暂无评论
这是一篇973项目论文,对研究多维背包问题有很高学术价值,值的一看
针对一类Lipschitz 非线性切换系统, 研究基于观测器的??∞ 输出跟踪控制问题. 借助微分中值定理, 将 Lipschitz 非线性切换系统转化为线性参数切换系统. 当状态变量不可测或不易测时
研究一类不确定严反馈非线性系统的跟踪控制问题. 通过采用单一神经网络逼近系统的所有未知部分, 提 出一种新的鲁棒自适应控制设计方法. 该方法能直接给出实际控制律和自适应律, 有效地解决现有方法中存在的
针对类似板球系统的一类高阶、强耦合、不确定非线性系统, 利用backstepping 算法的思想, 提出以多个低 阶自抗扰控制器级联实现控制的方法. 通过各低阶自抗扰控制器的扩张状态观测器观测出各级对
针对一类非线性不确定系统, 提出一种新的基于神经网络动态补偿的最小方差控制方法 (MVNNC )。 这种控制系统将传统的最小方差控制技术与神经网络优良的非线性逼近能力相结合, 从而 能有效地消除不确定
一类欠驱动机械系统的非线性控制
一类非线性系统的新型扩展Kalman滤波器
在本文中,我们集中于一类非线性非最小相位系统的输出反馈跟踪控制问题。 为了限制不稳定的内部动力学,引入了输出重新定义方法以使内部动力学的稳定性取决于新定义的输出的稳定性,因此我们只需要考虑新的外部动力
讨论了一类含未知参数的非线性系统的自适应无源化问题.通过引入切换拓宽可反馈无源化对象的范围,在控制项前面的系数是未知参数线性函数的条件下构造出自适应无源反馈规律.在该条件不满足时,基于无源性分析给出了
迭代学习控制方法应用于网络控制系统时,由于通信网络的约束导致数据包丢失现象经常发生.针对存在输出测量数据丢失的一类非线性系统,研究P型迭代学习控制算法的收敛性问题.将数据丢失描述为一个概率已知的随机伯
暂无评论