提方法的有效性.