基于T-S模型的离散非线性系统的迭代学习控制

针对离散T-S模糊系统的轨迹跟踪控制问题,提出了基于离散Legendre正交多项式的迭代学习算法.该方法利用离散Legendre正交多项式展开技术及其移位运算矩阵,导出了系统基于离散Legendre多项式展开的近似模型,建立了输入量与输出量之间的代数方程约束关系.在此基础上,用迭代学习的方法可修正输入量的Legendre多项式系数,所得算法可用于具有任意相对阶的离散非线性系统.仿真实例表明了该算法的有效性.     

时变系统的迭代学习控制

针对参数未确知时变系统，提出了一种新的迭代学习控制律。在新控制律中，除了引入前次学习过程误差信息外，还引入了当前学习过程误差信息。从理论上证明了新控制律的收敛性。对离散时变系统和连续时变系统的两个实例进行了仿真研究。理论分析和实例研究结果表明，所提出的新控制律具有较高的学习速度和对初始误差良好的鲁棒性。     

MIMO离散时间非线性系统的控制设计方法

提出MIMO离散时间严格反馈非线性系统的一种控制设计方法,首先,将非匹配离散时间严格反馈非线性系统变换为匹配离散时间严格反馈非线性系统,然后再对变换后的系统进行反馈性化设计。最后给出仿真算例。     

一类离散时间非线性系统解耦问题

首先利用微分算法求出系统的相对阶，并证明了对于给定的系统，当选用状态反馈时系统具有微分不变性。然后通过在指定区域内的状态反馈，使系统达到输入－输出解耦，并给出了系统可解的充分必要条件，并用例子进一步验证。     

MlMO离散时间非线性系统的控制设计方法

提出MIMO离散时间严格反馈非线性系统的一种控制设计方法。首先,将非匹配离散时间严格反馈非线性系统变换为匹配离散时间严格反馈非线性系统,然后再对变换后的系统进行反馈线性化设计。最后给出仿真算例。     

非线性离散时间系统的自适应模糊逻辑控制

对一类非线性离散时间系统x(k 1)=f(x(k)) g(x(k)) d(k),根据模糊逻辑系统的逼近性质,给出了一种自适应模糊逻辑控制器的设计方法,利用李亚普诺夫稳定性理论,证明了控制算法是全局稳定的,跟踪误差收敛于零的某一邻域中,这一设计方法克服了JagamathanS(1998)文中要求模糊基函数向量满足持续激励（PE）条件这一难以验证和满足的假设条件。     

离散时间非线性系统的一种新型状态观测器

该文通过建立离散时间非线性系统的状态估计与超定非线性方程组求解之间的联系,基于高斯－牛顿算法,得到了离散时间非线性系统的一种新型状态观测器,证明了该观测器的局部收敛性,并给出了仿真结果。     

欠控制方向的非线性系统自适应迭代学习控制

针对控制方向未知且具有周期扰动的非匹配非线性系统, 提出了一种自适应迭代学习控制策略. 控制算法具有以下3个特点:不需要控制方向的先验知识; 能够对系统的周期不确定性进行在线学习; 能够克服系统的非匹配不确定性. 随着迭代学习次数的增加, 系统跟踪误差渐近收敛于零. 仿真结果表明了控制算法的可行性和有效性.     

带有延迟的离散时间非线性系统的镇定

研究了一类带有延迟的多输入离散时间非线性系统，利用Lyapunov方法建立了闭环系统稳定的充分条件，并给出了使系统全局(或局部)渐近稳定的状态反馈控制律，从而延伸若干已有结果．     

多指手爪非线性分析及其位置离散学习控制

本文通过分析机器人多指手爪的静摩控，库伦磨擦，粘性磨擦等非线性因素，推导出多指手爪屈伸关节的动态控制模型，针对指手爪的非线性影响，提出了一种位置离散学习控制方法，并给出了这种方法的收敛性定理，仿真结果表明，离散学习控制方法能在有限次迭代后使手指关节位置达到期望位置。     

球面光学零件抛光时的瞬时压强分布

把对坐标的曲面积分用于球面光学零件的压强计算，得到了瞬时压强的分布函数，分析了工艺参数及物理尺寸对压强的影响，指出了集中加载的弊端，为抛光机床的革新设计提供了依据。     

非线性离散系统的学习控制方法

对非线性离散系统的学习控制方法进行了研究,引进了离散的λ（ζ）－范数,给出了新的学习控制算法,实现了不依赖于学习控制初始数据的目标跟踪问题。为离散系统的学习控制方法的顺利发展和相应基本理论的建立进行了尝试性的探索工作。     

非线性离散系统状态跟踪的学习控制方法

本文探讨了一类非线性离散系统状态跟踪问题,在所给学习算法下,将学习控制问题转化为离散动力系统的平凡解全局稳定性问题,获得了对系统理想状态高精度跟踪的结果。     

非线性系统的学习控制算法

本文对一般非线性控制系统,提出了三种学习控制算法;并研究了收敛性的条件。本文包含了 Arimoto、Bien 等文中的主要结果。     

一类具有时滞的不确定非线性离散系统的鲁棒模糊控制

对一类基于T-S(takagi-sugeno)模糊模型的具有时滞的不确定非线性离散系统的模糊鲁棒控制问题进行了探讨．提出了一种基于线性矩阵不等式(LMI)方法的模糊鲁棒状态反馈控制器的设计方法，并根据Lyapunov稳定性理论，获得了系统模糊鲁棒稳定的充分条件，仿真结果验证了该控制方法的有效性。     

混联机械臂系统自适应选择迭代学习角同步控制

建立了四自由度混联机械臂系统动力学模型,并根据系统重复运动和具有不确定因素的特点,设计了自适应选择迭代学习同步控制算法(ASILSC),实现了系统的角同步运动,并证明控制算法的收敛性.仿真结果表明,相比于带遗忘因子的迭代学习同步控制,自适应选择迭代学习角同步控制有更好的收敛性和鲁棒性.     

滞后过程的离散型最优控制

本文提出一种适用于具有纯滞后的被控过程的定值最优化控制算法。仿真表明,其控制效果良好,算法比较简单,可用于纯滞后较长的过程以及自整定调节器等。     

离散非线性控制系统迭代学习（算法）的收敛性与鲁棒性

本文证明了一类含有不确定因素的ＭＩＭＯ非线性控制系统迭代学习算法的收敛性与鲁棒性。     

一种新的鲁棒离散自适应控制方法研究

本文提出一种对测量仪表和控制器误动作等引起的大扰动或异常值有较好鲁棒性的离散自适应控制策略,并讨论了基于文献[6]的鲁棒辨识算法的自适应控制算法,对确定性线性系统中的稳定性和跟踪最优性、递推参数估计的收敛性和一致性的两定理进行了证明。计算机仿真表明,本文控制算法对大扰动或异常值具有良好的鲁棒性和最优跟踪特性。