暂无评论
研究一类具有Markov跳跃参数的随机非线性系统的鲁棒自适应镇定问题.利用随机控制的Lyapunov设计方法,对受Wiener噪声干扰的参数严格反馈形式的跳跃系统, 利用backstepping方法设
存在执行器滞回的MIMO非线性系统的鲁棒自适应跟踪控制
Hammerstein非线性系统的鲁棒自适应控制及其在典型CSTR问题中的应用
考虑带非参数不确定项的随机非线性系统自适应观测器设计问题. 不同于已有结果, 系统的不确定项无需满足Lipschitz 连续性条件, 也不必要仅仅是系统输出的函数. 通过设计一个带参数自适应律的非线性
针对一类高阶互联M IMO 非线性系统, 利用TS 模糊系统和神经网络的通用逼近能力, 在神经网络控制器 中引入模糊基函数, 提出一种分散混合自适应智能控制器设计的新方案. 基于等价控制思想, 设计分
准确度和精确度是无线传感器网络定位系统重要的指标。分析现有的校正技术，在基于超声波传感器和无线射频模块的到达时间差（TDOA）测距技术和多边测量定位算法的基础上，结合校正技术，提出一种基于在线校正的定
针对传统非线性系统的积分控制，为减小稳态跟踪误差和防止积分饱和，设计了一种改进型的自适应积分控制。采用反馈线性化消去系统的非线性，在初始误差较大的条件下，引入惩罚函数根据误差动态调节比例系数和积分系数
该研究考虑了一类不确定非线性系统的全局自适应镇定问题,其中不确定性可能无法参数化。 借助差分拓扑中的统一分区技术,全局使用神经网络获得函数的近似值。 逼近理论的用处在全局自适应神经网络控制器的设计。
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！
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
暂无评论