带有未建模动态的非线性系统的自适应动态面控制

针对一类时变参数化非线性系统的控制问题进行深入研究, 提出一种新的迭代神经网络估计器, 并证明了 其逼近引理, 实现了对时变不确定性的逼近. 在用迭代神经网络对时变不确定性进行估计的同时, 以Lyap

针对任意复杂的具有最小相位，滞后环节和非最小相位特性的离散非线性系统，提出一种通用的直接神经网络模型参考自适应控制。采用具有在线学习功能的最近邻聚类算法训练RBF神经网络控制器，同时引入优化策略对聚类

非线性随机系统自适应神经网络控制,非常好的资源，讲解很透彻，很容易理解！

人工智能基础理论SCI论文，研究了基于事件触发机制的非线性系统的鲁棒输出调节问题

一类非线性动力系统的短期相依性-用非递归神经网络建模动力系统 循环神经网络(RNN)是动态系统中顺序数据的流行建模选择。 但是,经验经验表明,RNN通常难以调整和定制。 它驱使从业人员用非递归神经网络

针对控制力矩陀螺框架伺服系统中存在的摩擦非线性及不确定性等问题,提出一种基于终端滑模的有限时间自适应鲁棒控制律,确保闭环控制系统跟踪误差能够在有限时间内快速收敛到包含原点在内的任意小邻域内.通过对不确

研究具有外界持续扰动作用下非线性系统的最优控制问题, 提出了一种设计前馈—反馈最优控制器的逐次 逼近算法. 利用该算法可将在扰动作用下的非线性系统的最优控制问题转化为求解线性非齐次两点边值序列的问 题

针对一类参数不确定且含有未知关联项的随机非线性关联系统,提出了一种自适应输出反馈控制方案.该方案利用K滤波器估计不可量测的系统状态,将动态面技术与输出反馈控制相结合,避免了传统后推设计过程中对虚拟控制

针对一类不确定非线性系统的跟踪控制问题, 在考虑建模误差、参数不确定和外部干扰情况下, 以其拥有良好的跟踪性能以及强鲁棒性为目标, 提出基于回归扰动模糊神经网络干扰观测器(recurrent pert

针对以往故障诊断研究中要求故障或故障导数及系统干扰的上界是已知的不足, 以及难以同时诊断执行器故障和传感器故障的问题, 提出一种自适应未知输入故障诊断观测器, 能够同时重构非线性动态系统的执行器故障和