一类不确定时滞混沌系统的全局鲁棒自适应神经网络同步控制器设计

研究一类不确定时滞混沌系统的全局鲁棒自适应神经网络同步控制器设计,其系统中的不确定时滞项不是简单的线性有界条件,而是允许其存在高阶项,因此具有全局特性．在控制器的设计上;首先通过选取合适的径向基函数（RBF）神经网络的权向量去逼近时滞系统中的未知连续有界部分;然后在RBF神经网络输出的基础上,选用一个鲁棒自适应控制器来趋近时滞系统的不确定部分;同时,利用Lyapunov稳定性理论对混沌同步的条件给出了论证;最后,数据仿真的结果表明该方法的有效性．     

时滞细胞神经网络的代数抗饱和补偿设计

针对时滞细胞神经网络,提出了一种基于代数判据的抗饱和补偿设计。运用M矩阵理论、迪尼导数、系统参数设计了无饱和输入限制系统镇定的代数判据。在此基础上,利用不等式放缩原理、分区讨论与大中取大综合方法和Lyapunov理论,得出了二次矩阵不等式形式的抗饱和控制设计方案,进而将之转化为线性矩阵不等式。同时,给出了吸引域及其最大化方法。仿真验证了该设计方案的可行性和有效性。     

主动悬架多时滞补偿的一般方法

针对多轮车辆每个受控悬架时滞不相等导致预测控制效果不理想的问题,提出多时滞补偿的一般方法。首先,建立多轮车辆主动悬架的一般模型,设计无时滞补偿控制器;然后,考虑到每个主动悬架时滞不相等,设计了具有时滞补偿控制器;最后,对设计的2种控制器进行了仿真验证。结果表明:与相等时滞相比,不相等时滞会恶化车辆振动状态;与无时滞补偿控制器相比,所设计的控制器能有效处理多时滞问题,且主动悬架中心与车体质心距离越远时,时滞的影响更明显。     

模糊时滞系统控制器依赖于状态时滞的H∞控制

针对一类非线性时滞系统，研究了该系统基于T—S模糊模型的H∞控制器设计问题。采用线性矩阵不等式LMI的方法，设计一个依赖于状态时滞的模糊控制器，得到了系统存在模糊控制器的充分条件，此充分条件等价于一类线性矩阵不等式的可解性，最后通过仿真说明了控制器的有效性。     

非线性时滞系统模糊控制的一种新方法

针对一类状态变量具有时滞的非线性系统，研究了其模糊控制器的设计问题。采用线性矩阵不等式（LMI）的方法，设计了与状态变量导数有关的模糊控制器，得到了系统存在模糊控制器的充分条件，并利用线性矩阵不等式的解给出具体的形式，最后通过仿真说明了控制器的有效性。     

一类非线性时滞系统的时滞相关稳定性分析

针对一类非线性时变时滞系统,基于T-S模糊模型,采用自由权矩阵的方法,研究了该系统的稳定性问题。设计了一个与系统状态变量的导数有关的模糊控制器,推导出该控制器使闭环系统渐近稳定的充分条件,该条件等价于一类线性矩阵不等式（LMI）的可解性,并以仿真算例证明了控制器的有效性。     

基于LMI的时滞分段仿射系统H_∞控制

研究了一类有时滞环节的离散分段仿射系统的稳定性及其H∞控制器的设计方法。提出了各时滞分段仿射子系统离散时间状态集的椭圆集表示方法,结合Lyapunov意义的稳定约束,以LMIs形式给出了闭环分段时滞仿射系统的稳定充分条件,从而将系统H∞性能指标最小问题转化成LMI的凸约束求解问题。最后,通过仿真实例验证了所提方法的有效性。     

模糊神经网络在发电机励磁控制中的应用

采用含有惯性项学习算法的BP神经网络代替模糊PID控制器，对同步发电机励磁控制系统进行仿真。仿真结果表明，在系统遭受扰动或突加减载时，所设计的模糊神经网络励磁控制器具有良好的控制效果。     

坦克稳定器的神经滑模控制方法

针对坦克稳定器这一类非线性和不确定性的复杂控制对象,提出一种神经滑模控制方法。该方法将滑模控制与神经网络相结合,解决了控制系统跟踪性能和鲁棒性能之间的矛盾。系统中的滑模控制器保证了系统的快速跟踪性能;而神经网络具有很强的自学习功能,通过学习能够保证系统的稳定性,同时可对扰动和参数变化进行有效的抑制补偿,从而在不牺牲系统鲁棒性的同时达到削弱抖振的目的。从理论上证明了滑动平面的稳定性,并且通过仿真验证了该结果。仿真结果表明该设计方法优于经典设计,为实际设计提供了一种可行的新方法。     

某扫雷犁电液伺服系统的模糊神经网络控制

针对某扫雷犁电液伺服系统这一典型的非线性系统,使用基于减法聚类的模糊神经网络(FNN)自学习算法设计了控制器,其中减法聚类用于确定模糊神经网络的初始结构。在网络的学习过程中,对结论参数采用最小二乘法进行辨识,对前提参数采用误差反传算法进行调整;并使用AMESim软件搭建了扫雷犁的液压系统模型,利用其接口技术实现了与Simulink的联合仿真。实验结果表明模糊神经网络控制器的控制效果要优于传统的PID控制器。     

基于神经网络的目标预测跟踪

针对高炮火控系统的现状,在阐述神经网络模型预测控制理论的基础上,将神经网络模型预测控制器应用于火控系统的目标跟踪中,同时利用Matlab对其进行了实验仿真,并将仿真结果与传统控制器和模糊控制器仿真结果相比照进行了分析,验证了该控制器可以较好地提高火控系统目标跟踪的速度和精度,从而使系统具有良好的鲁棒性和自适应性.     

柔性神经网络滑模主动控制技术

针对复杂激励条件下的振动控制,对Jiles-atherton模型的磁致伸缩作动器在双层隔振系统中的主动控制进行了研究。以传统滑模控制为基础,提出一种柔性神经网络滑模控制算法。用正则化方法设计控制器的切换矩阵,建立神经网络权值和柔性映射参数更新学习公式,并将该控制策略应用于双层隔振系统的振动主动控制中。通过单频、多频及随机信号激励进行仿真研究,结果表明:柔性神经网络滑模控制器具有较强的鲁棒性,具有较好的控制效果。     

一类不确定非线性时滞系统的鲁棒容错控制

针对一类非线性时滞系统,基于Lyapunov稳定性理论,讨论了不确定参数系统的鲁棒容错控制问题。当故障在失效的传感器以及失效的执行器发生时,且非线性不确定性满足一定的增益条件,通过基于线性矩阵不等式(LMI)方法各自给出了故障在传感器和执行器失效发生时,闭环系统渐近稳定的存在条件及相应控制器的设计方法。一个设计算例的仿真结果表明了该方法是有效的。     

神经网络PID在空空导弹自动驾驶仪中的应用

采用改进型BP神经网络与传统PID相结合作为控制器,应用于空空导弹自动驾驶仪的设计中。BP神经网络算法的运用,使得所设计的自动驾驶仪能够针对非线性、时变的气动特性自适应地调整控制参数,利用MATLAB软件对系统进行仿真,给出了相应的仿真结果。实现对PID控制器参数的寻优整定,简化了设计过程。     

基于RT_LAB的实时仿真系统设计及UPS串口通信建模

在RT_LAB环境下搭建实时仿真平台,对UPS串口通信模型与智能外设控制器在回路实时仿真技术的具体应用进行了研究。首先,根据智能外设控制器与UPS通信协议,提出了实时仿真系统的整体方案;其次,设计了UPS串口通信模型和通信协议;再次,用自回路仿真系统进行了功能验证;最后,搭建了智能外设控制器在回路实时仿真系统,对UPS串口通信模型和智能外设控制器进行了联合仿真。结果表明:该系统成功地模拟了UPS状态信号和故障模式注入,完成了对控制器程序的功能测试,缩短了控制器的开发周期,提高了系统开发效率。     

神经网络自适应给水控制器设计研究

针对船用核动力装置运行的特点,研究了直流蒸汽发生器的水位控制问题.利用现代控制理论,设计神经网络自适应给水控制器的结构和算法.仿真试验分析验证了神经网络自适应控制器的控制性能和可行性.     

基于模糊神经网络的伺服系统PID控制

针对某装备伺服系统具有复杂的非线性和时变性,传统的PID控制存在自适应能力差的缺点,设计了一种模糊神经网络PID控制器。利用神经网络对模糊控制的控制规则进行优化,根据偏差E和偏差变化EC在线调整PID控制器的3个参数。通过与传统的PID控制器仿真实验对比,可以看出模糊神经网络PID控制器能够有效地提高该伺服系统的性能。     

履带式车辆半主动悬架的模糊神经网络控制

在1/2车体振动模型的基础上,引入了模糊神经网络控制器,模糊控制用来对付系统的非线性,神经网络用来辨识路面的变化情况,实时调节模糊控制器的量化因子,使模糊控制器对路面的变化具有自适应能力。仿真和台架实验结果表明,模糊控制器能有效地控制半主动悬架系统,半主动悬架在减少振动,提高乘坐舒适性方面优于传统的被动悬架。     

基于RBF网络的滑模变结构控制在无刷直流电机伺服系统中的应用

无刷直流电动机的参数强耦合、高度非线性特性增加了对其速度控制的难度，针对这一特点，设计了一种神经网络滑模变结构速度控制器。将无刷直流电机速度伺服系统分成名义模型和不确定模型，采用状态反馈方法对名义模型进行控制，以RBF神经网络为滑模动态补偿器对不确定系统进行控制。该方法不仪具有变结构控制的抗参数摄动、抗干扰以及速度快等优点，神经网络控制的加入还有效地减弱了单纯滑模变结构控制所带来的“抖振”现象。Matlab仿真结果表明，该控制器具有良好的控制性能和鲁棒性能。     

基于反馈线性化的EMS型磁浮列车非线性悬浮控制器设计

悬浮系统控制技术是EMS型磁浮列车的关键技术之一。针对悬浮系统的非线性特征,设计了一种非线性悬浮控制器。在合理假设的基础上,建立了EMS型磁浮列车悬浮系统的非线性数学模型;通过反馈线性化将该非线性模型精确线性化,得到等价的线性模型,采用状态反馈的方法设计了非线性控制器。仿真结果表明,该非线性控制器的控制性能明显优于传统的局部近似线性化方法设计的控制器,对间隙干扰和负载干扰具有鲁棒性。