一类非线性系统的自适应无源化控制

对于一类具有未知时变时滞和虚拟控制系数的不确定严格反馈非线性系统, 基于后推设计提出一种自适应神经网络控制方案. 选取适当的Lyapunov-Krasovskii 泛函补偿未知时变时滞不确定项. 通过

一类具有强互联性的大规模MIMO非线性系统的分散自适应模糊控制及其在自动化公路系统中的应用

基于自适应非线性阻尼, 提出一种鲁棒自适应输出反馈控制方法. 该方法适用于带有未建模动态、未知非线性、有界扰动、未知非线性参数和不确定控制系数的多输入多输出非线性系统. 理论证明, 在一定的假设条件下

时变非线性系统的特征模型与自适应迭代学习控制

针对典型的高阶非线性系统, 建立被控对象的多个论域不同的基于 T - S 模型的模糊控制器 ( T SFC) ,用其加权组合控制系统的行为, 并根据 Ly apunov 的综合方法设计一种自适应算法来

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

针对一类未知的连续非线性系统, 提出一个基于单网络近似动态规划(ADP) 的近似最优控制方案. 该方 案通过设计一个新型的递归神经网络(RNN) 辨识器放松了系统模型需已知或部分已知的要求, 并利用一

基于TS模糊模型的一类非线性系统的有限时间耗散控制。

具有输入饱和约束的一类MIMO非线性系统的迭代学习控制

针对目前大多数自适应离散变结构滑模控制存在的对受控系统数学模型依赖性和未建模动态问题,提出一类离散时间非线性系统的无模型自适应滑模控制,并对其控制律进行改进。该控制策略本质上属于一种数据驱动控制方法,