摘要：将云模型与T-S模糊系统结合,利用隶属云代替模糊系统的前件,提出一种T-S云模型。T-S云模型综合考虑模型的精确性和可解释性,不但可以利用专家的知识和经验建立系统模型,而且还可以通过输入/输出数据设计云模型系统。详细分析T-S云模型的系统结构。基于云模型和模糊系统对模糊概念表述的一致性,在不考虑超熵的情况下,使用梯度下降法辨识T-S云模型前件参数。利用递推最小二乘法辨识T-S云模型后件参数。设计了基于T-S云模型的控制器,实现了将卡车后倒至指定的卸车位置,体现了T-S云模型的不确定处理能力。仿真研究验证了算法的有效性。

摘要：针对一类非线性离散时间动态系统,提出了基于改进泛模型的非线性控制方法。该方法首先将非线性系统动态线性化为带误差修正的改进泛模型,对其中的时变特征参量建立AR模型进行预报,然后在改进泛模型的基础之上,根据二次型性能指标设计最优控制律,控制律中的未知参数即为AR模型中的参数以及泛模型中的误差修正系数,将其作为粒子向量,采用粒子群优化(PSO)算法进行优化。经过优化后的控制律作用于该非线性对象,可以收到良好的控制效果。该方法的优势在于简单而且易于实现。仿真结果表明了算法的有效性。

摘要：提出适合于高阶非线性系统线性化解耦的广义逆系统 .它与被控系统复合后 ,不但能实现原系统的线性化和解耦 ,而且通过合理地设计逆系统 ,可使伪线性复合系统的极点在复平面上任意配置 .进一步提出由静态神经网络和若干积分惯性等线性环节组成的神经网络广义逆系统 ,为模型未知且内部状态不易测量的高阶非线性系统的线性化解耦控制提供一条有效途径 。

摘要：针对非线性网络控制系统中测量数据的量化及随机丢包问题,给出一种基于数据驱动的自适应迭代学习控制算法.该算法能够保证系统在数据量化、随机丢包以及不确定迭代学习长度等因素的影响下,经过有限次迭代后输出轨迹跟踪误差收敛到零;借助伪偏导线性化方法,将非线性系统转换为线形时变系统形式;在线性系统框架下利用前一批次的系统输出信息更新自适应学习增益.与传统迭代学习控制算法不同的是,该算法无需预知迭代长度的先验信息和控制系统模型信息.最后通过Matlab仿真实验验证所提出算法的有效性.

摘要：对新一代歼击机提出了基于神经网络干扰观测器的动态逆飞行控制器设计方案.首先采用RBF神经网络设计干扰观测器,使其输出能够逼近动态逆误差;然后基于干扰观测器的输出设计动态逆飞行控制系统,该系统能克服动态逆误差对飞行控制带来的不利影响;最后将所设计的飞行控制系统用于新一代歼击机的机动飞行仿真,仿真结果表明该飞行控制系统是有效的.

摘要：平地机在田间作业环境下存在复杂非线性时变系统,很难建立精确模型,而传统的PID控制仅仅局限应用于线性系统,控制效果不佳等问题。为了提高田间作业时的转向控制精度,提出了一种基于RBF神经网络增量式PID的控制方法。该方法采用RBF神经网络对增量式PID增益参数进行自适应调整和辨识,并针对控制模型通过仿真实验对比分析了所提出的RBF神经网络增量式PID控制方案与传统PID在平地机转向控制中对方波轨迹跟踪的效果,从而验证了所提出的RBF神经网络增量式PID控制方案的优越性。结果表明:该控制方法对复杂非线性的平地机转向控制系统具有良好的适应性、鲁棒性和实时性,取得了令人满意的控制效果,为后续农业机械自动导航转向控制实际应用环境控制策略的制定提供了有价值的参考。

摘要：传动链振动会使终端工作部件运动不平稳，定位精度差，降低机器工作精度．本文对传动链振动进行了实测，分析出振源，采用新的同频谱建模思想建立了相应的非线性振动方程，并设计了一种非线性积分控制器作为主动消振控制器．仿真结果表明，该消振控制器效果令人满意．

摘要：Y2001-62724-381 0117963一类非线性系统控制周期解的基于线性矩阵不等式的合成=LMI-based synthesis for controlling periodic solu-tions in a class of nonlinear systems[会,英]/Basso,M.& Giovanarcli,L.//2000 IEEE International Sympo-sium on Circuits and Systems,Vol.2.—381～384(HC)就一类正弦强迫非线性系统,本文研究了稳定周期轨道的控制器设计问题,作为周期线性反馈系统绝对稳定性问题,为了使用已知圆准则,使其公式化。