基于神经网络的MIMO非线性最小相位系统鲁棒自适应控制

 针对一类模型未知的具有不确定性和外部干扰的多输入多输出（MIMO）非线性最小相位系统提出了鲁棒自适应输出反馈跟踪控制方案。用高斯径向基函数（RBF）神经网络逼近对象未知非线性，用高增益观测器估计系统不可测量状态。所设计的鲁棒自适应控制器不仅能使闭环系统稳定，所有状态有界，而且跟踪误差一致最终有界，并保证最终边界足够小。仿真结果表明了所提出方法的有效性。     

一种基于粗糙K-均值的椭球基函数神经网络

改进了一种椭球基函数神经网络,它与经典椭球单元神经网络的结构不同,而与径向基函数神经网络结构类似,即它有一个隐含层,并且隐层单元采用椭球基函数,区别于RBF网络的高斯函数。本文采用粗糙K-均值方法求取椭球函数的中心,并给出了该方法中确定初始阈值的步骤。这种改进方法不但使对输入空间的划分局部作用,而且划分区域封闭有界。因此,改进的神经网络具有较好的函数逼近能力和模式识别能力。仿真实验验证了该椭球基函数神经网络的正确性和有效性。     

关联大系统强稳定性的主要结果

综述了近十余年来关联大系统强稳定性的研究进展．指出了系统可靠性研究与强稳定性研究之间的关系，给出了强稳定性研究的主要结果以及强稳定性的各种定义方法．文中着重分析了强稳定方法的研究途径和主要不足方面，并探讨了强稳定性研究的发展趋势．     

多变量系统参数辨识的相关分析法

 <正> 近20年来,线性系统的辨识和参数估计的研究工作得到了迅速发展。系统辨识的方法主要有:最小二乘法、广义最小二乘法、推广最小二乘法、多级最小二乘法、辅助变量法、随机逼近法、极大似然法以及相关分析法等。在这些方法中,相关分析法是一种公认最有效的算法。1974年,Iserman、Saridis和Sinha等人通过若干数值算例证实     

基于自适应不对称高斯基函数网络的可靠飞行跟踪控制

 针对歼击机操纵面结构故障,提出了一种基于自适应不对称高斯基函数网络（AGBFN）的可靠跟踪控制方案。该方案的特点是在传统的线性控制器的基础上,引入基于自适应AGBFN的自适应控制器,用于在线补偿由于建模误差、外扰、以及操纵面卡死或损伤所造成的影响,并且采用控制隔离技术来处理执行机构的饱和问题。完全自适应AGBFN采用不对称高斯基函数,并且可以在线更新网络所有参数,克服了传统RBF网络对称性约束,提高了网络的适应性和学习能力,从而保证歼击机的操纵品质,且输出较好地跟踪参考模型输出。飞行仿真结果表明,文中采用的控制方法使飞机在正常状态和故障状态下均可获得满意的控制效果。     

歼击机的鲁棒反馈控制器设计

本文应用时域多变量鲁棒控制方法设计歼击机的飞行控制系统。设计出的鲁棒控制器具有固定的设计参数和增益。在模型误差、参数波动和歼击机气动特性显著变化的情况下,可以保证飞行稳定并有良好的动态响应。     

一类不确定非线性系统的观测器设计

系统状态观测器在故障检测与状态反馈中起着重要作用，特剐是非线性系统状态观测器的构造已成为目前控制理论界一个重要研究课题。本文针对一类含有建模误差的非线性系统，提出了一种非线性状态观测器的结构形式，然后利用非线性变换，将含有建模误差的非线性系统变换为仅依赖原系统的输入、输出的规范形式，从而利用可测数据进行构造观测器。在此基础上，利用Lyapunov稳定性理论以及微分同胚的性质，分析了非线性动态误差方程的稳定性。理论证明，在建模误差为零时，估计状态收敛到其真实状态；在建模误差不为零时，估计状态与实际状态之差一致最终有界。最后进行了详细的仿真研究，结果表明了该方法的有效性。     

自组织模糊CMAC神经网络及其非线性系统辨识

 针对CMAC的特点,提出了联想度的概念,并由此设计了一种自组织模糊 CMAC神经网络( SOFC-MAC)及其学习算法,证明了SOFCMAC能以任意精度对非线性特性一致逼近。该网络具有学习速度快,逼近精度高及局部泛化能力等特点。歼击机系统特征模型辨识仿真验证表明了该方法的有效性。     

基于Riccati方程的离散容错控制系统设计

基于离散系统的Ｒｉｃｃａｔｉ方程，提出一种对传感器失效具有完整性的离散控制系统的设计方法，给出了完整性设计方法的设计步骤，并用设计实例验证了该方法的有效性．该方法还可推广用于执行器失效的情况．     

经典模型降阶方法述评

大系统模型降阶是一个活跃的研究领域,比较成熟的经典降阶方法主要有;Pade逼近法,时间矩法,连分式法,Routh逼近法及混合法等。本文综述了这一领域的现有文献,介绍了每种降阶方法的基本思想、优缺点和适用范围,特别指出了一些新的经典模型降阶方法的进展。文中最后提出了模型降阶方法的可能研究方向。