摘要：针对多变量仿射非线性系统辨识和状态估计问题。采用动态神经网络作为辨识器和观测器,从而将系统辨识和状态观测设计过程合二为一,给出了辨识和状态估计的系统设计方法及具体设计步骤。在考虑建模误差项影响的情况下,采用基于Lyapunov理论的权调节律确保权值估计误差和状态观测误差的一致最终有界。仿真结果验证了所提方法的有效性。

摘要：针对CAN网下的网络控制系统(NCS),提出一种动态闭环调度策略.通过网络监测器周期地在线获取当前的网络服务质量,估计当前可利用的网络带宽等参数,实时地调整控制系统的采样周期以适应网络中信息流的变化.将采用动态闭环调度策略的变采样周期NCS建模为一类具有参数不确定性的离散系统,研究了系统的鲁棒稳定性和控制器的设计方法.仿真结果表明所提出的综合设计方法对改善网络的运行能力和保证系统稳定性是有效的.

摘要：本文研究一类含有参数不确定性的非线性关联大系统的鲁棒状态观测器设计问题，设计了一种非线性鲁棒状态观测器，并证明了状态误差按指数渐近收敛到零。最后给出了一个数值算例，说明了本文的结论及鲁棒状态观测器的设计方法。

摘要：迄今所介绍的协方差控制器只适用于干扰为零均值的高斯白噪声过程，一旦噪声均值不为零或系统存在常值扰动，系统输出一般将会有偏。该文用状态反馈ＰＩ控制器实现了单输入单输出（ＳＩＳＯ）线性随机系统输出无偏协方差协方差配置，给出了控制器存在的充要条件及其解的一般形式。

摘要：提出一种可同时构造多个精确性和解释性较好折中的高维模糊分类系统的设计方法。该方法由以下三步组成:(1)利用Simba算法进行特征变量选择;(2)采用模糊聚类算法辨识初始的模糊模型;(3)利用匹茨堡型实数编码的多目标遗传算法对初始模糊模型的结构和参数进行学习。基于NSGA-Ⅱ算法的目标函数同时考虑模型的精确性和解释性;为提高模型的解释性,在多目标进化算法中利用基于相似性的模型简化方法对模型进行约简。利用该方法对Wine等问题进行分类,仿真结果验证了方法的有效性。

摘要：提出一种基于协同进化算法的复杂模糊分类系统的设计方法．该方法由以下3步组成:1)利用Simba算法进行特征变量选择;2)采用模糊聚类算法辨识初始的模糊模型;3)利用协同进化算法对所获得的初始模糊模型进行结构和参数的优化．协同进化算法由三类种群组成;规则数种群,规则前件种群和隶属函数种群;其适应度函数同时考虑模型的精确性和解释性,采用三类种群合作计算的策略．利用该方法对多个典型问题进行分类,仿真结果验证了方法的有效性．

摘要：针对被控对象为Lurie系统的一类非线性网络控制系统(NCS),利用混合系统模型统一描述了同时存在网络诱导时延、数据包丢失、乱序等因素的NCS.在所提模型的基础上,利用线性矩阵不等式方法给出了系统渐近稳定的充分条件以及状态反馈控制器的设计方法。此外,该方法还可以用于求取使系统保持渐近稳定的最大时延上界以及最大允许传输间隔。最后的仿真结果验证了所研究方法的有效性。

摘要：该文以参数未知的双电机驱动伺服系统为研究对象,针对施加偏置力矩后的系统,应用Backstepping方法选择控制Lyapunov函数(CLF),设计了基于状态反馈的自适应控制策略,完全消除了齿隙非线性对系统的影响。理论分析和仿真研究表明,该方案能够保证系统稳定地跟踪参考输入,同时保证整个控制系统渐近稳定。

摘要：针对同时具有不确定短时延及数据包丢失的网络控制系统,引入丢包补偿器补偿丢包对系统的影响,当发生数据包丢失时,控制器采用丢包补偿器产生的预估状态代替系统的真实状态计算控制量。同时考虑不确定短时延的影响,将网络控制系统建模为一类具有参数不确定的离散切换系统．利用线性矩阵不等式(linear matrix inequality,简称LMI)方法给出了系统的保成本控制器和丢包补偿器的协同设计方法,仿真结果表明所提出的方法是有效的。

摘要：提出一种可同时构造多个精确性和解释性较好折衷的高维模糊分类系统的设计方法.该方法首先利用Simba算法进行特征变量选择,然后采用模糊聚类算法辨识初始的模糊模型,最后利用Pareto协同进化算法对所获得的初始模糊模型进行结构和参数优化.其中,Pareto协同进化算法采用了一种新的基于非支配排序的多种群合作策略.为提高模型的解释性,在Pareto协同进化算法中利用基于相似性的模型简化方法对模型进行约简.利用该方法对Wine典型问题进行分类,仿真结果验证了方法的有效性.