非线性时变系统特征建模与自适应迭代学习控制

讨论连续/离散非线性时变系统的特征建模,统一采用一阶时变差分方程作为特征模型.对于建模中可能产生的快变亦或突变的模型参数,以学习辨识方法进行估计;利用参数估值设计自适应迭代学习控制器,实现轨迹跟踪任务.参数估计学习算法包括带有遗忘因子的最小二乘学习算法和梯度学习算法.数值算例和电机位置跟踪实验结果表明所提出特征建模方法和学习控制方案的有效性.     

多输入多输出非线性最小相位系统的自适应模糊控制

针对多输入多输出非线性最小相位系统,把自适应模糊控制和自适应模糊辨识结合起来,提出了一种自适应模糊控制方案.设计辨识器用来辨识系统的未知部分;然后由跟踪误差和辨识误差给出了参数调节规律,两种误差同时调节参数改善了系统性能.模糊逻辑系统用来估计未知函数.控制方案保证了系统的稳定性,实现了有界跟踪.仿真结果表明了该方案的可行性.     

PMSM伺服系统的神经网络动态面控制

针对永磁同步电动机(PMSM)伺服系统中存在负载扰动和参数不确定问题,提出一种新型的基于预估器的自适应神经网络动态面控制算法.采用神经网络在线辨识系统的不确定项.在控制设计中引入神经网络预估器,并利用预估偏差学习神经网络的权值向量.通过引入动态面控制技术克服传统反步递推控制设计中存在的"复杂性爆炸"问题.所提控制算法可以在实现快速自适应的同时,避免了控制输入中可能存在的高频信号和控制输入漂移问题,进而提高PMSM伺服系统的位置跟踪控制性能.仿真结果验证了所提控制算法的有效性,并且与现有自适应神经网络控制方案相比,基于文章提出的自适应神经网络动态面控制方案的PMSM伺服系统具有更好的位置跟踪性能.     

控制增益时变的非线性系统的迭代学习控制

研究一类具有未知时变控制增益的不确定非线性系统的迭代学习控制.系统的不确定性不仅是时变的,而且可以依赖于系统的状态.在先前的有关研究中,如果不采用饱和控制,只能保证点点收敛或平方积分收敛.文章提出了一个不采用饱和控制的状态反馈迭代学习控制律,并且建立了跟踪误差的一致收敛性.     

基于神经网络的时变非线性系统迭代学习辨识

时变神经网络结构可简单地取为常规神经网络连接形式,但连接权却是时变的.如何确定时变权是应用时变神经网络时的难题.迭代学习方法是一种合理的选择,它不同于将时变连接权展成Taylor级数,通过训练多项式系数的处理方法.而且,后者的处理方式不可避免地存在截断误差.对于有限区间连续时变非线性系统的神经网络建模与辨识,借助于重复运行过程,以迭代学习算法调整权值,进行网络训练.不计逼近误差,提出的学习算法能够使得辨识误差在整个区间上渐近收敛于零.为处理非零但有界的逼近误差,采用带死区的迭代学习算法.逼近误差界值已知时,文中证明带死区修正的迭代学习算法使得辨识误差在整个区间上渐近收敛于由死区界定的邻域内.对于逼近误差界值未知的情形也进行了讨论.     

线性定常系统特征模型的特征参量辨识

说明线性定常系统特征模型的特征参量是一组由高阶线性定常系统的相关信息压缩而成,于是不能简单的作为与状态无关的慢时变参数来处理. 基于特征建模思想,建立了线性定常系统特征模型的特征参量与子空间方法之间的联系,给出了一种该特征模型的特征参量 的合成辨识算法.同时证明了在用于子空间辨识的样本量充分大和用于状态估计的时间充分长的情况下, 特征参量的估计值与真值之间的误差达到充分小. 最后,对于一个六阶的单输入单输出线性定常系统的仿真例子,对投影的带遗忘因子最小二乘算法和合成辨识算法进行了比较,验证了合成辨识算法的有效性.     

非线性时变系统自适应backstepping学习控制

针对含有混合未知参数的高阶非线性系统,利用backstepping方法,提出了一种自适应重复学习控制方法,该方法与分段积分机制相结合,可以处理时变参数在一个未知紧集内周期性快时变的非线性系统,通过构造微分-差分参数自适应律,设计了一种自适应控制策略,使跟踪误差在误差平方范数意义下渐近收敛于零,利用Lyapunov泛函,给出了闭环系统收敛的一个充分条件.实例仿真结果说明了该方法的有效性.     

有限时间迭代学习控制

针对任意初态情形, 借助于初始修正吸引子的概念,讨论不确定时变系统能够达到实际完全跟踪性能的迭代学习控制方法.闭环系统中含有限时间控制作用, 在预先指定的区间上实现零误差跟踪,且起始段的系统输出轨迹也可预先规划.分别讨论部分限幅学习与完全限幅学习, 证明闭环系统中各变量的一致有界性以及误差序列的一致收敛性. 变量有界性证明得益于提出的限幅学习算法,特别是完全限幅学习算法可确保参数估值的变化范围.     

一类广义迭代学习控制系统的状态跟踪算法

利用迭代学习控制方法,研究了一类广义系统的状态跟踪问题.针对广义系统的分解形式,提出了一种新的迭代学习控制算法,该算法由部分D型算法和部分P型算法混合而成.给出了新算法的收敛条件,并从理论上对新算法进行了完整的收敛性分析.数值仿真结果说明了所提出的广义系统状态跟踪的迭代学习控制算法的有效性.     

基于数据驱动方法的控制器设计及其参数整定

以一般离散时间非线性系统为研究对象,提出一类基于数据驱动的控制器设计及其参数整定方法.方法首先依据非参数时变动态线性化定理提出3种控制器结构,再采用迭代反馈整定方法(IFT)优化其控制器参数,从根本上解决了IFT方法给定控制器结构时存在的盲目性.最后将该方法与另外两种数据驱动控制方法---无模型自适应控制(MFAC)和IFT方法进行比较研究,结果表明方法是有效的.     

奇异系统的能控性

对于 det E=0的奇异线性控制系统E(?)=Ax Bu,(1)我们总假定矩阵束(sE—A)是正则的,即总假定 det(sE—A)(?)0。由微分方程理论知,在此条件下,对系统(1)所容许的初始值,当 u(t)是足够多次可微时,上述方程总是有解的。     

CENTERS OF SOME CUBIC SYSTEMS

1 IntroductionWe consider the systemwhere x, y, at) bj are compIex variables, S = {l. = (p., q.) lPm qm 2 1, m =l ? l} is a subset of { -- 1 U N} x N, and N is the set of non--negative integers (wewill write apq, b,, instead of a(P,q)! 5(,,,)). Let E(a, 5) ag {(a1, ? al2 5'' 5 ait 5 b,, t..' 5 5j,)} = Czl be the space of coefficients of system (1) (here and beIow wefix the order tk = (pk, qk) and jk = (qk, pk)), C[ai, ) ai2,'' 5 azl, b,,,'' 5 5j,l agC[a, 6l be the ring of poIynomiaI…     

解耦系统的特征结构配置

本文讨论线性时不变系统分~Ax+Bu,y~Cx,(1)在状态反馈及输人(非异)变换 u一犬x+G下,使闭环系统实现解耦且具有特定的结构配置问题.为此,总假设:系统(1)完全能控,x∈R~n,u∈R~r,y∈R~p,B,C 满秩,r=p.解耦问题早已有了一系列很好的结果.特别地,我们用[6]中的结果表述如下:设系统(1)的传递函数阵为     

CATEGORICAL AXIOMS OF NEIGHBORHOOD SYSTEMS

Abstract

This paper presents a categorical formulation of the neighborhood axioms of topological spaces including a characterization by the corresponding axioms of interior operators. Properties as Hausdorff's separation axioms, compactness are discussed, and various links to internal topologies of topoi, fuzzy topologies, etc. are given.     

广义Liénard系统周期解的不存在性

本文建立了广义Lienard系统不存在周期解的若干充分条件．     

一类双线性系统的稳定性

本文综合利用ＬｙａｐｕｎｏｖＶ－函数，ＬａＳａｌｌｅ不变性原理和构造正向不变集的方法，讨论了二维齐次状态双线性系统（１）的全局Ｌｙａｐｕｎｏｖ渐近稳定性，发展了文［１］、［２］的结果．