带不确定性的船舶航向动态神经模糊跟踪控制

针对常规水面船舶的航向跟踪控制中建模参数随航速时变引起的不确定性问题,提出一种基于动态神经模糊模型的控制算法．动态神经模糊模型在学习中同时调整结构和参数,充分逼近船舶的逆动力学．训练好的动态神经模糊模型作为逆控制器,与传统的ＰＤ控制器并联,用于船舶航向的跟踪控制,且控制过程中能进一步调整模型权值．以５４４６ＴＥＵ大型集装箱船为例,进行航向跟踪控制的仿真结果表明,该算法能克服建模参数不确定性的影响,快速有效地跟踪期望航向,控制效果良好．     

基于神经网络方法的不确定非线性微分-代数子系统的鲁棒反推镇定控制

对于指数1且关联可测的不确定非线性微分-代数子系统,将反推方法和神经网络相结合,研究了其鲁棒渐近镇定控制问题.基于反推方法来构造镇定控制器,利用3层的神经网络来逼近每一步控制器构造过程中的不确定项.提出一种新的自适应算法对神经网络权值进行在线调节,并适当选取每一步虚拟控制器的参数,最终得到的控制器使得闭环系统是渐近稳定的.     

别克汽车防抱死制动系统故障诊断与排除

介绍了别克系列汽车所采用的DBC7型防抱死制动系统(ABS)的基本构造,重点介绍了ABS故障自诊断系统的原理和使用以及利用系统(ABS)故障自诊断系统对常见故障进行诊断和排除的方法。     

智能船舶自动舵系统自适应模糊输出反馈控制

针对智能船舶自动舵系统,考虑输入饱和、回转角速度未知和指定性能,提出一种自适应模糊控制算法.本文自适应模糊输出反馈算法采用状态观测器、辅助系统和误差转换系统,模糊逻辑系统用于估计未知非线性函数,状态观测器用于估计未知回转角速度状态,辅助系统和误差转换系统分别用于补偿不匹配控制信号和变换航向角追踪误差.基于Lyapunov方法证明了闭环系统内所有信号是有界的,仿真结果进一步验证了本文算法的有效性.     

人工神经网络在月降水量预测业务中的研究和应用综述

月降水量的年际变化具有显著的非线性变化特征,预测难度大,历来是重大气象灾害预测的重点难点问题.BP(back propagation)神经网络在月降水量预测业务中的研究和应用中,取得了较好的成果,其中应用较广泛的是PCA-BP神经网络模型、遗传算法优化神经网络、RBF神经网络预测模型、小波神经网络模型、粒子群-神经网络...     

电力系统元件非线性微分-代数子系统模型的逆系统控制:一种新算法

针对电力系统元件非线性微分-代数子系统模型,本文提出一种新算法研究其逆系统控制问题.所提出的新算法不需要对控制输出及其高阶导数做复杂的变换,具有更好的应用性.本文的逆系统控制方法主要分为两步：第1步,利用所提出的新算法来判断被控元件的可逆性,若可逆,则基于状态反馈与动态补偿,构造出元件的α阶积分右逆系统,实现复合系统的线性化和解耦;第2步,利用线性控制的理论和方法设计闭环控制器,使得元件被控对象满足期望的性能指标.最后按照本文所提出的方法,研究了多机电力系统的分散非线性汽门控制问题.仿真结果验证了本文所提方法的有效性.     

一类具有输入量化和未知扰动的非线性系统的自适应有限时间动态面控制

本文研究了具有量化输入信号和未知扰动的非线性系统的有限时间自适应输出反馈动态面控制问题.在控制设计过程中,利用模糊逻辑系统对系统中的非线性项进行逼近.然后引入一种滞回量化器来避免量化信号中的抖振,并且构造模糊观测器来估计系统中不可测的状态.为了提出一种有限时间控制策略,首先给出了半全局实际有限时间稳定的判据.在此基础上,将动态面控制技术与反步法相结合,设计了自适应模糊控制器.该控制器不仅能保证跟踪误差在有限时间内收敛到原点的一个小邻域,而且可以保证闭环系统中所有信号的有界性.最后通过一个仿真实例验证了该控制方法的有效性和可行性.     

基于采样分布式估计器的多无人艇轨迹跟踪控制

提出了一种级联控制算法解决多无人艇（USVs）系统的分布式轨迹跟踪问题.这种控制算法可以分为两层：第一层是基于采样信息的分布式估计器,主要用于估计领航者的期望轨迹;第二层是每个无人艇的本地控制器,主要是结合滑模控制与神经网络径向基函数,在系统具有欠驱动、参数不确定性和扰动等因素的情况下,使其状态跟踪期望轨迹的本地估计值.为了求解上述跟踪控制问题,基于李雅普诺夫理论与级联系统理论,推导得到了所有无人艇位置状态收敛到期望轨迹的充分条件,并通过仿真结果验证了所提出控制方法的有效性与正确性.     

含有执行器故障的非线性切换互联大系统的自适应模糊Backstepping容错控制

本文研究了一类存在执行器故障的非线性互联切换大系统的自适应模糊Backstepping容错控制.首先定义了一个分段右连续函数作为系统的切换信号,系统依据切换信号改变模型.不失一般性,考虑执行器发生两种类型的故障,即卡死故障和失效故障,通过模糊逻辑系统逼近未知非线性函数,并设计自适应模糊容错控制器补偿执行器故障给系统带来的影响.通过Lyapunov定理证明了系统及相关变量的有界性,并基于数值仿真,验证了所提出方法的有效性.     

基于事件触发机制的一类非严格反馈非线性系统的自适应神经网络追踪控制

基于事件触发机制,研究了一类非严格反馈非线性系统的自适应神经网络追踪控制问题.结合反步技术、神经网络和事件触发机制,提出了一种自适应神经网络控制方案,减少了数据传输量并减轻了控制器和执行器之间的传递负担,保证了输出信号尽可能地追踪到参考信号,同时使得闭环系统的所有信号有界.此外,通过避免芝诺现象保证了所提事件触发机制的可行性.最后,给出一个例子验证了所提出策略的有效性.     

输出非线性方程误差类系统递推最小二乘辨识方法

随着控制技术的发展,控制对象的规模越来越大,使得辨识算法的计算量也越来越大.对于结构复杂的非线性系统,特别是包含未知参数乘积的非线性系统,使得过参数化辨识方法的参数数目大幅度增加,辨识算法的计算量也急剧增加,因此探索计算量小的参数估计方法势在必行.针对输出非线性方程误差类系统,讨论了基于过参数化模型的递推最小二乘类辨识方法;为减小过参数化辨识算法的计算量和提高辨识精度,分别利用分解技术和数据滤波技术,研究和提出了基于模型分解的递推最小二乘辨识方法和基于数据滤波的递推最小二乘辨识方法.最后给出了几个典型辨识算法的计算量、计算步骤、流程图.     

基于Android手机手势和语音控制的人机交互系统设计

针对普通遥控器控制智能小车的局限性,结合移动互联网的应用,提出了一种新的人机交互智能小车控制系统的研究方案——一种基于Android手机方向（重力）传感器和语音控制的蓝牙小车控制系统.以Android手机作为上位机,包括语音系统、方向（重力）传感器系统,利用蓝牙通信技术与单片机总控制中心、蓝牙模块、电机驱动模块、蜂鸣器和LED模块、避障模块等组成的下位机进行通信,实现对蓝牙智能小车的实时控制.通过实物制作和测试,验证了系统的可操作性和实用性,同时也为智能轮椅、仓库管理等领域的实际应用奠定了一定的技术基础.     

执行器退化的遥机器人系统量化反馈容错控制

针对遥机器人系统中存在执行器退化、控制输入量化,且编、解码端的量化灵敏度参数不匹配的问题,设计了遥机器人系统的鲁棒量化反馈容错控制系统.控制器结构的线性部分由线性矩阵不等式给出,旨在解决系统指标性能问题,非线性部分则用于处理量化参数不匹配问题.经稳定性理论证明,提出的鲁棒量化反馈容错控制方法能消除执行器退化及量化参数不匹配等的影响,并确保从机器人能渐近跟踪主机器人.最后,算例仿真验证了方法的有效性.     

高阶非线性系统自适应模糊有限时间状态约束控制

针对一类具有状态约束的非严格反馈高阶非线性系统,研究一种自适应模糊有限时间跟踪控制问题.首先,利用模糊逻辑系统逼近不确定性非线性函数,在此基础上,采用障碍Lyapunov函数,解决状态约束问题,通过障碍加幂积分方法和反步递推技术,提出了一种有限时间控制设计方法.在有限时间Lyapunov稳定意义下,严格证明闭环系统半全局实际有限时间稳定且系统的状态不超出给定的约束边界,并实现了有限时间跟踪控制目标.最后,仿真研究进一步验证了所提出控制方法的有效性.     

误差非线性的增长理论及可预报性研究

对非线性系统的误差发展方程不作线性化近似,直接用原始的误差发展方程来研究初始误差的发展,提出了误差非线性的增长理论。首先,在相空间中定义一个非线性误差传播算子,初始误差在这个算子的作用下,可以非线性发展成任意时刻的误差;然后,在此基础上,引入了非线性局部Lyapunov指数的概念。由平均非线性局部Lyapunov指数可以得到误差平均相对增长随时间的演变情况;对于一个混沌系统,误差平均相对增长被证明将趋于一个饱和值,利用这个饱和值,混沌系统的可预报期限可以被定量地确定。误差非线性的增长理论可以应用于有限尺度大小初始扰动的可预报性研究,较误差的线性增长理论有明显的优越性。     

一类二阶非线性多智能体系统的固定时间同步控制

研究了一类具有主从结构的二阶非线性多智能体系统的固定时间同步问题.基于齐次系统理论,设计了一个新的固定时间同步控制算法,使得多智能体系统可以在固定时间之内达到同步.理论研究表明,多智能体系统的同步时间可以预先确定并且不依赖于任何系统初始条件.最后,对多智能体系统的同步进行了数值仿真,验证了该方法的有效性.     

基于多变量非线性DAE子系统模型的同步发电机励磁汽门综合控制

同步发电机励磁汽门综合控制由多变量非线性DAE子系统模型来描述.本文扩展了非线性常微分方程系统的反步控制方法,研究了其镇定控制问题.首先若被控系统的向量相对阶存在,那么可通过一个微分同胚和反馈控制实现系统的解耦和等价转化.然后基于等价系统,利用反步方法设计其镇定控制器,使得整个闭环系统渐近稳定.最后基于MATLAB进行了仿真,仿真结果验证了本文所提方法的有效性.     

Lipschiz-type的高阶非线性多智能体系统分布式优化算法研究

主要研究了具有Lipschiz-type非线性多智能体系统的分布式优化问题.在多智能体网络中,每个个体都拥有一个代价函数,整个多智能体网络的好坏由这些代价函数的和来进行评判.在整个过程中,每个目标仅知道局部的交互信息和其自身代价函数的梯度.为了实现协同优化的目标,提出了一个新的分布式优化算法,运用李雅普诺夫稳定性分析的方法可以证明该算法能够保证所有智能体实现协同优化.最后进行数值仿真,成功地验证了该算法的正确性和可行性.