线性时不变系统pdf

利用用神经网络的黑箱特性和能够以任意精度逼近非线性的特性辨识非线性系统

这是一个基于T-S模糊模型的对非线性网络控制系统进行建模的控制方法

研究一类包含状态时滞的未知非线性扰动项和参数不确定性的不确定时滞系统基于状态观测 器的鲁棒可靠控制问题。其中非线性满足范数有界条件,参数不确定性是时变的。 目的是设计状态观测 器和线性无记忆观测状态

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。它将将时变连接权展成Taylor级数,通过训练多个式系数的处理方法。而且,通常的处理方式

时滞切换非线性级联系统的指数稳定性

针对一类未知非线性时滞关联大系统,提出一种自适应神经网络分散跟踪控制方案.采用神经网络逼近各子系统内部的非线性函数和关联项中的时滞非线性函数;利用占有方法处理时滞项, 采用Backstepping技术

非线性MIMO时滞系统的新型自适应神经控制设计

研究线性时滞系统在阶跃扰动作用下的最优控制问题.首先基于内模原理构造扰动补偿器, 以完全消除阶跃扰动对系统的影响, 并将原系统的最优无静差扰动抑制问题转化为无扰动最优控制问题;然后利用灵敏度方法, 求

时滞非线性双速率系统辨识的多模型LPV方法

Sift image registration, implementation of scale invariance, rotation invariance, affine invariance